Què es pot fer amb la IA generativa sense intervenció humana?

Resum executiu

La intel·ligència artificial generativa (IA), la tecnologia que permet a les màquines crear text, imatges, codi i molt més, ha experimentat un creixement explosiu en els darrers anys. Aquest document ofereix una visió general accessible del que la IA generativa pot de manera fiable sense intervenció humana i del que s'espera que faci en la propera dècada. Analitzem el seu ús en l'escriptura, l'art, la codificació, l'atenció al client, l'atenció sanitària, l'educació, la logística i les finances, i destaquem on la IA funciona de manera autònoma i on la supervisió humana continua sent crucial. S'inclouen exemples del món real per il·lustrar tant els èxits com les limitacions. Les principals conclusions inclouen:

Adopció generalitzada: el 2024, el 65% de les empreses enquestades van informar que utilitzaven regularment IA generativa, gairebé el doble de la quota de l'any anterior ( L'estat de la IA a principis del 2024 | McKinsey ). Les aplicacions abasten la creació de contingut de màrqueting, els chatbots d'atenció al client, la generació de codi i més.
Capacitats autònomes actuals: La IA generativa actual gestiona de manera fiable tasques estructurades i repetitives amb una mínima supervisió. Alguns exemples són la generació automàtica d'informes de notícies formulats (per exemple, resums de guanys corporatius) ( Philana Patterson – Perfil de la comunitat ONA ), la producció de descripcions de productes i ressenyes destacades en llocs de comerç electrònic i l'autocompleció de codi. En aquests dominis, la IA sovint augmenta els treballadors humans assumint la generació rutinària de contingut.
Supervisió humana en el bucle per a tasques complexes: Per a tasques més complexes o obertes, com ara l'escriptura creativa, l'anàlisi detallada o l'assessorament mèdic, encara es requereix normalment la supervisió humana per garantir l'exactitud factual, el judici ètic i la qualitat. Moltes implementacions d'IA actuals utilitzen un model de "supervisió humana en el bucle" on la IA esborra el contingut i els humans el revisen.
Millores a curt termini: Durant els propers 5-10 anys, es preveu que la IA generativa esdevingui molt més fiable i autònoma . Els avenços en la precisió dels models i els mecanismes de protecció poden permetre a la IA gestionar una major part de les tasques creatives i de presa de decisions amb una mínima intervenció humana. Per exemple, els experts prediuen que el 2030 la IA gestionarà la majoria de les interaccions i decisions de servei al client en temps real ( Per reimaginar el canvi a l'experiència del client, els professionals del màrqueting han de fer aquestes 2 coses ), i es podria produir una pel·lícula important amb un 90% de contingut generat per IA ( Casos d'ús de la IA generativa per a indústries i empreses ).
El 2035: D'aquí a una dècada, esperem que els agents autònoms d'IA siguin habituals en molts camps. Els tutors d'IA podrien proporcionar educació personalitzada a escala, els assistents d'IA podrien redactar contractes legals o informes mèdics de manera fiable per a l'aprovació d'experts, i els sistemes de conducció autònoma (ajudats per simulació generativa) podrien executar operacions logístiques de principi a fi. Tanmateix, és probable que certes àrees sensibles (per exemple, diagnòstics mèdics d'alt risc, decisions legals finals) encara requereixin criteri humà per a la seguretat i la responsabilitat.
Preocupacions ètiques i de fiabilitat: A mesura que creix l'autonomia de la IA, també ho fan les preocupacions. Els problemes actuals inclouen al·lucinacions (la IA inventa fets), biaix en el contingut generat, manca de transparència i possible ús indegut per a la desinformació. Garantir que es pugui confiar en quan opera sense supervisió és primordial. S'estan fent progressos; per exemple, les organitzacions estan invertint més en la mitigació de riscos (abordant la precisió, la ciberseguretat i les qüestions de propietat intel·lectual) ( L'estat de la IA: enquesta global | McKinsey ), però calen marcs ètics i de governança sòlids.
Estructura d'aquest article: Comencem amb una introducció a la IA generativa i el concepte d'usos autònoms vs. supervisats. A continuació, per a cada domini principal (escriptura, art, codificació, etc.), discutim què pot fer la IA de manera fiable avui en dia en comparació amb el que hi ha a l'horitzó. Concloem amb reptes transversals, projeccions futures i recomanacions per aprofitar responsablement la IA generativa.

En general, la IA generativa ja ha demostrat ser capaç de gestionar una sorprenent varietat de tasques sense la guia humana constant. En comprendre els seus límits actuals i el seu potencial futur, les organitzacions i el públic poden preparar-se millor per a una era en què la IA no sigui només una eina, sinó un col·laborador autònom en el treball i la creativitat.

Introducció

La intel·ligència artificial fa temps que és capaç d' analitzar dades, però només recentment els sistemes d'IA han après a crear : escriure prosa, compondre imatges, programar programari, etc. Aquests d'IA generatius (com ara GPT-4 per a text o DALL·E per a imatges) s'entrenen en grans conjunts de dades per produir contingut nou en resposta a indicacions. Aquest avenç ha desencadenat una onada d'innovació en totes les indústries. Tanmateix, sorgeix una pregunta crítica: què podem confiar realment que la IA faci per si sola, sense que un humà verifiqui dues vegades el seu resultat?

Per respondre a això, és important distingir entre supervisats i autònoms de la IA:

La IA supervisada per humans fa referència a escenaris en què els resultats de la IA són revisats o seleccionats per persones abans de ser finalitzats. Per exemple, un periodista pot utilitzar un assistent de redacció d'IA per esborrar un article, però un editor l'edita i l'aprova.
La IA autònoma (IA sense intervenció humana) fa referència als sistemes d'IA que executen tasques o produeixen contingut que entra en ús directament amb poca o cap edició humana. Un exemple és un chatbot automatitzat que resol una consulta d'un client sense un agent humà, o un mitjà de comunicació que publica automàticament un resum de resultats esportius generat per IA.

La IA generativa ja s'està implementant en ambdós modes. Entre el 2023 i el 2025, l'adopció s'ha disparat , i les organitzacions experimenten amb entusiasme. Una enquesta global del 2024 va trobar que el 65% de les empreses utilitzen regularment la IA generativa, en comparació amb aproximadament un terç només un any abans ( L'estat de la IA a principis del 2024 | McKinsey ). Els particulars també han adoptat eines com ChatGPT: s'estima que el 79% dels professionals tenien almenys alguna exposició a la IA generativa a mitjans del 2023 ( L'estat de la IA el 2023: l'any de ruptura de la IA generativa | McKinsey ). Aquesta ràpida adopció està impulsada per la promesa de guanys en eficiència i creativitat. Tot i això, encara és "als primers dies" i moltes empreses encara estan formulant polítiques sobre com utilitzar la IA de manera responsable ( L'estat de la IA el 2023: l'any de ruptura de la IA generativa | McKinsey ).

Per què importa l'autonomia: Deixar que la IA funcioni sense supervisió humana pot desbloquejar enormes beneficis d'eficiència (automatitzar completament tasques tedioses), però també augmenta les apostes per la fiabilitat. Un agent d'IA autònom ha de fer les coses bé (o conèixer els seus límits) perquè pot ser que no hi hagi cap humà en temps real per detectar errors. Algunes tasques es presten a això més que d'altres. Generalment, la IA funciona millor de manera autònoma quan:

La tasca té una estructura o patró clar (per exemple, generar informes rutinaris a partir de dades).
Els errors són de baix risc o fàcilment tolerables (per exemple, una generació d'imatges que es pot descartar si no és satisfactòria, en comptes d'un diagnòstic mèdic).
Hi ha moltes dades d'entrenament que cobreixen els escenaris, de manera que la sortida de la IA es basa en exemples reals (reduint les conjectures).

En canvi, les tasques obertes , d'alt risc o que requereixen un judici matisat són menys adequades per a la supervisió zero avui dia.

A les seccions següents, examinem una sèrie de camps per veure què fa la IA generativa ara i què passarà el futur. Analitzarem exemples concrets, des d'articles de notícies escrits per IA i obres d'art generades per IA fins a assistents d'escriptura de codi i agents virtuals d'atenció al client, destacant quines tasques pot ser realitzades de principi a fi per la IA i quines encara necessiten la participació d'un humà. Per a cada domini, separem clarament les capacitats actuals (cap al 2025) de les projeccions realistes del que podria ser fiable el 2035.

En mapejar el present i el futur de la IA autònoma en tots els àmbits, pretenem proporcionar als lectors una comprensió equilibrada: ni sobrevalorar la IA com a màgicament infal·lible, ni subestimar les seves competències molt reals i creixents. Amb aquesta base, discutim els reptes generals de confiar en la IA sense supervisió, incloent-hi consideracions ètiques i gestió de riscos, abans de concloure amb les conclusions clau.

IA generativa en l'escriptura i la creació de continguts

Un dels primers dominis on la IA generativa va causar sensació va ser la generació de text. Els grans models lingüístics poden produir de tot, des d'articles de notícies i textos de màrqueting fins a publicacions a les xarxes socials i resums de documents. Però, quanta d'aquesta escriptura es pot fer sense un editor humà?

Capacitats actuals (2025): la IA com a autoredactora de contingut rutinari

Avui dia, la IA generativa gestiona de manera fiable una varietat de tasques d'escriptura rutinàries amb una intervenció humana mínima o nul·la. Un bon exemple és el periodisme: Associated Press ha utilitzat durant anys l'automatització per generar milers d'informes de resultats de les empreses cada trimestre directament a partir de fonts de dades financeres ( Philana Patterson - Perfil de la comunitat ONA ). Aquestes notícies breus segueixen una plantilla (per exemple, "L'empresa X ha reportat guanys de Y, un augment del Z%...") i la IA (utilitzant programari de generació de llenguatge natural) pot omplir els números i la terminologia més ràpid que qualsevol humà. El sistema d'AP publica aquests informes automàticament, ampliant dràsticament la seva cobertura (més de 3.000 històries per trimestre) sense necessitat de redactors humans ( Les històries de resultats automatitzades es multipliquen | Associated Press ).

El periodisme esportiu s'ha vist incrementat de manera similar: els sistemes d'IA poden prendre estadístiques de partits esportius i generar històries resumides. Com que aquests dominis estan basats en dades i són formulats, els errors són poc freqüents sempre que les dades siguin correctes. En aquests casos, veiem una veritable autonomia : la IA escriu i el contingut es publica immediatament.

