El context del cas

• Abans d’incorporar IA, l’organització captava coneixement de forma molt desigual: bé en projectes on algú tenia temps i iniciativa personal, pràcticament res a la resta — un patró habitual en moltes organitzacions.
• L’etapa d’organització depenia d’unes quantes persones que mantenien manualment carpetes i documents de referència, amb criteris de classificació que variaven segons qui els hagués creat.
• La validació era informal i dispersa: el coneixement «fiable» era, a la pràctica, el que hi havia al cap de les persones amb més antiguitat, difícil de verificar o qüestionar per la resta de l’equip.
• Després d’incorporar IA nativa en el flux de treball diari —no com una eina a part, sinó integrada en les mateixes converses i documents del dia a dia. La captura va passar a ser sistemàtica, també l’organització i la primera proposta d’estructura van deixar de dependre de la disponibilitat d’unes poques persones.

Com s’aplica a la pràctica

• El cas aplica el principi d’amplificació de forma consistent: la IA capta i proposa estructura de forma pràcticament desatesa. Les persones revisen i validen de forma dirigida. Les decisions de més impacte —què es converteix en política o procediment oficial— continuen sent decisòries i humanes.
• L’etapa d’explotació va millorar de forma especialment visible: les persones van començar a poder preguntar directament sobre el coneixement ja validat, en lloc d’haver de localitzar manualment el document o la persona adequada.
• L’organització va mantenir, de forma deliberada, un ritme de validació humana periòdic (no només puntual), evitant que el sistema acumulés coneixement sense revisar a mesura que creixia el volum captat.
• El cas mostra que el canvi més gran no va ser tecnològic, sinó de disseny de procés: definir amb claredat què feia la IA, què feien les persones, i en quin grau d’intervenció (desatès, dirigit, decisori) se situava cada tasca.

Què podem aprendre d’aquest cas

• La lliçó principal d’aquest cas és que el cicle complet del coneixement —no una sola etapa— és el que determina si la gestió del coneixement funciona de veritat en una organització.
• També mostra que la IA nativa (integrada en el flux de treball diari) té més impacte que l’ús d’una eina externa que les persones han de recordar utilitzar de forma addicional.
• I confirma que, fins i tot amb IA gestionant gran part del volum, mantenir una validació humana periòdica i explícita és el que sosté la confiança en el sistema a llarg termini.

Consell: si la teva organització vol seguir un camí semblant, comença mapejant honestament com funciona avui cadascuna de les quatre etapes del cicle, abans de decidir on introduir IA primer.

Per seguir llegint

Amb aquest cas tanquem l’àmbit de per què i com canvia el paradigma amb la IA. El corpus continua ara amb el següent àmbit del Bloc IV: com es redefineixen, un a un, els processos concrets de gestió del coneixement que ja coneixem del Bloc III, començant per les lliçons apreses.