_Bio

Κύριε Ζαρκαδάκη, αναφέρετε στο βιβλίο σας «In Our Own Image, the History and Future of AI» πολλές ιστορικές τεχνολογικές αλλαγές στην εργασία λόγω της βιομηχανικής επανάστασης. Nα κάνουμε μια μικρή ιστορική αναδρομή και να μιλήσουμε λίγο για το πώς προβλέπετε ότι η τεχνητή νοημοσύνη επηρεάζει τη δυναμική της εργασίας στο σύγχρονο εργασιακό τοπίο;

Ιστορικά, υπήρχαν τρόποι με τους οποίους οι άνθρωποι εργαζόντουσαν πριν τη πρώτη βιομηχανική επανάσταση, κάνανε δηλαδή κυρίως γεωργική και εποχιακή εργασία, δούλευαν ανάλογα με τις περιόδους που έπρεπε να δουλέψουν και αυτό ήταν το pattern of work-me 10.000 χρόνια παρελθόν. Όλο αυτό ανατράπηκε με την βιομηχανική επανάσταση, η οποία οδήγησε σε ένα μοντέλο εργασίας που ουσιαστικά έκανε τους ανθρώπους υποταγμένους στις μηχανές. Τα ωράρια εργασίας, δηλαδή, ήταν αντίστοιχα των ωραρίων που το ρεύμα ήταν διαθέσιμο και η εργασία των ανθρώπων, πέρα ότι εξαρτάτο από μηχανές,  ήταν και πάνω σε μια γραμμή παραγωγής. Αυτό το μοντέλο εργασίας, που είχε κυριως να κάνει με εργάτες σε εργοστάσια, ακολουθήθηκε στη συνέχεια και για white collar jobs. Όλη η οικονομία μας βασίζεται στο concept που γεννήθηκε από αυτό το μοντέλο, το concept της παραγωγικότητας.

Τώρα μπαίνουμε σε μια περίοδο πάρα πολύ μεγάλων αλλαγων εξαιτίας της ΤΝ.

Το πρώτο που πρέπει να πούμε είναι ότι η τεχνολογια αυτή εξελίσσεται με άλματα.

Το μεγαλύτερο άλμα έγινε πρώτα το 2000, και ύστερα το 2020 έγινε ένα πελώριο άλμα, ένα άλμα το οποίο κανείς δεν περίμενε να γίνει. Το 2000- 2005 και ύστερα, μια προσέγγιση της ΤΝ που δεν ήταν η κυρίαρχη, και αυτή είχε να κάνει με τα νευρωνικά δίκτυα, γεννήθηκε λόγω φθηνότερου computational power και αύξησης της διάθεσής των δεδομένων, σε συνάρτηση με εξέλιξη σε κάποια στατιστικά μοντέλα μηχανικής μάθησης. Όλα αυτά έδωσαν στην ΤΝ την μορφή που έχει σήμερα, που είναι βασισμένη σε νευρωνικά δίκτυα (Neural Networks)- σε αντιδιαστολή με μια άλλη μορφή της ΤΝ, βασισμένη σε συμβολική λογική.

Ξαφνικά έχουμε συστήματα που μπορούν πχ να κάνουν αναγνώριση προσώπων. Το 2017 βγήκε ένα paper από ομάδα στην Google που μίλησε πρώτη φορά για μια προσέγγιση που λέγεται “transformers” και πάνω εκεί βασίζονται τα LLM-GENerative AI. Αυτό είναι τεράστιο γιατί, ενώ πριν είχαμε μια τεχνητή νοημοσύνη που ήταν “στενή”, δηλαδή κάθε σύστημα είχε μια συγκεκριμένη εφαρμογή, τώρα έχουμε ένα σύστημα general purpose intelligence που μας συμπεριφερεται όπως πιστεύαμε ότι θα μας συμπεριφέρεται η ΤΝ σε 20-30 χρόνια. Αυτό εξελίσστεια με τεράστια άλματα. Άρα, και λόγω ταχύτητας, δεν νομίζω ότι μπορούμε και με σχετική ασφάλεια να αντιδράσουμε. Ας πουμε οι regulators προσπάθησαν να καταλήξουν στο AI Act που βασίστηκε σε μια άποψη, αντίληψη και επίγνωση της ΤΝ που είναι πολύ πιθανόν ήδη να έχει ξεπεραστεί. Η μεγαλύτερη επίπτωση της ΤΝ σήμερα είναι, λοιπόν, η ταχύτητα.