Les empreses també utilitzen la IA generativa per redactar descripcions de productes, butlletins electrònics i altres continguts de màrqueting. Per exemple, el gegant del comerç electrònic Amazon ara utilitza la IA per resumir les ressenyes dels clients sobre els productes. La IA escaneja el text de moltes ressenyes individuals i produeix un paràgraf concís i destacat del que agrada o no a la gent de l'article, que després es mostra a la pàgina del producte sense edició manual ( Amazon millora l'experiència de les ressenyes dels clients amb la IA ). A continuació es mostra una il·lustració d'aquesta funció implementada a l'aplicació mòbil d'Amazon, on la secció "Diuen els clients" està generada completament per IA a partir de dades de ressenyes:

( Amazon millora l'experiència de les ressenyes dels clients amb IA ) Resum de ressenyes generat per IA en una pàgina de producte de comerç electrònic. El sistema d'Amazon resumeix els punts comuns de les ressenyes dels usuaris (per exemple, facilitat d'ús, rendiment) en un paràgraf curt, que es mostra als compradors com a "generat per IA a partir del text de les ressenyes dels clients".

Aquests casos d'ús demostren que quan el contingut segueix un patró predictible o s'agrega a partir de dades existents, la IA sovint el pot gestionar sola . Altres exemples actuals inclouen:

Actualitzacions meteorològiques i de trànsit: els mitjans de comunicació utilitzen la IA per compilar informes meteorològics diaris o butlletins de trànsit basats en dades de sensors.
Informes financers: Empreses que generen resums financers senzills (resultats trimestrals, informes del mercat de valors) automàticament. Des del 2014, Bloomberg i altres mitjans de comunicació han utilitzat la IA per ajudar a escriure notícies sobre els guanys de les empreses, un procés que s'executa en gran mesura automàticament un cop s'introdueixen les dades (els "periodistes robots" d'AP ara escriuen les seves pròpies històries | The Verge ) ( Reporter de Wyoming enxampat utilitzant IA per crear cites i històries falses ).
Traducció i transcripció: els serveis de transcripció ara utilitzen la IA per produir transcripcions o subtítols de reunions sense mecanògrafs humans. Tot i que no són generatives en el sentit creatiu, aquestes tasques lingüístiques s'executen de manera autònoma amb una gran precisió per a un àudio nítid.
Generació d'esborranys: Molts professionals utilitzen eines com ChatGPT per esborrar correus electrònics o primeres versions de documents, i ocasionalment els envien amb poques o cap edició si el contingut és de baix risc.

Tanmateix, per a la prosa més complexa, la supervisió humana continua sent la norma el 2025. Les organitzacions de notícies poques vegades publiquen articles d'investigació o analítics directament de la IA: els editors verificaran els fets i refinaran els esborranys escrits per IA. La IA pot imitar bé l'estil i l'estructura, però pot introduir errors factuals (sovint anomenats "al·lucinacions") o frases incòmodes que un humà ha de captar. Per exemple, el diari alemany Express va introduir una "col·lega digital" d'IA anomenada Klara per ajudar a escriure les notícies inicials. Klara pot redactar de manera eficient informes esportius i fins i tot escriure titulars que atreguin els lectors, contribuint a l'11% dels articles d'Express, però els editors humans encara revisen cada peça per verificar la seva precisió i integritat periodística, especialment en històries complexes ( 12 maneres en què els periodistes utilitzen les eines d'IA a la sala de redacció - Twipe ). Aquesta associació humà-IA és habitual avui dia: la IA s'encarrega de la feina pesada de generar text, i els humans seleccionen i corregeixen segons calgui.

Perspectives per al 2030-2035: Cap a una escriptura autònoma de confiança

Durant la propera dècada, esperem que la IA generativa esdevingui molt més fiable a l'hora de generar text d'alta qualitat i factualment correcte, cosa que ampliarà la gamma de tasques d'escriptura que pot gestionar de manera autònoma. Diverses tendències ho avalen:

Millora de la precisió: La recerca contínua està reduint ràpidament la tendència de la IA a produir informació falsa o irrellevant. El 2030, els models de llenguatge avançats amb un millor entrenament (incloses tècniques per verificar fets amb bases de dades en temps real) podrien aconseguir una verificació de fets internament gairebé a nivell humà. Això significa que una IA podria redactar un article de notícies complet amb cites i estadístiques correctes extretes del material font automàticament, requerint poca edició.
IA específiques de domini: Veurem models generatius més especialitzats i afinats per a certs camps (legal, mèdic, redacció tècnica). Un model d'IA legal del 2030 podria redactar contractes estàndard o resumir jurisprudència de manera fiable, tasques que tenen una estructura formulística però que actualment requereixen temps d'advocat. Si la IA està entrenada en documents legals validats, els seus esborranys podrien ser prou fiables com perquè un advocat només hi doni una ullada ràpida final.
Estil natural i coherència: els models estan millorant a l'hora de mantenir el context en documents llargs, cosa que porta a contingut de format més coherent i pertinent. El 2035, és plausible que una IA pugui escriure un primer esborrany decent d'un llibre de no-ficció o d'un manual tècnic pel seu compte, amb els humans principalment en un paper assessor (per establir objectius o proporcionar coneixements especialitzats).

Com podria ser això a la pràctica? El periodisme rutinari podria automatitzar-se gairebé completament durant certs períodes. Podríem veure una agència de notícies el 2030 amb un sistema d'IA que escrigui la primera versió de cada informe de resultats, notícia esportiva o actualització dels resultats electorals, amb un editor que només en mostraria uns quants per garantir la qualitat. De fet, els experts preveuen que una part cada cop més gran del contingut en línia serà generada per màquines; una predicció agosarada dels analistes del sector va suggerir que fins a un 90% del contingut en línia podria ser generat per IA el 2026 ( By 2026, Online Content Generated by Non-humans Will Overnumber Biggestly the Human Generated Content — OODAloop ), tot i que aquesta xifra és debatuda. Fins i tot un resultat més conservador significaria que a mitjans de la dècada del 2030, la majoria dels articles web rutinaris, els textos de productes i potser fins i tot els canals de notícies personalitzats serien escrits per IA.

En màrqueting i comunicació corporativa , és probable que la IA generativa s'encarregui de gestionar campanyes senceres de manera autònoma. Podria generar i enviar correus electrònics de màrqueting personalitzats, publicacions a les xarxes socials i variacions de textos publicitaris, ajustant constantment el missatge en funció de les reaccions dels clients, tot sense un redactor humà al voltant. Els analistes de Gartner projecten que, el 2025, almenys el 30% dels missatges de màrqueting sortint de les grans empreses seran generats sintèticament per IA ( casos d'ús d'IA generativa per a indústries i empreses ), i aquest percentatge només augmentarà el 2030.

Tanmateix, és important tenir en compte que la creativitat i el judici humans continuaran tenint un paper important, especialment per al contingut d'alt risc . El 2035, la IA podria gestionar un comunicat de premsa o una entrada de blog per si sola, però per al periodisme d'investigació que implica la responsabilitat o temes delicats, els mitjans de comunicació encara poden insistir en la supervisió humana. El futur probablement portarà un enfocament per nivells: la IA produeix de manera autònoma la major part del contingut quotidià, mentre que els humans es concentren en l'edició i la producció de les peces estratègiques o sensibles. Essencialment, la línia del que compta com a "rutina" s'ampliarà a mesura que creixi la competència de la IA.

A més, poden sorgir noves formes de contingut com ara narratives interactives generades per IA o informes personalitzats . Per exemple, la IA podria generar un informe anual d'una empresa en múltiples estils: un informe per a executius, una versió narrativa per a empleats, una versió rica en dades per a analistes, cadascun creat automàticament a partir de les mateixes dades subjacents. En l'educació, la IA podria escriure dinàmicament els llibres de text per adaptar-los a diferents nivells de lectura. Aquestes aplicacions podrien ser en gran part autònomes però basades en informació verificada.

La trajectòria en l'escriptura suggereix que a mitjans de la dècada del 2030, la IA serà una escriptora prolífica . La clau per a un funcionament veritablement autònom serà establir confiança en els seus resultats. Si la IA pot demostrar de manera consistent precisió factual, qualitat estilística i alineació amb els estàndards ètics, la necessitat de revisió humana línia per línia disminuirà. Algunes seccions d'aquest llibre blanc, el 2035, podrien ser redactades per un investigador d'IA sense necessitat d'un editor, una perspectiva sobre la qual som cautelosament optimistes, sempre que hi hagi les garanties adequades.

IA generativa en arts visuals i disseny

La capacitat de la IA generativa per crear imatges i obres d'art ha captivat la imaginació del públic, des de pintures generades per IA que guanyen concursos d'art fins a vídeos de deepfake que no es poden distingir de les imatges reals. En els àmbits visuals, els models d'IA com les xarxes antagònica generatives (GAN) i els models de difusió (per exemple, Stable Diffusion, Midjourney) poden produir imatges originals basades en indicacions de text. Aleshores, pot la IA funcionar ara com un artista o dissenyador autònom?

Capacitats actuals (2025): IA com a assistent creatiu

A partir del 2025, els models generatius són experts en la creació d'imatges sota demanda amb una fidelitat impressionant. Els usuaris poden demanar a una IA d'imatges que dibuixi "una ciutat medieval a la posta de sol a l'estil de Van Gogh" i rebre una imatge artística convincent en segons. Això ha portat a un ús generalitzat de la IA en el disseny gràfic, el màrqueting i l'entreteniment per a art conceptual, prototips i fins i tot visuals finals en alguns casos. En particular:

Disseny gràfic i imatges de stock: Les empreses generen gràfics, il·lustracions o fotos de stock per a llocs web mitjançant la IA, cosa que redueix la necessitat d'encarregar cada peça a un artista. Molts equips de màrqueting utilitzen eines d'IA per produir variacions d'anuncis o imatges de productes per provar què atrau els consumidors.
Art i il·lustració: Artistes individuals col·laboren amb la IA per generar idees o completar detalls. Per exemple, un il·lustrador pot utilitzar la IA per generar paisatges de fons, que després integra amb els personatges dibuixats per humans. Alguns creadors de còmics han experimentat amb panells o colors generats per IA.
Mitjans de comunicació i entreteniment: L'art generat per IA ha aparegut en portades de revistes i llibres. Un exemple famós va ser la Cosmopolitan , que mostrava un astronauta; es diu que va ser la primera imatge de portada de revista creada per una IA (DALL·E d'OpenAI) sota les instruccions d'un director d'art. Tot i que això va implicar indicacions i selecció humanes, l'obra d'art real es va renderitzar per màquina.

