El teu equip estalvia temps amb IA. La teva empresa pot no estar estalviant res

És perfectament possible que diverses persones de la teva empresa estiguin estalviant temps gràcies a la intel·ligència artificial i que, en acabar l'any, resulti difícil trobar aquest estalvi en els costos, al marge o en la capacitat real de l'organització.

No pas perquè l'estalvi sigui fals.

En determinades tasques ja està prou demostrat que pot ser molt real. Redactar, investigar, programar, analitzar informació, preparar documentació o respondre determinades consultes pot requerir força menys temps quan s'utilitzen correctament models d'intel·ligència artificial.

El problema apareix en el salt lògic següent: una persona triga menys i l'empresa interpreta automàticament que ha guanyat productivitat. Són dues coses diferents.

Si una tasca que abans necessitava una hora es pot resoldre correctament en trenta minuts, hem millorat la productivitat i hem alliberat trenta minuts de capacitat. Però l'empresa continua pagant el salari, mantenint l'estructura i suportant la major part dels costos exactament igual que abans.

Perquè aquests trenta minuts es converteixin en resultat empresarial ha de passar una mica més: produir més, absorbir creixement sense augmentar estructura, evitar una contractació futura, reduir externalització, disminuir errors, escurçar un cicle, atendre més clients, dedicar el temps alliberat a activitats de més valor o aconseguir alguna altra millora econòmicament rellevant.

Aquesta diferència comença a aparèixer també a les dades. A l'edició 2026 de The State of AI, de McKinsey, al voltant del 80% dels enquestats va declarar que la intel·ligència artificial havia millorat la seva productivitat individual. Tot i això, només un 37% va afirmar que estava contribuint positivament a l'EBIT de la seva organització i el grup que McKinsey classifica com a AI high performers representava aproximadament un 6% de la mostra.

No són tres xifres directament comparables ni proven una relació causal: provenen d'una enquesta empresarial i mesuren conceptes diferents. Però mostren una escletxa que mereix atenció. És molt més freqüent observar o percebre productivitat a la feina individual que demostrar després un impacte econòmic material a nivell d'empresa.

Quatre conceptes que convé no barrejar

Bona part de la confusió procedeix d'utilitzar com a sinònims conceptes que descriuen fenòmens diferents. Una empresa pot experimentar-ne un sense haver aconseguit encara el següent.

Aquesta separació no és semàntica. Canvia completament com s'hauria de mesurar una implantació tecnològica. Si l'objectiu és saber quantes persones utilitzen una eina, mesurarem adopció. Si volem conèixer quant triga ara una tasca, mesurarem eficiència local. Si volem saber si l'empresa està guanyant productivitat, haurem d'observar què passa després amb la capacitat alliberada i quina variable empresarial canvia com a conseqüència.

El recorregut que seguirem a l'article és deliberadament més exigent: primer comprovarem que la millora de tasca existeix; després separarem temps alliberat destalvi econòmic; a continuació veurem com una empresa captura aquesta capacitat, quina diferència hi ha entre utilitzar un model i construir una capacitat al seu voltant i, finalment, quan aquesta productivitat pot arribar a modificar la competitivitat.

1. Sí, la IA pot fer que el teu equip treballi molt més ràpid

Abans de discutir si les empreses estan capturant productivitat convé eliminar una possible confusió: la millora de productivitat en determinades tasques no és una promesa teòrica. Existeixen ja experiments controlats i estudis de camp on persones assistides per intel·ligència artificial realitzen determinats treballs en força menys temps, produeixen més o aconsegueixen resultats de més qualitat.

Això és important perquè l'argument d'aquest article no necessita negar aquests avenços. Al contrari. El problema empresarial apareix precisament perquè lestalvi pot ser real a nivell individual i, tot i així, no convertir-se automàticament en una millora equivalent per a lorganització.

Si una tecnologia no aconseguisca reduir temps ni millorar resultats en cap tasca, la discussió seria senzilla. No hi hauria capacitat nova per capturar. La situació actual és més interessant: en determinats contextos la capacitat apareix amb claredat, però després cal decidir què hi fa l'empresa.

1.1. En determinades tasques de coneixement, les diferències són massa grans per ignorar-les

Un dels experiments més coneguts és el realitzat per Shakked Noy i Whitney Zhang amb 453 professionals en tasques d'escriptura pròpies de la feina del coneixement. Els participants que van utilitzar ChatGPT van completar les tasques aproximadament un 40% més ràpid i van obtenir, a més, una millora mitjana del 18% en qualitat segons avaluadors independents.

L'estudi, publicat a Science, no demostra que qualsevol empleat pugui reduir un 40% la seva jornada utilitzant intel·ligència artificial. Va mesurar tasques concretes, durant un experiment concret i sota unes condicions determinades.

El que sí que demostra és una cosa força menys ambiciós i, alhora, molt rellevant: una tecnologia generativa pot reduir de manera material el temps necessari per produir una sortida professional vàlida.

En programació en trobem un altre exemple. En un experiment sobre GitHub Copilot, els desenvolupadors que van utilitzar l'assistent van completar una tasca específica de programació aproximadament un 55,8% més ràpid que el grup de control. De nou, no vol dir que la productivitat completa d'un departament de desenvolupament augmenti automàticament un 55,8%. L‟evidència correspon a una tasca delimitada. Però l'efecte sobre aquesta tasca fou considerable.

1.2. L'efecte també apareix dins de processos empresarials reals

L'evidència no només procedeix d'exercicis experimentals. Erik Brynjolfsson, Danielle Li i Lindsey Raymond van estudiar el desplegament d'un assistent generatiu entre 5.172 agents datenció al client. El sistema feia servir coneixement procedent d'interaccions anteriors per suggerir respostes durant converses reals amb clients.

En la versió definitiva publicada a The Quarterly Journal of Economics, l'accés a l'assistent va augmentar aproximadament un 15% la productivitat mitjana, mesurada com incidències resoltes per hora. A més, els beneficis van ser considerablement més grans entre treballadors amb menor experiència o rendiment inicial, mentre que els professionals més experimentats van obtenir millores força menors.

L'estudi, Generative AI at Work, resulta especialment interessant perquè la intel·ligència artificial no estava simplement redactant un document aïllat. Intervenia dins un procés productiu real i ajudava part de l'equip a acostar-se més ràpidament a patrons d'actuació que els millors agents havien desenvolupat amb experiència.

Aquí apareix una primera conseqüència empresarial important: la IA no només pot reduir temps. En determinats contextos també pot redistribuir capacitat dins de l'equip, elevant especialment el rendiment de persones que encara no han acumulat el coneixement o experiència dels millors professionals.

