«Doneu-me un punt de suport i mouré el món», diuen que va dir Arquímedes. Vint-i-tres segles després, la intel·ligència artificial (IA) s'ofereix com la palanca de canvi més robusta que, molt probablement, han tingut mai les empreses, en especial les micro, petites i mitjanes (MIPIMES). Imagineu un taller metal·lúrgic de vint persones al Vallès. Fa dos anys hi va arribar un programa que prediu quan fallarà una màquina o com organitzar millor l’activitat analitzant tota la informació que proporcionen els sensors instal·lats. L'any passat, el cap d'administració va començar a redactar ofertes, portafolis i correus electrònics amb un algoritme d’IA generativa. I aquest any el proveïdor de programari li ofereix un «agent» que fa comandes, negocia terminis i reorganitza torns sense que ningú li ho demani. Tres intel·ligències artificials diferents, tres maneres de treballar diferents i, sobretot, tres maneres diferents d'encertar-la o d'espatllar-la.
Al llarg d’aquest article explicaré què en sabem realment de tot això. Ho faré a través de la recerca sobre els antecedents i els efectes empresarials i laborals de la IA que estem duent a terme en el si del grup de recerca interdisciplinària sobre TIC-Laboratori d’Intel·ligència Artificial (i2TIC-IA Lab) [1], grup que està adscrit al Centre de Recerca en Transformació Digital i Governança [2] de la Universitat Oberta de Catalunya. Tota la recerca que presentaré a continuació, la podeu trobar dins la meva pàgina web [3]. Us avanço ja una primera conclusió: la IA pot ser una palanca formidable per a les MIPIMES i per a qui hi treballa, però no ho serà per defecte. El punt de suport no ve inclòs amb la llicència o amb l’ús gratuït de l’algoritme: el formen les persones, l'organització i l'entorn.
Una IA, no: tres palanques
Habitualment, solem parlar d'IA en singular. Però, durant els darrers anys, hem après que ja és moment de parlar d'IAs en plural. A l'empresa hi conviuen almenys tres famílies d'IAs, i cadascuna representa i determina resultats diferents.
La IA predictiva és la veterana. Aprèn de les dades del passat per anticipar el futur: quan s'avariarà una peça, quanta demanda hi haurà el mes vinent, quin lot sortirà defectuós, quin client té risc de deixar-me de pagar. El seu valor és el de la predicció. Normalment entra a l'empresa per decisió de la direcció i s'acostuma a fer servir per automatitzar, controlar i anticipar processos.
La IA generativa és la que ha arribat a la conversa de sobretaula. Redacta, resumeix, programa, dibuixa i tradueix. El seu valor és el de la creació. Va arribar el novembre del 2022, i va superar els cent milions d'usuaris en uns tres mesos, una velocitat sense precedents en cap altra tecnologia i en cap altre moment de la història de la humanitat. Molt sovint entra a l'empresa per la porta del darrere: perquè un treballador decideix usar-la pel seu compte (ara d’això en diem IA oculta).
La IA agentiva o transformadora és la que tot just està traient el cap, però ja li veiem un extraordinari potencial de canvi. Són sistemes d'IA que no només responen, sinó que actuen: encadenen tasques, prenen decisions i persegueixen objectius amb una autonomia creixent. El seu valor és el de la transformació. Si les dues primeres ja es consideren tecnologies de propòsit general, és a dir instruments de complementarietat innovadora i palanques de transformació, com en el seu dia ho van ser l'electricitat o internet, aquesta tercera aspira a canviar qui fa la feina i no només com es fa. Ens proposa la irrupció d’una economia i una societat de màquines intel·ligents que pot conduir a desacoblar l’economia i el treball de les persones.
Aquesta distinció no és un caprici acadèmic. Cada palanca arriba a l'empresa per un camí diferent, demana un punt de suport diferent i, com veurem, genera riscos diferents per a les persones.