Ας πούμε ένα παράδειγμα, όσον αφορά ζητήματα Πνευματικής Ιδιοκτησίας. Αυτά τα συστήματα γίνονται trained από το world wide web. Αν είστε συγγραφέας, καλλιτέχνης, φωτογράφος και εχετε γραψει ενα βιβλίο, το σύστημα θα μάθει το βιβλίο σας και, αν εγώ δώσω εντολή να γράψει ένα follow up όπως γράφει η συγγραφέας του, αυτό θα μου το γράψει όπως το γράφετε εσείς.

Υπάρχει στην οικονομία μια θεωρία που λέγεται “Lump of labor fallacy”. Ο περισσότερος κόσμος πιστεύει ότι υπάρχει μια συγκεκριμένη ποσότητα δουλειάς και αν έρθει κάποιος και μας πάρει τη μισή δουλειά θα μείνει η άλλη μισή. Πιστεύουμε ότι είναι πεπερασμένος ο όγκος της εργασίας που υπάρχει αυτή τη στιγμή στους εργαζόμενους. Αυτό όμως είναι fallacious. Η οικονομία μας δείχνει ότι δεν υπάρχει lump of labor αλλά το labor συνεχως αυξάνεται και εργασίες συνεχώς εφευρίσκονται. Τα LLMS έχουν ήδη emerging behaviors στις οποίες δεν έχουν εκπαιδευτεί να έχουν, κάνουν μαθηματικούς υπολογισμούς αλλά δεν ξέρουμε πώς τους έμαθαν ας πούμε. Όλα αυτά τα ερωτήματα που έχουν να κάνουν με  τη συμπεριφορα των συστημάτων αυτών δεν υπήρχαν. Άρα, εφευρέθηκαν επαγγελματα για την μελέτη της συμπεριφοράς αυτών των μηχανημάτων. Συνεχώς υπάρχουν νέες εργασίες και έτσι τόσο πιο γρήγορα τρέχουν οι άνθρωποι για να γίνουν upskilled. Η ανάγκη για upskilling αυτή θα γίνει ακόμα πιο επιτακτική. Αυτό θα γίνεται όλο και πιο απαραίτητο για να γίνουμε ανταγωνιστικοί και να αυξήσουμε την παραγωγικότητά μας.

Αυτό είναι το argument της Microsoft, μια εταιρεία μεγαθήριο που αναπτύσσει την ΤΝ, μια από τις λίγες να πούμε, με φοβερό μονοπώλιο, γιατί αυτή η ΤΝ χρειάζεται για να τρέξει υποδομές που στοιχίζουν δεκάδες εκατομμύρια δολάρια. Το ρεύμα που καίει το chat gpt για να λειτουργήσει είναι, ας πουμε, το ρεύμα που καίει η Ελλάδα. Μιλάμε για αυτά τα μεγέθη. Μια επιλογή που έγινε από τη Silicon Valley όταν είδαν ότι υπάρχει ένα μέλλον στο να αναπτύξουμε πολύ ισχυρή τεχνητή νοημοσύνη και τα χαρακτηριστικά ήταν πολλά data και πολύ computing power, ήταν να ρίξουν χρήματα για τους δύο αυτούς σκοπούς και έτσι αναπτύχθηκαν τα LLMs. Αυτές οι εταιρείες λοιπόν συντηρούν τα πάντα.

Έρχεται η Microsoft και χρησιμοποιεί για όλα αυτά τον όρο “Co pilot”. Σαν White collar worker, λοιπόν,  έρχομαι τώρα εγώ και έχω δίπλα μου ένα σύστημα ΤΝ που με βοηθάει να αυξήσω την παραγωγικότητά μου, το LLM με βοηθάει πχ να κάνω το PHD μου από 3 χρόνια σε ένα μήνα. Θα μου μαζέψει την πληροφορία, θα μου τη διαβάσει, θα μου την κάνει summarize και εγώ απλά θα το κατευθύνω και τελείωσε.

Με αυτόν τον τρόπο όμως δεν θα μπορούσαν αντίστοιχα τα συστήματα AI να απελευθερώνουν όμως και τον ίδιο τον εργαζόμενο από tasks που θα μπορούσαν να του παίρνουν πάρα πολύ ώρα και εκμάθηση και άρα να τον αφήσουν να αναπτύξει περισσότερα ας πούμε soft skills όπως επικοινωνιακότητα, ενσυναίσθηση κλπ; Να είναι πχ πιο δημιουργικός, πιο συνεργατικός;

Τα συστήματα GENAI που έχουμε τώρα μπορούν να κάνουν τεράστια δημιουργική δουλειά.