1.3. Però la mateixa tecnologia que accelera una tasca també en pot empitjorar una altra

Aquesta evidència positiva necessita una segona cautela. La intel·ligència artificial no produeix el mateix resultat simplement perquè s'afegeixi a la feina. L‟adequació entre la tasca i les capacitats reals del model importa.

Un experiment realitzat amb 758 consultors de Boston Consulting Group ajuda a entendre'l. En tasques situades dins del que els investigadors van anomenar la jagged technological frontier -la frontera irregular de capacitats de la tecnologia-, els participants que van utilitzar GPT-4 van completar més tasques, van treballar aproximadament un 25% més ràpid i van obtenir millores importants de qualitat.

Tot i això, en una tasca deliberadament situada fora d'aquesta frontera, els participants assistits per IA van tenir menor probabilitat d'arribar a la resposta correcta.

L'estudi de Fabrizio Dell'Acqua i altres investigadors es pot consultar a la versió publicada per Organization Science.

La conclusió per a una empresa no és que la IA sigui imprevisible i, per tant, no s'hagi d'utilitzar. És més concreta: mesurar únicament velocitat pot amagar part del resultat. Una tasca més ràpida perd valor si després necessita més correcció, introdueix errors o produeix una decisió pitjor.

1.4. Per això convé mesurar el temps fins a una sortida vàlida, no fins al primer esborrany

La comparació rellevant no és quant triga la IA a produir el primer esborrany, sinó quant esforç necessita el procés complet fins a una sortida utilitzable. Si abans una anàlisi necessitava tres hores i ara apareix un esborrany en quaranta minuts però exigeix cinquanta més per verificar i corregir, la comparació real és tres hores davant d'una hora i mitja.

A On la IA sí que estalvia temps (i on no) desenvolupem aquest mesurament amb més detall. Aquí ens interessa el pas següent: assumir que hi ha un estalvi vàlid i preguntar què significa per a l'empresa.

El debat interessant ja no és si la IA pot estalviar temps. És què passa amb l'empresa després d'haver-ho estalviat.

2. El problema comença quan anomenem estalvi al temps alliberat

Imaginem una empresa amb deu persones que utilitzen intel·ligència artificial en diferents tasques i que cadascuna aconsegueix alliberar, de mitjana, tres hores setmanals. Sobre el paper hi apareixen trenta hores cada setmana: més de cent vint al mes.

És una xifra prou gran per cridar l'atenció de qualsevol adreça. Però no sabem encara quant ha estalviat l'empresa.

Si aquestes deu persones continuen treballant la mateixa jornada, l'estructura salarial es manté intacta i l'organització no produeix més, no atén més clients, no redueix externalització ni aconsegueix cap altra millora observable, les trenta hores existeixen com capacitat alliberada, però no necessàriament com a reducció de cost.

2.1. El salari no desapareix quan una tasca acaba abans

Part de la confusió procedeix de valorar automàticament les hores alliberades multiplicant-les per un cost horari. El càlcul és útil per estimar capacitat potencial, però pot ser enganyós si després es presenta com a estalvi realitzat.

Suposem que una persona té un cost empresarial equivalent de 40 euros per hora i que la IA us permet alliberar cinc hores setmanals. Multiplicar-ne cinc per quaranta produeix 200 euros i sembla indicar un estalvi setmanal d'aquesta quantitat.

Tot i això, si l'empresa continua pagant exactament el mateix salari i no modifica cap altra variable, aquests 200 euros no han desaparegut del compte de resultats. El que ha passat és que hi ha una persona amb cinc hores addicionals de capacitat potencial. Aquesta capacitat pot acabar tenint un valor molt superior a 200 euros o pràcticament cap. Dependrà de què faci l'organització amb aquesta.

2.2. Un experiment amb més de 7.000 treballadors mostra bé la diferència

Un assaig aleatoritzat recent proporciona una observació especialment útil. Els investigadors van estudiar 7.137 treballadors de 66 empreses que van rebre o no accés a un copilot generatiu integrat en eines com ara Outlook, Teams i Word.

Entre els treballadors induïts a utilitzar activament l'eina, el temps dedicat al correu electrònic es va reduir aproximadament dues hores per setmana, al voltant d'un 17%. També va aparèixer una petita reducció d?activitat fora de l?horari habitual. Tot i això, els investigadors no van observar canvis estadísticament significatius en el nombre de reunions, documents produïts o fils de correu gestionats.

L'estudi, Shifting Work Patterns with Generative AI, no permet concloure que les hores es desaprofitessin ni que les empreses no obtinguessin cap benefici. No va mesurar totes les possibles dimensions de qualitat, benestar, creativitat, decisions o resultat econòmic.

Però sí que mostra de manera especialment clara que comprimir una activitat no obliga la resta del sistema de treball a reorganitzar-se automàticament. Les persones poden dedicar menys temps a alguna cosa sense que canviï immediatament quant produeix lorganització o com està estructurada.

2.3. La capacitat alliberada pot ser absorbida sense que ningú la vegi

A més, hi ha un comportament empresarial molt normal: quan una tasca necessita menys temps, l'espai disponible s'omple amb altres activitats. Apareixen més anàlisis, més missatges, més preparació, més reunions, més revisions o simplement tasques que abans quedaven pendents.

Això no ha de ser negatiu. Una persona pot utilitzar el temps recuperat per treballar amb menys pressió, atendre millor un client, pensar una decisió amb més profunditat o completar activitats que anteriorment no arribava a fer. Totes aquestes millores poden tenir valor.

El problema apareix quan direcció comptabilitza primer les hores com a estalvi econòmic i després no identifica quin resultat addicional s'ha obtingut gràcies a aquestes. En aquest moment utilitzeu una mètrica d'eficiència individual com si fos una mètrica de resultat empresarial.

2.4. No reduir costos no vol dir que la millora hagi fracassat

També cal evitar la conclusió oposada. Si una implantació d'IA no s'acaba en reducció de plantilla o despesa salarial, no vol dir que no hagi generat productivitat.

Una empresa que creix pot capturar una gran part del valor evitant que l'estructura creixi al mateix ritme. Si un equip que atenia cent clients pot atendre cent trenta sense noves incorporacions, hi ha una millora econòmica encara que no hagi desaparegut cap lloc. El mateix passa si evita contractar un recurs addicional, redueix hores d'un proveïdor extern, escurça un projecte, disminueix treballs o comença a fer internament una anàlisi que abans era massa cara.

En tots aquests casos la tecnologia pot haver creat valor sense que aparegui una línia comptable anomenada “estalvi IA”. Aquesta distinció serà central al bloc següent, on veurem les diferents formes en què una organització pot capturar la capacitat que ha alliberat.