Com adopten de debò la IA les MIPIMES
La primera dada és contundent: la IA avança de pressa, però a dues velocitats. El 2025, segons Eurostat [4], un 20% de les empreses europees de deu o més treballadors ja feien servir alguna tecnologia d'IA. Un any abans eren el 13,5%. Però darrere la mitjana hi ha un abisme: la usaven el 55% de les grans empreses, el 30% de les mitjanes i només el 17% de les petites. Espanya és just a la mitjana europea, amb un 20,3%. Segons CaixaBank Research [5], a partir de dades de l'INE, l'adopció és del 31% a les mitjanes i del 18% a les petites. I encara falta una peça: les microempreses, les de menys de deu persones, ni tan sols surten en aquestes estadístiques. Són la gran majoria del teixit empresarial català. Dit d'una altra manera: sabem poc de com usen la IA justament les empreses on treballa més gent.
Per què unes empreses adopten i d'altres no? La recerca internacional apunta a un conjunt multifactorial d’antecedents, que es pot resumir a partir de quatre famílies de factors. Ho solem identificar amb l'acrònim TOEH:
• Tecnològics: si la IA encaixa amb el que ja tens, si és complexa d'implantar, si et fa por la seguretat de les dades.
• Organitzatius: si l'empresa ja innova, si té una estratègia digital, si està preparada per canviar processos.
• De l'entorn: el mercat, el suport públic, el marc legal, l'ecosistema de proveïdors i centres tecnològics que tens a prop.
• Humans: les competències digitals de qui dirigeix i de qui treballa; els coneixements tàcits i explícits de les empreses.
Amb aquests elements apareix un patró molt clar, que els economistes solem anomenar autoselecció: adopten la IA les empreses que ja estan preparades per l’adopció [6]. En general, les més grans, més innovadores, més digitalitzades i més productives són les que s'hi atreveixen primer. La palanca no arriba a una pista anivellada, sinó a una pista ja inclinada.
Per això és important que ens fem una pregunta que sembla senzilla però que gairebé ningú ha respost amb prou solvència i de manera integral: quins són els factors multidimensionals que expliquen l'adopció i l'ús de la IA a les MIPIMES? La meva hipòtesi és que les MIPIMES no adopten «una IA», sinó un sistema tecnològic: la IA es combina amb el núvol, les dades, els sensors, els robots, els drons, les plataformes, la realitat virtual i moltes altres tecnologies digitals. I que les organitzacions que ja tenien ecosistemes innovadors, en especial digitals, muntats tenen molts més números per treure'n profit. Per tant, l’adopció digital, sense dubte, es vincula amb l’estratègia, el model de negoci i la cultura innovadora.
La corba J: per què la palanca triga a moure el món
Aquí ve un segon resultat que sol generar sorpresa. Comprar IA no fa l'empresa més productiva l'endemà. Sovint, durant un temps, la fa menys productiva. Els economistes en diem la corba J [7]. Quan una empresa incorpora una tecnologia disruptiva, primer ha d'invertir en coses que no es veuen i costen molt de mesurar: formar la plantilla, redissenyar processos, ordenar les dades, canviar la manera de prendre decisions. És a dir, ha de construir el punt de suport. Mentrestant, els resultats cauen o s'estanquen, com el traç descendent de la J. Només quan l'empresa ha construït aquestes capacitats, el tren de la productivitat arrenca, i ho fa amb força, com el traç llarg de la corba que puja.
Aquestes complementarietats les hem pogut documentar amb altres tecnologies digitals i innovacions de tota mena per la indústria espanyola. Els robots, per exemple, augmenten la productivitat i la competitivitat de les MIPIMES industrials, però sobretot quan es combinen amb R+D, activitats intensives en coneixement, innovacions i capital humà [8]. Sense aquests ingredients, l'efecte es dilueix. I en dades de llarg termini sobre la indústria espanyola també hem observat com s'obre la bretxa de productivitat entre les empreses de la frontera i la resta [9]: les primeres s'escapen, les altres es queden enrere.