Crucialment, la majoria d'aquests usos actuals encara impliquen la curació i la iteració humanes . La IA pot generar desenes d'imatges, i un humà tria la millor i possiblement la retoca. En aquest sentit, la IA treballa de forma autònoma per produir opcions, però els humans guien la direcció creativa i fan les eleccions finals. És fiable per generar molt de contingut ràpidament, però no es garanteix que compleixi tots els requisits al primer intent. Problemes com ara detalls incorrectes (per exemple, la IA dibuixa mans amb el nombre incorrecte de dits, una peculiaritat coneguda) o resultats no desitjats signifiquen que un director d'art humà normalment ha de supervisar la qualitat del resultat.

Tanmateix, hi ha dominis on la IA s'acosta a la plena autonomia:

Disseny generatiu: En camps com l'arquitectura i el disseny de productes, les eines d'IA poden crear autònomament prototips de disseny que compleixin restriccions específiques. Per exemple, donades les dimensions i funcions desitjades d'un moble, un algoritme generatiu podria generar diversos dissenys viables (alguns força poc convencionals) sense intervenció humana més enllà de les especificacions inicials. Aquests dissenys poden ser utilitzats o refinats directament pels humans. De la mateixa manera, en enginyeria, la IA generativa pot dissenyar peces (per exemple, un component d'avió) optimitzades pel que fa al pes i la resistència, produint formes noves que un humà potser no hauria concebut.
Recursos de videojocs: la IA pot generar textures, models 3D o fins i tot nivells sencers per a videojocs automàticament. Els desenvolupadors els utilitzen per accelerar la creació de contingut. Alguns jocs independents han començat a incorporar il·lustracions generades procedimentalment i fins i tot diàlegs (mitjançant models de llenguatge) per crear mons de joc vastos i dinàmics amb recursos mínims creats per humans.
Animació i vídeo (emergents): Tot i que és menys madura que les imatges estàtiques, la IA generativa per a vídeo està avançant. La IA ja pot generar videoclips curts o animacions a partir de senyals, tot i que la qualitat és inconsistent. La tecnologia deepfake, que és generativa, pot produir intercanvis de cares o clons de veu realistes. En un entorn controlat, un estudi podria utilitzar la IA per generar automàticament una escena de fons o una animació de multitud.

Cal destacar que Gartner va predir que, el 2030, veurem una pel·lícula d'èxit amb un 90% de contingut generat per IA (des del guió fins a les imatges) ( Casos d'ús d'IA generativa per a indústries i empreses ). A partir del 2025, encara no hi som: la IA no pot fer un llargmetratge de manera independent. Però les peces d'aquest trencaclosques s'estan desenvolupant: generació de guions (IA de text), generació de personatges i escenes (IA d'imatges/vídeos), actuació de veu (clons de veu d'IA) i assistència a l'edició (la IA ja pot ajudar amb els talls i les transicions).

Perspectives per al 2030-2035: Mitjans de comunicació generats per IA a escala

De cara al futur, el paper de la IA generativa en les arts visuals i el disseny està a punt d'expandir-se dràsticament. El 2035, preveiem que la IA serà la principal creadora de contingut en molts mitjans visuals, sovint operant amb una mínima intervenció humana més enllà de les indicacions inicials. Algunes expectatives:

Pel·lícules i vídeos generats completament per IA: En els propers deu anys, és força possible que vegem les primeres pel·lícules o sèries produïdes en gran part per IA. Els humans poden proporcionar una direcció d'alt nivell (per exemple, un esquema de guió o l'estil desitjat) i la IA renderitzarà escenes, crearà semblances d'actors i ho animarà tot. És probable que els primers experiments amb curtmetratges es facin d'aquí a uns anys, amb intents de llargmetratges a la dècada del 2030. Aquestes pel·lícules d'IA podrien començar en un nínxol (animació experimental, etc.), però podrien convertir-se en mainstream a mesura que la qualitat millori. La predicció de Gartner del 90% per al 2030 de pel·lícules ( Casos d'ús d'IA generativa per a indústries i empreses ), tot i que ambiciosa, subratlla la creença de la indústria que la creació de contingut d'IA serà prou sofisticada per assumir la major part de la càrrega en la realització de pel·lícules.
Automatització del disseny: En camps com la moda o l'arquitectura, és probable que la IA generativa s'utilitzi per redactar de manera autònoma centenars de conceptes de disseny basats en paràmetres com ara "cost, materials, estil X", deixant que els humans triïn el disseny final. Això capgira la dinàmica actual: en lloc que els dissenyadors creïn des de zero i potser utilitzin la IA com a inspiració, els futurs dissenyadors podrien actuar més com a curadors, seleccionant el millor disseny generat per IA i potser modificant-lo. El 2035, un arquitecte podria introduir els requisits d'un edifici i obtenir plànols complets com a suggeriments d'una IA (tots estructuralment sòlids, cortesia de les regles d'enginyeria integrades).
Creació de contingut personalitzat: És possible que vegem IA creant elements visuals sobre la marxa per a usuaris individuals. Imagineu-vos un videojoc o una experiència de realitat virtual el 2035 on l'escenari i els personatges s'adaptin a les preferències del jugador, generats en temps real per la IA. O tires còmiques personalitzades generades en funció del dia d'un usuari: una IA autònoma de "còmic diari" que converteix el vostre diari de text en il·lustracions automàticament cada vespre.
Creativitat multimodal: Els sistemes d'IA generativa són cada cop més multimodals, és a dir, que poden gestionar text, imatges, àudio, etc. alhora. Combinant aquests elements, una IA podria prendre una simple indicació com ara "Fes-me una campanya de màrqueting per al producte X" i generar no només textos escrits, sinó també gràfics coincidents, potser fins i tot videoclips promocionals curts, tots coherents en estil. Aquest tipus de conjunt de contingut d'un sol clic és un servei probable a principis de la dècada del 2030.

La IA substituirà els artistes humans ? Sovint sorgeix aquesta pregunta. És probable que la IA assumeixi molta feina de producció (especialment l'art repetitiu o de ràpida rotació necessari per a les empreses), però l'art humà es mantindrà per a l'originalitat i la innovació. El 2035, una IA autònoma podria dibuixar de manera fiable una imatge a l'estil d'un artista famós, però crear un nou estil o un art profundament culturalment ressonant encara pot ser un fort humà (potencialment amb la IA com a col·laboradora). Preveiem un futur on els artistes humans treballaran al costat de "coartistes" d'IA autònoma. Es podria encarregar a una IA personal que generi art contínuament per a una galeria digital a casa, per exemple, proporcionant un ambient creatiu en constant canvi.

Des del punt de vista de la fiabilitat, la IA generativa visual té un camí més fàcil cap a l'autonomia que el text en alguns aspectes: una imatge pot ser subjectivament "prou bona" fins i tot si no és perfecta, mentre que un error factual en el text és més problemàtic. Per tant, ja veiem una adopció de risc relativament baix : si un disseny generat per IA és lleig o incorrecte, simplement no l'utilitzeu, però no causa cap dany per si mateix. Això significa que, a la dècada del 2030, les empreses podrien estar còmodes deixant que la IA produeixi dissenys sense supervisió i només impliqui humans quan es necessiti alguna cosa realment nova o arriscada.

En resum, s'espera que l'any 2035 la IA generativa sigui una potent creadora de contingut visual, probablement responsable d'una part important de les imatges i els mitjans que ens envolten. Generarà de manera fiable contingut per a entreteniment, disseny i comunicacions quotidianes. L'artista autònom és a l'horitzó, tot i que si la IA es veu com a creativa o només com una eina molt intel·ligent és un debat que evolucionarà a mesura que els seus resultats esdevinguin indistingibles dels creats per l'home.

IA generativa en el desenvolupament de programari (codificació)

El desenvolupament de programari pot semblar una tasca altament analítica, però també té un element creatiu: escriure codi és fonamentalment crear text en un llenguatge estructurat. La IA generativa moderna, especialment els models de llenguatge gran, han demostrat ser força hàbils en la codificació. Eines com GitHub Copilot, Amazon CodeWhisperer i altres actuen com a programadors de parelles d'IA, suggerint fragments de codi o fins i tot funcions senceres mentre els desenvolupadors escriuen. Fins a quin punt pot arribar això cap a la programació autònoma?

Capacitats actuals (2025): la IA com a copilot de codificació

L'any 2025, els generadors de codi d'IA s'hauran convertit en habituals en els fluxos de treball de molts desenvolupadors. Aquestes eines poden completar automàticament línies de codi, generar repeticions (com ara funcions estàndard o proves) i fins i tot escriure programes senzills amb una descripció en llenguatge natural. Tanmateix, és crucial que operen sota la supervisió d'un desenvolupador: el desenvolupador revisa i integra els suggeriments de la IA.

Alguns fets i xifres actuals:

Més de la meitat dels desenvolupadors professionals havien adoptat assistents de codificació amb IA a finals del 2023 ( Coding on Copilot: 2023 Data Suggests Downward Pressure on Code Quality (incl. 2024 projections) - GitClear ), cosa que indica una ràpida adopció. Es va informar que GitHub Copilot, una de les primeres eines àmpliament disponibles, generava de mitjana entre el 30 i el 40% del codi en projectes on s'utilitzava ( La codificació ja no és una qüestió difícil de resoldre. El 46% dels codis de GitHub ja ho són... ). Això significa que la IA ja està escrivint porcions importants de codi, tot i que un humà el dirigeix i el valida.
Aquestes eines d'IA excel·leixen en tasques com escriure codi repetitiu (per exemple, classes de models de dades, mètodes getter/setter), convertir un llenguatge de programació a un altre o produir algoritmes senzills que s'assemblin a exemples d'entrenament. Per exemple, un desenvolupador pot comentar "// funció per ordenar la llista d'usuaris per nom" i la IA generarà una funció d'ordenació adequada gairebé a l'instant.
També ajuden a corregir errors i a explicar-los : els desenvolupadors poden enganxar un missatge d'error i la IA pot suggerir una solució o preguntar "Què fa aquest codi?" i obtenir una explicació en llenguatge natural. Això és autònom en cert sentit (la IA pot diagnosticar problemes per si sola), però un humà decideix si aplica la solució.
És important destacar que els assistents de codificació d'IA actuals no són infal·libles. Poden suggerir codi insegur o codi que gairebé resol el problema però que té errors subtils. Per tant, la millor pràctica actual és mantenir un humà informat : el desenvolupador prova i depura el codi escrit per IA de la mateixa manera que ho faria amb el codi escrit per humans. En indústries regulades o programari crític (com ara sistemes mèdics o d'aviació), qualsevol contribució d'IA se sotmet a una revisió rigorosa.