2.5. L'error de mesura apareix quan confonem tres xifres diferents

Una empresa que vulgui avaluar correctament aquests canvis necessita separar almenys tres magnituds. La primera és el temps que deixa de ser necessari per a una activitat. La segona és el valor econòmic equivalent daquest esforç. La tercera és limpacte que lempresa aconsegueix capturar realment. Poden estar relacionades, però no són intercanviables.

Aquesta distinció també ajuda a interpretar correctament el ROI. Una empresa pot tenir una millora evident de productivitat de tasca i encara trobar-se en una primerenca fase de captura econòmica. També podeu capturar un valor considerable sense reduir costos directes perquè utilitza la nova capacitat per créixer.

Per això, a Tres errors que frenen el ROI en projectes d'IA insistim a separar activitat, implantació i resultat. Aquí hi afegim una capa anterior: fins i tot un estalvi de temps demostrat necessita un mecanisme de conversió per transformar-se en resultat empresarial.

2.6. La pregunta que falta després de cada “hem estalviat X hores”

Quan un equip afirma que una eina està estalviant vint, cinquanta o cent hores al mes, aquesta informació pot ser molt valuosa. No cal descartar-la. Cal fer una segona pregunta.

Si hi ha una resposta concreta, comença a aparèixer un mecanisme de captura. Si la resposta és simplement que les persones “van menys saturades” o “poden fer altres coses”, hi pot haver valor, però encara l'haurem d'identificar i decidir si volem gestionar-ho. I si ningú no sap què està passant amb el temps alliberat, l'empresa disposa d'una millora tecnològica que encara no ha esdevingut una decisió operativa.

La productivitat empresarial no comença quan algú s'acaba abans. Comença quan l'organització sap què fer amb el temps que s'acaba d'alliberar.

3. D'estalviar temps per guanyar productivitat: la cadena que falta

Un cop acceptem que la intel·ligència artificial pot reduir de manera real l'esforç necessari per a determinades tasques, la conversa empresarial canvia. Ja no necessitem discutir només si la tecnologia funciona. Necessitem entendre com una millora local acaba -o no- modificant el resultat de l'empresa.

Entre tots dos extrems hi ha diversos passos i cap s'hauria de donar per suposat. Una persona pot escriure un informe més ràpid sense que el vostre departament produeixi més. Un departament pot augmentar la capacitat sense que l'empresa redueixi cap cost. L'empresa pot millorar la seva productivitat sense que aquesta millora canviï de manera rellevant la seva posició competitiva.

Per separar aquests nivells utilitzem a R&R la Cadena de conversió de capacitat R&R: un marc de gestió que distingeix cinc etapes consecutives però no automàtiques.

3.1. Millora de tasca: la part més visible i més fàcil de mesurar

Aquest és el nivell on l‟evidència és més abundant. Una activitat necessita menys temps, produeix una sortida de més qualitat o permet completar més feina amb el mateix esforç humà. Aquí podem comparar una baseline raonablement clara: quant necessitàvem abans i quant necessitem ara per obtenir una sortida vàlida comparable.

Si la diferència és consistent, hi ha productivitat de tasca. Però encara no sabem quin efecte tindrà sobre el conjunt de lorganització. Aquest salt no forma part del mesurament de la tasca.

3.2. Capacitat alliberada: hi ha una possibilitat, no encara un resultat

Quan una tasca necessita menys esforç, apareix capacitat potencialment disponible. Si un equip necessitava cent hores setmanals per fer un conjunt d'activitats i ara les pot completar correctament a vuitanta, ha alliberat vint hores. La diferència és real. Però encara no explica què hi farà l'empresa.

Parlar de capacitat en lloc destalvi manté oberta la pregunta directiva. Les vint hores es poden utilitzar per produir més, millorar qualitat, absorbir creixement, realitzar noves activitats, reduir pressió operativa o simplement redistribuir càrrega de treball. L?esforç reduït ja existeix; el valor empresarial encara està per determinar.

3.3. Capacitat capturada: el pas deixa de ser tecnològic

L'empresa captura capacitat quan deixa de tractar el temps alliberat com una conseqüència espontània i decideix quin resultat en vol obtenir. Pot augmentar volum, absorbir creixement, reduir dependència externa, escurçar temps de resposta, elevar qualitat, alliberar capacitat directiva o introduir una activitat que abans no era viable econòmicament.

Aquí canvia la naturalesa del problema. L'eina ja ha demostrat que pot comprimir part de la feina. La captura ara depèn de prioritats, disseny organitzatiu, assignació de recursos i gestió.

3.4. Impacte econòmic: quan canvia una variable observable

La capacitat capturada es converteix en impacte econòmic quan podem observar que alguna variable rellevant del negoci ha canviat: més output, menys necessitat d'estructura, reducció de despesa externa, menor cost per unitat, més marge, menys errors, temps de cicle més curts, més capacitat comercial o una combinació de diversos efectes.

No tot impacte s'ha d'expressar com a retallada de costos. Una empresa que augmenta el volum gestionat amb el mateix equip pot haver capturat productivitat encara que la seva despesa salarial no disminueixi. Una altra pot mantenir el volum i utilitzar la capacitat alliberada per eliminar una externalització. Són mecanismes econòmics diferents i s'haurien de mesurar de manera diferent.

3.5. Competitivitat: el darrer salt tampoc no és automàtic

Fins i tot després de generar impacte econòmic queda un pas més. Una empresa pot ser internament més eficient i no haver construït encara un avantatge competitiu rellevant. Si tots els competidors accedeixen a la mateixa eina i la utilitzen de manera semblant, una part de la millora es pot convertir ràpidament en una nova condició mínima del mercat.

La productivitat comença a afectar la competitivitat quan modifica una cosa que el mercat valora: preu, rapidesa, qualitat, personalització, disponibilitat, escala o la possibilitat de resoldre un problema que abans era massa car o complex. I com més depengui aquesta millora d'actius complementaris difícils de copiar, més possibilitats hi ha que la diferència duri.

3.6. L'evidència no té la mateixa força a tots els passos

Aquesta cadena resulta útil com a marc de direcció, però no hi ha un únic estudi que hagi demostrat causalment totes les etapes. L'evidència és especialment forta al primer salt: experiments controlats i estudis de camp mostren millores de temps, volum o qualitat en tasques determinades. La capacitat alliberada també es pot observar quan una activitat necessita menys esforç.

A partir d'aquí, el resultat depèn cada cop més de l'organització. Processos, habilitats, capital organitzatiu, infraestructura, estratègia i altres actius complementaris influeixen en la productivitat que finalment es captura. La relació entre productivitat i avantatge competitiu és encara menys automàtic perquè depèn a més del mercat i de la facilitat amb què altres puguin imitar la millora.

Entre “aquesta tasca ara triga menys” i “la nostra empresa és més competitiva” hi ha diverses decisions empresarials que cap eina no pren automàticament per nosaltres.

