Τεχνητή νοημοσύνη και σύγχρονο μάρκετινγκ: εμπειρικός μετασχηματισμός ρόλων και δεξιοτήτων μέσω αγγελιών εργασίας

Abstract

Η παρούσα διπλωματική εργασία εξετάζει τον τρόπο με τον οποίο η Τεχνητή Νοημοσύνη (ΤΝ) εμφανίζεται και ενσωματώνεται στους ρόλους και στις δεξιότητες του σύγχρονου μάρκετινγκ, όπως αυτό αποτυπώνεται στις αγγελίες εργασίας. Αφετηρία της μελέτης αποτελεί το ερευνητικό κενό μεταξύ της εκτεταμένης θεωρητικής συζήτησης γύρω από την υιοθέτηση της ΤΝ στο μάρκετινγκ και της περιορισμένης εμπειρικής γνώσης για το πώς αυτή η εξέλιξη μεταφράζεται σε ζητούμενες επαγγελματικές απαιτήσεις στην αγορά εργασίας. Η έρευνα οργανώνεται γύρω από τρία ερευνητικά ερωτήματα: την παρουσία και συχνότητα ρητών αναφορών σε ΤΝ στις αγγελίες μάρκετινγκ, τα θεματικά μοτίβα που αναδύονται στις αγγελίες που περιλαμβάνουν τέτοιες αναφορές και τα κειμενικά χαρακτηριστικά που διαφοροποιούν AI-mentioned από non-AI-mentioned αγγελίες. Η μελέτη υιοθετεί διερευνητικό και περιγραφικό σχεδιασμό, βασισμένο σε δευτερογενή δεδομένα επιπέδου αγγελίας. Το corpus περιλαμβάνει 997 αγγελίες εργασίας από δύο platform snapshots, LinkedIn (Ευρώπη) και Indeed (ΗΠΑ), οι οποίες συλλέχθηκαν στο χρονικό διάστημα 24/12/2025–23/01/2026. Η ανάλυση αναπτύσσεται σε δύο στάδια: αρχικά συγκροτείται baseline corpus αγγελιών μάρκετινγκ χωρίς φίλτρο ΤΝ και στη συνέχεια ορίζονται μεταβλητές μέτρησης σχετικές με ρητές αναφορές σε ΤΝ και σήματα αυτοματοποίησης. Τα ευρήματα δείχνουν ότι οι ρητές αναφορές σε ΤΝ εμφανίζονται στο 18,36% των αγγελιών, ενώ ευρύτερα τεχνολογικά σήματα εμφανίζονται σχεδόν στο μισό corpus. Οι AI-mentioned αγγελίες συγκεντρώνονται κυρίως σε θεματικά μοτίβα που σχετίζονται με digital marketing, performance/growth και marketing automation, ενώ η διαφοροποίησή τους αποτυπώνεται κυρίως σε συγκεκριμένους τεχνολογικούς και λειτουργικούς όρους. Συνολικά, η εργασία συμβάλλει στη συστηματική και εμπειρικά τεκμηριωμένη αποτύπωση του τρόπου με τον οποίο η ΤΝ δηλώνεται στη γλώσσα της αγοράς εργασίας του μάρκετινγκ, χωρίς να προϋποθέτει αιτιώδεις ερμηνείες ή γενικεύσεις πέρα από το συγκεκριμένο δειγματοληπτικό πλαίσιο.This thesis examines how Artificial Intelligence (AI) is represented and embedded in contemporary marketing roles and skill requirements, as reflected in job advertisements. The study addresses a gap in the literature between the extensive theoretical discussion on AI adoption in marketing and the limited empirical evidence on how this development is translated into labor market demand, role descriptions, and required competencies. The research is organized around three questions: first, the extent to which explicit AI references appear in marketing job advertisements; second, the thematic patterns that emerge within AI-mentioned postings; and third, the textual features that differentiate AI-mentioned from non-AI-mentioned ads. The study adopts an exploratory and descriptive research design based on secondary job-level textual data. The corpus consists of 997 job advertisements collected from two platform snapshots, LinkedIn (Europe) and Indeed (United States), during the period 24/12/2025–23/01/2026. Methodologically, the analysis follows a two-stage logic: a baseline marketing corpus is first constructed without AI-based inclusion filters, and AI-related variables are subsequently operationalized as measurement indicators. The findings show that explicit AI references appear in 18.36% of the ads, while broader technology-related signals appear in nearly half of the corpus. AI-mentioned postings are concentrated mainly around thematic patterns related to general digital marketing, performance and growth, and marketing automation. Their differentiation from non-AI-mentioned postings is reflected primarily in specific technological and functional lexical markers. Overall, the thesis contributes a systematic and empirically grounded account of how AI is articulated in the language of the marketing labor market. At the same time, it remains within a descriptive and non-causal analytical framework and does not claim generalization beyond the specific sampling design and collection window.