Per què la IA no és una eina més: canvia qui fa la feina que no escala

Bloc IV: La IA aplicada a la gestió del coneixement i l’aprenentatge, Àmbit A

La majoria de les iniciatives de gestió del coneixement es queden a mig camí no per manca de voluntat, sinó perquè la feina de captar, ordenar i validar coneixement mai no ha escalat: exigeix massa temps humà per al valor que aporta cada peça solta. La IA no accelera aquesta feina — la fa possible per primera vegada a l’escala que l’organització necessita.

Què hem de saber abans de començar?

Gestionar coneixement implica, sobretot, tasques de baix valor unitari i alt volum: entrevistar, transcriure, resumir, etiquetar, encreuar informació dispersa, redactar una primera versió d’una lliçó apresa.
Aquestes tasques mai no han escalat bé: fer-les bé per a un projecte és factible; fer-les bé per als cent projectes de l’any és, a la pràctica, inviable amb equips humans limitats.
El resultat històric és previsible: es captura poc, es captura tard i es captura només el més visible — gairebé sempre a costa de les persones amb més experiència, a qui ja els faltava temps.
La IA generativa canvia l’equació perquè pot fer raonablement bé, a baix cost marginal i a qualsevol volum, precisament aquesta feina de captura, estructuració i primera redacció.
Això no converteix la IA en la responsable del coneixement: només treu a les persones la feina que no escala, perquè dediquin el seu temps al que sí que requereix criteri — decidir què és vàlid, què és rellevant i què cal fer-ne.

Com fer-ho a la pràctica

Abans de pensar en eines, identifica a la teva organització quina feina de gestió del coneixement es queda sistemàticament sense fer per manca de temps — normalment aquí hi ha l’oportunitat més clara.
Comença per un procés molt concret (una entrevista de retenció, una revisió després de l’acció, una comunitat de pràctica) i pregunta’t: quina part és purament mecànica (transcriure, resumir, estructurar) i quina part exigeix judici expert?
Dissenya el flux perquè la IA faci la primera part —el volum— i la persona faci la segona —el criteri—: validar, matisar, decidir si alguna cosa passa a ser coneixement oficial de l’organització.
No busquis substituir la persona que ja validava el coneixement; busca que pugui validar deu vegades més del que podia abans, perquè ja no ha de fer també la part mecànica.

Errors freqüents i consells

Utilitzar la IA només per «fer més ràpid» el que ja es feia, en lloc de fer possible el que abans ni tan sols s’intentava per manca de temps.
Eliminar completament la validació humana, assumint que si la IA ho ha redactat ja és fiable.
Centrar tot l’esforç en la tecnologia i cap en redissenyar el procés: el mateix procés lent, amb un pas automatitzat enmig, continua sent un procés lent.

Consell: tria un sol procés de gestió del coneixement, redissenya’l completament separant «volum» de «criteri», i només després pensa a escalar-lo a altres processos.

Per seguir llegint

Aquest és el primer article de la sèrie sobre com la intel·ligència artificial està canviant la gestió del coneixement i l’aprenentatge organitzacional. La següent píndola desenvolupa la idea central que sosté tot el que ve després: el principi d’amplificació, i per què convé pensar sempre en termes de volum (el que aporta l’automatisme) i criteri (el que aporta la persona).

Cas relacionat: El cas d’aquest àmbit, sobre el cicle del coneixement d’una organització abans i després de la IA nativa, mostra aquest mateix principi aplicat de principi a fi a un cas concret.