Avui dia no hi ha cap sistema de programari convencional que s'implementi completament escrit per IA des de zero sense la supervisió del desenvolupador. Tanmateix, estan sorgint alguns usos autònoms o semiautònoms:

Proves unitàries generades automàticament: la IA pot analitzar codi i produir proves unitàries per cobrir diversos casos. Un marc de proves podria generar i executar de manera autònoma aquestes proves escrites per IA per detectar errors, augmentant així les proves escrites per humans.
Plataformes de baix codi/sense codi amb IA: Algunes plataformes permeten que els no programadors descriguin el que volen (per exemple, "crear una pàgina web amb un formulari de contacte i una base de dades per desar entrades") i el sistema genera el codi. Tot i que encara es troba en etapes inicials, això suggereix un futur en què la IA podria crear programari de forma autònoma per a casos d'ús estàndard.
Scripting i Glue Code: L'automatització de TI sovint implica escriure scripts per connectar sistemes. Les eines d'IA sovint poden generar aquests petits scripts automàticament. Per exemple, escriure un script per analitzar un fitxer de registre i enviar una alerta per correu electrònic: una IA pot produir un script que funcioni amb edicions mínimes o nul·les.

Perspectives per al 2030-2035: Cap a un programari d'"autodesenvolupament"

En la propera dècada, s'espera que la IA generativa assumeixi una part més gran de la càrrega de codificació, acostant-se al desenvolupament de programari totalment autònom per a certes classes de projectes. Alguns desenvolupaments projectats:

Implementació completa de funcions: Preveiem que el 2030 la IA serà capaç d'implementar funcions d'aplicacions senzilles de principi a fi. Un gestor de producte podria descriure una funció en un llenguatge planer ("Els usuaris haurien de poder restablir la seva contrasenya mitjançant un enllaç de correu electrònic") i la IA podria generar el codi necessari (formulari front-end, lògica back-end, actualització de la base de dades, enviament de correu electrònic) i integrar-lo a la base de codi. La IA actuaria efectivament com a desenvolupador júnior que pot seguir les especificacions. Un enginyer humà podria simplement fer una revisió de codi i executar proves. A mesura que la fiabilitat de la IA millora, la revisió del codi podria convertir-se en una revisió ràpida, si és que es fa.
Manteniment autònom del codi: Una gran part de l'enginyeria de programari no consisteix només a escriure codi nou, sinó també a actualitzar el codi existent: corregir errors, millorar el rendiment i adaptar-se a nous requisits. Els futurs desenvolupadors d'IA probablement excel·liran en això. Donada una base de codi i una directiva ("la nostra aplicació es bloqueja quan massa usuaris inicien sessió simultàniament"), la IA podria localitzar el problema (com un error de concurrència) i solucionar-lo. El 2035, els sistemes d'IA podrien gestionar els tiquets de manteniment rutinaris automàticament durant la nit, servint com un equip de manteniment incansable per als sistemes de programari.
Integració i ús de l'API: A mesura que més sistemes de programari i API inclouen documentació llegible per IA, un agent d'IA podria esbrinar de manera independent com connectar el Sistema A amb el Servei B escrivint el codi d'integració. Per exemple, si una empresa vol que el seu sistema intern de recursos humans es sincronitzi amb una nova API de nòmines, podria encarregar a una IA que "faci que aquests es comuniquin entre si", i aquesta escriurà el codi d'integració després de llegir les especificacions d'ambdós sistemes.
Qualitat i optimització: Els futurs models de generació de codi probablement incorporaran bucles de retroalimentació per verificar que el codi funciona (per exemple, executar proves o simulacions en un sandbox). Això significa que una IA no només podria escriure codi, sinó que també es podria autocorregir provant-lo. El 2035, podríem imaginar una IA que, donada una tasca, continués iterant sobre el seu codi fins que totes les proves superin, un procés que un humà potser no necessitaria supervisar línia per línia. Això augmentaria considerablement la confiança en el codi generat autònomament.

Es pot imaginar un escenari, el 2035, en què un petit projecte de programari (per exemple, una aplicació mòbil personalitzada per a una empresa) podria ser desenvolupat en gran part per un agent d'IA amb instruccions d'alt nivell. El "desenvolupador" humà en aquest escenari és més aviat un gestor de projectes o un validador, que especifica els requisits i les restriccions (seguretat, directrius d'estil) i deixa que la IA faci la feina pesada de la codificació real.

Tanmateix, per a programari complex i a gran escala (sistemes operatius, algoritmes avançats d'IA, etc.), els experts humans encara hi estaran profundament involucrats. La resolució creativa de problemes i el disseny arquitectònic del programari probablement continuaran dirigits pels humans durant un temps. La IA pot gestionar moltes tasques de codificació, però decidir què construir i dissenyar l'estructura general és un repte diferent. Dit això, a mesura que la IA generativa comença a col·laborar (diversos agents d'IA que gestionen diferents components d'un sistema), és concebible que puguin codissenyar arquitectures fins a cert punt (per exemple, una IA proposa un disseny de sistema, una altra el critica i iteren, amb un humà supervisant el procés).

Un dels principals beneficis esperats de la IA en la codificació és l'amplificació de la productivitat . Gartner prediu que, el 2028, el 90% dels enginyers de programari utilitzaran assistents de codi d'IA (en comparació amb menys del 15% el 2024) ( GitHub Copilot Tops Research Report on AI Code Assistants -- Visual Studio Magazine ). Això suggereix que els valors atípics, és a dir, els que no utilitzen la IA, seran pocs. També podríem veure una escassetat de desenvolupadors humans en determinades àrees mitigada per la IA que ompli els buits; essencialment, cada desenvolupador pot fer molt més amb un ajudant d'IA que pugui esborrar codi de forma autònoma.

La confiança seguirà sent una qüestió central. Fins i tot el 2035, les organitzacions hauran de garantir que el codi generat autònomament sigui segur (la IA no ha d'introduir vulnerabilitats) i s'alineï amb les normes legals/ètiques (per exemple, la IA no inclou codi plagiat d'una biblioteca de codi obert sense la llicència adequada). Esperem que les eines de governança de la IA millorades que puguin verificar i rastrejar l'origen del codi escrit per IA ajudin a permetre una codificació més autònoma sense risc.

En resum, a mitjans de la dècada del 2030, és probable que la IA generativa gestioni la major part de la codificació per a tasques de programari rutinàries i ajudi significativament en les complexes. El cicle de vida del desenvolupament de programari serà molt més automatitzat, des dels requisits fins a la implementació, i la IA podria generar i implementar canvis de codi automàticament. Els desenvolupadors humans se centraran més en la lògica d'alt nivell, l'experiència de l'usuari i la supervisió, mentre que els agents d'IA s'encarregaran dels detalls de la implementació.

IA generativa en atenció al client i assistència

Si heu interactuat recentment amb un xat d'atenció al client en línia, és molt probable que hi hagi hagut una IA a l'altre extrem durant almenys una part. L'atenció al client és un domini madur per a l'automatització de la IA: implica respondre a les consultes dels usuaris, cosa que la IA generativa (especialment els models conversacionals) pot fer força bé, i sovint segueix scripts o articles de la base de coneixements, que la IA pot aprendre. Amb quina autonomia pot la IA gestionar els clients?

Capacitats actuals (2025): xatbots i agents virtuals a la primera línia

A dia d'avui, moltes organitzacions implementen chatbots d'IA com a primer punt de contacte en el servei d'atenció al client. Aquests van des de simples bots basats en regles ("Premeu 1 per a facturació, 2 per a assistència...") fins a chatbots d'IA generatius avançats que poden interpretar preguntes de format lliure i respondre conversacionalment. Punts clau:

Gestió de preguntes freqüents: els agents d'IA excel·leixen a l'hora de respondre preguntes freqüents, proporcionar informació (horari de la botiga, polítiques de reemborsament, passos per resoldre problemes coneguts) i guiar els usuaris a través dels procediments estàndard. Per exemple, un chatbot d'IA per a un banc pot ajudar autònomament un usuari a comprovar el saldo del seu compte, restablir una contrasenya o explicar com sol·licitar un préstec, sense ajuda humana.
Comprensió del llenguatge natural: Els models generatius moderns permeten una interacció més fluida i "humana". Els clients poden escriure una pregunta amb les seves pròpies paraules i la IA normalment pot captar la intenció. Les empreses informen que els agents d'IA actuals són molt més satisfactoris per als clients que els bots maldestres de fa uns anys; gairebé la meitat dels clients ara creuen que els agents d'IA poden ser empàtics i eficaços a l'hora d'abordar les preocupacions ( 59 estadístiques de servei al client d'IA per al 2025 ), cosa que demostra una confiança creixent en el servei basat en IA.
Suport multicanal: la IA no només serveix per xatejar. Els assistents de veu (com els sistemes IVR telefònics amb IA al darrere) comencen a gestionar les trucades, i la IA també pot redactar respostes per correu electrònic a les consultes dels clients, que podrien enviar-se automàticament si es considera que són precises.
Quan els humans intervenen: Normalment, si la IA es confon o la pregunta és massa complexa, passa la comanda a un agent humà. Els sistemes actuals són bons a l'hora de conèixer els seus límits en molts casos. Per exemple, si un client pregunta alguna cosa inusual o mostra frustració ("És la tercera vegada que em poso en contacte amb vostè i estic molt molest..."), la IA pot indicar-ho perquè un humà se'n faci càrrec. El llindar per a la transferència l'estableixen les empreses per equilibrar l'eficiència amb la satisfacció del client.

Moltes empreses han informat que una part important de les interaccions s'han resolt només amb IA. Segons enquestes del sector, actualment es poden gestionar entre el 70 i el 80% de les consultes rutinàries dels clients mitjançant robots de xat d'IA, i al voltant del 40% de les interaccions amb els clients de les empreses a través dels canals ja estan automatitzades o assistides per IA ( 52 estadístiques de servei al client d'IA que hauríeu de conèixer - Plivo ). L'índex global d'adopció d'IA d'IBM (2022) va indicar que el 80% de les empreses utilitzen o tenen previst utilitzar robots de xat d'IA per al servei al client el 2025.

Un desenvolupament interessant és que la IA no només respon als clients, sinó que també ajuda proactivament els agents humans en temps real. Per exemple, durant un xat o una trucada en directe, una IA pot escoltar i proporcionar a l'agent humà respostes suggerides o informació rellevant a l'instant. Això desdibuixa la línia d'autonomia: la IA no s'enfronta sola al client, sinó que hi participa activament sense una consulta humana explícita. Actua efectivament com a assessor autònom de l'agent.

