Què és la IA, què és automatitzar i per què anomenar-ho tot IA és soroll

En algun moment dels últims tres anys, la paraula «IA» es va començar a enganxar a gairebé qualsevol cosa: un raspall de dents elèctric, un programa de facturació que existeix des del 2015, una màquina expenedora, un refresc. Quan una paraula serveix per descriure-ho tot, deixa de descriure res.

Per a una empresa que intenta entendre què està comprant, aquest soroll té un cost concret. Es paga preu d’intel·ligència artificial per una cosa que és una regla de tota la vida, o es descarta una eina que sí que hauria servit perquè sona igual que les altres vint. Distingir les dues coses no és una discussió de vocabulari: és el que decideix si un projecte té sentit abans de gastar un euro.

Automatitzar no és el mateix que fer servir IA

La diferència cap en una frase: una automatització per regles executa instruccions que ha escrit una persona, i un sistema d’IA interpreta dades i decideix per probabilitats, amb marge d’error. La resta d’aquest article és aquesta frase, desplegada.

Automatitzar vol dir que una màquina executa una tasca que abans feia una persona, seguint instruccions. Aquestes instruccions poden ser de dos tipus molt diferents, i la diferència importa molt més del que sembla.

L’automatització basada en regles funciona amb lògica «si passa això, fes allò», escrita explícitament per una persona. Un banc que marca com a sospitosa qualsevol transferència a l’estranger superior a 5.000 euros està fent servir una regla, no intel·ligència artificial. Aquests sistemes són transparents, fàcils d’auditar i perfectament adequats per a qui necessiti traçabilitat total: comptabilitat, nòmines, control d’inventari. El seu límit és que només saben fer exactament allò que se’ls ha programat, ni una cosa més.

La intel·ligència artificial no segueix una recepta fixa: identifica patrons en dades i decideix segons probabilitats. Pot llegir el correu d’un client que no té cap estructura, entendre el to amb què està escrit i decidir com prioritzar-lo, cosa que un sistema de regles no fa perquè no existeix una regla capaç d’anticipar totes les maneres possibles de redactar una queixa. Aquest és el seu valor, i també la seva condició: on hi ha probabilitat hi ha error, i per tant cal algú que revisi.

Cap dels dos enfocaments no és millor en abstracte. Una regla guanya quan la tolerància a l’error és mínima i cal poder explicar cada decisió pas a pas. La IA guanya quan les dades són variades, canviants o no encaixen en cap format fix. La majoria dels sistemes ben dissenyats combinen les dues coses: regles on cal control, IA on cal adaptació.

Tres exemples d’una pime: què és regla i què és IA

Explicada en abstracte, la distinció sembla acadèmica. Amb tres tasques d’una empresa petita es veu en un minut.

• Les factures recurrents. Quaranta clients amb la mateixa quota cada mes, emesa el dia 1, enviada per correu i anotada a comptabilitat. És una regla de principi a fi: no hi ha res a interpretar i no cal cap IA. Si es ven com a «facturació intel·ligent» per resoldre això, el que es compra és un programa de facturació normal amb una etiqueta nova al damunt.
• Llegir la factura escanejada d’un proveïdor nou. Cada proveïdor la maqueta a la seva manera i cal extreure’n la base, l’IVA i el concepte. Això sí que és IA: cap regla escrita a mà no anticipa tots els formats possibles. I com que funciona per probabilitats, el disseny correcte inclou que una persona revisi les que surten amb poca confiança, no un «ja se n’encarrega el sistema».
• Repartir el correu d’una adreça compartida. Distingir una queixa urgent d’una petició de pressupost i d’una factura que arriba adjunta és interpretació, de manera que aquella classificació és IA. El que ve després —a qui s’assigna cada cosa, amb quina prioritat, en quant de temps cal respondre— torna a ser una regla. La bona resposta a «això és IA o automatització?» és, gairebé sempre, «les dues, i en aquest ordre».

