
Què val la pena aprendre en l’era de la IA?
Vaig fer una xerrada a TEDxEsade 2026 titulada Què val la pena aprendre en l’era de la IA? És una pregunta a la qual torno sovint mentre la IA assumeix feines que abans exigien anys de formació.
Si una màquina pot escriure el codi, preparar l’informe i explicar el resultat, on hem de concentrar l’esforç? Què hauria d’estudiar un estudiant? Què hauria d’aprendre ara un professional amb experiència?
La meva resposta comença per un canvi en allò que considerem valuós. Produir alguna cosa és cada vegada més fàcil. Decidir què mereix existir, entendre com funciona i aconseguir que sigui útil continua exigint molt de nosaltres.
Hem d’aprendre a responsabilitzar-nos d’allò que ara podem crear.
Aprendre a construir alguna cosa que valgui la pena fer servir
Pensem en el castell de sorra de la imatge. Quatre paraules orienten la feina de construir-lo. Context, Preguntes, Pla, Construcció. Descriuen una manera de treballar amb la IA que comença abans de la primera petició de produir res.

Donar context vol dir explicar la situació: qui té el problema, què fa avui i quines limitacions importen. Les preguntes posen al descobert allò que encara no entenem. Un pla ens dona alguna cosa per qüestionar abans d’invertir a construir.
Imaginem un equip que copia informació entre correus, fulls de càlcul i una aplicació de gestió. La IA pot ajudar a crear una eina que connecti aquesta feina. Però la primera pregunta és què fa difícil el procés actual. On es produeixen els errors? Qui ha d’aprovar un canvi? Què faria que algú confiés en la nova eina?
Sense aquestes respostes, podem construir una solució impressionant per a un problema que ningú no té.
I una demostració que funciona és només el principi. La gent ha d’adoptar l’eina. Ha d’encaixar en la seva manera de treballar. Ha d’aportar valor, ja sigui temps estalviat, menys costos, més ingressos o millor qualitat.
Valor = f(Temps, Tokens, Criteri, Adopció)
És un recordatori, més que un càlcul. Fer servir IA consumeix recursos. El criteri humà determina el resultat. L’adopció determina si algú se’n beneficia. Una eina preciosa que ningú no utilitza no ha superat una prova essencial.
Aprendre a dirigir l’atenció
Quan la IA pot treballar en diverses tasques, la temptació és començar-ho tot alhora. Podem demanar a un agent que investigui, a un altre que construeixi i a un altre que revisi. Aviat som la persona més enfeinada d’una sala plena d’assistents incansables.
Gestionar diverses tasques d’IA exigeix mantenir els seus contextos separats i triar de manera deliberada on hem de posar l’atenció.
Cada tasca necessita un objectiu i uns límits clars. De vegades hem de pensar en el disseny global. Altres vegades hem d’inspeccionar un detall o prendre una decisió que desbloquegi la feina. Al final, les peces separades han de funcionar juntes.
Començar més tasques és fàcil. Saber quina et necessita ara requereix pràctica.
Aprendre prou per entendre què aproves
Imagina que reps aquest missatge d’un assistent d’IA.
«Totes les proves han passat. La migració de la base de dades i les comprovacions de recuperació estan completes. Desplego els canvis?»
Sembla tranquil·litzador. «Què estic aprovant exactament?» és la pregunta que em faria abans d’acceptar.
És una pregunta incòmoda perquè un llenguatge tècnic fluid pot fer-nos sentir informats abans d’entendre res.
Suposem que un assistent d’IA t’ajuda a crear una intranet d’empresa. Et pregunta pel desplegament, els accessos o la indexació. Si aquestes paraules et diuen poca cosa, un «sí» despreocupat pot autoritzar una cosa molt diferent de la que pretenies. Un sistema amb informació interna podria quedar accessible al públic.
No cal convertir-se en expert en cada matèria abans de començar. Sí que cal entendre les decisions que prens.
Explica a la IA quin és el teu punt de partida. Demana-li que expliqui els termes desconeguts amb paraules senzilles. Pregunta què canvia l’acció proposada, a qui afecta i com pots comprovar-ne el resultat. Quan no puguis avaluar la resposta, recorre a algú que sí que pugui.
Construir pot convertir-se en una manera d’aprendre, sempre que mantinguem la curiositat en els moments en què seria més fàcil prémer «aprovar».
Aprendre a detectar quan el plat és buit
La IA pot parar la taula de meravella. La nostra feina és assegurar-nos que hi hagi alguna cosa al plat.
Un informe impecable pot no contenir cap decisió. Un correu llarg pot deixar el lector sense saber què ha de fer. Un article escrit amb seguretat pot repetir idees conegudes sense aportar cap punt de vista.
Abans d’enviar alguna cosa, pregunta’t: què ajuda a entendre o fer a qui ho llegeixi? M’agradaria rebre-ho? Li he facilitat la feina?
I quan el missatge sigui personal, posa-hi alguna cosa de tu. El teu context i la teva atenció importen. Delegar la redacció no hauria de significar delegar la relació.
Aprendre quan cal dubtar d’una resposta convincent
Un sistema d’IA pot elaborar una valoració entusiasta d’una idea de negoci. Això no demostra que un client la vulgui.
Que ens donin la raó és agradable. També pot impedir que fem la pregunta que importa. Què faria que això fracassés?
Demana arguments en contra. Busca el context que falta i les suposicions que has acceptat sense qüestionar-les. Considera si la tasca és massa àmplia o ambigua per confiar en una sola resposta. Després contrasta la idea amb alguna cosa fora de la conversa: un client, un experiment, un resultat observable.
La capacitat d’obtenir una resposta és útil. La capacitat de decidir què serviria com a evidència és essencial.
Aprendre quan delegar i quan pensar plegats
El centaure i el cíborg descriuen dues maneres de treballar amb la IA. Aquestes metàfores també apareixen en recerques sobre com treballem amb la IA generativa.
El centaure reparteix la feina. Delegues una tasca ben definida, com comparar documents o preparar un primer informe, i mantens la responsabilitat sobre l’objectiu i la revisió.
El cíborg treballa mitjançant intercanvis breus i continus. Redacteu, qüestioneu, reviseu i construïu plegats. La conversa t’ajuda a descobrir què penses, a més de produir el resultat.
Tots dos enfocaments són útils. L’habilitat consisteix a reconèixer quin necessita la feina i quan convé canviar.
A mesura que la IA amplia allò que podem fer, en què triarem millorar?
La meva resposta és practicar com construir coses útils, fer preguntes més exigents i entendre les conseqüències de les nostres decisions. Com més ens permet crear la IA, més importen aquestes capacitats.
Si poguessis construir gairebé qualsevol cosa, com decidiries què val la pena construir?