Perspectives per al 2030-2035: Interaccions amb els clients impulsades en gran part per la IA

Es preveu que, cap al 2030, la majoria de les interaccions de servei al client impliquin IA, i que moltes siguin gestionades completament per IA de principi a fi. Prediccions i tendències que ho avalen:

Consultes de complexitat més alta resoltes: A mesura que els models d'IA integrin un ampli coneixement i millorin el raonament, podran gestionar sol·licituds més complexes dels clients. En lloc de simplement respondre "Com puc retornar un article?", la IA del futur podria gestionar problemes de diversos passos com ara "La meva connexió a Internet no funciona, he intentat reiniciar, em podeu ajudar?" diagnosticant el problema mitjançant un diàleg, guiant el client a través d'una resolució avançada del problema i només si tot falla, programant un tècnic, tasques que avui probablement requeririen un tècnic de suport humà. En l'atenció al client d'atenció mèdica, una IA podria gestionar la programació de cites per a pacients o consultes d'assegurances de principi a fi.
Resolució de servei integral: És possible que la IA no només digui al client què ha de fer, sinó que ho faci en nom del client dins dels sistemes de backend. Per exemple, si un client diu "Vull canviar el meu vol al dilluns vinent i afegir una altra maleta", un agent d'IA el 2030 podria interactuar directament amb el sistema de reserves de la companyia aèria, realitzar el canvi, processar el pagament de la maleta i confirmar-ho al client, tot de manera autònoma. La IA es converteix en un agent de servei complet, no només en una font d'informació.
Agents d'IA omnipresents: Les empreses probablement implementaran la IA en tots els punts de contacte amb els clients: telèfon, xat, correu electrònic, xarxes socials. Molts clients potser ni tan sols s'adonaran de si estan parlant amb una IA o amb un humà, sobretot a mesura que les veus d'IA es tornen més naturals i les respostes al xat són més sensibles al context. El 2035, contactar amb el servei d'atenció al client sovint podria significar interactuar amb una IA intel·ligent que recordi les vostres interaccions passades, entengui les vostres preferències i s'adapti al vostre to, essencialment un agent virtual personalitzat per a cada client.
Presa de decisions per IA en les interaccions: Més enllà de respondre preguntes, la IA començarà a prendre decisions que actualment requereixen l'aprovació de la direcció. Per exemple, avui dia un agent humà podria necessitar l'aprovació d'un supervisor per oferir un reemborsament o un descompte especial per apaivagar un client enfadat. En el futur, es podria confiar aquestes decisions a una IA, dins d'uns límits definits, basant-se en el valor del cicle de vida del client calculat i l'anàlisi del sentiment. Un estudi de Futurum/IBM va projectar que, el 2030, al voltant del 69% de les decisions preses durant les interaccions amb els clients en temps real seran preses per màquines intel·ligents ( Per reimaginar el canvi a l'experiència del client, els professionals del màrqueting han de fer aquestes 2 coses ), és a dir, que la IA decidirà el millor curs d'acció en una interacció.
100% d'implicació de la IA: Un informe suggereix que la IA acabarà jugant un paper en totes les interaccions amb els clients ( 59 estadístiques de servei al client d'IA per al 2025 ), ja sigui en primera instància o en segon pla. Això podria significar que, fins i tot si un humà interactua amb un client, la IA l'ajudarà (proporcionant suggeriments, recuperant informació). Alternativament, la interpretació és que cap consulta del client queda sense resposta en cap moment; si els humans estan fora de línia, la IA sempre hi és.

El 2035, podríem descobrir que els agents d'atenció al client humans s'han especialitzat només en els escenaris més sensibles o d'alt contacte (per exemple, clients VIP o resolució de queixes complexes que requereixen empatia humana). Les consultes habituals, des de la banca fins al comerç minorista i l'assistència tècnica, podrien ser ateses per una flota d'agents d'IA que treballin les 24 hores del dia, els 7 dies de la setmana, aprenent contínuament de cada interacció. Aquest canvi podria fer que l'atenció al client sigui més coherent i immediata, ja que la IA no manté la gent en espera i, teòricament, pot realitzar diverses tasques alhora per gestionar un nombre il·limitat de clients simultàniament.

Hi ha reptes a superar per a aquesta visió: la IA ha de ser molt robusta per gestionar la imprevisibilitat dels clients humans. Ha de ser capaç de gestionar l'argot, la ira, la confusió i la infinita varietat de maneres en què les persones es comuniquen. També necessita coneixements actualitzats (no té sentit si la informació de la IA està desactualitzada). Invertint en la integració entre la IA i les bases de dades de l'empresa (per obtenir informació en temps real sobre comandes, interrupcions, etc.), es poden abordar aquests obstacles.

Èticament, les empreses hauran de decidir quan revelar que "estan parlant amb una IA" i garantir la imparcialitat (la IA no tracta certs clients de manera diferent i negativa a causa d'una formació esbiaixada). Suposant que això es gestioni, el cas de negoci és sòlid: el servei d'atenció al client mitjançant IA pot reduir dràsticament els costos i els temps d'espera. Es preveu que el mercat de la IA en el servei d'atenció al client creixi fins a desenes de milers de milions de dòlars el 2030 ( Informe del mercat de la IA en el servei d'atenció al client 2025-2030: cas ) ( Com la IA generativa està impulsant la logística | Ryder ) a mesura que les organitzacions inverteixen en aquestes capacitats.

En resum, espereu un futur on el servei d'atenció al client autònom basat en IA sigui la norma . Obtenir ajuda sovint significarà interactuar amb una màquina intel·ligent que pot resoldre el vostre problema ràpidament. Els humans continuaran estant al corrent de la supervisió i la gestió de casos extrems, però més com a supervisors de la força de treball d'IA. El resultat podria ser un servei més ràpid i personalitzat per als consumidors, sempre que la IA estigui adequadament formada i supervisada per evitar les frustracions de les experiències de "línies directes de robots" del passat.

IA generativa en l'atenció mèdica i la medicina

L'atenció mèdica és un camp on hi ha molt en joc. La idea que la IA operi sense supervisió humana en medicina desperteix tant entusiasme (per eficiència i abast) com precaució (per motius de seguretat i empatia). La IA generativa ha començat a fer incursions en àrees com l'anàlisi d'imatges mèdiques, la documentació clínica i fins i tot el descobriment de fàrmacs. Què pot fer responsablement per si sola?

Capacitats actuals (2025): ajudar els clínics, no substituir-los

Actualment, la IA generativa en l'àmbit sanitari serveix principalment com a potent assistent per als professionals mèdics, en lloc d'un responsable de la presa de decisions autònom. Per exemple:

Documentació mèdica: Una de les implementacions més reeixides de la IA en l'atenció mèdica és ajudar els metges amb la paperassa. Els models de llenguatge natural poden transcriure les visites dels pacients i generar notes clíniques o resums d'alta. Les empreses tenen "escribes d'IA" que escolten durant un examen (mitjançant un micròfon) i produeixen automàticament un esborrany de les notes de la visita perquè el metge les revisi. Això estalvia als metges temps d'escriptura. Alguns sistemes fins i tot omplen automàticament parts dels registres mèdics electrònics. Això es pot fer amb una intervenció mínima: el metge només corregeix qualsevol petit error a l'esborrany, cosa que significa que la redacció de les notes és en gran part autònoma.
Radiologia i imatges: La IA, inclosos els models generatius, pot analitzar radiografies, ressonàncies magnètiques i tomografies computades per detectar anomalies (com ara tumors o fractures). El 2018, la FDA va aprovar un sistema d'IA per a la detecció autònoma de la retinopatia diabètica (una afecció ocular) en imatges de la retina; en particular, va ser autoritzat a fer la decisió sense la revisió d'un especialista en aquest context de cribratge específic. Aquest sistema no era IA generativa, però demostra que els reguladors han permès el diagnòstic autònom per IA en casos limitats. Els models generatius entren en joc per crear informes complets. Per exemple, una IA podria examinar una radiografia de tòrax i redactar un informe radiològic dient "Sense troballes agudes. Els pulmons estan clars. Cor de mida normal". El radiòleg simplement confirma i signa. En alguns casos rutinaris, aquests informes podrien concebiblement sortir sense edicions si el radiòleg confia en la IA i només fa una comprovació ràpida.
Verificadors de símptomes i infermeres virtuals: Els chatbots d'IA generativa s'utilitzen com a verificadors de símptomes de primera línia. Els pacients poden introduir els seus símptomes i rebre consells (per exemple, "Pot ser un refredat comú; descansa i beu líquids, però consulta un metge si es produeix X o Y"). Aplicacions com Babylon Health utilitzen la IA per donar recomanacions. Actualment, aquestes normalment es presenten com a consells mèdics informatius, no definitius, i fomenten el seguiment amb un metge humà per a problemes greus.
Descobriment de fàrmacs (química generativa): Els models d'IA generativa poden proposar noves estructures moleculars per a fàrmacs. Això pertany més a l'àmbit de la recerca que a l'atenció al pacient. Aquestes IA treballen de forma autònoma per suggerir milers de compostos candidats amb les propietats desitjades, que els químics humans revisen i proven al laboratori. Empreses com Insilico Medicine han utilitzat la IA per generar nous candidats a fàrmacs en molt menys temps. Tot i que això no interactua directament amb els pacients, és un exemple de la IA que crea de manera autònoma solucions (dissenys de molècules) que els humans haurien trigat molt més a trobar.
Operacions sanitàries: la IA ajuda a optimitzar la programació, la gestió del subministrament i altres aspectes logístics als hospitals. Per exemple, un model generatiu podria simular el flux de pacients i suggerir ajustaments de programació per reduir els temps d'espera. Tot i que no són tan visibles, aquestes són decisions que una IA pot prendre amb canvis manuals mínims.

És important afirmar que, a partir del 2025, cap hospital permet que la IA prengui decisions mèdiques importants o faci tractaments de manera independent sense l'aprovació humana. El diagnòstic i la planificació del tractament continuen fermament en mans humanes, amb la IA aportant informació. La confiança necessària perquè una IA pugui dir de manera totalment autònoma a un pacient "Tens càncer" o receptar medicaments encara no hi és, ni hauria de ser-ho sense una validació extensa. Els professionals mèdics utilitzen la IA com un segon parell d'ulls o com una eina per estalviar temps, però verifiquen els resultats crítics.

