En algun moment tots hem viscut la mateixa situació: es posa en marxa un nou servei –potser impulsat per IA generativa– i volem mesurar com ha incrementat la productivitat. O bé implantem una nova política d’outsourcing amb proveïdors diferents i volem determinar quin funciona millor. I és aquí on comencen els problemes.

Molts d’aquests problemes provenen de la distància entre allò que intuïtivament entenem per productivitat i allò que realment pot capturar l’indicador econòmic. Vegem alguns exemples que ho evidencien.

El miratge del Ford T

El Ford T va ser el primer model fabricat en cadena, un vehicle icònic disponible en tots els colors… sempre que fossin negre, com deia Henry Ford. Doncs bé, aquest model trigava 93 minuts a fabricar-se, tota una gesta per a l’època. Si recordem que la productivitat de procés es mesura dividint l’output per les hores treballades, obtenim que 1/1,55 = 0,65 cotxes per hora treballada.

Segur que, amb tants robots i tanta tecnologia, hem avançat molt, oi? Bé, avui la mesura és lleugerament diferent: es parla d’HPV (hours per vehicle), que inclou tant les hores directes com les indirectes. Típicament, es mou en una forquilla entre 20 i 35 (Toyota al voltant de 30 HPV; les plantes de Detroit, entre 32 i 34; i el Ford F-150, només en assemblatge, 20 HPV). Això equivaldria a una productivitat entre 0,04 i 0,029 cotxes per hora treballada.

Som, doncs, molt menys productius ara – amb robots, just-in-time, lean manufacturing… – que el 1913, quan va sortir el Ford T?

Si teniu algú de management a prop, us dirà que l’Esteve us està aixecant la camisa. Ford és un exemple emblemàtic del management científic, i he triat un dels seus períodes més eficients. I tindrà una part de raó, però no tota. Ford no era exactament un taylorista, però sí un gran representant del management científic: va adaptar els principis de Taylor a les seves necessitats. És conegut que no volia tenir treballadors mal pagats i els remunerava amb 5 dòlars al dia, un molt bon salari a l’època.

El Ford T va ser el primer model produït en cadena, que trigava 93 minuts a fabricar-se. Som ara menys productius que el 1913?

Si observem el temps de fabricació abans de Ford, era d’unes 12,5 hores. Ford ho va reduir a 1,55 hores. Però aquestes 12,5 hores continuen sent molt menys que les 30 hores típiques de Toyota!

I aquí és on intervé l’amic economista. L’economista us dirà que no es tracta només del nombre de cotxes per hora, sinó que cal ajustar-ho pel cost d’aquestes hores i per la paritat de poder adquisitiu (PPP, purchasing power parity). Un dòlar del 1914 equivaldria avui a uns 30 dòlars, és a dir, uns 18,75 $/h. Una hora de treball en una fàbrica moderna costa uns 60 $/h als EUA.

Així doncs, refent els càlculs per acontentar al nostre amic economista, el nostre Ford T tindria una productivitat de 0,034 cotxes per dòlar, mentre que el Toyota se situaria en 0,0005556 cotxes per dòlar. Fins i tot podríem dir que estem pitjor.

Les paradoxes de mesurar el que fem

Vegem encara algunes paradoxes més de la productivitat. En una empresa o en una tasca concreta, mesurarem la productivitat com el quocient entre el valor afegit (o el nombre d’unitats) i el nombre d’hores necessàries per obtenir-lo.

Però això implica que, si estratègicament eliminem les hores menys productives –i treballem menys–, serem més productius. Si, per contra, treballem més hores i incorporem hores en què inevitablement serem menys productius perquè estarem cansats, aleshores la productivitat caurà.

I si tenim un bonus lligat a la productivitat, qui treballi menys serà, aparentment, més productiu i rebrà més bonus. Estarem doncs incentivant tota l’empresa a adoptar una estratègia de treballar menys i a seleccionar els clients més fàcils, és a dir, aquells on aportem menys valor o traslladar a altres equips els casos difícils…

Òbviament, una empresa que faci això no durarà gaire!

Recordem la llei de Goodhart: quan una mesura es converteix en objectiu, deixa de ser una bona mesura. Per això cal un quadre de comandament equilibrat que contempli no només la productivitat, sinó també la qualitat, la satisfacció del client, el retreball i la capacitat d’innovar, entre d’altres.

Si tenim un bonus lligat a la productivitat, qui treballi menys serà, aparentment, més productiu i rebrà més bonus. Una empresa que faci això no durarà gaire!

Tot plegat apunta que la mesura econòmica de la productivitat només és útil quan comparem béns homogenis, similars en tot. El Ford T és un cotxe molt diferent del Toyota: en qualitat, en complexitat, en tot. Tots dos són cotxes, però no són comparables. Igualment, la societat de 1914, on 5 dòlars al dia era un bon sou, té poc a veure amb l’actual. Per tant, estem comparant costos laborals de dues realitats completament diferents; la comparació perd sentit.

Sovint les millores tecnològiques no consisteixen a fer el mateix millor, d’una manera més eficient, sinó a fer productes diferents. Si fessin exactament el mateix millor, la mesura econòmica de la productivitat ens seria útil. Però si generen productes diferents –cotxes més segurs, assistits, gairebé eines digitals amb rodes–, hem de recordar sempre que ja no estem comparant el mateix.

Això és exactament el que ens passa ara amb la IA generativa. Les eines d’IA generativa ens permeten fer millor la nostra feina, explorar opcions més àmpliament i reduir la incertesa. El resultat final pot semblar similar, però el procés és diferent: hem explorat més, hem millorat la qualitat potencial del resultat i fins i tot podem escriure millor. Són tasques diferents, sovint no apreciables només mirant el resultat final.

La pregunta clau no és quin increment de productivitat obtindrem, sinó quin és el cost de no adoptar, i si ens el podem permetre

La situació es complica encara més quan el resultat no són unitats comparables –com els cotxes–, sinó estudis de consultoria o informes legals. En aquests casos no podem comptar unitats, sinó valor. I el valor el determina el mercat, la marca, la reputació i moltes altres coses, desvirtuant completament la mesura.

Sovint, amb disrupcions genèriques com la que estem vivint, l’adopció acaba sent universal i els guanys de productivitat només es reflecteixen en períodes petits. Per això, la pregunta clau no és quin increment de productivitat obtindrem, sinó quin és el cost de no adoptar —i si ens el podem permetre.

Això depèn de molts factors: la intensitat competitiva, fins a quin punt la tecnologia afecta el teu sector, i quina és la teva estratègia. Si vols aprofitar la disrupció per guanyar un avantatge competitiu, o simplement vols mantenir-te al nivell de la resta, cal tenir clar que l’adopció és, tard o d’hora, inevitable. Igual que va passar amb Internet, al final només hi ha dos tipus d’empreses: les que fan servir Internet i les que ja estan mortes.

Per què, doncs, insistim a mesurar la productivitat?

I llavors arriba la pregunta inevitable: si la mesura econòmica de la productivitat té tants problemes, per què la fem servir i per què se li dona tanta importància?

Paul Krugman deia: “Productivity isn’t everything, but in the long run it is almost everything.” I aquesta sentència reflecteix per què la productivitat és tan rellevant.

Quan mesurem països en un mateix moment històric que competeixen amb un conjunt de productes similars, la productivitat econòmica potser no capturarà tots els matisos, però a la llarga ens indica qui competirà millor. I per això determina guanyadors i perdedors. La màgia de l’agregació en un mercat competitiu fa la feina que la mesura, per si sola, no pot fer.