L'error d'exigir a la màquina que pensi com nosaltres
L'argument de Susskind, que va exposar a l'Exponential Day de juliol de 2026, es basa en exemples que ja són història: Deep Blue guanyant Kaspàrov, Watson guanyant el Jeopardy!. Cap dels dos sistemes jugava a escacs ni responia preguntes de la manera com ho fa una persona. No comprenien: calculaven i recuperaven. I tot i així van superar els millors.
La lliçó no és sobre escacs. És sobre com avaluem si una tasca és automatitzable. La pregunta que es fa habitualment en un comitè és «podria una màquina fer el que fa el nostre millor analista?», i la resposta sol ser no, amb raó. La pregunta correcta és una altra: «hi ha alguna manera —possiblement molt diferent de la nostra— de produir un resultat equivalent?». I aquí la resposta canvia sovint.
Aquest desplaçament explica per què tantes empreses se sorprenen. No és que la IA hagi après a raonar com un professional sènior. És que bona part del resultat que produeix un professional sènior es pot assolir per un altre camí, i aquest camí no requereix les capacitats que donàvem per imprescindibles.
La unitat d'anàlisi no és la professió: és la tasca
D'aquí surt la part més útil de la tesi. Susskind sosté que les professions no desapareixen de cop: es transformen tasca a tasca, i que el repte no és l'atur massiu sinó la transformació massiva dels perfils professionals.
És una distinció que sona acadèmica i és intensament pràctica. Canvia del tot què es fa un dilluns al matí.
Si la unitat és la professió, les decisions són binàries i políticament tòxiques: mantenim o no mantenim aquest departament? La conversa es torna defensiva, la gent es protegeix i no s'avança.
Si la unitat és la tasca, la conversa és una altra: de les disset coses que fa aquest lloc, quines canvien, quines desapareixen i —la que gairebé ningú no pregunta— quines apareixen? Aquesta conversa es pot tenir sense amenaçar ningú, produeix un redisseny concret i és l'única que hem vist portar a adopció real.
On la nostra lectura afegeix un matís
Hi ha un punt on l'evidència de camp matisa l'optimisme implícit en «transformació en comptes de substitució».
La transformació de perfils no és automàtica ni gratuïta. Que una professió sobrevisqui redistribuïda no vol dir que les persones concretes que l'exerceixen avui transitin sense fricció a la versió nova. El desplaçament de tasques concentra la càrrega en un tipus de feina —criteri, verificació, gestió d'excepcions, responsabilitat sobre el que firma la màquina— que no tothom vol ni pot assumir en el mateix termini.
En termes operatius: la tesi és correcta a nivell agregat i aspra a nivell individual. Una empresa que la faci servir de tranquil·litzant —«no cal preocupar-se, només hi haurà transformació»— i no inverteixi en el trànsit, es trobarà la part aspra sense haver preparat res.
Per això, a la capa de persones de la nostra sèrie de maduresa, insistim en una cosa que sona antipàtica: si el projecte canviarà la feina d'algú, dir-ho. La credibilitat que es perd prometent que res no canviarà no torna.
La resposta que proposa, i el seu límit per a una empresa
La seva recomanació principal és educativa: repensar la formació perquè no es concentri en els primers anys de la vida, sinó que acompanyi tota la trajectòria professional. És difícil discrepar-hi en el pla de la política pública.
En el pla d'una empresa mitjana, però, «formació contínua» és exactament el tipus de resposta que produeix activitat sense resultat. Ja veiem què passa quan es tradueix literalment: sessions d'alfabetització per a tota la plantilla, alta assistència, zero canvi operatiu al cap de tres mesos.
El que sí que funciona, i és la traducció operativa que proposem: formació ancorada a un procés concret que s'està redissenyant, per al grup petit que l'executa, en el moment en què l'executa. No és menys ambiciós que l'aprenentatge continu; és aprenentatge continu amb un lloc on aterrar.
