Escolta l'article ara…
Fa poques setmanes, a Foment vam celebrar la primera edició del Forward Tech Summit. Si n'hagués de destacar una sola cosa, seria aquesta: la conversa sobre la intel·ligència artificial ja no va de si arribarà, sinó de com la fem servir i com ens avancem a l’impacte que tindrà (i està tenint) en la forma com entenem avui la nostra relació amb la feina. A través de quatre formats vam pensar, fer i connectar: tres verbs que resumeixen el que crec que necessita avui el nostre teixit empresarial per no anar a remolc d'una transformació que ja és aquí.
El que preteníem amb el Forward no era resoldre tots els dubtes, sinó segurament, fer-nos més i millors preguntes.
Què fem amb el 30% del temps que la IA ens permet estalviar?
Al final de la meva intervenció vaig plantejar precisament aquesta pregunta a l’auditori. Si la IA ens permet fer el que fèiem abans amb un 30% menys de temps, què farem amb aquest 30%? La majoria dels discursos empresarials sobre IA comparteixen una premissa: la tecnologia ens permetrà fer més coses en menys temps. Per tant, ser més eficients. Però hi ha una pregunta que fem molt menys, i és: quines capacitats podem perdre si automatitzem també els processos que ens ajuden a desenvolupar-les?
Potser l'eficiència no és l'objectiu final, sinó només una oportunitat. Ens hem acostumat a pensar que ser eficients vol dir eliminar fricció: menys passos, menys esperes, menys dubtes. Més ràpid. Però no tota fricció és ineficiència. De vegades és justament en aquell moment de resistència, quan algú s'atura, pregunta, no ho veu clar i, per què no, moments en què pot estar en desacord, on apareix el criteri.
De vegades és justament en aquell moment de resistència, quan algú s'atura, pregunta, no ho veu clar i, per què no, moments en què pot estar en desacord, on apareix el criteri
A principis d’octubre, a Foment vam ser community partner del World Summit AI a Amsterdam, i diverses de les qüestions que van pujar a l’escenari del Forward es van repetir. Un d’ells va ser els reptes en l’aprenentatge. L'escenari principal va acollir una taula provocativament titulada “Smart Machines, Dumber minds” en què, en certa manera, ens van obligar a separar dues tipologies de friccions.
- La fricció que no aporta valor: burocràcia, tasques repetitives, processos innecessaris, duplicacions i temps perdut. Precisament la fricció que fa eficient la IA.
- La fricció que genera valor (i que no podem perdre): contrastar opinions, qüestionar hipòtesis, aprendre, deliberar, experimentar i desenvolupar criteri.
Hem d’aprofitar al màxim el potencial de la IA per eliminar la primera. Tanmateix, el repte és no eliminar també la segona.
Trena Minudri, vicepresidenta de Coursera, va aportar una distinció molt útil: la productivitat que obtenim avui no és necessàriament equivalent a la capacitat que desenvoluparem, que necessitarem demà. Per explicar-ho, diferenciava performance (aconseguir fer una tasca més ràpida i amb bons resultats) i capability (desenvolupar les habilitats i els coneixements que ens permetran fer millor les tasques en el futur).
La IA pot augmentar enormement el primer, la performance, sense necessàriament millorar el segon. De fet, la IA pot millorar clarament el teu rendiment, però el coneixement que adquireixes fent, és el que et farà més “ocupable” demà.
Minudri va explicar que la seva filla, estudiant d'infermeria, havia configurat un tutor d'IA que no li proporcionava directament les respostes, sinó que li feia preguntes per ajudar-la a arribar-hi
Aquest concepte el va traslladar de la següent manera: hem de posar la mirada en la capacitat que estem desenvolupant o perdent mentre obtenim aquests resultats. I, sens dubte, els últims estudis que s’han publicat, posant la mirada en els més joves, ens orienten sobre quin és el camí a seguir.
Per baixar al terreny aquest concepte del tech for good, la vicepresidenta de Coursera posava l’exemple de la seva filla, estudiant d'infermeria, que havia configurat un tutor d'IA que no li proporcionava directament les respostes, sinó que li feia preguntes per ajudar-la a arribar-hi. Never give me the answers. Keep asking me questions. La tecnologia no substituïa aquí l'esforç d'aprendre. L'acompanyava.
Tradicionalment, les empreses han mesurat la productivitat a partir del temps, els costos i els resultats. Amb la IA potser haurem d'incorporar una altra dimensió. M’explico. Una empresa pot reduir radicalment el temps necessari per elaborar un informe gràcies a la IA. Però, si els professionals més joves deixen d'aprendre a analitzar la informació, detectar contradiccions i construir arguments, quin serà l'impacte a llarg termini?
La resposta no és deixar d'utilitzar IA, sinó redissenyar com treballem i com aprenem amb ella. Per tant, el risc real no és que la IA acabi pensant per nosaltres, sinó que nosaltres deixem d’exercir les capacitats pròpies de raonar que ens són intrínseques.
El risc real no és que la IA acabi pensant per nosaltres, sinó que nosaltres deixem d’exercir les capacitats pròpies de raonar que ens són intrínseques
I em quedaria amb dos missatges per continuar-hi pensant:
- Ser més productius no significa necessàriament ser més capaços. I sense capacitat, la productivitat té data de caducitat.
- La fricció té valor cognitiu, és part del desenvolupament del nostre jo i cal qüestionar la tendència dels sistemes d'IA a complaure'ns, validar-nos i donar-nos (sempre) la raó.
I crec que enllaça perfectament amb la idea que vaig exposar al Forward de la fricció com a actiu: no tota fricció és ineficiència; de vegades és precisament allò que ens fa aprendre, qüestionar i créixer.
Si la IA ens permet fer avui una tasca en la meitat de temps, però demà som menys capaços de fer-la sense ajuda, hem guanyat realment productivitat? Potser el repte no és només determinar quines tasques podem delegar a la IA, sinó quines capacitats humanes no ens podem permetre deixar d'exercitar.
Afegir VIA Empresa com a font preferida de Google de forma gratuïta
Estigues informat amb les últimes notícies d'actualitat