4. L'empresa ha de capturar la capacitat que ha alliberat

Un cop apareix capacitat nova, la pregunta deixa de ser tecnològica i passa a ser organitzativa. L'eina ja n'ha fet la part: una determinada activitat necessita menys esforç. Ara direcció ha de decidir què hauria de canviar com a conseqüència.

Aquest pas és especialment important perquè la mateixa millora de productivitat pot produir efectes empresarials completament diferents segons el context.

Tres companyies poden alliberar exactament cent hores mensuals i obtenir resultats molt diferents. Una pot utilitzar-les per absorbir creixement. Una altra per reduir proveïdors externs. La tercera pot no modificar conscientment res i deixar que aquest temps es dispersi entre noves tasques.

La tecnologia és la mateixa. La captura de valor no.

4.1. Primera opció: produir més amb la mateixa estructura

És probablement la manera més directa de capturar capacitat. Si les activitats que limitaven el volum s'executen més de pressa, el mateix ordinador pot processar més feina.

Un departament financer pot analitzar-ne més casos. Un equip comercial pot fer més comptes. Un servei tècnic pot resoldre més sol·licituds. Un equip de consultoria pot augmentar el nombre de projectes que gestiona sense incrementar proporcionalment el nombre de persones.

En aquests casos, l'estalvi no apareix com a reducció de plantilla. Apareix com a major output per unitat de recurs.

4.2. Segona opció: créixer sense augmentar estructura al mateix ritme

En empreses en creixement, una de les formes més valuoses de productivitat pot ser evitar que els costos augmentin de manera lineal amb el volum.

Imaginem que un equip de cinc persones podia atendre cent clients i que, després de redissenyar part del seu treball amb IA i automatització, aconsegueix atendre raonablement cent trenta. Ningú no ha estat acomiadat i el cost salarial pot fins i tot haver augmentat per revisions o noves eines.

Tot i això, l'empresa disposa ara d'una estructura capaç d'absorbir un 30% més de volum abans de necessitar una nova incorporació. La productivitat es captura mitjançant palanquejament operatiu.

Aquest mecanisme és especialment rellevant en pimes, on evitar una contractació prematura pot tenir més impacte econòmic que intentar reduir petits costos distribuïts.

4.3. Tercera opció: evitar o reduir costos externs

Una altra possibilitat és utilitzar la nova capacitat per internalitzar feina que anteriorment es comprava fora. Research, preparació documental, determinades tasques danàlisi, producció de continguts, suport operatiu o elaboració de primers esborranys poden ser exemples depenent de lempresa.

Aquí la captura és més fàcil d'observar perquè hi ha una referència econòmica prèvia: una factura, un servei extern o un volum contractat que disminueix.

Tot i això, internalitzar no sempre significa estalviar. La feina continua consumint temps intern, eines, revisió i responsabilitat. Per saber si hi ha una millora real, cal comparar el cost total d'ambdues alternatives, no només eliminar una factura externa de l'equació.

4.4. Quarta opció: reduir errors, treball i treball que no creï valor

Part de la productivitat empresarial no procedeix de produir més ràpid, sinó de necessitar menys feina per corregir el que va sortir malament.

Si una eina ajuda a detectar inconsistències, recuperar context, aplicar criteris homogenis o reduir tasques manuals repetitives, podeu disminuir el volum de correccions posteriors. El benefici apareix llavors en hores que ja no es dediquen a refer, reclamar, cercar informació o resoldre incidències.

Aquest tipus d'impacte és més difícil de mesurar perquè una part del treball evitat mai no arriba a produir-se i, per tant, es pot tornar invisible. Una baseline d'errors, retreballs o incidències ajuda a fer-ho observable.

4.5. Cinquena opció: escurçar el cicle d'una activitat que importa al negoci

El temps té un valor fins i tot quan no redueix directament el nombre d'hores treballades. Preparar una proposta en un dia en lloc de tres, analitzar abans una desviació financera o respondre amb més rapidesa a un client pot modificar el resultat econòmic encara que l'esforç alliberat no es tradueixi immediatament en un cost menor.

En determinats processos, la velocitat afecta conversió, experiència de client, utilització d'actius, inventari, capacitat per corregir un problema o temps fins a generar ingressos.

Per això convé distingir entre hores necessàries per produir alguna cosa i temps total que triga el procés a completar-se. La IA pot reduir-ne un, l'altre o tots dos.

4.6. Sisena opció: moure temps cap a feina de més valor

Una organització també pot capturar capacitat quan utilitza menys temps en tasques de baix valor i més en activitats on el judici, la relació, la creativitat o la decisió humana produeixen una diferència més gran.

Un comercial que dedica menys temps a preparar informació el pot utilitzar per parlar amb clients. Un responsable financer que necessita menys temps per consolidar dades pot analitzar escenaris. Un directiu que recupera context més ràpid pot dedicar més atenció a decidir.

El problema és que “fer feina de més valor” resulta molt fàcil d'afirmar i força més difícil de demostrar.

Si aquesta és la tesi de captura, convé especificar quina és aquesta nova activitat i quin resultat esperem que produeixi. D'altra manera, el temps simplement canvia de nom sense que puguem saber si realment n'ha augmentat el valor.

4.7. Setena opció: fer econòmicament viable una cosa que abans no ho era

Hi ha una última forma de captura especialment interessant perquè no consisteix simplement a realitzar més ràpidament una activitat existent. Consisteix a ampliar allò que l'empresa es pot permetre fer.

Algunes anàlisis, nivells de personalització, investigacions, controls o treballs de preparació poden aportar valor, però resultar massa costosos si requereixen moltes hores professionals. Si IA, programari i automatització redueixen suficientment aquest esforç, l'empresa pot començar a realitzar activitats que abans descartava per cost.

En aquest cas la productivitat no només redueix recursos. Canvia la frontera econòmica del que és viable.

Aquest punt serà important més endavant perquè connecta directament amb la diferència entre utilitzar una eina per executar una tasca i construir una capacitat al voltant dun problema.

4.8. Capturar capacitat és una decisió de direcció

Tot això condueix a una conclusió senzilla: una empresa no captura productivitat únicament comprant eines ni esperant que cada persona descobreixi què fer amb el temps que estalvia.

Algunes millores apareixeran espontàniament i valdrà la pena conservar-les així. Però quan l'expectativa és obtenir un resultat econòmic material, la direcció necessita establir una hipòtesi explícita: quina capacitat s'hauria d'alliberar, on s'utilitzarà i quin indicador hauria de canviar si realment s'està capturant.

Aquesta disciplina evita dos errors oposats. El primer és prometre estalvis que només existeixen sobre un full de càlcul. El segon és descartar-ne una millora perquè no ha reduït costos quan en realitat ha permès créixer, millorar qualitat o evitar estructura futura.

