Si una empresa contractés una consultora perquè observés durant mesos els seus millors treballadors, enregistrés com prenen decisions, copiés els seus processos i després vengués aquest coneixement a tercers, probablement hi hauria una conversa incòmoda al consell d’administració. Amb la intel·ligència artificial, en canvi, aquesta conversa sovint queda amagada darrere de paraules més amables: productivitat, automatització, eficiència o transformació digital.

Fins no fa gaire, les empreses pagaven perquè algú fes una feina. Ara comencen a pagar també perquè una màquina aprengui com es fa. La diferència sembla petita, però no ho és. En el primer cas, el coneixement queda, almenys en part, dins l’organització. En el segon, pot acabar convertit en dades, patrons, prompts, traces i models que pertanyen a una altra empresa privada.

Durant molt de temps s’ha parlat de la IA com si fos una eina que respon preguntes o genera textos. Però la fase actual és diferent. La IA ja no serveix només per escriure un correu, produir una línia de codi o redactar un informe. També comença a observar processos: com treballa un programador, com corregeix un analista, com negocia un comercial, com resol una incidència un empleat expert o quins passos segueix algú que coneix bé un sistema.

Un cas il·lustratiu és el de Meta. Segons va publicar The Guardian, la companyia va posar en marxa un programa intern que registrava l’activitat informàtica dels seus empleats, incloent-hi tecles, clics i contingut de pantalla, per entrenar models d’IA, i després es va veure obligada a aturar-lo. La decisió va arribar després d’una reacció interna i d’una petició signada per més de 1.600 treballadors. L’episodi mostra una tensió nova: el lloc de treball també es converteix en una font de dades.

Fins no fa gaire, les empreses pagaven perquè algú fes una feina. Ara comencen a pagar també perquè una màquina aprengui com es fa

Això no vol dir que tota captura de processos sigui il·legítima. Una empresa necessita documentar, millorar i transferir coneixement. Moltes implantacions d’IA només funcionaran si s’alimenten de bons exemples reals. El problema apareix quan el treballador deixa de ser només un professional i passa a ser també matèria primera. La seva manera de resoldre, prioritzar i decidir es converteix en un actiu que pot sortir del seu cap, del seu equip i, potser, de l’empresa.

El desenvolupament de software permet veure bé aquesta transició. Abans el cost principal era el salari de l’equip desenvolupador. Ara apareix un altre cost: els tokens que consumeixen els assistents i agents d’IA cada vegada que llegeixen context, proposen codi, revisen, proven, corregeixen o tornen a intentar-ho. Gartner ha advertit que, el 2028, els costos de codificació amb IA podrien superar el salari mitjà d’un desenvolupador.

La qüestió, però, ja desborda l’àrea tècnica. Als Estats Units, una informació recent apuntava que Accenture estaria intentant contenir la despesa en tokens després de detectar consums elevats en tasques poc especialitzades, com convertir PDF en presentacions. L’anomenada “tokenpocalypse” mostra el pas de l’entusiasme per fer servir IA com més millor a una etapa de racionament. Automatitzar no sempre abarateix. Quan una tasca senzilla es converteix en una cadena de prompts, context, iteracions i models avançats, la productivitat promesa pot començar a semblar-se força a una nova línia de despesa.

A més, la IA no democratitza automàticament el rendiment. Un estudi d’Esade, basat en un experiment amb estudiants en debats universitaris, va trobar que ChatGPT no millorava significativament el resultat mitjà, però sí que beneficiava molt més els participants amb més capacitat inicial. En tasques complexes, amb interacció social, criteri i discerniment, la IA no substitueix el talent. L’amplifica.

La pregunta és qui aprèn de qui, qui conserva el que s’ha après i què queda dins l’empresa quan el procés s’automatitza

Aquí hi ha el risc empresarial. Una empresa pot pensar que compra eficiència i estar, en realitat, externalitzant part del seu saber fer. Pot reduir equips, instal·lar eines, capturar processos i confiar que el proveïdor conservarà la qualitat. Però si perd les persones capaces d’entendre, revisar i contextualitzar la feina, també perd la capacitat de saber quan la màquina s’equivoca.

La pregunta ja no és només si la IA ajuda a treballar. És qui aprèn de qui, qui conserva el que s’ha après i què queda dins l’empresa quan el procés s’automatitza.

Treballar sempre ha estat produir. En l’era de la IA, treballar també comença a ser entrenar.