Sobre l'AGI, breument
Susskind considera que la intel·ligència artificial general mereix ser presa seriosament —no com a certesa, sinó com a escenari creïble atès el nivell d'inversió, la concentració de talent i el ritme d'acceleració.
La nostra posició operativa és que aquesta discussió no hauria de condicionar cap decisió empresarial dels propers dotze mesos. Si arriba, canviarà tant que planificar-ho avui és un exercici estèril; i si no arriba, l'empresa que hagi ajornat decisions concretes esperant-la haurà perdut dos anys. El que decideix el resultat en l'horitzó que una direcció pot governar és molt més prosaic: quin procés mesures, quin context tens escrit i qui firma les sortides.
Què fer amb tot això el dilluns
Tres accions que es deriven directament de la tesi i que caben en un trimestre:
- Descompondre un lloc, no un departament. Triar un rol concret del procés que ja estiguis mirant i llistar-ne les tasques. Marcar quines canvien, quines desapareixen i quines apareixen. L'exercici dura una tarda i sol desmuntar la meitat de les suposicions del comitè.
- Buscar el resultat equivalent, no la imitació. En avaluar si una cosa és automatitzable, no preguntar si la màquina pot fer-ho com ho fa la teva millor persona. Preguntar si hi ha un altre camí al mateix resultat, amb verificació humana on importi.
- Anomenar el trànsit. Qui acompanya les persones la feina de les quals canvia, amb quin temps i amb quin termini. Si ningú no té aquest encàrrec, la transformació de perfils es queda en un bon argument de conferència.
Conclusió
La tesi de Susskind desactiva les dues postures còmodes que conviuen en molts comitès: la de qui creu que el seu sector està fora de perill perquè la seva feina requereix judici, i la de qui creu que cal preparar-se per a un buidatge de plantilles. Cap de les dues descriu el que està passant. El que està passant és una redistribució de tasques dins dels llocs, i succeeix a una velocitat que depèn, en bona mesura, de decisions que pren cada empresa.
És una notícia raonablement bona, amb una condició: que algú faci la feina de mirar el lloc tasca per tasca. Aquesta feina no la fa la tecnologia.
Preguntes freqüents
La IA destruirà ocupació a les empreses mitjanes?
La tesi amb més suport avui —i la que sosté Susskind— és que l'efecte dominant no és la desaparició de professions sinó la redistribució de tasques dins d'elles. Això no vol dir que sigui indolor: la càrrega es desplaça cap a criteri, verificació i responsabilitat, i aquest trànsit cal acompanyar-lo de manera explícita.
Quines feines es veuen afectades per la IA generativa?
A diferència d'onades anteriors d'automatització, arriba a tasques no rutinàries pròpies de professions qualificades. La frontera útil ja no és manual davant d'intel·lectual, sinó tasques amb resultat verificable davant de tasques el valor de les quals és en la relació, la responsabilitat o el judici en contextos ambigus.
Ha de pensar la IA com una persona per substituir una tasca?
No, i assumir que sí és l'error d'avaluació més comú. Deep Blue i Watson van superar els millors humans per camins completament diferents dels humans. La pregunta correcta en analitzar un procés no és si la màquina raonarà com el teu millor professional, sinó si hi ha una altra via a un resultat equivalent.
Com es prepara una empresa per a la transformació de perfils?
Descomponent llocs concrets en tasques abans de desplegar eines, redissenyant el procés al voltant del grup que l'executa, i anomenant algú responsable de l'acompanyament. La formació general en IA té valor cultural, però sense un procés on aterrar no produeix canvi operatiu.
Jordi García és Tech Lead a onext. Treballa a portar la IA a producció governada en equips de desenvolupament i de producte —amb Spec-Driven Development, enginyeria de context i verificació humana a cada pas— i signa els insights tècnics d'onext sobre mètode, qualitat i cost de la IA aplicada.
LinkedIn →