Amb la IA, la relació entre IA, productivitat i competitivitat a les pimes industrials és, encara avui, un territori pràcticament molt poc explorat. Per això ens estem preguntant darrerament quin paper hi fan la IA, les competències de les persones, les capacitats dinàmiques de l'organització, l'entorn institucional i la localització a l'hora d'explicar els resultats de les MIPIMES. El model que proposem és una mena de cadena: els recursos d'IA (tecnològics, organitzatius, de l'entorn i humans) només es converteixen en productivitat i competitivitat si l'empresa els integra internament i coopera amb altres actors de fora [10]. I la política pública pot accelerar o frenar aquesta cadena.
Afegim-hi encara una capa més: la sostenibilitat. Acabem de constatar, amb dades de MIPIMES europees, que la IA i la innovació social i ambiental poden obrir camins cap a la sostenibilitat econòmica, social i ambiental, sobretot quan hi ha una estratègia d'innovació digital al darrere. La transició digital i la verda no són forçosament estranyes que es creuen. Poden caminar juntes, però algú les ha d’alinear. I aquest paper d’alineació s’ha de fer, perquè sense intervenció, el triple vector de resultats no sempre va en la mateixa direcció [11].
Ni apocalipsi laboral ni paradís: què li passa a la feina
El 1973, quan estàvem a les beceroles de l’automatització i la digitalització, Wassily Leontief, premi Nobel d'Economia i pare, entre altres, de la metodologia input-output, va advertir que quan pensava en els treballadors i les màquines no podia evitar fer el símil amb els cavalls desplaçats pels cotxes produïts per la indústria de l'automòbil. Cinquanta anys després, alguna cosa queda d’aquesta advertència.
El balanç provisional de la recerca és aquest: la IA té efectes positius sobre la innovació i la productivitat, i efectes mixtos sobre l'ocupació, sense que de moment vegem ni una destrucció massiva de llocs de treball, ni una explosió de nous llocs de treball. El que sí veiem és una recomposició. Les tasques rutinàries se substitueixen, i guanyen pes les persones, les empreses i els territoris que tenen més competències per treballar amb la tecnologia. La conseqüència és la polarització: més distància entre qui sap fer servir la palanca i qui no.
En aquest sentit, és important assenyalar que cada família d'IA hi afegeix un matís propi.
La IA predictiva acostuma a augmentar la productivitat mitjana, però no sempre la productivitat marginal, és a dir, el que aporta cada treballador addicional. I si no apareixen tasques noves que justifiquin contractar, el creixement es desacobla de l'ocupació. A més, les seves economies d'escala afavoreixen les grans empreses. El risc és clar: pimes i treballadors de qualificació baixa i mitjana que queden enrere.
La IA generativa pot ser una gran aliada: fa més ràpides i millors moltes tasques i allibera temps per a feines de més valor. Però l'evidència és encara molt incipient. Sabem que l'ocupació que més la fa servir, la feina d'oficina, és també la més exposada a la substitució. I sabem que afecta especialment la feina cognitiva no rutinària i els treballadors joves que comencen la carrera professional.
La IA agentiva obre la pregunta més incòmoda. Si arriben sistemes capaços de generar idees i innovacions pel seu compte, el creixement econòmic es podria desacoblar del treball humà. Ja no parlaríem de canviar tasques, sinó de redefinir què vol dir treballar.
Un detall que sovint passa desapercebut: no és el mateix automatitzar les tasques expertes d'una ocupació que les de suport. Quan la IA fa la part experta, la professió es desqualifica i els salaris relatius baixen. Quan fa la part rutinària o administrativa, la professió es pot requalificar i guanyar valor. Per això l'impacte de la IA en el mercat laboral català i espanyol, ocupació per ocupació, és encara en bona part una incògnita que cal anticipar.
El control algorítmic: els riscos nous per a la salut a la feina
Comencem per la bona notícia, que n'hi ha. La IA ja treu persones de llocs perillosos: robots col·laboratius que s'aturen quan detecten algú a prop, drons que inspeccionen línies elèctriques, sensors que vigilen espais confinats. Hi ha sistemes de visió artificial que detecten una postura forçada abans que acabi en lesió, i models predictius que troben patrons d'accidents que un equip humà no veuria. Ben implantada, la IA pot fer la prevenció més proactiva i personalitzada.