Ας πάρουμε για παράδειγμα τον κινηματογράφο ή το θέατρο που είναι δημιουργικές δουλειές που όμως περιλαμβάνουν διαφορετικούς actors. Πιστεύω ότι με τα σύγχρονα συστήματα που έχουμε τώρα, θα μπορούσαμε να χρειαζόμαστε μόνο σκηνοθέτη, όλοι οι άλλοι είναι unemployed για αυτό το λόγο είχαμε και το strike στην Αμερική*.

Όπως το Web εξαφάνισε τα paper media, τα τωρινά LLM, general purpose και δημιουργικά αλλάζουν όλο το σκηνικό της εργασίας σήμερα. Experts are in danger:Αν ξέρεις πώς να γράψεις π χ καλά prompts και διατυπώσεις αυτό που θες να κάνεις, τόσο καλύτερα το LLM θα σου δίνει απάντηση. Το νέο Skill είναι η ικανότητα να ρωτάει κανείς τις ερωτήσεις. Αυτό είναι το κομμάτι της εργασίας που θα παραμείνει ανθρώπινο. Όσον αφορά τις απαντήσεις, η ΤΝ το έχει καλύψει αυτό το κομμάτι.

Τα LLMs πλέον εκπαιδεύονται και σε κοινωνικό context, ένα από τα μεγάλα προβλήματα που είχαμε στο ΑΙ ηταν το common sense. Την κοινή λογική ήταν δύσκολο για να το καταλάβει ένα σύστημα και να μπορέσει και μόνο του να το εφαρμόσει πριν το 2020. Ξαφνικά αυτό τα συστηματα το κάνουν. Έχουν common sense. Έχουν κοινή λογική. Δεν πιστεύω ότι υπάρχουν skills που δεν μπορούν αυτά τα μοντελα να αντικαταστήσουν. Όλη η ιδέα που είχαμε για το τι σημαίνει εργασία θα αλλάξει ριζικά. Δεν νομίζω ότι ο κόσμος είναι έτοιμος για κάτι τέτοιο. Πρεπει να αλλάξουν όλα τα institutions που έχουμε. Αν δει κανείς τώρα το πώς όλες οι ριζικές κοινωνικές, οικονομικές και λοιπές αλλαγές ακολούθησαν τις αλλαγές στην τεχνολογία, μια τέτοια τεχνολογική επανάσταση όπως τώρα θα φέρει τεράστιες αλλαγές. Η θα γίνει revolution ή θα γίνει evolution, που λέμε. Επανάσταση ή εξέλιξη. Οι έξυπνες κοινωνίες προσπαθούν να ρυθμιστούν από τώρα για να κανουν absorb αυτές τις αλλαγές και να επιλέξουν τον δρόμο της εξέλιξης.

*Τον Μάιο του 2023, 11.500 μέλη του Writers Guild of America έκαναν απεργία, απαιτώντας δίκαιους μισθούς, καλύτερες συνθήκες εργασίας που απειλούνταν στην εποχή του streaming, και διαβεβαίωση ότι η τεχνητή νοημοσύνη δεν θα έπαιρνε τη θέση τους ως σεναριογράφος του μέλλοντος.

Σε τι skills μπορεί να επενδύσει ένας εργαζόμενος που φοβάται ότι ενδεχομένως θα μείνει, ας πούμε, άνεργος. Ποιες ειναι οι επόμενες δουλειες του μελλοντος της ΤΝ;

Από οικονομικής άποψης, δεν θα χάσουν οι άνθρωποι τις δουλειές τους αύριο. Θα συνεχίσουν να τις κάνουν για καιρό, αλλά δεν θα πληρώνονται καλά. Οι κοινωνίες που δεν είναι έτοιμες με κοινωνική αντίληψη ανοιχτή στις αλλαγές, που αντιμάχονται αυτό το εξελικτικό ένστικτο-που είναι λογικό αλλά και έχθρος μας σε συλλογικότητες, γιατί ο κόσμος αλλάζει γύρω μας και πρέπει να προσαρμοζόμαστε- μια κοινωνία λοιπόν που δεν είναι έτοιμη, χωρίς εκπαιδευτικά ιδρύματα και πανεπιστήμια έτοιμα, θα γνωρίσει στασιμότητα.