La IA pot crear capacitat. La captura d?aquesta capacitat continua sent una decisió d?empresa.

5. Donar accés a una IA no vol dir haver construït una capacitat empresarial

Hi ha una segona confusió que comença a ser especialment rellevant a mesura que les eines d'intel·ligència artificial es generalitzen: identificar adopció amb capacitat.

Una empresa pot proporcionar accés a ChatGPT, Microsoft Copilot, Gemini, Claude o un altre model a gran part de la plantilla i aconseguir millores perfectament reals. Les persones poden investigar més ràpidament, redactar millor, resumir documents, preparar reunions, analitzar informació o automatitzar petites tasques.

Tot això pot ser valuós.

Però encara descriu principalment accés a una capacitat general. No demostra que l'empresa hagi construït una capacitat pròpia que continuï funcionant de manera sistemàtica, repetible i governada al voltant d'un problema empresarial concret.

5.1. Accedir a una tecnologia i convertir-la en capacitat són problemes diferents

Aquesta distinció no és específica de la intel·ligència artificial. Les empreses porten dècades comprant programari sense aconseguir necessàriament la mateixa productivitat.

Dues organitzacions poden utilitzar eines similars i obtenir resultats radicalment diferents perquè una disposa de millors dades, processos més clars, persones amb més capacitat, sistemes integrats o una manera més disciplinada de convertir informació en decisions.

La investigació de l'OCDE sobre empreses adoptants d'intel·ligència artificial apunta en aquesta mateixa adreça. En una anàlisi sobre companyies d'onze països, les empreses que utilitzaven IA mostraven en conjunt nivells de productivitat més grans, però una part important d'aquesta diferència estava associada també a altres actius: habilitats digitals, infraestructura, intensitat tecnològica i capacitats complementàries.

Quan els investigadors controlaven diversos factors, la relació entre ús d'IA i productivitat es reduïa considerablement i en alguns països deixava de ser estadísticament significativa.

Això no demostra que la IA no generi productivitat. Demostra que la tecnologia arriba a empreses que ja són diferents i que el resultat depèn també del que existeix al seu voltant.

5.2. Un xat pot millorar molt una persona sense modificar el sistema

Imaginem un comercial que utilitza un model per investigar empreses, preparar preguntes, redactar correus i resumir reunions. Pot estalviar diverses hores cada setmana i millorar de manera significativa la seva productivitat individual.

Però si tota aquesta forma de treballar depèn de les seves converses privades, dels prompts que ha après a utilitzar i del context que introdueix manualment, una part considerable de la nova capacitat continua pertanyent a aquesta persona.

Si demà canvia de lloc, deixa l'empresa o simplement treballa altrament, l'organització pot perdre bona part d'aquest aprenentatge.

Això no fa pas inútil l'ús del xat. Simplement descriu una etapa diferent de maduresa.

En aquest article ens interessa aquesta diferència pel seu efecte sobre la productivitat i la captura de valor. El disseny més ampli d'una capacitat empresarial amb IA —incloent control, dependència, costos, govern i execució— el desenvolupem a Com guanyar capacitat empresarial sense augmentar estructura, cost ni dependència .

5.3. El model pot ser el mateix; la capacitat que construeixes al voltant, no

Aquesta diferència és especialment important perquè els models fundacionals tendeixen a estar disponibles per a moltes empreses alhora. Si tothom pot accedir a capacitats similars, el simple accés ofereix cada vegada menys diferenciació.

El que una organització construeix al voltant del model pot ser molt més específic: les dades, el coneixement acumulat, els criteris de decisió, els processos, la manera com connecta eines, l'evidència que considera vàlida, les regles d'autorització o la manera com incorpora feedback de resultats.

Per això dues empreses que utilitzen exactament el mateix model poden acabar desenvolupant capacitats radicalment diferents.

Aquesta lògica connecta amb el marc que desenvolupem a Capacitats empresarials per a pimes: dades, processos, talent i IA: la tecnologia genera més valor quan es combina amb capacitats organitzatives que permeten utilitzar-la de manera consistent.

5.4. El salt important és passar d'una tasca assistida a un problema resolt de manera sistemàtica

Una manera senzilla d'observar la diferència és canviar la unitat d'anàlisi.

Si preguntem “com pot ajudar l'IA a redactar aquest correu?”, estem optimitzant una tasca.

Si preguntem “com pot la nostra empresa identificar millor quins comptes mereixen atenció, amb quina evidència i sota quins criteris?”, estem dissenyant una capacitat.

En el segon cas, poden aparèixer moltes tasques: investigar comptes, recuperar informació, analitzar senyals, aplicar regles, generar hipòtesis, presentar evidència i registrar decisions. El valor no depèn que cada pas utilitzi IA. Depèn que el conjunt resolgui millor un problema que importa al negoci.

5.5. No vol dir que tota empresa hagi de construir agents o programari propi

També aquí cal evitar una conclusió massa tecnològica. Construir una capacitat al voltant d'IA no vol dir necessàriament desenvolupar agents complexos, programar programari a mida o entrenar models propis.

Una petita empresa pot construir una capacitat força sòlida utilitzant eines existents si disposa d'un procés clar, bones fonts d'informació, criteris compartits, plantilles, automatitzacions senzilles i mecanismes de validació.

De la mateixa manera, una organització pot invertir en sistemes tècnicament sofisticats i seguir sense tenir una veritable capacitat si no ha definit prou quin problema resol, quines decisions ha de millorar o com sabrà si funciona.

5.6. Podem ordenar aquesta evolució en cinc nivells

No totes les empreses han de recórrer exactament la mateixa seqüència ni avançar fins al darrer nivell. Però distingir-los ajuda a saber què estem mesurant quan parlem de “adopció de IA”.

Tenir més usuaris dIA pot augmentar productivitat individual. Construir capacitat empresarial exigeix aconseguir que part d'aquest aprenentatge deixi de dependre exclusivament de qui sap parlar millor amb el model.

6. La diferència està en allò que construeixes al voltant del model

Si el model fundacional pot ser el mateix per a moltes empreses, la diferenciació ha d'aparèixer en una altra banda.

Pot estar en les dades que utilitza l'organització, en el coneixement que ha acumulat, en els criteris amb què pren decisions, en les eines a què connecta el model, en els controls que aplica, en la forma de validar resultats o en la capacitat per integrar-ho dins d'un procés real.

En altres paraules, el model pot aportar una potència general. Lempresa ha de decidir com convertir-la en una capacitat específica.

6.1. El problema ha d'estar prou definit

Com més general sigui la pregunta, més general tendirà a ser també la resposta. “Ajuda'm a vendre més”, “analitza les meves finances” o “digues-me què hauria de prioritzar” poden produir idees útils, però no descriuen encara una capacitat empresarial.

