Torras.ai

Benvinguts al Torras AI Podcast. En aquest episodi, parlo amb Ignasi Alcalde, consultor, professor universitari i autor especialitzat en visualització de dades, narrativa de dades, alfabetització de dades i IA generativa. Explorem una pregunta enganyosament simple: si les organitzacions tenen més dades, més quadres de comandament i més intel·ligència artificial que mai, per què tantes decisions continuen sent difícils —o no milloren en absolut?

La conversa és en català. A continuació apareix un resum de la conversa. El missatge central de l'Ignasi és clar: les dades només tenen valor quan ajuden algú a entendre una situació, aplicar el seu criteri i prendre una decisió millor.

Mira la conversa

Aspectes destacats de la conversa

1. Més dades no produeixen automàticament millors decisions

La feina de l'Ignasi va començar amb la visualització de la informació: com transformar dades en gràfics i diagrames que les persones puguin entendre. Amb el temps, però, va veure que un bon gràfic no era suficient. Una visualització atractiva pot continuar fallant si ningú no sap què significa, per què importa o què cal fer després. Això el va portar de la visualització a la narrativa de dades —i de la narrativa al problema més ampli de la presa de decisions.

Moltes organitzacions ja disposen de plataformes analítiques sofisticades, quadres de comandament de Power BI i sistemes d'IA cada vegada més potents. Tanmateix, quan l'Ignasi entra en una empresa, la seva primera pregunta no tracta sobre la tecnologia. Pregunta: «Quina decisió voleu prendre amb aquestes dades?» Si la resposta no és clara, el problema real normalment no és la manca d'eines. És la manca de bones preguntes, d'un propòsit compartit i d'una cultura de decisió.

2. Comença per la decisió, no pel quadre de comandament

La seqüència més útil és la inversa de la que segueixen molts equips. No comencis amb totes les dades disponibles esperant que finalment en sorgeixi una decisió. Comença per la decisió, formula la pregunta, identifica les evidències necessàries, fes l'anàlisi i, després, comunica el resultat. De manera resumida: decisió → pregunta → evidència → anàlisi → comunicació.

Aquest ordre crea enfocament. També revela quina informació importa, quines suposicions s'estan fent i quines evidències podrien fer canviar d'opinió algú. Una idea rellevant no és només un patró interessant en un conjunt de dades; és una troballa capaç de canviar una decisió estratègica.

3. El fracàs silenciós dels quadres de comandament

Els quadres de comandament rarament anuncien que han fracassat. Continuen actualitzant-se, acumulen indicadors i apareixen a les reunions. L'Ignasi proposa una pregunta de diagnòstic contundent: «Si demà eliminéssim aquest quadre de comandament, quina decisió empitjoraria?» Si ningú no en pot anomenar cap, és possible que el quadre de comandament estigui informant d'activitat sense crear valor.

Un quadre de comandament no hauria d'intentar demostrar tot el que sap una organització. La seva finalitat és facilitar una decisió. Una estructura útil comença amb un conjunt reduït d'indicadors essencials, ofereix una capa de diagnòstic per entendre per què passa alguna cosa i acaba amb una capa d'acció o resultat. Quan totes les mètriques possibles es col·loquen a la mateixa pantalla, l'atenció es dilueix i desapareix el senyal important.

4. Els directius necessiten respostes, no soroll addicional

A escala directiva, les preguntes essencials són extraordinàriament estables: Què està passant? Per què està passant? Què podem fer al respecte? Una millor analítica hauria d'ajudar a respondre aquestes preguntes, no simplement a crear més informes. Això requereix una combinació de rigor analític i claredat narrativa: les evidències han de ser precises, però també s'han de presentar d'una manera que faci comprensibles les seves implicacions.

El repte cultural apareix quan les evidències contradiuen la intuïció. En lloc de revisar una opinió, les persones poden cercar una altra mètrica que confirmi allò que ja creuen. Per tant, l'alfabetització de dades implica més que saber llegir un gràfic. També requereix la disciplina de qüestionar les suposicions i acceptar resultats incòmodes.

5. La IA transforma l'analista de productor en orquestrador

La IA generativa ara pot netejar dades, proposar anàlisis, crear primers esborranys de visualitzacions i suggerir possibles narratives en qüestió de minuts. Això no elimina la necessitat de professionals; canvia on és més valuosa la seva atenció. El paper de l'analista s'allunya de produir cada artefacte intermedi i s'orienta cap a l'orquestració del procés: emmarcar el problema, comprovar les fonts, validar els càlculs, comparar hipòtesis, interpretar els resultats i decidir què mereix ser comunicat.