Però, la mateixa palanca que alleuja la càrrega pot generar riscos emergents, és a dir, perills nous o que canvien de naturalesa [12]. Es poden agrupar en cinc famílies:
• Psicosocials. L'estrès tecnològic o tecnoestrès: ansietat per equivocar-se amb la màquina i sobrecàrrega d'informació. La sensació de vigilància constant. La desconfiança cap a sistemes opacs que decideixen torns o avaluacions sense que ningú entengui com. I la intensificació del ritme quan l'algoritme marca el temps.
• Ergonòmics i organitzatius. Sobrecàrrega cognitiva per haver de supervisar diversos sistemes alhora. Postures i esforços nous en treballar al costat de robots mal dissenyats. I la desqualificació: quan la màquina ho fa tot, perdem l'ofici, i el dia que falla no sabem reaccionar.
• Ètics i legals. Biaixos dels algoritmes en la contractació o l'avaluació. Decisions de «caixa negra». I una pregunta encara sense resposta clara: si hi ha un accident, de qui és la responsabilitat, del desenvolupador, de l'empresa o del treballador?
• Socials i laborals. Polarització, desigualtats d'accés a les oportunitats, pèrdua d'autonomia i erosió de la confiança en les institucions laborals.
• Tecnològics i d'infraestructura. Un ciberatac a un robot col·laboratiu és un risc de seguretat física. Una predicció errònia en un sector crític pot tenir conseqüències greus.
Aquests riscos ja es veuen a la pràctica. En grans magatzems logístics, la gestió algorítmica de tasques s'ha associat a més intensitat de treball, menys autonomia i més trastorns musculoesquelètics i psicosocials. En el transport i el repartiment, la planificació per algoritme ha portat més pressió de temps, més fatiga i més risc al volant.
Si els ordenem per famílies d'IA, el mapa queda així:
• IA predictiva. Entra a l'empresa per decisió de la direcció. Riscos principals per a la salut i la seguretat: vigilància i control algorítmic, intensificació del ritme, pèrdua d'autonomia, substitució de tasques rutinàries.
• IA generativa. Entra a l'empresa per decisió individual del treballador. Riscos principals: tecnoestrès, sobrecàrrega cognitiva, dependència excessiva i pèrdua de pensament crític, deteriorament de la qualitat de la feina.
• IA agentiva. Entra a l'empresa per decisió individual, empresarial i social. Riscos principals: pèrdua de control humà, responsabilitat difusa davant d'errors, desqualificació profunda, pèrdua del valor econòmic i social del treball.
Hi ha un fil que travessa tot aquest mapa: la pèrdua d'autonomia. Quan un algoritme reparteix les tasques, controla el temps i mesura el rendiment, la persona perd marge de decisió sobre la seva pròpia feina. I la psicologia del treball fa dècades que ens diu que el control sobre la pròpia feina és un dels grans protectors de la salut mental.
I a les MIPIMES? Aquí hi ha el gran buit. Gairebé tota la recerca sobre IA i salut laboral és teòrica o es basa en estudis de cas, i la poca evidència quantitativa és d'un sol moment en el temps. A les pimes industrials és pràcticament inexistent. Per això, actualment ens plantegem veure com evolucionen el tecnoestrès, la inseguretat laboral, la càrrega de treball, el burnout i el benestar sostenible. Ja sabem que els tecnoestressors no afecten tothom igual [13] i depenen de característiques sociodemogràfiques i professionals dels treballadors. Ara volem saber si la IA trenca o reforça el que anomenem sinergia sostenible entre benestar i productivitat: treballadors que estan bé i que, alhora, rendeixen bé. O, pel contrari, si hi ha condicionants laborals o de relacions socials al lloc de treball [14] que empitjoren l’associació favorable entre digitalització i salut laboral, especialment la mental.
El punt de suport: quatre claus per a una IA que cuidi
La bona notícia és que res d'això és inevitable. La IA no és neutral: reflecteix decisions humanes sobre què optimitzar, què mesurar i què ignorar. Si només optimitza eficiència, pressionarà. Si es dissenya pensant en les persones, pot protegir. Per a les MIPIMES, proposem quatre claus per construir un bon punt de suport. Això sí, per fer-ho bé hem de replantejar els instruments analítics i l'orientació del propòsit amb què usem i interpretem la tecnologia [15].