Per construir una mica més sistemàtic cal concretar quina decisió o procés volem millorar, quina informació necessita, quin resultat ha de produir i quins límits no pot travessar.

No és el mateix demanar a un model una opinió sobre un compte comercial que construir un sistema capaç davaluar comptes utilitzant un ICP definit, senyals contrastats, evidència, criteris de scoring i revisió humana.

Tampoc no és el mateix preguntar per la situació financera d'una empresa que dissenyar una capacitat que treballi amb dades, regles comptables, permisos, criteris d'acceptació i controls d'execució.

6.2. Les dades i el context només han de deixar de dependre de l'usuari

En un ús purament conversacional, bona part del rendiment depèn del que la persona recordi introduir a cada interacció: context del client, restriccions, dades històriques, polítiques internes, decisions anteriors o documentació rellevant.

Com més complex sigui el problema, més fràgil resulta aquest mecanisme.

Construir capacitat implica aconseguir que una part suficient del context necessari es pugui recuperar de manera fiable sense dependre exclusivament de la memòria o habilitat de qui formula la pregunta.

Això pot significar connectar fonts, estructurar informació, mantenir documents vigents, diferenciar evidència d'inferències o assegurar que el sistema sap quines dades són autoritats per a cada decisió.

6.3. El coneixement s'ha de convertir en criteris utilitzables

Les empreses acumulen una gran quantitat de coneixement tàcit. Un responsable comercial sap reconèixer un compte poc atractiu; un director financer identifica una desviació que mereix atenció; un responsable d'operacions sap quina excepció pot posar en risc un lliurament.

Un model pot ajudar a recuperar, ordenar i analitzar aquest coneixement, però l‟empresa necessita decidir quina part vol convertir en criteri operatiu.

Això es pot expressar com a polítiques, llindars, regles d'avaluació, matrius de decisió, preguntes obligatòries, criteris d'escalat o requisits mínims d'evidència.

No tot ha de transformar-se en una regla rígida. Les situacions complexes continuen necessitant judici. Però si tot roman com a intuïció privada, la IA pot ampliar la capacitat duna persona sense construir necessàriament capacitat organitzativa.

6.4. Les eines permeten que el model faci alguna cosa més que respondre

Un altre salt apareix quan el model deixa de limitar-se a generar text i pot treballar amb eines que formen part del procés real.

Podeu consultar dades, contrastar fonts, fer càlculs, actualitzar un registre, preparar una acció o generar documentació estructurada. En determinats sistemes pot fins i tot executar accions, sempre dins dels permisos i els controls definits.

Aquesta connexió amb eines amplia enormement la capacitat, però també n'augmenta el risc. Com més pot fer un sistema, més important és decidir quines accions pot executar directament, quines necessiten confirmació i quines han de romandre sempre sota responsabilitat humana.

6.5. Els controls determinen fins on podeu arribar l'automatització

Aquesta és una de les diferències més importants entre utilitzar un assistent i construir un sistema que pugui intervenir de manera més profunda a l'operació.

Una recomanació equivocada pot ser molesta. Una decisió financera, comercial o contractual executada sense prou control pot tenir conseqüències molt més grans.

Per això una capacitat empresarial madura necessita definir qui pot fer què, què necessita aprovació, quina informació ha de quedar registrada i què passa quan el sistema no disposa d'evidència suficient.

En determinades funcions també pot ser necessari separar qui prepara una acció de qui la valida, exigir confirmació humana o bloquejar per defecte qualsevol execució si manca una condició crítica.

6.6. L'avaluació ha de comprovar més que si la resposta “sona bé”

Un dels riscos dels models generatius és que una resposta incorrecta pot estar redactada de manera convincent. Per això, avaluar una capacitat empresarial no hauria de limitar-se a preguntar si el text sembla útil.

Depenent del problema, pot ser necessari comprovar exactitud, traçabilitat, consistència, compliment de regles, ús correcte de fonts, estabilitat davant de casos límit, capacitat de reconèixer incertesa o comportament davant d'informació incompleta.

En funcions sensibles, una resposta tècnicament brillant pot ser inacceptable si utilitza una dada no autoritzada, no respecta una política o proposa una acció fora de les competències del sistema.

6.7. A R&R aquesta diferència ja canvia com dissenyem capacitats

A R&R utilitzem interfícies conversacionals de forma intensiva. Són útils per investigar, dissenyar, programar, contrastar, documentar i treballar sobre problemes complexos.

Però quan volem convertir IA en una capacitat que pugui formar part de loperació, el problema canvia.

En el desenvolupament del nostre Agent CFO i Comptable, per exemple, la IA pot detectar, explicar, recomanar i preparar determinades accions, però la capacitat d'execució està governada per permisos, confirmacions humanes i controls específics. L'objectiu no és aconseguir que un model faci de CFO, sinó construir una capacitat financera assistida que operi dins d'uns límits coneguts.

Al nostre Radar de Comptes Objectiu, la qüestió tampoc consisteix a preguntar a un model quines empreses hauríem de prospectar. El sistema combina context comercial, definició d'ICP, comptes, senyals, evidències, scoring, hipòtesis i revisió humana per ajudar a prioritzar i activar el treball comercial de forma més estructurada.

Són exemples diferents, però comparteixen el mateix principi: el valor no apareix simplement perquè hi hagi un model generatiu. Apareix quan aquest model forma part duna arquitectura construïda al voltant dun problema.

6.8. L'objectiu no és automatitzar-ho tot, sinó decidir quina combinació funciona millor.

Hi ha una temptació comprensible de mesurar la maduresa pel percentatge de treball que aconsegueix automatitzar-se. Però una automatització més gran no sempre significa una millor capacitat.

En alguns processos tindrà sentit automatitzar gairebé tot. En altres, la major part del valor pot consistir a fer millor una decisió humana. I en determinades activitats regulades, reputacionals o d'alt impacte, conservar gats humans pot ser una condició de disseny i no pas una limitació temporal.

La pregunta correcta és quina combinació de persones, models, eines i controls aconsegueix el millor resultat pel problema concret.

Aquesta lògica és coherent amb una cosa que ja observem quan parlem de transformació: comprar tecnologia no substitueix el treball de direcció, processos i capacitats. El desenvolupem també a Errors que frenen la digitalització.

El xat pot fer més ràpida una persona. La capacitat empresarial apareix quan canvia de manera repetible allò que l'organització és capaç de fer.

7. Ser més productiu tampoc no significa automàticament ser més competitiu

Arribats a aquest punt podria semblar que el problema s'acaba quan l'empresa aconsegueix capturar productivitat. Però encara falta una distinció més.

Una organització pot reduir costos, augmentar output o accelerar processos i no haver-hi construït un avantatge competitiu rellevant.