Perspectives per al 2030-2035: la IA com a col·lega del metge (i potser d'infermera o farmacèutica)

En la propera dècada, esperem que la IA generativa assumeixi tasques clíniques més rutinàries de manera autònoma i millori l'abast dels serveis sanitaris:

Diagnòstics preliminars automatitzats: El 2030, la IA podria gestionar de manera fiable l'anàlisi inicial de moltes afeccions comunes. Imagineu-vos un sistema d'IA en una clínica que llegeixi els símptomes, l'historial mèdic, fins i tot el to i els senyals facials d'un pacient a través de la càmera, i proporcioni un suggeriment diagnòstic i proves recomanades, tot abans que el metge humà vegi el pacient. El metge es pot centrar en confirmar i discutir el diagnòstic. En telemedicina, un pacient podria primer xatejar amb una IA que delimita el problema (per exemple, una probable infecció sinusal vs. alguna cosa més greu) i després el connecta amb un metge si cal. Els reguladors podrien permetre que la IA oficialment certes afeccions menors sense supervisió humana si es demostra que és extremadament precisa; per exemple, podria ser possible que una IA diagnostiqués una infecció d'oïda senzilla a partir d'una imatge d'otoscopi.
Monitors de salut personals: Amb la proliferació dels dispositius portàtils (rellotges intel·ligents, sensors de salut), la IA monitoritzarà els pacients contínuament i avisarà de forma autònoma de problemes. Per exemple, el 2035, la IA del vostre dispositiu portàtil podria detectar un ritme cardíac anormal i programar autònomament una consulta virtual urgent o fins i tot trucar a una ambulància si detecta signes d'un atac de cor o un ictus. Això entra en el territori de la decisió autònoma (decidir que una situació és una emergència i actuar), que és un ús probable i que salva vides de la IA.
Recomanacions de tractament: La IA generativa entrenada en literatura mèdica i dades de pacients podria suggerir plans de tractament personalitzats. El 2030, per a malalties complexes com el càncer, les comissions de tumors d'IA podrien analitzar la composició genètica i l'historial mèdic d'un pacient i elaborar de manera autònoma un règim de tractament recomanat (pla de quimioteràpia, selecció de fàrmacs). Els metges humans el revisarien, però amb el temps, a mesura que creixi la confiança, podrien començar a acceptar plans generats per IA, especialment per a casos rutinaris, ajustant-los només quan sigui necessari.
Infermeres virtuals i atenció domiciliària: Una IA que pugui conversar i proporcionar orientació mèdica podria gestionar una gran quantitat de seguiment i monitorització de l'atenció crònica. Per exemple, els pacients a casa amb malalties cròniques podrien informar de les mètriques diàries a un auxiliar d'infermeria d'IA que els donarà consells ("El seu sucre en sang és una mica alt, consideri ajustar el seu berenar") i només es connectarà a una infermera humana quan les lectures estiguin fora de rang o sorgeixin problemes. Aquesta IA podria funcionar en gran mesura de manera autònoma sota la supervisió remota d'un metge.
Imatges mèdiques i anàlisi de laboratori: canals totalment automatitzats: el 2035, la lectura d'exploracions mèdiques podria ser realitzada predominantment per IA en alguns camps. Els radiòlegs supervisarien els sistemes d'IA i gestionarien els casos complexos, però la majoria de les exploracions normals (que realment són normals) podrien ser "llegides" i aprovades directament per una IA. De la mateixa manera, l'anàlisi de làmines de patologia (per exemple, la detecció de cèl·lules canceroses en una biòpsia) es podria fer de forma autònoma per al cribratge inicial, accelerant dràsticament els resultats de laboratori.
Descobriment de fàrmacs i assajos clínics: la IA probablement no només dissenyarà molècules de fàrmacs, sinó que també generarà dades sintètiques de pacients per a assajos o trobarà candidats òptims per a assajos. Podria executar de forma autònoma assajos virtuals (simulant com reaccionarien els pacients) per reduir les opcions abans dels assajos reals. Això pot portar els medicaments al mercat més ràpidament amb menys experiments dirigits per humans.

La visió d'un metge amb IA que substitueixi completament un metge humà encara és força llunyana i continua sent controvertida. Fins i tot el 2035, s'espera que la IA serveixi com a col·lega dels metges en lloc de substituir el toc humà. El diagnòstic complex sovint requereix intuïció, ètica i converses per entendre el context del pacient, àrees on els metges humans excel·leixen. Dit això, una IA podria gestionar, per exemple, el 80% de la càrrega de treball rutinària: paperassa, casos senzills, monitorització, etc., cosa que permetria als clínics humans centrar-se en el complicat 20% i en les relacions amb els pacients.

Hi ha obstacles importants: l'aprovació reguladora per a la IA autònoma en l'atenció mèdica és rigorosa (i, com és apropiat). Els sistemes d'IA necessitaran una validació clínica extensa. Podríem veure una acceptació incremental; per exemple, es permet que la IA diagnostiqui o tracti de forma autònoma en zones desfavorides on no hi ha metges disponibles, com a forma d'ampliar l'accés a l'atenció mèdica (imagineu-vos una "clínica d'IA" en un poble remot el 2030 que funcioni amb telesupervisió periòdica d'un metge de la ciutat).

Les consideracions ètiques tenen una gran importància. La responsabilitat (si una IA autònoma comet errors en el diagnòstic, qui n'és el responsable?), el consentiment informat (els pacients han de saber si la IA està involucrada en la seva atenció) i garantir l'equitat (la IA funciona bé per a totes les poblacions, evitant biaixos) són reptes a superar. Suposant que s'abordin aquests reptes, a mitjans de la dècada del 2030 la IA generativa podria integrar-se en el teixit de la prestació d'atenció mèdica, realitzant moltes tasques que alliberen els proveïdors humans i potencialment arribant a pacients que actualment tenen un accés limitat.

En resum, és probable que el 2035 l'atenció sanitària vegi la IA profundament integrada, però principalment en secret o en funcions de suport. Confiarem que la IA faci moltes coses per si sola (llegir exploracions, controlar constants vitals, elaborar plans), però amb una xarxa de seguretat de supervisió humana encara vigent per a les decisions crítiques. El resultat podria ser un sistema sanitari més eficient i sensible, on la IA s'encarregui de la feina pesada i els humans proporcionin l'empatia i el judici final.

IA generativa en educació

L'educació és un altre camp on la IA generativa està causant sensació, des de bots de tutoria basats en IA fins a la qualificació automatitzada i la creació de contingut. L'ensenyament i l'aprenentatge impliquen comunicació i creativitat, que són els punts forts dels models generatius. Però, es pot confiar en la IA per educar sense la supervisió d'un professor?

Capacitats actuals (2025): Tutors i generadors de contingut amb corretja

Actualment, la IA s'utilitza en l'educació principalment com a eina complementària en lloc de com a professor independent. Exemples d'ús actual:

Assistents de tutoria amb IA: Eines com "Khanmigo" de Khan Academy (amb tecnologia GPT-4) o diverses aplicacions d'aprenentatge d'idiomes utilitzen la IA per simular un tutor individual o un company de conversa. Els estudiants poden fer preguntes en llenguatge natural i obtenir respostes o explicacions. La IA pot proporcionar pistes per a problemes de deures, explicar conceptes de diferents maneres o fins i tot interpretar el paper d'una figura històrica per a una lliçó d'història interactiva. Tanmateix, aquests tutors d'IA s'utilitzen normalment amb supervisió; els professors o els responsables del manteniment de l'aplicació sovint controlen els diàlegs o estableixen límits sobre el que la IA pot discutir (per evitar informació errònia o contingut inadequat).
Creació de contingut per a professors: la IA generativa ajuda els professors creant preguntes de qüestionari, resums de lectures, esquemes de plans de lliçons, etc. Un professor pot demanar a una IA: "Genera 5 problemes de pràctica sobre equacions quadràtiques amb respostes", estalviant temps de preparació. Es tracta de generació de contingut autònoma, però un professor normalment revisa el resultat per verificar-ne l'exactitud i l'alineació amb el currículum. Per tant, és més un dispositiu que estalvia feina que un dispositiu totalment independent.
Qualificació i comentaris: La IA pot qualificar automàticament exàmens de tipus test (res de nou) i, cada cop més, pot avaluar respostes curtes o assajos. Alguns sistemes escolars utilitzen la IA per qualificar les respostes escrites i proporcionar comentaris als estudiants (per exemple, correccions gramaticals, suggeriments per ampliar un argument). Tot i que no és una tasca generativa en si mateixa, les noves IA poden fins i tot generar un informe de comentaris personalitzat per a un estudiant basat en el seu rendiment, destacant les àrees de millora. Els professors sovint revisen dues vegades els assajos qualificats per IA en aquesta etapa a causa de preocupacions sobre els matisos.
Sistemes d'aprenentatge adaptatiu: són plataformes que ajusten la dificultat o l'estil del material en funció del rendiment d'un estudiant. La IA generativa millora això creant nous problemes o exemples sobre la marxa adaptats a les necessitats de l'estudiant. Per exemple, si un estudiant té dificultats amb un concepte, la IA pot generar una altra analogia o pregunta de pràctica centrada en aquest concepte. Això és en certa manera autònom, però dins d'un sistema dissenyat pels educadors.
Ús dels estudiants per a l'aprenentatge: Els mateixos estudiants utilitzen eines com ChatGPT per ajudar-los amb l'aprenentatge, demanant aclariments, traduccions o fins i tot utilitzant la IA per obtenir comentaris sobre un esborrany d'assaig ("millorar el meu paràgraf d'introducció"). Això és autodirigit i es pot fer sense coneixement del professor. En aquest escenari, la IA actua com a tutor o corrector a demanda. El repte és garantir que els estudiants l'utilitzin per aprendre en lloc de només obtenir respostes (integritat acadèmica).

És evident que, a partir del 2025, la IA en l'educació és potent, però normalment funciona amb un educador humà que supervisa les contribucions de la IA. Hi ha una precaució comprensible: no volem confiar en una IA per ensenyar informació incorrecta o per gestionar interaccions sensibles dels estudiants en el buit. Els professors veuen els tutors d'IA com a assistents útils que poden donar als estudiants més pràctica i respostes immediates a preguntes rutinàries, alliberant els professors per centrar-se en una mentoria més profunda.