• Disseny centrat en les persones i participació. Els sistemes d'IA s'han de triar i provar amb la plantilla i amb tots els grups d’interès, no imposar-los. Un sensor ergonòmic percebut com a eina de control genera rebuig i estrès; el mateix sensor pactat per prevenir lesions pot ser benvingut.
• Transparència i control humà. Qui treballa ha d'entendre per què l'algoritme li assigna una tasca o li puntua el rendiment. El Reglament Europeu d'IA ja considera d'alt risc els sistemes que afecten la gestió de persones i exigeix traçabilitat i supervisió humana. Les MIPIMES necessitaran suport per complir-ho.
• Alfabetització digital preventiva. No n'hi ha prou amb saber fer servir l'eina. Cal saber qüestionar-la: detectar biaixos, interpretar-ne els resultats i reconèixer quan l'automatització crea riscos nous. I aquesta formació ha d'arribar a tothom, no només als més joves o als perfils tècnics. En especial, cal formació en IAs adaptada a la realitat i les problemàtiques concretes de les MIPIMES.
• Avaluar els riscos d'una altra manera. Les matrius clàssiques de probabilitat i gravetat s'han d'ampliar amb la càrrega cognitiva, la pèrdua d'autonomia o la vigilància digital. Calen auditories algorítmiques i una gestió basada en l'evidència: decidir amb dades i coneixement científic, no per intuïció ni per pressió productiva.
I la política pública? Hi té molt a dir. Segons el dilema de Collingridge, és molt més fàcil governar una tecnologia quan és jove, justament quan encara no en coneixem bé els efectes. Quan ja s'ha estès, les inversions fetes i els hàbits creats la fan difícil de redreçar. Som exactament en aquest moment. Els ecosistemes de suport territorial (centres tecnològics, associacions empresarials, universitats, administracions locals) poden marcar la diferència entre una MIPIME que adopta bé la IA i una que la pateix. Per això també cal que ens preguntem quins determinants institucionals i de governança afavoreixen l'adopció i l’ús responsable i sostenible de les IAs a les MIPIMES.
Tancament: canviar el món des d’un taller
El 1776 Adam Smith va publicar el que considerem la primera gran obra de l’economia científica, La riquesa de les nacions. Per escriure-la va utilitzar la descripció de tot el procés de treball d’una fàbrica d’agulles. Sembla que va agafar de referència la descripció que Diderot, a qui havia conegut uns anys abans, n’havia fet a la seva Encyclopédie estudiant el procés industrial dels tallers de Normandia. En tot cas, Smith allí hi va aprendre el potencial transformador de l'ús de la maquinària i la divisió i especialització del treball. Fer una agulla suposava encadenar 18 tasques. Dividint el treball i usant maquinària, un operari passava de fer-ne 2 o 3 al dia, a participar en un engranatge de centenars per hora. A l’actualitat, estem en una situació semblant.
Tornem al taller del Vallès. La IA predictiva li pot estalviar avaries; la generativa, hores d'oficina; l'agentiva, una molt bona part de la gestió. Però cap d'aquests guanys arribarà sol. La palanca és poderosa, però el punt de suport el posen les persones: competències, organització, un entorn que acompanyi i, sobretot, la voluntat explícita que la tecnologia treballi per a les persones i no a l'inrevés.
Les MIPIMES són dues terceres parts de l'ocupació a Europa i a Catalunya. Si la IA les deixa enrere, tindrem una economia molt més dèbil, desarrelada i desigual. Si treballa contra la salut de qui hi treballa, tindrem una economia més malalta. La IA no substituirà la prevenció, però en redefinirà els mètodes i les responsabilitats. Arquímedes només demanava un punt de suport. Nosaltres en necessitem un de molt concret: que la transformació sigui alhora productiva, saludable i justa. I l'hem de començar a construir avui, mentre encara som a temps de decidir com volem que sigui.