La productivitat descriu principalment la relació entre recursos i resultats. La competitivitat introdueix una altra pregunta: què canvia davant de les alternatives que té el client i davant del que poden fer els competidors.

7.1. Una millora interna es pot quedar dins de l'empresa

Imaginem que una empresa redueix significativament el temps necessari per preparar determinades tasques administratives. Pot obtenir una millora de productivitat perfectament real i, no obstant, el client no percebre cap diferència.

Això no converteix la inversió en irrellevant. Podeu millorar el marge, reduir pressió operativa o alliberar recursos. Però l'avantatge competitiu només apareix quan part d'aquesta millora afecta una dimensió que influeix en la capacitat de guanyar, retenir o servir millor el mercat.

Pot ser preu, rapidesa, qualitat, personalització, disponibilitat, capacitat de resposta, innovació o una combinació difícil de replicar.

7.2. Quan tothom accedeix a la mateixa eina, part de l'avantatge desapareix

Aquesta qüestió és especialment important amb models intel·ligència artificial àmpliament disponibles.

Una empresa pot obtenir durant mesos un avantatge clar simplement perquè adopta abans una eina que els seus competidors. Però si l'accés es democratitza i tots comencen a fer servir capacitats similars, una part d'aquesta diferència pot desaparèixer.

El que inicialment era avantatge acaba esdevenint expectativa mínima.

Això ja ha passat moltes vegades amb altres tecnologies. Digitalitzar una activitat pot diferenciar durant una etapa. Més endavant, no estar digitalitzat es converteix simplement en un desavantatge.

Amb IA probablement passarà una cosa semblant en moltes tasques dús general.

7.3. L'avantatge pot ser als actius complementaris

La situació canvia quan la tecnologia es combina amb actius que altres no poden copiar amb la mateixa facilitat.

Poden ser dades pròpies, coneixement acumulat, relacions amb clients, processos, integració amb sistemes existents, reputació, experiència sectorial, metodologies o rutines organitzatives desenvolupades durant anys.

La intel·ligència artificial pot augmentar el valor d'aquests actius perquè permet utilitzar-los amb més velocitat oa una escala que abans era difícil.

En aquest escenari el model pot continuar sent estàndard, però la capacitat resultant ja no és idèntica.

7.4. L'avantatge també pot consistir a fer viable una cosa que altres encara no poden oferir

Una de les formes més interessants de competitivitat apareix quan la millora de la productivitat canvia l'economia d'una oferta.

Una anàlisi que abans requeria massa temps es pot incorporar ara al servei. Un nivell de personalització abans reservat a grans clients es pot estendre a comptes més petits. Una pime pot oferir un nivell de preparació o control que anteriorment necessitava una estructura molt més gran.

En aquests casos la tecnologia no només redueix costos interns. Podeu modificar la proposta de valor.

Aquesta possibilitat connecta amb el cas que hem vist anteriorment: quan el cost d'accés a una capacitat complexa disminueix substancialment, poden començar a ser econòmicament viables feines que abans no compensaven.

7.5. No tot avantatge ha de ser permanent per ser valuós

També seria poc realista exigir que qualsevol millora sigui impossible de copiar per considerar-la estratègicament rellevant.

Un avantatge temporal pot permetre guanyar clients, créixer més ràpid, aprendre abans o acumular dades i experiència que després sí que resultin més difícils de replicar.

La qüestió és no confondre un avantatge transitori amb una posició defensable a llarg termini.

Si una empresa sap que el seu avantatge procedeix principalment d'adoptar una eina abans, hauria d'aprofitar aquest període per construir actius complementaris que mantinguin part de la diferència quan l'accés tecnològic es generalitzi.

7.6. La competitivitat no es mesura per quant l'empresa utilitza la IA

Això ens torna al problema inicial de larticle.

Comptar usuaris, llicències, prompts, assistents o agents pot ajudar a conèixer el grau d'adopció tecnològica. No indica necessàriament si l'empresa ha augmentat la capacitat competitiva.

Una organització pot tenir un ús intensíssim d'IA i no haver modificat cap aspecte rellevant de la seva economia o proposta de valor. Una altra la pot fer servir en pocs processos, però fer-ho precisament on es troba un coll d'ampolla crític.

La segona pot obtenir un impacte molt més gran amb aparentment menys adopció.

7.7. La pregunta final és què ara pot fer l'empresa que abans no podia

Aquesta és probablement una manera més útil davaluar limpacte estratègic que preguntar quanta intel·ligència artificial està utilitzant una organització.

Podeu atendre més clients amb la mateixa estructura? Respondre molt abans? Realitzar anàlisis que anteriorment resultaven massa cares? Personalitzar una oferta a una escala més gran? Prendre decisions amb informació que abans no podia processar? Reduir un coll d'ampolla que en limitava el creixement?

Com més concreta sigui la resposta, més a prop estarem identificant una capacitat empresarial i no únicament una millora tecnològica.

La productivitat redueix la distància entre recursos i resultats. La competitivitat comença quan aquesta millora canvia allò que el mercat pot esperar de la teva empresa.

8. Com saber si la teva empresa està capturant realment el valor

Si volem evitar que la productivitat amb IA acabi reduïda a una col·lecció d'estimacions sobre hores estalviades, necessitem una manera de mesurar que segueixi el recorregut complet.

No cal construir un sistema financer extraordinàriament sofisticat per començar. En molts casos n'hi ha prou de respondre de forma disciplinada a unes poques preguntes i mantenir separades magnituds que tendeixen a barrejar-se.

El principi és senzill: partir d'una baseline, comprovar què ha canviat en la tasca, identificar quina capacitat apareix, observar què hi fa l'empresa i acabar mesurant si alguna variable empresarial rellevant s'ha modificat.

8.1. Primer: compara resultats vàlids, no primers esborranys

Qualsevol comparació necessita una referència anterior prou clara. Quan sigui possible, convé reconstruir quant esforç humà, revisió, coordinació i correcció necessitava realment una tasca abans d'introduir la nova forma de treball.

La comparació posterior ha dutilitzar el mateix criteri. Si una eina redueix enormement el temps de generació però introdueix més revisió, aquest treball addicional ha daparèixer. Si automatitzeu una part del procés però obligueu a preparar millor les dades d'entrada, també.

8.2. Després: calcula quina capacitat apareix

Quan la comparació anterior mostra una millora, podem calcular capacitat alliberada. Es pot expressar en hores, dedicació professional, nombre de persones equivalents, volum addicional que es podria absorbir o qualsevol altra unitat que representi raonablement l'esforç reduït.

En aquest punt convé resistir-se a convertir immediatament aquesta capacitat en euros. Primer necessitem saber si l'empresa en disposa realment i si hi ha una decisió sobre com utilitzar-la.