Και εδώ καταλαβαίνουμε ότι δεν είναι το ζήτημα μόνο ατομικό φυσικά αλλα και κοινωνικό, ζω σε μια κοινωνία που είναι ευέλικτη ή που αμύνεται; Και για αυτό, για παράδειγμα, θα δούμε και πολλή μεταναστευση των white collar workers από χώρες στις οποίες ό,τι και να κάνουν θα πληρώνονται το ίδιο ή λιγότερο, γιατί η οικονομία δεν θα ειναι ικανή να αυξήσει την παραγωγικότητά της.

Είναι πολλά τα δυναμικά κομμάτια που θα παίξουν ρόλο στον τρόπο που αυτή η αλλαγή θα αποτυπωθεί σε επίπεδο ατομικό, οικονομικό, κοινωνίας και εθνών.

Λέτε λοιπόν ότι ακριβώς όπως οι κοινωνικοί φόβοι μπορεί να οδηγήσουν σε κλείσιμο για μια κοινωνία, η αντίληψη ενός εργαζομένου για τις μελλοντικές του προοπτικές επηρεάζει τις αποφάσεις του για επενδύσεις και κατεύθυνση. Η αντίδρασή τους στην αβεβαιότητα και την ανησυχία διαμορφώνει τις επιλογές τους σχετικά με το πού και πώς να επενδύσουν στις μελλοντικές τους προσπάθειες.

Ακριβώς, αλλά δεν είναι μόνο οι άνθρωποι σαν άτομα, είναι και οι εταιρείες και ο τρόπος που αντιδρούν σε αυτή τη δυναμική. Αυτό θα παίζει και τεράστιο ρόλο, ο τρόπος που οργανώνονται οι εταιρείες, ο τρόπος που χρησιμοποιούμε τις τεχνολογίες, πόσο επιθετικοί είμαστε, πόσο φιλόσοφοι και σε ποιες αγορές ανοιγόμαστε. Υπάρχουν τομείς οικονομίας που θα γίνουν impacted με διαφορετικό τρόπο από άλλους, ας πούμε αυτή τη στιγμή το 80% ενός κώδικα μπορούν να το γραψουν τα LLMs. Αυτό είναι τεράστιο bonus για εταιρείες που κάνουν software development, γιατί οι εταιρείες αυτές θα αυτοματοποιήσουν το 80% των εργασιών τους. Πώς αυτές οι εταιρείες θα γίνουν rewired εσωτερικά, είναι management decision ανάλογα με το αν και το πώς θα εκμεταλλευτούν αυτές τις αλλαγές.

Πώς ο μετασχηματισμός από παραδοσιακούς μεγάλους οργανισμούς σε ευέλικτες «μικροεπιχειρήσεις» περιλαμβάνει την υιοθέτηση τεχνολογικών stacks και cloud native approaches για την προώθηση της καινοτομίας και της ευελιξίας;*

Αυτό ήδη συμβαινει, έχουμε ήδη ανθρώπους που είναι individual contractors, freelancers ας πούμε αυτούς που έχουν προφιλ σε app όπως το Upwork, Fιver. Αυτό είναι παράδειγμα του πως ο κόσμος της εργασίας αλλάζει. Αυτό που τους κάνει successful είναι ότι εν τέλει η δουλειά τους είναι καλύτερο fit στις προσδοκίες που έχουν για τη ζωή τους.

Μιλούσαμε πιο πριν για το πώς η βιομηχανική επανάσταση έκανε τους ανθρώπους ρομπότ.  Η κοινωνία δεν δέχεται πλέον αυτό το μοντέλο εργασίας, θέλουμε να ειμαστε flexible. Επειδή τώρα έχουμε τόσες πλατφορμες κλπ, ένας άνθρωπος δεν χρειάζεται να χτίσει κάθετα όλη την εταιρεία του, μπορεί να συνθέσει πολλά πράγματα σε cloud apps και παρέχουμε μια υπηρεσία η οποία είναι πολύ πιο εύκολο να δοθεί από την “εταιρεία”.

