Η παρούσα διπλωματική εξετάζει τις συνέπειες των τεχνολογιών Τεχνητής Νοημοσύνης (με έμφαση στη γενετική ΤΝ) στο ανθρώπινο δυναμικό διεθνώς και στην Ελλάδα, προσεγγίζοντας την αγορά εργασίας ως εφοδιαστική αλυσίδα δεξιοτήτων και ταλέντων που λειτουργεί σε ένα άνισα κατανεμημένο και υψηλής αβεβαιότητας τεχνολογικό περιβάλλον. Κεντρικός στόχος είναι η ανάπτυξη ενός στρατηγικού πλαισίου διαχείρισης κινδύνου για το ανθρώπινο δυναμικό, το οποίο ερμηνεύει την ΤΝ όχι μόνο ως τεχνολογική καινοτομία αλλά ως παράγοντα που επιταχύνει την παραγωγή προβλέψεων και μεταβάλλει οργανωτικές ροές, χωρίς να αναιρεί την ανθρώπινη ευθύνη και λήψη αποφάσεων.

Η ανάλυση οργανώνεται γύρω από εργαλεία στρατηγικής αποτύπωσης (αναλύσεις PESTLE και SWOT) και από τρία σενάρια μεσοπρόθεσμου ορίζοντα (8 έως 12 έτη), ώστε να αποδοθούν με καθαρό τρόπο οι βασικές οδοί αλλαγής, τα σημεία συμφόρησης και οι εναλλακτικές τροχιές μετάβασης. Τα σενάρια σκιαγραφούν την (α) αναβάθμιση της εργασίας, (β) την αγορά εργασίας δύο ταχυτήτων με άνισο μετασχηματισμό και (γ) την υποκατάσταση και εντατικοποίηση σε περιβάλλον χαμηλής διάχυσης προσόντων και υιοθέτησης κόστους.

Τα ευρήματα συγκλίνουν στο ότι το αποτύπωμα της συγκεκριμένης τεχνολογίας εκδηλώνεται πρωτίστως ως αναδιάρθρωση καθηκόντων και μετατόπιση της ζήτησης προς τις δεξιότητες της εποπτείας, του ελέγχου, της ερμηνείας και της λογοδοσίας, πριν αποτυπωθεί καθαρά σε συγκεντρωτικούς δείκτες. Για την Ελλάδα, η αγορά εργασίας εμφανίζεται εκτεθειμένη στις μεταβολές καθηκόντων, αλλά η τελική έκβαση ως προς την απασχόληση, τους μισθούς και την ποιότητα εργασίας εξαρτάται από τη διάχυση δεξιοτήτων και το AI Capital, την ικανότητα απορρόφησης των οργανισμών και των θεσμών όπως και τη λειτουργική εφαρμογή πλαισίων διακυβέρνησης που μειώνουν τον κοινωνικό και τον οργανωτικό κίνδυνο. Στο πλαίσιο αυτό, προτείνονται στρατηγικές αντιμετώπισης κινδύνου μέσω μείωσης, μεταφοράς/επιμερισμού και αποδοχής, καθώς και μηχανισμοί εφαρμογής, ώστε η μετάβαση να γίνει παραγωγικά και με μεγαλύτερη ανθεκτικότητα.

This thesis examines the impact of Artificial Intelligence technologies -especially generative AI- on the employment globally and in Greece, treating the labor market as a supply chain of skills and talent operating within an uneven and highly uncertain technological environment. Its main objective is to develop a strategic risk-management framework for the workforce that interprets AI not only as innovation but also as a technology accelerating prediction and reshaping organizational workflows, while leaving accountability and final decision-making with humans.

The analysis is structured around strategic mapping tools (PESTLE and SWOT analysis) and three medium-term scenarios (8 to 12 years) to present, in a concise way, the main drivers of change, key bottlenecks, and alternative transition pathways. The scenarios outline: (a) job upgrading through broad diffusion of skills, (b) a “two-speed” labor market with uneven transformation, and (c) substitution and work intensification under cost-driven adoption and limited skills diffusion.

The findings converge on a clear conclusion: AI’s footprint is primarily expressed through task reconfiguration and a shift in demand towards oversight, quality control, interpretation, coordination, and accountability skills, before it becomes visible in aggregate employment indicators. In the Greek case, the labor market is exposed to AI-driven task changes, yet outcomes for employment, wages, and job quality depend on the diffusion of new skills and AI Capital, the absorption capacity of organizations and institutions, and the effective implementation of governance arrangements that reduce social and organizational risk. Accordingly, the thesis proposes a risk-response strategy structured around risk reduction, risk transfer/sharing, and risk acceptance, supported by implementation mechanisms, to enable a more resilient and productivity-enhancing transition.