Persones i cultura: la IA que ningú no fa servir

Què mesura de debò aquesta capa

Mesura ús sostingut, no cobertura de formació.

La mètrica que la indústria reporta —empleats formats, llicències desplegades, sessions impartides— no correlaciona amb res. La que importa és quantes persones continuen fent servir l'eina al cap de vuit setmanes sense que ningú els ho recordi, i per a què la fan servir realment.

El que no mesura: entusiasme. L'entusiasme inicial és enganyosament alt i decau amb una regularitat gairebé cronomètrica.

Per què l'empresa mitjana la fa malament

Perquè confon permís amb adopció.

El patró és aquest: es compra una eina, s'anuncia, es fa una sessió de formació de noranta minuts, s'obre a tota la plantilla i s'espera. Al cap de vuit setmanes la fan servir unes poques persones, gairebé sempre les que ja haurien trobat la manera soles. La conclusió que se'n treu —«la gent es resisteix al canvi»— és còmoda i gairebé sempre falsa.

El que passa és més simple: la feina no va canviar. Es va afegir una eina damunt d'un procés idèntic, amb els mateixos terminis, els mateixos lliurables i els mateixos criteris d'avaluació. Fer-la servir és feina extra fins que algú la incorpora al flux, i ningú no té temps per a feina extra.

Hi ha un segon error, més subtil: formar tothom per igual. L'alfabetització general en IA té valor cultural, però no produeix casos. Els casos els produeix un grup petit de persones que fan un procés concret i a qui es redissenya aquest procés.

La unitat de treball és la tasca, no el lloc

Daniel Susskind sosté que l'automatització actual no elimina professions senceres, sinó que substitueix tasques dins de les professions, i que el repte no és l'atur massiu sinó la transformació dels perfils.

És una lectura útil aquí perquè canvia la unitat de treball: no s'«implanta IA al departament», es redistribueixen tasques concretes dins d'un lloc concret. I té una conseqüència pràctica: si ningú no ha mirat el lloc tasca per tasca, no hi ha redisseny possible, només superposició.

Ho desenvolupem a la peça dedicada a la seva tesi.

Diagnòstic: on ets

Estadi 1 · Eina disponible. Hi ha llicències i formació impartida. L'ús és voluntari i desigual. Senyal observable: ningú no sap dir qui la fa servir; cal demanar un informe al proveïdor.

Estadi 2 · Procés redissenyat. Un procés concret s'ha reescrit comptant amb l'eina: canvien els terminis, els lliurables o els punts de revisió. Senyal observable: si demà es tragués l'eina, aquell equip tindria un problema operatiu real.

Estadi 3 · Competència distribuïda. Diverses àrees han passat pel mateix, hi ha gent que ensenya a altra gent i el criteri es transmet sense formació formal. Senyal observable: apareixen usos que ningú no va dissenyar des de dalt i que són bons.

La prova de l'estadi 2 és la més honesta de la sèrie: si treure l'eina no fa mal, no hi ha adopció.

Els primers 90 dies

Setmanes 1-2 · Triar el grup, no la plantilla. Entre cinc i quinze persones que fan el procés del cas triat. L'alfabetització general pot anar en paral·lel, però no és això.

Setmanes 3-4 · Mapa de tasques. Descompondre el lloc en tasques i marcar quines canvien, quines desapareixen i quines apareixen. Aquí sol descobrir-se que l'estalvi previst a la capa de valor estava mal repartit.

Setmanes 5-8 · Redisseny del procés. Nous terminis, nous punts de revisió, nou criteri de qualitat. Això és feina d'operacions, no de tecnologia, i és la que gairebé mai no es fa.

Setmanes 9-12 · Mesurar ús sostingut i recollir fricció. Què s'abandona i per què. Les raons de l'abandonament són el millor material de millora que existeix i gairebé ningú no les pregunta.

Què NO fer encara

• No despleguis a tota la plantilla. El desplegament ampli abans d'un procés redissenyat converteix una bona eina en soroll, i crema el pressupost.
• No mesuris formació. Mesura ús a vuit setmanes.
• No facis de l'adopció un objectiu personal. Posar l'ús d'IA a l'avaluació de l'acompliment produeix ús simulat, que embruta les dades i destrueix la confiança.
• No prometis que no hi haurà impacte als llocs si no ho saps. Si el projecte canvia la feina de la gent, dir-ho amb claredat i explicar com és més eficaç que una tranquil·litat que no pots garantir.

El que costa saltar-se-la

Costa el cas d'ús, encara que tota la resta estigui ben feta. Un sistema tècnicament correcte, sobre dades correctes, amb governança correcta, que ningú no fa servir, produeix exactament zero.

I costa la ronda següent. L'organització aprèn que «això de la IA» va ser una eina que es va anunciar i no va canviar res, i aquesta memòria és cara: el segon projecte arrenca amb escepticisme acumulat i amb les persones més capaces menys disposades a invertir-hi el temps.

Cinquena capa de la sèrie sobre les set capes de maduresa en IA.

Preguntes freqüents

Per què no es fa servir l'eina d'IA que hem comprat?

Gairebé sempre perquè el procés no va canviar. Si els terminis, els lliurables i els criteris de qualitat continuen sent els mateixos, fer servir l'eina és feina addicional. L'adopció no s'aconsegueix formant: s'aconsegueix redissenyant la feina de les persones concretes que fan aquell procés.

Cal formar tota la plantilla en IA?

L'alfabetització general té valor cultural, però no produeix casos d'ús. Els casos els produeix un grup petit —de cinc a quinze persones— a qui es redissenya un procés concret. Convé no confondre un programa de cultura amb un projecte d'adopció.

Com es mesura l'adopció d'IA?

Per ús sostingut a vuit setmanes sense recordatoris, i per a què es fa servir realment. La prova definitiva és més simple: si demà es retirés l'eina, aquell equip tindria un problema operatiu? Si la resposta és no, no hi ha adopció.

Cal dir a la gent que la IA canviarà el seu lloc?

Si ho farà, sí, i explicant com. Prometre que res no canviarà quan el projecte existeix precisament per canviar alguna cosa destrueix la credibilitat de tot el programa. La transformació de perfils és l'escenari més probable, més que la substitució.