El que té d’útil mirar-ho així és que la pregunta deixa de ser quina tecnologia es compra i passa a ser on cal interpretar. En els trams on no hi ha res a interpretar, la IA afegeix cost, opacitat i una probabilitat d’error que abans no existia.

L’«AI washing», amb noms i cognoms

Aquesta confusió de termes té una versió deliberada, i té nom: AI washing. Consisteix a promocionar un producte o un servei exagerant el paper que la intel·ligència artificial hi té realment. No cal mentir del tot: n’hi ha prou d’anomenar «agent intel·ligent» un formulari amb condicions, o «motor d’IA» el mateix algoritme d’ordenació que el producte ja feia servir fa vuit anys.

El fenomen no es queda en el màrqueting de producte. Una enquesta de Resume.org a 1.000 responsables de contractació als Estats Units, publicada l’abril de 2026, permet veure’l des de dins. Entre els que preveuen acomiadaments, la IA és el motiu més citat: un 44%, per davant de la reorganització interna (42%) i de les limitacions de pressupost (39%).

L’efecte real que declaren és un altre. Només un 9% diu que la IA hagi substituït completament algun lloc de treball; al voltant del 45% diu que ha reduït en part la necessitat de contractar, i un altre 45% declara poc o cap efecte en la mida de la plantilla.

La dada que tanca el cercle és la tercera: un 59% reconeix que, quan explica una congelació de contractacions o un acomiadament, posa l’accent en la IA perquè queda millor davant dels interlocutors que parlar de limitacions financeres. És AI washing mesurat des de dins, i per això és el número que importa: no mesura què fa la IA a les empreses, mesura per a què serveix anomenar-la.

Peter Cohan, professor associat de pràctica de gestió a Babson College, ho va resumir a Built In amb una frase difícil de millorar: culpar la IA és «la raó menys dolenta» que pot fer servir una empresa, perquè la fa semblar més innovadora i més orientada al futur que reconèixer un problema de comptes.

Convé dir què són i què no són aquests números. Són dades dels Estats Units, d’un mercat laboral que no és l’espanyol, i aquí no hi ha una enquesta equivalent que puguem citar; tampoc no són dades nostres, que no publiquem resultats de clients.

El que viatja bé d’un país a un altre no és el percentatge: és l’incentiu. Dir «IA» millora el relat, i mentre el millori hi haurà qui ho digui sense que hi hagi IA al darrere.

Per què això genera soroll, i no només confusió

Quan qualsevol cosa s’anomena IA —un full de càlcul amb una fórmula, un algoritme d’ordenació del 2015, un assistent conversacional entrenat amb milers de milions de paràmetres— la paraula deixa de ser informació i passa a ser decoració.

I el soroll no és només incòmode: costa diners en les dues direccions. Es compra IA on n’hi havia prou amb una regla, i es rebutja una automatització senzilla que hauria resolt el problema del mes perquè va arribar embolicada en el mateix discurs que ja havia decebut dues vegades.

Hi ha un tercer cost, menys visible i més molest a mitjà termini. Si ningú no sap quina part del sistema decideix pel seu compte, ningú no sap què cal vigilar, qui respon quan s’equivoca ni què cal explicar al client. I aquestes tres coses no s’aclareixen llegint el fulletó: s’aclareixen preguntant.

La sortida, doncs, és una pregunta, i no és «això té IA?». És «quin tipus de decisió pren aquest sistema, amb quines dades, i què passa quan s’equivoca?». Serveix igual per a una regla de tres línies que per al model més sofisticat del mercat, i separa la substància de l’embolcall sense haver d’entendre res de tecnologia. És també la primera de les preguntes que convé fer a un proveïdor abans de signar, on hi ha les altres quatre.

La majoria dels processos que ens porten les empreses tenen les dues meitats a dins: un tram que és pura regla i un altre on cal interpretar alguna cosa. Saber quin és quin no és un detall tècnic, és la part que decideix el pressupost. I se sap mirant el procés, no el nom del producte.