La IA ha convertit l’accés a la informació en una commodity. Un model resumeix documentació, proposa codi, redacta un pla i t’explica qualsevol concepte abans que se’t refredi el cafè. És utilíssim, i és cada vegada menys diferencial, perquè demà el teu equip, la teva competència i mitja indústria tindran accés als mateixos models, els mateixos cursos i els mateixos playbooks. Si tothom disposa exactament del mateix, l’avantatge cal anar a buscar-lo a una altra banda.
No és acumular pestanyes obertes ni contractar una altra plataforma d’e-learning i celebrar el percentatge de cursos completats. És una cosa força més difícil de comprar: la capacitat de connectar tota aquesta informació amb context, experiència, errors propis i decisions reals. Té un nom de tota la vida, criteri, i una propietat inconvenient: no es descarrega. L’explicació de per què és així té cent trenta anys, i les seves implicacions per a qualsevol empresa que s’estigui gastant el pressupost de formació íntegrament en llicències són considerables.
Els misteris són a l’aire
El 1890, l’economista Alfred Marshall es va preguntar per què els oficis prosperaven agrupats en districtes industrials i va deixar una de les observacions més citades de la història econòmica: en aquells llocs, els misteris de l’ofici deixen de ser misteris; són a l’aire. Un aprenent absorbia més metal·lúrgia caminant entre els tallers de Sheffield que estudiant tots els manuals disponibles. L’economia de l’aglomeració que Marshall va fundar continua explicant avui per què el talent s’amuntega en ciutats caríssimes podent, en teoria, treballar des de qualsevol lloc.
Amb la IA generativa, aquella observació ha deixat de ser una curiositat acadèmica per convertir-se en un criteri d’inversió. Tot el que hi ha als manuals ja ho sap el model: se’ls ha llegit sencers, millor que qualsevol de nosaltres. El que queda fora d’aquest preu és just el que Marshall situava a l’aire. La tecnologia pot donar-te respostes; el que no pot entregar-te, empaquetat en un PDF, és el gest amb què una dissenyadora detecta que un flux fracassarà abans que les dades ho confirmin, l’olfacte comercial que distingeix una oportunitat real d’una reunió d’entreteniment corporatiu, o la intuïció del tècnic que sap que aquella solució tan elegant explotarà d’aquí a sis mesos. Això s’aprèn observant, preguntant i treballant a prop d’altres.
El que sap el model i el que sap la sala
La gestió del coneixement fa dècades que posa nom a aquesta frontera. Ikujiro Nonaka, el teòric japonès que va convertir aquesta disciplina en matèria seriosa, la va formalitzar als noranta: el coneixement explícit s’emmagatzema en documents i bases de dades; el tàcit només passa d’un cap a un altre per socialització, és a dir, compartint experiència. És la mateixa distinció que traçava l’estudi de Stanford sobre IA i ocupació jove que vam analitzar en un altre article d’aquest web: la IA replica bé el que està codificat i malament el que és tàcit.
I quan desapareix el contacte físic, el tàcit és el primer que mor. Microsoft ho va mesurar gairebé sense voler durant la pandèmia, analitzant l’activitat de 61.000 empleats. El resultat, publicat a Nature Human Behaviour, mereix un marc: amb tota la plantilla en remot, el temps de col·laboració amb persones d’altres equips va caure al voltant d’un 25%, i les xarxes internes es van tornar més estàtiques i tancades. Les converses dins de cada equip van sobreviure sense problema. Els ponts entre disciplines, no.
Importa perquè els equips que només parlen amb si mateixos es tornen molt eficients repetint les seves pròpies certeses: disseny conversa amb disseny, tecnologia amb tecnologia, i tots optimitzen la seva parcel·la sense que ningú vegi el sistema sencer. Les idees interessants rarament neixen dins d’un únic departament; neixen quan qui construeix producte escolta com raona qui ven, o quan una directora creativa formula un problema que un desenvolupador mai no s’hauria plantejat. Un algoritme de recomanació t’acosta a gent semblant a tu. Una sala ben barrejada t’obliga a escoltar qui et falta.
Un cas que mereix estudi: l’IAHub Barcelona
A Barcelona funciona des de finals de 2024 un exemple de manual d’aquesta tesi. I convé dir-ho sense romanticisme, perquè la ciutat ja té prou convocatòries on s’intercanvien targetes, es promet col·laborar i ningú no torna a escriure. L’IAHub Barcelona és una altra cosa: trobades quinzenals on creatius, tecnòlegs, artistes, educadors i perfils de negoci comparteixen feina real, amb més de vint ponents en dues temporades, masterclasses tècniques i una selecció anual de creadors. Qui signa aquest article el coneix des de dins: hi assisteix des de les primeres sessions, manté una relació propera amb els seus fundadors i, cartes sobre la taula, professa per l’esdeveniment i el seu concepte una admiració que frega la devoció.