L'Ignasi anomena el pas final analítica de l'última milla: transformar un resultat tècnicament correcte en una narrativa clara que realment pugui impulsar una decisió. La IA pot accelerar les fases anteriors, però la responsabilitat del judici final continua sent humana.

6. La IA és més útil com a companya de pensament exigent

Mentre escrivia Data Storytelling with Artificial Intelligence: From Data to Decisions, l'Ignasi va utilitzar la IA obertament per a aproximadament entre el 10 i el 20 % de la feina. El va ajudar a explorar idees, posar a prova l'estructura del llibre, fer aflorar contraarguments i simplificar explicacions. No va delegar la tesi, el judici personal ni el punt de vista.

Aquesta distinció és important. La IA pot ser una copilota o una companya d'entrenament que introdueixi una fricció productiva: qüestiona aquest argument, mostra'm una feblesa o ofereix-me una alternativa plausible. El perill comença quan la fem servir per evitar pensar del tot. Com diu l'Ignasi, hi ha una diferència profunda entre utilitzar la IA després de pensar i utilitzar la IA en lloc de pensar.

7. L'alfabetització de dades no requereix convertir-se en científic de dades

Els directius no necessiten convertir-se en programadors o estadístics, però sí que han de fer millors preguntes. D'on provenen les dades? Qui està inclòs o exclòs de la mostra? Estem confonent correlació amb causalitat? Un eix truncat està exagerant una diferència? Quines suposicions determinen el resultat? Quines parts han estat generades o inferides per la IA?

L'Ignasi ho descriu com portar tres barrets complementaris: la preocupació de l'analista per les evidències, la preocupació del dissenyador per la claredat i l'instint del periodista d'investigar el context i preguntar què pot faltar. En conjunt, aquests hàbits ens fan menys vulnerables a presentacions segures però enganyoses.

8. La narrativa ètica tracta de l'equitat, no de la il·lusió de neutralitat

Tot acte de comunicació implica selecció. Triem un gràfic, un període de temps, una comparació i un ordre per presentar els fets. Per tant, és difícil afirmar una neutralitat completa. El límit ètic se situa entre ajudar una audiència a entendre la realitat i conduir-la cap a una conclusió que les evidències no avalen de manera justa.

L'Ignasi ofereix una prova pràctica: Si l'audiència conegués tota la informació rellevant, continuaria considerant justa aquesta presentació? És una pregunta potent per a qualsevol persona que comuniqui amb dades, tant si el treball ha estat produït per una persona, un sistema d'IA o tots dos.

9. El professional augmentat protegeix el judici i el pensament crític

Els professionals més valuosos no es limitaran a produir més de pressa. Faran millors preguntes, entendran el context, connectaran idees que semblen no estar relacionades i aplicaran el seu criteri quan les evidències disponibles siguin incompletes. Aquestes capacitats esdevenen més importants —no menys— a mesura que la IA facilita la producció bàsica.

El pensament crític també és la capacitat amb més risc d'atrofiar-se. Si una IA sempre ofereix la primera interpretació, la primera estructura i la primera resposta, és fàcil deixar de formar-nos un punt de vista propi. El professional augmentat utilitza la màquina per ampliar el pensament mentre continua sent responsable del resultat.

10. Un hàbit que qualsevol empresa pot adoptar demà

El primer pas recomanat per l'Ignasi no requereix cap programari nou: començar les reunions i els projectes preguntant, «Quina decisió estem intentant prendre?» La pregunta aclareix quina informació és rellevant, posa al descobert les suposicions ocultes, identifica què podria fer canviar d'opinió el grup i connecta l'anàlisi amb una acció concreta. També fa visible la responsabilitat: algú ha d'assumir finalment la decisió.

La tecnologia importa, però el camí de les dades a les decisions comença amb un propòsit. Un quadre de comandament, una història o un model d'IA només és útil quan ajuda les persones a veure-hi més clar i actuar amb més saviesa.

Continua explorant la feina de l'Ignasi

Pots obtenir més informació al lloc web d'Ignasi Alcalde, llegir el seu perfil professional o connectar-hi a LinkedIn. El seu llibre té llocs web dedicats en espanyol i anglès, i també està disponible a Amazon en espanyol i anglès. Els lectors també poden explorar l'assistent conversacional complementari del llibre, que amplia el material més enllà de la pàgina impresa.