Ο λόγος που έχουμε εταιρείες είναι επειδή είναι πιο οικονομικά σύμφορο (Theory of company) να εχουμε ένα contract για όλους τους εργαζόμενους και κάθε φορά που έχουμε να κάνουμε μια δουλειά να μην κάνουμε και καινούριο contract. Όλο αυτό έγινε πολύ εύκολο μέσα από  αυτές τις πλατφόρμες. οι Freelancers αυτοί είναι μικρο-εταιρείες και δουλεύουν επίσης με εξωτερικους συνεργάτες. Είναι ομάδες που δημιουργούν micro companies και δουλεύουν με flexibility. Βλέπουμε μια πολύ διαφορετική οργάνωση εργασίας μέσα από work platforms, σε αντίθεση με την οργάνωση εργασίας εντός εταιρειών. Ο τρόπος με τον οποιο αγοράζω σε αυτές τις πλατφόρμες βασίζεται σε κάποια skills. Το Unit of transaction δεν είναι πλέον ο χαρακτηρας ή το CV, με ενδιαφέρει το skill που έχει o εργαζόμενος\ συνεργάτης.

Αυτή λοιπόν η όποια πλατφόρμα είναι πολύ αποτελεσματική, και αυτό έχει σημασία σε μια εποχή πολύ μεγάλων αλλαγών, και ιδίως για το HR που μπορεί να προσλαμβάνει έναν άνθρωπο, αλλά λόγω συνεχών αλλαγών δεν ξέρει και πόσο θα τον χρειαστεί. Έτσι ξεκινήσαμε να σκεφτόμαστε πώς όλη αυτή η κινητικότητα θα ενσωματωθεί εντός των εταιρειών. Και αυτό συμβαίνει ήδη στις εταιρείες γιατί έχουν αρχίσει να έχουν εσωτερικές πλατφόρμες και να ποστάρουν δουλειές ή projects. Οι εργαζόμενοι λοιπόν μπαίνουν σε αυτά τα πρότζεκτ και έτσι δουλεύουν. Η βασική τεχνική είναι να υπάρχει work on demand. Nα φύγουμε από processes, αυτό που κληρονομήσαμε από τη βιομηχανική επανάσταση, και να πάμε σε projects και platforms, δημιουργώντας μια εσωτερική αγορά δεξιοτήτων, γνώσεων και παραγωγικότητας που τα κίνητρα είναι το πώς θα αποκτήσει τα κατάλληλα skills το άτομο για να γίνει πιο valuable εντός αυτού του δυναμικού περιβάλλοντος, που έχει συστήματα που το βοηθά να κάνει navigate.

*How AI will make corporations more humane and super-linearly innovative”, Huffpost-Ο κ. Ζαρκαδάκης μιλά για ένα ταξίδι μετασχηματισμού της τεχνητής νοημοσύνης που θα φύγει εκτός της τρέχουσας ακαμψίας των οργανισμών και θα την αντικαταστήσει με ένα δίκτυο ρευστών και ευέλικτων «μικροεπιχειρήσεων» που συνεργάζονται πέρα από τον οργανισμό.

Πώς ένας HR leader, χρησιμοποιώντας αυτά τα συστήματα και ίσως και το ΑΙ μπορεί να οργανώσει αυτόν τον μετασχηματισμό;

Αυτός ο μετασχηματισμός είναι part of the digital transformation agenda. Το HR αυτή τη στιγμή υποστηρίζει όλον αυτόν τον μετασχηματισμό, κάνοντας reinvent το πώς μετράμε performance, how people get incentivised, matching skills, review process που πλέον δεν είναι annual, όπως και πάλι ήταν η συνήθεια που πήραμε από τη βιομηχανική επανάσταση. Και λεω συνέχεια για βιομηχανική επανάσταση, είναι πολύ δύσκολο για μια κοινωνία να φεύγει από τη συνηθεια. Ιστορικά οι κοινωνίες που δεν άλλαξαν είναι εκείνες που μαράθηκαν. Αυτός είναι ο νόμος της ιστορίας. Είναι βασικό επίσης τα Συνδικάτα, τα Unions and workers πρέπει όχι μόνο να αγκαλιάσουν αλλά και να κατευθύνουν την αλλαγή προς όφελος των εργαζομένων.

Πώς κρίνετε την κατάσταση στην Ελλάδα σχετικά με τη χρήση ΤΝ στην εργασία;

Η Ελλάδα έχει φοβερό potential, lots of things going for Greece. Η Ελλάδα έχει ένα πλούσιο εργατικό δυναμικό, έχει επενδύσει σε νέα skills, έχουμε υψηλές σπουδές, έχουμε υποδομές, δρόμους, ιντερνετ, είμαστε μια μεσογειακή χώρα που εταιρείες θα μπορούσαν να μεταφέρουν κάποια operations τους, οπότε υπάρχει αισιοδοξία ότι η Ελλάδα μπορεί να προχωρήσει μπροστά.

