Torras.ai

La majoria d'organitzacions creuen que tenen un problema d'adopció de la IA. En realitat, tenen una bretxa de capacitat de gestió.

El cas de Microsoft

Segons una història no confirmada per Microsoft, l'empresa va desplegar Copilot a més de 300.000 empleats l'any 2025. Tot i que inicialment tothom estava entusiasmat i amb ganes d'utilitzar la IA, els usuaris aviat es van adonar que els resultats sovint eren massa genèrics o completament erronis. Corregir aquests errors acabava prenent més temps que fer les tasques manualment.

Com a resultat, l'ús va caure més d'un 80% en només tres setmanes. Només un petit grup d'usuaris avançats va continuar utilitzant la IA, tot i que aquells que ho van fer van aconseguir resultats sorprenents.

La caiguda de les tres setmanes

La recerca a gran escala en empreses mostra una trajectòria comuna. L'entusiasme arriba al màxim durant les primeres setmanes mentre els empleats experimenten amb la IA per ajudar-los a redactar correus, resumir documents o analitzar informació. Després arriba la frustració.

Els usuaris demanen ajuda a la IA per a una tasca real. El resultat sembla plausible però genèric. Ho proven de nou i reben respostes segures però subtilment incorrectes. Després d'uns quants intents, molts decideixen que verificar, corregir o refer la sortida pren més temps que fer la tasca ells mateixos. La conclusió és simple i sovint definitiva: això no és prou fiable per a la meva feina.

La IA no és una habilitat d'eina—és una habilitat de gestió

La petita minoria d'usuaris que persisteixen en aquest sotrac tendeixen a descobrir quelcom poc intuïtiu però poderós: la IA no necessita millors prompts. Necessita millor gestió.

Els usuaris d'IA amb èxit no tracten el sistema com un oracle màgic. El tracten com un col·laborador capaç però inexpert—un que necessita direcció clara, tasques acotades, supervisió i control de qualitat. En altres paraules, utilitzen la IA de la mateixa manera que els bons gestors lideren les persones.

Les habilitats que prediuen l'èxit amb la IA no són noves competències tècniques. Són les mateixes habilitats que sempre han definit el bon lideratge i l'execució: criteri, delegació, descomposició de tasques, refinament iteratiu i experiència en el domini. La IA amplifica aquestes habilitats, però no les substitueix. Sense elles, la IA simplement accelera la confusió.

Com el mercat de la formació ha errat el focus

La majoria de la formació corporativa en IA avui dia cau en un dels dos extrems. D'una banda, l'alfabetització bàsica en IA: visions generals de les eines, consells per escriure prompts i demostracions genèriques del que poden fer sistemes com ChatGPT. Aquesta formació és necessària, però només serveix per començar.

De l'altra banda, la formació tècnica avançada adreçada a desenvolupadors: APIs, generació augmentada per recuperació, ajust fi, infraestructura i desplegament. Aquest contingut és essencial per als creadors, però irrellevant per a la majoria de treballadors del coneixement.

El que falta és la capa intermèdia—el “nivell 201” de capacitat en IA. Aquí és on la pregunta passa de “Com faig servir aquesta eina?” a “On encaixa aquesta eina en el meu flux de treball, i quan l'haig de confiar?” Aquesta pregunta no és tècnica. És fonamentalment una qüestió de criteri aplicat.

La naturalesa irregular de la capacitat de la IA

Una de les raons per les quals aquesta capa intermèdia és tan important és que la capacitat de la IA és desigual. Els sistemes d'IA no són uniformement bons o dolents en categories de feina. Els seus punts forts formen una frontera irregular.

Els estudis que comparen professionals treballant amb i sense IA ho il·lustren clarament. Quan les tasques cauen dins del límit efectiu de la IA, el rendiment millora dràsticament: més producció, finalització més ràpida i sovint més qualitat. Però quan les tasques cauen just fora d'aquest límit, el rendiment pot degradar-se per sota del nivell base. Els usuaris es tornen més confiats i més equivocats alhora.

El perill és subtil perquè la IA sovint falla en tasques que semblen que hauria de poder fer bé. Sense un bon criteri sobre on la IA ajuda i on perjudica, les organitzacions corren el risc d'intercanviar velocitat per una erosió silenciosa de la qualitat.

Què ensenya realment el nivell 201

El nivell 201 de capacitat en IA no se centra en les eines, sinó en com es fa la feina. Ensenya a la gent a decidir quines parts d'una tasca hauria de fer la IA, quines requereixen supervisió humana i com estructurar la verificació perquè els errors es detectin aviat i no a posteriori.

Aquest nivell ensenya a reunir context de manera deliberada en lloc d'abocar informació a cegues. Ensenya a avaluar la qualitat a diversos nivells—no només si un document sona bé, sinó si les afirmacions, supòsits i conclusions específiques es sostenen. Ensenya a dividir la feina complexa en subtasques adequades per a la IA i a tractar els primers esborranys com a matèria primera, no com a resultat final.

El més important és que ensenya a reconèixer quan la IA opera fora de la seva competència. Aquesta habilitat de reconèixer la frontera és el que evita que la IA degradi silenciosament decisions, anàlisis i criteri amb el temps.

De l'activitat en IA a la fluïdesa en IA

La diferència entre un ús superficial de la IA i un avantatge durador no és quines eines desplega una organització. És si l'organització ha invertit en la capa de criteri que fa aquestes eines fiables.

El nivell 201 és on la productivitat es multiplica sense sacrificar la qualitat. És on l'adopció deixa de ser fràgil i esdevé un hàbit. Les organitzacions que ignoren aquesta capa intermèdia romandran polaritzades: un petit grup d'usuaris avançats avançant ràpidament, i una gran majoria desconnectada i no convençuda.

La bona notícia és que aquest problema té solució. Però requereix desplaçar la conversa lluny dels prompts i les plataformes, i cap a la gestió, el criteri i com es fa realment la feina.

Aquest és el veritable repte de l'adopció de la IA—i la veritable oportunitat.