Perspectives per al 2030-2035: Tutors personalitzats d'IA i ajudants docents automatitzats

En la propera dècada, preveiem que la IA generativa permetrà experiències d'aprenentatge més personalitzades i autònomes , alhora que els rols dels professors evolucionen:

Tutors personals d'IA per a cada estudiant: L'any 2030, la visió (compartida per experts com Sal Khan de Khan Academy) és que cada estudiant pugui tenir accés a un tutor d'IA que sigui tan eficaç com un tutor humà en molts aspectes ( Aquest tutor d'IA podria fer que els humans siguin 10 vegades més intel·ligents, diu el seu creador ). Aquests tutors d'IA estarien disponibles les 24 hores del dia, els 7 dies de la setmana, coneixerien l'historial d'aprenentatge de l'estudiant a fons i adaptarien el seu estil d'ensenyament en conseqüència. Per exemple, si un estudiant és un aprenent visual que té dificultats amb un concepte d'àlgebra, la IA podria crear dinàmicament una explicació visual o una simulació interactiva per ajudar-lo. Com que la IA pot fer un seguiment del progrés de l'estudiant al llarg del temps, pot decidir autònomament quin tema repassar a continuació o quan avançar a una nova habilitat, gestionant eficaçment el pla de lliçons per a aquest estudiant en un sentit micro.
Reducció de la càrrega de treball del professorat en tasques rutinàries: qualificar, fer fulls de treball, redactar materials de les lliçons: aquestes tasques podrien passar gairebé completament a ser transferides a la IA a la dècada del 2030. Una IA podria generar una setmana de deures personalitzats per a una classe, qualificar totes les tasques de la setmana anterior (fins i tot les obertes) amb comentaris i destacar al professorat quins estudiants podrien necessitar ajuda addicional sobre quins temes. Això podria passar amb una mínima intervenció del professorat, potser només una ullada ràpida per assegurar-se que les qualificacions de la IA semblin justes.
Plataformes d'aprenentatge adaptatiu autònom: Podríem veure cursos completament basats en IA per a determinades assignatures. Imagineu-vos un curs en línia sense instructor humà on un agent d'IA introdueixi material, proporcioni exemples, respongui preguntes i ajuste el ritme en funció de l'estudiant. L'experiència de l'estudiant podria ser única per a ell, generada en temps real. Algunes formacions corporatives i aprenentatge per a adults podrien adoptar aquest model abans, on el 2035 un empleat podria dir "Vull aprendre macros avançades d'Excel" i un tutor d'IA li ensenyarà a través d'un currículum personalitzat, que inclourà la generació d'exercicis i l'avaluació de les seves solucions, sense un instructor humà.
Assistents d'IA a l'aula: A les aules físiques o virtuals, la IA podria escoltar les discussions de classe i ajudar el professor sobre la marxa (per exemple, xiuxiuejant suggeriments a través de l'auricular: "Diversos estudiants semblen confosos sobre aquest concepte, potser doneu un altre exemple"). També podria moderar els fòrums de classe en línia, respondre preguntes senzilles dels estudiants ("Quan es lliura la tasca?" o fins i tot aclarir un punt de la classe) perquè el professor no sigui bombardejat per correus electrònics. El 2035, tenir un coprofessor d'IA a l'aula, mentre el professor humà se centra en l'orientació de nivell superior i els aspectes motivacionals, podria ser estàndard.
Accés global a l'educació: Els tutors autònoms d'IA podrien ajudar a educar els estudiants en zones amb escassetat de professors. Una tauleta amb un tutor d'IA podria servir com a instructor principal per als estudiants que d'altra manera tindrien una escolarització limitada, cobrint l'alfabetització bàsica i les matemàtiques. El 2035, aquest podria ser un dels usos més impactants: la IA cobrirà les mancances on no hi ha professors humans disponibles. Tanmateix, garantir la qualitat i l'adequació cultural de l'educació en IA en diferents contextos serà vital.

La IA substituirà els professors? Poc probable, del tot. Ensenyar és més que impartir contingut: és mentoria, inspiració, suport socioemocional. Aquests elements humans són difícils de replicar per a la IA. Però la IA pot convertir-se en un segon professor a l'aula o fins i tot en un primer professor per a la transferència de coneixement, deixant que els educadors humans se centrin en el que els humans fan millor: empatitzar, motivar i fomentar el pensament crític.

Hi ha preocupacions que cal gestionar: garantir que la IA proporcioni informació precisa (sense al·lucinacions educatives de fets falsos), evitar biaixos en el contingut educatiu, mantenir la privadesa de les dades dels estudiants i mantenir-los compromesos (la IA ha de ser motivadora, no només correcta). Probablement veurem acreditació o certificació dels sistemes educatius d'IA, de manera similar a l'aprovació dels llibres de text, per garantir que compleixin els estàndards.

Un altre repte és la dependència excessiva: si un tutor d'IA dóna respostes massa ràpidament, els estudiants podrien no aprendre perseverança o resolució de problemes. Per mitigar-ho, els futurs tutors d'IA podrien estar dissenyats per deixar que els estudiants tinguin dificultats (com podria fer un tutor humà) o animar-los a resoldre problemes amb pistes en lloc de donar solucions.

El 2035, l'aula podria haver-se transformat: cada estudiant amb un dispositiu connectat a la IA que els guiarà al seu propi ritme, mentre que el professor orquestra les activitats de grup i proporciona informació humana. L'educació podria ser més eficient i personalitzada. La promesa és que cada estudiant rebi l'ajuda que necessita quan la necessita: una veritable experiència de "tutor personal" a escala. El risc és perdre part del toc humà o fer un mal ús de la IA (com ara els estudiants que fan trampes mitjançant la IA). Però en general, si es gestiona bé, la IA generativa pot democratitzar i millorar l'aprenentatge en ser una companya sempre disponible i informada en el viatge educatiu d'un estudiant.

IA generativa en logística i cadena de subministrament

La logística (l'art i la ciència de moure mercaderies i gestionar les cadenes de subministrament) pot no semblar un domini tradicional per a la IA "generativa", però la resolució creativa de problemes i la planificació són clau en aquest camp. La IA generativa pot ajudar simulant escenaris, optimitzant plans i fins i tot controlant sistemes robòtics. L'objectiu de la logística és l'eficiència i l'estalvi de costos, cosa que s'alinea bé amb els punts forts de la IA a l'hora d'analitzar dades i proposar solucions. Aleshores, fins a quin punt pot ser autònoma la IA en la gestió de les cadenes de subministrament i les operacions logístiques?

Capacitats actuals (2025): optimització i racionalització amb supervisió humana

Avui dia, la IA (inclosos alguns enfocaments generatius) s'aplica en logística principalment com a eina de suport a la presa de decisions :

Optimització de rutes: Empreses com UPS i FedEx ja utilitzen algoritmes d'IA per optimitzar les rutes de lliurament, garantint que els conductors prenguin el camí més eficient. Tradicionalment, aquests eren algoritmes d'investigació operativa, però ara els enfocaments generatius poden ajudar a explorar estratègies d'enrutament alternatives en diverses condicions (trànsit, clima). Mentre que la IA suggereix rutes, els despatxadors o gestors humans estableixen els paràmetres (per exemple, prioritats) i poden anul·lar-los si cal.
Planificació de la càrrega i l'espai: Per a l'embalatge de camions o contenidors d'enviament, la IA pot generar plans de càrrega òptims (quina caixa va on). Una IA generativa podria produir múltiples configuracions d'embalatge per maximitzar l'ús de l'espai, essencialment "creant" solucions que els humans poden triar. Això ho va destacar un estudi que assenyala que els camions sovint funcionen amb un 30% de càrrega buida als Estats Units, i una millor planificació, ajudada per la IA, pot reduir aquest malbaratament ( Principals casos d'ús d'IA generativa en logística ). Aquests plans de càrrega generats per IA tenen com a objectiu reduir els costos de combustible i les emissions, i en alguns magatzems s'executen amb canvis manuals mínims.
Previsió de la demanda i gestió d'inventaris: els models d'IA poden predir la demanda de productes i generar plans de reposició. Un model generatiu pot simular diferents escenaris de demanda (per exemple, una IA "imagina" un augment de la demanda a causa d'unes properes vacances) i planificar l'inventari en conseqüència. Això ajuda els gestors de la cadena de subministrament a preparar-se. Actualment, la IA proporciona previsions i suggeriments, però els humans solen prendre la decisió final sobre els nivells de producció o les comandes.
Avaluació de riscos: La cadena de subministrament global s'enfronta a interrupcions (desastres naturals, retards portuaris, problemes polítics). Els sistemes d'IA ara revisen notícies i dades per identificar riscos a l'horitzó. Per exemple, una empresa de logística utilitza la IA generativa per escanejar Internet i marcar corredors de transport de risc (zones que probablement tindran problemes a causa de, per exemple, un huracà o disturbis imminents) ( Principals casos d'ús de la IA generativa en logística ). Amb aquesta informació, els planificadors poden redirigir autònomament els enviaments al voltant de punts problemàtics. En alguns casos, la IA pot recomanar automàticament canvis de ruta o de mode de transport, que els humans aproven.
Automatització de magatzems: Molts magatzems estan semiautomatitzats amb robots per a la preparació i l'embalatge. La IA generativa pot assignar dinàmicament tasques a robots i humans per a un flux òptim. Per exemple, una IA podria generar la cua de treballs per als recol·lectors robòtics cada matí en funció de les comandes. Sovint, aquesta execució és totalment autònoma, i els gestors només controlen els KPI; si les comandes augmenten inesperadament, la IA ajusta les operacions pel seu compte.
Gestió de flotes: la IA ajuda a programar el manteniment dels vehicles analitzant patrons i generant programes de manteniment òptims que minimitzen el temps d'inactivitat. També pot agrupar enviaments per reduir els viatges. Aquestes decisions les pot prendre el programari d'IA automàticament, sempre que compleixi els requisits del servei.

En general, a partir del 2025, els humans estableixen els objectius (per exemple, "minimitzar el cost però garantir el lliurament en 2 dies") i la IA produeix solucions o programacions per aconseguir-ho. Els sistemes poden funcionar dia a dia sense intervenció fins que passa alguna cosa inusual. Molta logística implica decisions repetitives (quan ha de sortir aquest enviament? de quin magatzem complir aquesta comanda?), que la IA pot aprendre a prendre de manera consistent. Les empreses confien gradualment en la IA per gestionar aquestes microdecisions i només alerten els directius quan es produeixen excepcions.