8.3. El punt decisiu: identifica el destí de la capacitat

Aquesta pregunta separa una millora tecnològica duna decisió empresarial. Si una persona allibera cinc hores setmanals, què canvia després? Gestiona més volum? Atén més clients? Evita que una altra persona s'hagi d'incorporar? Reduïu dependència d'un proveïdor? Dedica més temps a anàlisi? Escurça el cicle d'una activitat?

Si l'organització no sap respondre, encara no vol dir que el temps s'hagi perdut. Significa que la captura no està prou governada per poder-la mesurar.

8.4. Finalment: cerca la variable empresarial que hauria de canviar

Aquest és el punt en què la productivitat comença a abandonar el terreny de les estimacions. Si l'objectiu era augmentar la capacitat, hauríem de poder observar més output. Si volíem evitar estructura, hauria d'aparèixer una contractació endarrerida o innecessària. Si esperàvem menys errors, hauria de disminuir el treball. Si buscàvem velocitat, el cicle s'hauria d'escurçar.

No totes les mètriques apareixeran immediatament i no totes les millores es poden aïllar amb precisió causal. Però hi ha d'haver una hipòtesi prou concreta per saber on cercar l'efecte.

8.5. Fes servir un quadre de comandament mínim per seguir tota la cadena

Les preguntes anteriors es poden resumir en una seqüència que qualsevol empresa pot adaptar als seus propis processos. La seva funció no és burocratitzar l'ús d'IA, sinó impedir que l'adopció, l'estalvi de temps i l'impacte empresarial es barregin en una única xifra.

El darrer nivell mereix una observació addicional. Si la millora roman completament dins de l'empresa, continuarà sent valuosa com a eficiència. Si canvieu la proposta, el cost, la velocitat o la capacitat que percep el mercat, es pot començar a convertir en avantatge competitiu. Per això la taula acaba fora de l'empresa: com canvia la nostra posició davant d'altres alternatives.

8.6. La precisió ha de ser proporcional a la decisió

No totes les millores necessiten un estudi econòmic de gran profunditat. Si una persona utilitza IA per estalviar uns minuts en una tasca petita, probablement n'hi ha prou amb observar si funciona i seguir endavant. El mesurament rigorós té més importància quan l'empresa vol justificar una inversió rellevant, redissenyar processos, modificar plantilla, externalitzar o internalitzar feina, o afirmar que una nova capacitat està canviant la seva competitivitat.

Com més gran sigui la decisió que volem prendre a partir de la dada, més gran hauria de ser també la qualitat de l'evidència.

Si no pots explicar quin indicador hauria de canviar gràcies a les hores que dius haver estalviat, encara no estàs mesurant la productivitat empresarial. Estàs mesurant eficiència de tasca.

9. La pregunta no és quant utilitza la teva empresa la IA

Durant els propers anys serà cada cop menys útil utilitzar l'accés a intel·ligència artificial com a senyal de maduresa. Les eines es generalitzaran, apareixeran noves interfícies i moltes capacitats que avui encara semblen extraordinàries acabaran incorporades de manera estàndard al programari de treball.

En aquest escenari, preguntar quantes persones utilitzen IA s'assemblarà progressivament a preguntar quantes utilitzen un cercador, un full de càlcul o una videoconferència. Podeu descriure adopció, però explicarà cada cop menys sobre la capacitat real de l'organització.

9.1. L'objectiu no hauria de ser maximitzar l'ús de l'IA

Una empresa no guanya per aconseguir que totes les persones utilitzin el major nombre possible d'eines. Guanya quan resol millor els problemes que condicionen la capacitat per competir.

En alguns processos, la IA serà central. En altres aportarà una petita millora. I hi haurà tasques on no compensi introduir-la en absolut. La direcció no necessita perseguir l'adopció màxima; necessita identificar on hi ha una oportunitat real d'ampliar capacitat i quin disseny permet capturar-la.

9.2. Una empresa pot utilitzar menys IA i obtenir més valor

Una empresa pot tenir centenars d'empleats utilitzant assistents per a petites tasques i aconseguir milers d'hores de capacitat distribuïda que després amb prou feines en modifica el resultat econòmic. Una altra pot aplicar IA únicament en dos o tres processos, però fer-ho precisament on hi ha colls d'ampolla que limiten vendes, operacions, decisió o creixement.

La segona podria capturar molt més valor amb aparentment menys adopció. La diferència no és quanta IA circula per l'organització, sinó en quines restriccions rellevants aconsegueix eliminar o quines capacitats noves aconsegueix construir.

9.3. La direcció ha de decidir què fer amb una empresa que ara en pot fer més

En el fons, la intel·ligència artificial planteja un problema de gestió força clàssic: què fem quan una tecnologia modifica la productivitat dels recursos de què ja disposem.

Podem continuar fent el mateix amb una mica menys d'esforç. Podem utilitzar aquesta diferència per créixer. Podem redissenyar estructura. Podem elevar qualitat. Podem modificar una oferta. O podem no prendre cap decisió i deixar que la nova capacitat es distribueixi de manera espontània.

Cap daquestes respostes és automàticament correcta. Depèn de lestratègia i del context. El que resulta difícil de defensar és comptabilitzar primer la productivitat i decidir després què vol dir.

9.4. El potencial més interessant no és fer exactament el mateix una mica més ràpid

Reduir vint minuts una tasca repetitiva pot generar molt de valor quan passa milers de vegades. Aquest tipus deficiència continuarà sent important. Però hi ha una oportunitat més profunda.

La combinació de models, dades, programari, automatització i coneixement pot reduir el cost d'activitats que abans requerien massa hores professionals, massa anàlisi o massa estructura. Quan això passa, no només millora una tasca: s'amplia el conjunt de coses que l'empresa es pot permetre fer.

Pot analitzar amb més profunditat, personalitzar més, respondre abans, treballar amb més evidència, gestionar més volum o construir capacitats que abans només estaven a l'abast d'organitzacions amb estructures molt més grans.

9.5. La pregunta amb què hauria d'acabar qualsevol iniciativa

Després de parlar dhores, productivitat, costos, sistemes i competitivitat, podem reduir tot larticle a una pregunta.

Si la resposta és concreta, probablement estem davant d'una cosa més interessant que una col·lecció d'hores estalviades. Si a més a més podem demostrar quin resultat canvia i per què aquesta capacitat importa per als nostres clients o per a la nostra economia, comencem a parlar de productivitat empresarial.

I si aquesta capacitat permet competir d'una manera que altres no poden replicar immediatament, aleshores la intel·ligència artificial deixa de ser simplement una eina d'eficiència i comença a formar part de l'estratègia.

Estalviar temps és una millora. Saber què fer amb aquest temps és gestió. Convertir-ho en una capacitat que canvia com competeixes és estratègia.