La intel·ligència artificial s’està estenent ràpidament entre les empreses catalanes. Segons ACCIÓ, el 30,4 % de les empreses catalanes de més de nou treballadors van invertir en tecnologies d’IA, inclosa la IA generativa, l’any 2025. La xifra era del 24 % el 2024 i del 12,6 % el 2023. En només dos anys, la proporció s’ha més que duplicat.
Bona part del debat econòmic sobre aquesta transformació se centra, comprensiblement, en la productivitat (vegeu aquest informe recent de la LSE). Acumulen evidència que mostra que la IA generativa pot ajudar els treballadors a fer algunes tasques més de pressa i millor, sovint amb guanys especialment importants entre els treballadors amb menys experiència. La IA pot fer que l’accés al coneixement expert sigui més barat i més fàcil d’escalar. Però la productivitat només captura una part del que produeixen les organitzacions.
En un document de treball recent publicat a l’SSRN, AI and the reproduction of judgment, plantegem una pregunta diferent: quin és l’impacte de IA en les persones que han de convertir-se en els decisors de demà? El nostre argument és que les organitzacions produeixen normalment dues coses alhora: les decisions d’avui i les persones capaces de prendre les decisions de demà.
Pensem en com s’adquireix l’expertesa. Un metge jove proposa un diagnòstic i el discuteix amb un especialista. Un analista construeix una valoració i un col·lega sènior la qüestiona. Un advocat jove redacta un argument i rep els comentaris d’un soci. Un programador escriu codi, es troba amb errors i aprèn per què un col·lega amb més experiència hauria abordat el problema d’una altra manera.
Aquestes interaccions resolen el problema d’avui, però també ensenyen als treballadors amb menys experiència com pensen els més experimentats. El júnior no aprèn només quina és la resposta correcta, sinó també quines dimensions d’un problema importen, quins senyals es poden ignorar, per què casos aparentment similars són diferents, com s’han de ponderar consideracions en conflicte, etc.
En el nostre article anomenem «registre diagnòstic» la informació que es genera a través d’aquest procés: la informació que l’experiència actual deixa sobre el criteri que hi ha darrere d’una bona decisió. Tradicionalment, producció i aprenentatge han estat processos estretament vinculats, i la IA pot separar-los.
Suposem que un sistema d’IA genera immediatament un bon diagnòstic, un informe, un bloc de codi o una recomanació. Des del punt de vista de la producció actual, això és valuós. Però el professional júnior pot deixar de necessitar construir una valoració pròpia abans de veure la resposta. El resultat d’avui pot millorar mentre s’empobreix l’experiència a través de la qual abans s’adquiria criteri.
El nostre model mostra com això pot produir el que anomenem un «rebot de l’autonomia». A mesura que la IA facilita el desplegament de decisions de nivell expert, les organitzacions poden ampliar el nombre de decisions que prenen i, alhora, reduir les experiències de desenvolupament a través de les quals els humans aprenen a prendre aquestes decisions de manera independent.
Un experiment de camp recent de David Autor i coautors aporta una evidència especialment rellevant. En el document de treball (working paper) de l’NBER Does AI assistance enhance or erode expertise?, els investigadors van donar a 133 advocats de patents d’onze despatxos nord-americans accés durant tres mesos a un assistent d’IA especialitzat en redacció. La IA va millorar la qualitat dels textos, amb guanys especialment importants entre els advocats joves. Però els investigadors van fer després una cosa molt interessant: van mesurar el judici professional sense IA. Aquí la millora es concentrava entre els advocats sèniors; els júniors no mostraven, de mitjana, cap millora en el rendiment sense assistència. El resultat sembla clar: els treballadors que més es beneficiaven de la IA mentre la feien servir no eren els que més aprenien d’utilitzar-la.
Això és molt proper al mecanisme del nostre article. Una millor execució no produeix automàticament un registre diagnòstic més ric. Una advocada amb experiència potser pot aprendre d’un esborrany generat per IA perquè ja disposa d’un marc per entendre per què la resposta és bona, què té d’inusual i on podria fallar. Una advocada jove encara està construint aquest marc. Donar-li la resposta correcta pot millorar el seu rendiment avui sense ensenyar-li necessàriament el raonament que li permetria produir-la de manera independent demà.
Barcelona i Catalunya poden ser un bon laboratori
Aquesta qüestió és especialment rellevant a Catalunya i Barcelona perquè una part important de l’economia està formada precisament per activitats intensives en coneixement que la IA generativa pot afectar.
Segons l’Idescat, el 44,6 % de l’ocupació a Catalunya l’any 2025 es concentrava en manufactures de tecnologia alta i mitjana alta o en serveis intensius en coneixement, davant del 41,9 % a Espanya. Aquests sectors inclouen desenvolupament de programari, enginyeria, consultoria, finances, dret, recerca i gestió: activitats en què l’expertesa sovint s’acumula mitjançant l’exposició repetida a casos, el retorn (feedback) i la interacció entre júniors i sèniors. Barcelona ofereix un cas encara més concret. El Digital Talent Overview 2026 de Mobile World Capital assenyala que a Barcelona l’any 2025 hi treballaven més de 135.000 professionals en l’àmbit digital.
El mateix informe apunta un altre patró suggeridor. Barcelona continua mostrant una forta demanda de talent digital, però Mobile World Capital assenyala que el creixement de la contractació ha afavorit cada vegada més els perfils intermedis i sèniors. Això pot crear una paradoxa. La IA pot ajudar les empreses catalanes a afrontar avui l’escassetat de treball qualificat i, al mateix temps, si s’integra malament en les tasques dels júniors, afeblir un dels processos a través dels quals es genera el treball qualificat de demà.
La lliçó no és que les empreses hagin de preservar tasques ineficients per als júniors. Tampoc no afirmem que la IA erosioni necessàriament l’aprenentatge. La IA podria convertir-se en una tecnologia de formació extraordinària: pot generar casos, proporcionar retorn immediat i exposar els treballadors a situacions que, altrament, potser només trobarien després d’anys d’experiència. La qüestió rellevant és com es redissenya la feina.
Per a Catalunya, això suggereix una agenda empírica concreta. A més de mesurar l’adopció de la IA i la productivitat, hauríem de seguir l’evolució de la contractació de júniors i sèniors en ocupacions intensives en IA, les tasques que desapareixen de les feines d’entrada, la quantitat de retorn sènior que reben els professionals joves i, en última instància, si el seu rendiment sense assistència millora amb l’experiència.
Barcelona podria ser un lloc especialment adequat per estudiar aquestes qüestions. Combina una adopció ràpida de la IA, una gran força laboral digital, empreses de serveis professionals, universitats i institucions de recerca, i un mercat laboral en què la IA ja està integrada en la feina quotidiana.
Ja mesurem quantes empreses utilitzen IA i quants professionals digitals atrau Barcelona i Catalunya. Ara bé, potser podem ser més ambiciosos en les nostres preguntes: si es demanen cada vegada més treballadors amb experiència, les organitzacions que utilitzen IA podran continuar creant les experiències a través de les quals els júniors adquireixen aquesta experiència?
La imatge de capçalera ha estat generada amb IA.
