Εξεύρεση Στελεχών Μηχανικής Μάθησης

Η αγορά μηχανικής μάθησης (machine learning) σε Ελλάδα και Κύπρο διέρχεται μια φάση δομικής ωρίμανσης ενόψει της περιόδου 2026-2030. Η μετάβαση από τα πειραματικά μοντέλα στην παραγωγική λειτουργία κρίσιμων συστημάτων, σε συνδυασμό με την πλήρη εφαρμογή του ευρωπαϊκού Κανονισμού για την Τεχνητή Νοημοσύνη (AI Act) και του πλαισίου DORA, έχει μεταβάλει ριζικά τις ανάγκες στελέχωσης. Η συμμόρφωση δεν αποτελεί πλέον νομική λεπτομέρεια, αλλά κεντρικό πυλώνα του τεχνολογικού σχεδιασμού. Στην Ελλάδα, η ίδρυση του Ελληνικού Εργοστασίου Τεχνητής Νοημοσύνης και η Εθνική Στρατηγική Κυβερνοασφάλειας δημιουργούν νέες απαιτήσεις για εξειδικευμένο ερευνητικό και τεχνικό προσωπικό. Αντίστοιχα, στην Κύπρο, ο ορισμός των εθνικών εποπτικών αρχών ενισχύει τη ζήτηση για στελέχη που συνδυάζουν την τεχνική επάρκεια με τη βαθιά κανονιστική γνώση.

Το οικοσύστημα των εργοδοτών χαρακτηρίζεται από την κυριαρχία των συστημικών τραπεζών και των τηλεπικοινωνιακών παρόχων, οι οποίοι ηγούνται της ενσωμάτωσης νέων τεχνολογιών. Εφαρμογές όπως η πιστωτική αξιολόγηση, η ανίχνευση απάτης και η βελτιστοποίηση δικτύων απαιτούν προηγμένες δεξιότητες στην ανάλυση δεδομένων. Παράλληλα, ο δημόσιος τομέας αναβαθμίζει τις ψηφιακές υποδομές υγείας και διακυβέρνησης. Στην κυπριακή αγορά, ο χρηματοπιστωτικός τομέας, η ναυτιλία και ο τουρισμός αποτελούν τους κύριους μοχλούς απορρόφησης ταλέντου. Αυτή η δυναμική καθιστά την εξεύρεση μηχανικών μηχανικής μάθησης μια εξαιρετικά ανταγωνιστική διαδικασία, καθώς οι επιχειρήσεις αναζητούν επαγγελματίες ικανούς να διαχειριστούν πολύπλοκα μοντέλα και μεγάλα σύνολα δεδομένων σε πραγματικό χρόνο.

Η προσφορά ταλέντου ενισχύεται σταδιακά από τα εγχώρια ακαδημαϊκά ιδρύματα και την αξιοσημείωτη τάση επαναπατρισμού εξειδικευμένων επαγγελματιών (brain gain). Ωστόσο, το χάσμα δεξιοτήτων παραμένει αισθητό. Η αγορά καταγράφει αυξημένη ζήτηση για ρόλους που εστιάζουν στην επεξηγηματικότητα των μοντέλων (explainable AI), τη διαχείριση αλγοριθμικών κινδύνων και την ανάπτυξη συστημάτων με αυστηρή ανθρώπινη εποπτεία. Η εξοικείωση με τα μεγάλα γλωσσικά μοντέλα (LLMs) και η διασύνδεση με την παραγωγική τεχνητή νοημοσύνη αποτελούν πλέον βασικά κριτήρια επιλογής για ανώτερες και ηγετικές θέσεις.

Γεωγραφικά, η Αθήνα παραμένει ο πρωτογενής κόμβος απασχόλησης, συγκεντρώνοντας τα κεντρικά γραφεία των μεγάλων ομίλων, με τη Θεσσαλονίκη να αναπτύσσεται ως ισχυρό δευτερεύον τεχνολογικό οικοσύστημα. Στην Κύπρο, η Λευκωσία και η Λεμεσός συγκεντρώνουν τον κύριο όγκο των χρηματοπιστωτικών και τεχνολογικών υπηρεσιών. Λόγω της ανισορροπίας μεταξύ προσφοράς και ζήτησης, οι επαγγελματίες με αποδεδειγμένη εμπειρία άνω των πέντε ετών διαθέτουν ισχυρή διαπραγματευτική ικανότητα. Οι αμοιβές παρουσιάζουν σταθερά αυξητικές τάσεις, ιδιαίτερα στον χρηματοπιστωτικό τομέα και σε ρόλους που απαιτούν γνώση κανονιστικών πλαισίων, διαμορφώνοντας νέες τάσεις προσλήψεων που δίνουν έμφαση στα ολοκληρωμένα πακέτα παροχών, την ευελιξία και τη συνεχή επαγγελματική εξέλιξη.