Links για περαιτέρω διάβασμα επί της δουλειάς του κ. Ζαρκαδάκη:

Γλωσσάρι βασικών όρων

Νευρωνικά δίκτυα: Ένα νευρωνικό δίκτυο είναι ένα πρόγραμμα ή μοντέλο μηχανικής μάθησης που λαμβάνει αποφάσεις με τρόπο παρόμοιο με τον ανθρώπινο εγκέφαλο, χρησιμοποιώντας διαδικασίες που μιμούνται τον τρόπο με τον οποίο συνεργάζονται οι βιολογικοί νευρώνες για να εντοπίσουν φαινόμενα, να σταθμίσουν τις επιλογές και να καταλήξουν σε συμπεράσματα.

Συμβολική Λογική: Η Συμβολική Τεχνητή Νοημοσύνη (AI) είναι ένα υποπεδίο της τεχνητής νοημοσύνης που εστιάζει στην επεξεργασία και χειρισμό συμβόλων ή εννοιών και όχι αριθμητικών δεδομένων.

LLM: Ένα Large Language Model (LLM) είναι ένα μοντέλο γλώσσας που διακρίνεται για την ικανότητά του να επιτυγχάνει τη δημιουργία και την κατανόηση γλώσσας γενικού σκοπού. Tα LLM αποκτούν αυτές τις ικανότητες μαθαίνοντας στατιστικές σχέσεις από έγγραφα κειμένου κατά τη διάρκεια μιας υπολογιστικά εντατικής αυτο-εποπτευόμενης και ημι-εποπτευόμενης εκπαιδευτικής διαδικασίας. Τα LLM είναι τεχνητά νευρωνικά δίκτυα, τα μεγαλύτερα και πιο ικανά από τα οποία είναι κατασκευασμένα με αρχιτεκτονική που βασίζεται σε “Transformers”

Transformers: Transformers είναι ένας τύπος αρχιτεκτονικής νευρωνικών δικτύων που μετατρέπει ή αλλάζει μια ακολουθία εισόδου σε ακολουθία εξόδου. Το κάνουν αυτό μαθαίνοντας το πλαίσιο και παρακολουθώντας τις σχέσεις μεταξύ των στοιχείων της ακολουθίας. Για παράδειγμα, σκεφτείτε αυτήν την ακολουθία εισαγωγής: “Ποιο είναι το χρώμα του ουρανού;” Το μοντέλο μετασχηματιστή χρησιμοποιεί μια εσωτερική μαθηματική αναπαράσταση που προσδιορίζει τη συνάφεια και τη σχέση μεταξύ των λέξεων χρώμα, ουρανός και μπλε. Χρησιμοποιεί αυτή τη γνώση για να δημιουργήσει το αποτέλεσμα: «Ο ουρανός είναι μπλε».

Gen AI: Το Generative AI (GenAI) είναι ένας τύπος Τεχνητής Νοημοσύνης που μπορεί να δημιουργήσει μεγάλη ποικιλία δεδομένων, όπως εικόνες, βίντεο, ήχο, κείμενο και τρισδιάστατα μοντέλα. Αυτό το κάνει μαθαίνοντας μοτίβα από υπάρχοντα δεδομένα και στη συνέχεια χρησιμοποιώντας αυτή τη γνώση για να δημιουργήσει νέα και μοναδικά αποτελέσματα.

Lump of Labor Fallacy: Στα οικονομικά, η “πλάνη περί σταθερού αποθέματος εργασίας” είναι η λανθασμένη αντίληψη ότι υπάρχει ένα πεπερασμένο πλήθος εργασίας που μπορεί να διανεμηθεί για να δημιουργηθούν περισσότερες ή λιγότερες θέσεις εργασίας. Θεωρήθηκε πλάνη το 1891 από τον οικονομολόγο David Frederick Schloss, ο οποίος υποστήριξε ότι ο όγκος της εργασίας δεν είναι σταθερός.

Θεωρία της επιχείρησης: Η θεωρία της επιχείρησης αναφέρεται στη μικροοικονομική προσέγγιση που επινοήθηκε στα νεοκλασικά οικονομικά ότι κάθε επιχείρηση λειτουργεί για να αποκομίσει κέρδη. Οι εταιρείες εξακριβώνουν την τιμή και τη ζήτηση του προϊόντος στην αγορά και κάνουν τη βέλτιστη κατανομή των πόρων για την αύξηση των καθαρών κερδών τους.