Què sosté el cas
L'interessant del cas no és l'entusiasme que genera, sinó la mecànica que el sosté, perquè és replicable:
Cada dues setmanes, sense excepció. Una trobada puntual pot inspirar; una cita recurrent crea hàbit, confiança i memòria col·lectiva. La constància és el que converteix una activitat en una institució.
Perfils que normalment no comparteixen sala, units per una pregunta comuna i no per un sector. La col·lisió entre disciplines no és un efecte secundari: és el producte.
Els ponents expliquen dubtes, proves fallides i descobriments a mig coure. Aquest material no existeix en cap curs, precisament perquè ningú no l'empaqueta: els casos d'èxit ensenyen poc quan eliminen les decisions difícils i les dreceres descartades.
Les xerrades es graven i es publiquen en una videoteca accessible per a qualsevol.
Aquest últim punt convida a l’objecció evident: si les xerrades estan gravades, el coneixement ja ha quedat codificat. Per què assistir-hi? Perquè el vídeo captura l’exposició, no la transferència. El tàcit no viu a la xerrada: viu a la pregunta que algú s’atreveix a formular en veu alta i mai no escriuria en un formulari, a l’objecció que desmunta una idea a temps, a la conversa de deu minuts amb algú que mira el teu problema des d’un angle que no existia al teu equip. La videoteca és un acte de generositat i una eina magnífica de difusió. Però és el registre de l’esdeveniment, no l’esdeveniment.
Generositat sense fum
Aquí convé separar dues coses que es barregen massa. Cobrar per formació, acompanyament o consultoria no té res de sospitós: una bona formació no ven informació, accelera l’aplicació de criteri a un context concret; una bona consultoria no entrega una plantilla, assumeix decisions incòmodes amb dades, restriccions i conseqüències. El que la IA està deixant al descobert és un altre negoci: vendre com a coneixement secret una informació que ja està publicada, indexada o disponible en cinc minuts per a qui sàpiga formular una cerca decent. El fum cobra per l’embolcall. La feina seriosa cobra per resoldre.
Per això compartir el procés en públic no debilita els qui saben: els assenyala. Qui té experiència no tem que li copiïn una presentació, perquè sap que el seu valor no és en una llista de prompts sinó a saber quan aplicar-los, quan ignorar-los i què fer quan el resultat surt malament. I hi ha un retorn que cap full de càlcul atribuirà amb precisió: reputació, relacions, oportunitats que arriben anys després per camins impossibles de traçar. Com a indicador per decidir a qui escoltar en el soroll actual de la IA, la generositat intel·lectual funciona millor que gairebé qualsevol altre.
Aquest coneixement no viatja per fibra òptica. Cal anar a buscar-lo.
Què fer amb això
Si el pressupost d’aprenentatge de la teva empresa es concentra en llicències i plataformes, no cal llençar-lo per la finestra. Cal deixar de creure que n’hi ha prou.
Cap enfora: assisteix a aquests espais, i no només deleguis l’assistència; envia-hi el teu equip, inclosos els perfils que en teoria no ho necessiten; dona suport a aquestes iniciatives amb difusió, espai o patrocini; i si a la teva ciutat no existeix res semblant, considera seriosament muntar-ho, perquè la inversió és ridícula comparada amb qualsevol partida de programari.
Cap endins: crea els teus propis espais transversals al voltant de problemes reals, no de presentacions genèriques sobre innovació; premia que els experiments, els errors i les millores circulin entre equips, perquè si cada lliçó es queda on va néixer l’estàs pagant diverses vegades; i mesura canvis de pràctica, no contingut consumit, que algú completi un curs demostra poc i que prengui millors decisions ho demostra tot.
La IA farà que accedir al coneixement sigui encara més barat, i això és una bona notícia. Però no confonguem accés amb aprenentatge, ni aprenentatge amb criteri. Tenir un model a disposició de tothom no fa més intel·ligent una empresa; la fa la seva capacitat de convertir respostes en millors decisions. I això, de moment, continua passant sobretot quan algú s’aixeca davant d’una sala, explica el que li va sortir malament i una altra persona pregunta el que ningú no s’atrevia a preguntar. Aquest coneixement no viatja per fibra òptica. Cal anar a buscar-lo.
Si aquest tipus de converses t’interessen, a LinkedIn continuem.
Fonts
- Alfred Marshall, Principles of Economics, 1890 — districtes industrials i economies d’aglomeració.
- Yang, Holtz et al., The effects of remote work on collaboration among information workers, Nature Human Behaviour, 2021 — estudi sobre 61.000 empleats de Microsoft.
- Nonaka i Takeuchi, The Knowledge-Creating Company, 1995 — coneixement explícit vs. tàcit, model SECI.
- IAHub Barcelona — xerrades, masterclasses, La Lista i videoteca.