Perspectives per al 2030-2035: Cadenes de subministrament autònomes

En la propera dècada, podem preveure una coordinació molt més autònoma en logística impulsada per la IA:

Vehicles autònoms i drons: Els camions autònoms i els drons de repartiment, tot i ser un tema més ampli de la IA/robòtica, tenen un impacte directe en la logística. Si es superen els reptes normatius i tècnics, el 2030 podríem tenir una IA conduint camions a les autopistes de manera rutinària o drons gestionant els lliuraments de l'últim quilòmetre a les ciutats. Aquestes IA prendran decisions en temps real (canvis de ruta, evitació d'obstacles) sense conductors humans. L'angle generatiu rau en com aquestes IA de vehicles aprenen de grans quantitats de dades i simulacions, "entrenant-se" de manera efectiva en innombrables escenaris. Una flota totalment autònoma podria funcionar les 24 hores del dia, els 7 dies de la setmana, amb humans només supervisant de forma remota. Això elimina un gran element humà (conductors) de les operacions logístiques, augmentant dràsticament l'autonomia.
Cadenes de subministrament autocuratives: La IA generativa probablement s'utilitzarà per simular escenaris de la cadena de subministrament constantment i preparar plans de contingència. El 2035, una IA podria detectar automàticament quan una fàbrica proveïdora ha tancat (mitjançant notícies o fluxos de dades) i immediatament l'abastament a proveïdors alternatius que ja ha verificat en la simulació. Això significa que la cadena de subministrament es "cura" de les interrupcions amb la IA prenent la iniciativa. Els gestors humans serien informats del que va fer la IA, en lloc dels que iniciarien la solució alternativa.
Optimització d'inventari de principi a fi: la IA podria gestionar autònomament l'inventari a través d'una xarxa sencera de magatzems i botigues. Decidiria quan i on moure l'estoc (potser utilitzant robots o vehicles automatitzats per fer-ho), mantenint només l'inventari suficient a cada ubicació. La IA bàsicament gestiona la torre de control de la cadena de subministrament: veient tots els fluxos i fent ajustos en temps real. El 2035, la idea d'una cadena de subministrament "autònoma" podria significar que el sistema descobreix el millor pla de distribució cada dia, demana productes, programa les operacions de fàbrica i organitza el transport pel seu compte. Els humans supervisarien l'estratègia general i gestionarien les excepcions més enllà de la comprensió actual de la IA.
Disseny generatiu en logística: Podríem veure la IA dissenyant noves xarxes de cadena de subministrament. Suposem que una empresa s'expandeix a una nova regió; una IA podria generar les ubicacions de magatzem, els enllaços de transport i les polítiques d'inventari òptimes per a aquesta regió a partir de dades, una cosa que fan els consultors i analistes avui dia. El 2030, les empreses podrien confiar en les recomanacions de la IA per a les opcions de disseny de la cadena de subministrament, confiant que ponderi els factors més ràpidament i potser trobi solucions creatives (com ara centres de distribució no obvis) que els humans passen per alt.
Integració amb la fabricació (Indústria 4.0): La logística no és independent; està vinculada a la producció. Les fàbriques del futur podrien tenir una IA generativa que programi cicles de producció, demani matèries primeres just a temps i després indiqui a la xarxa logística que enviï els productes immediatament. Aquesta IA integrada podria significar menys planificació humana en general: una cadena perfecta des de la fabricació fins al lliurament impulsada per algoritmes que optimitzen el cost, la velocitat i la sostenibilitat. El 2025, les cadenes de subministrament d'alt rendiment ja estaran basades en dades; el 2035 podrien estar en gran part impulsades per la IA.
Servei d'atenció al client dinàmic en logística: basant-se en la IA del servei d'atenció al client, les IA de la cadena de subministrament poden interactuar directament amb els clients. Per exemple, si un client important vol canviar la seva comanda a l'engròs a l'últim moment, un agent d'IA podria negociar alternatives factibles (com ara "Podem lliurar la meitat ara, la meitat la setmana que ve a causa de les restriccions") sense esperar un gestor humà. Això implica que la IA generativa entengui ambdues parts (necessitat del client vs. capacitat operativa) i prengui decisions que mantinguin les operacions fluides alhora que satisfan els clients.

El benefici esperat és un sistema logístic més eficient, resilient i amb més capacitat de resposta . Les empreses preveuen grans estalvis: McKinsey va estimar que les optimitzacions de la cadena de subministrament impulsades per la IA podrien reduir significativament els costos i millorar els nivells de servei, afegint potencialment bilions de valor a totes les indústries ( L'estat de la IA el 2023: l'any de ruptura de la IA generativa | McKinsey ).

Tanmateix, donar més control a la IA també comporta riscos, com ara errors en cascada si la lògica de la IA és defectuosa (per exemple, el famós escenari d'una cadena de subministrament d'IA que, sense voler, deixa una empresa sense estoc a causa d'un error de modelització). Les salvaguardes com ara la "participació humana en el bucle per a les grans decisions" o, si més no, els quadres de comandament que permeten una ràpida substitució humana probablement es mantindran fins al 2035. Amb el temps, a mesura que les decisions de la IA es demostrin, els humans es sentiran més còmodes fent un pas enrere.

Curiosament, en optimitzar l'eficiència, la IA de vegades pot prendre decisions que entren en conflicte amb les preferències humanes o les pràctiques tradicionals. Per exemple, l'optimització pura pot conduir a inventaris molt escassos, cosa que és eficient però pot semblar arriscada. Els professionals de la cadena de subministrament el 2030 podrien haver d'ajustar les seves intuïcions perquè la IA, processant dades massives, podria demostrar que la seva estratègia inusual realment funciona millor.

Finalment, hem de tenir en compte que les restriccions físiques (infraestructura, velocitats dels processos físics) limiten la rapidesa amb què pot canviar la logística, de manera que la revolució aquí es basa en una planificació i un ús més intel·ligents dels actius en lloc d'una realitat física completament nova. Però fins i tot dins d'aquests límits, les solucions creatives i l'optimització implacable de la IA generativa podrien millorar dràsticament la manera com es mouen les mercaderies arreu del món amb una mínima planificació manual.

En resum, la logística del 2035 podria funcionar de manera similar a una màquina automatitzada ben greixada: mercaderies que flueixen de manera eficient, rutes que s'adapten en temps real a les interrupcions, magatzems que es gestionen a si mateixos amb robots i tot el sistema aprenent i millorant contínuament a partir de les dades, tot orquestrat per una IA generativa que actua com el cervell de l'operació.

IA generativa en finances i negocis

La indústria financera tracta en gran mesura la informació (informes, anàlisis, comunicacions amb els clients), cosa que la converteix en un terreny fèrtil per a la IA generativa. Des de la banca fins a la gestió d'inversions i les assegurances, les organitzacions estan explorant la IA per a l'automatització i la generació d'informació. La pregunta és: quines tasques financeres pot gestionar la IA de manera fiable sense supervisió humana, donada la importància de la precisió i la confiança en aquest àmbit?

Capacitats actuals (2025): Informes automatitzats i suport a la presa de decisions

A dia d'avui, la IA generativa contribueix a les finances de diverses maneres, sovint sota la supervisió d'un humà:

Generació d'informes: Els bancs i les empreses financeres produeixen nombrosos informes: resums de guanys, comentaris de mercat, anàlisis de cartera, etc. La IA ja s'utilitza per elaborar-los. Per exemple, Bloomberg ha desenvolupat BloombergGPT , un gran model de llenguatge entrenat en dades financeres, per ajudar amb tasques com la classificació de notícies i preguntes i respostes per als seus usuaris de terminals ( la IA generativa arriba a les finances ). Tot i que el seu ús principal és ajudar els humans a trobar informació, mostra el paper creixent de la IA. Automated Insights (l'empresa amb la qual va treballar AP) també va generar articles financers. Molts butlletins d'inversió utilitzen la IA per recapitular els moviments diaris del mercat o els indicadors econòmics. Normalment, els humans els revisen abans d'enviar-los als clients, però és una edició ràpida en lloc d'escriure-ho des de zero.
Comunicació amb el client: En la banca minorista, els chatbots d'IA gestionen les consultes dels clients sobre saldos de comptes, transaccions o informació de productes (integrant-se en l'àmbit del servei d'atenció al client). A més, la IA pot generar cartes o suggeriments d'assessorament financer personalitzats. Per exemple, una IA pot identificar que un client podria estalviar en comissions i redactar automàticament un missatge suggerint que canviï a un tipus de compte diferent, que després s'envia amb una mínima intervenció humana. Aquest tipus de comunicació personalitzada a escala és un ús actual de la IA en les finances.
Detecció i alertes de frau: la IA generativa pot ajudar a crear narratives o explicacions per a anomalies detectades pels sistemes de frau. Per exemple, si es marca una activitat sospitosa, una IA pot generar un missatge d'explicació per al client ("Hem notat un inici de sessió des d'un dispositiu nou...") o un informe per als analistes. La detecció és automatitzada (mitjançant la detecció d'anomalies d'IA/aprenentatge automàtic) i la comunicació és cada cop més automatitzada, tot i que les accions finals (bloquejar un compte) sovint tenen algun control humà.
Assessorament financer (limitat): Alguns assessors robòtics (plataformes d'inversió automatitzades) utilitzen algoritmes (no necessàriament IA generativa) per gestionar carteres sense assessors humans. La IA generativa entra, per exemple, generant comentaris sobre per què es van fer certes operacions o un resum del rendiment de la cartera adaptat al client. Tanmateix, l'assessorament financer pur (com la planificació financera complexa) continua sent majoritàriament algorítmic humà o basat en regles; l'assessorament generatiu de forma lliure sense supervisió és arriscat a causa de la responsabilitat si és incorrecte.
Avaluacions de riscos i subscripció: Les companyies d'assegurances estan provant la IA per escriure automàticament informes d'avaluació de riscos o fins i tot esborranys de documents de pòlissa. Per exemple, amb dades sobre una propietat, una IA podria generar un esborrany de pòlissa d'assegurança o un informe del subscriptor que descrigui els factors de risc. Actualment, els humans revisen aquests resultats perquè qualsevol error en un contracte pot ser costós.
Anàlisi de dades i informació: la IA pot revisar els estats financers o les notícies i generar resums. Els analistes utilitzen eines que poden resumir instantàniament un informe anual de 100 pàgines en punts clau o extreure les conclusions principals d'una transcripció de la reunió de resultats. Aquests resums estalvien temps i es poden utilitzar directament en la presa de decisions o es poden transmetre, però els analistes prudents comproven dues vegades els detalls crucials.

En essència, la IA actual en finances actua com un analista/escriptor incansable , generant contingut que els humans polim. L'ús totalment autònom es produeix principalment en àrees ben definides com ara notícies basades en dades (no cal judici subjectiu) o respostes d'atenció al client. Confiar directament a la IA les decisions sobre diners (com ara moure fons, executar operacions més enllà dels algoritmes preestablerts) és poc freqüent a causa de l'alt risc i l'escrutini regulador.

Perspectives per al 2030-2035: analistes d'IA i operacions financeres autònomes

De cara al futur, el 2035 la IA generativa podria estar profundament integrada en les operacions financeres, i podria gestionar moltes tasques de manera autònoma:

Analistes financers amb IA: És possible que vegem sistemes d'IA que puguin analitzar empreses i mercats i produir recomanacions o informes al nivell d'un analista d'investigació de renda variable humana. El 2030, una IA podria concebiblement llegir tots els documents financers d'una empresa, comparar-los amb dades del sector i produir un informe de recomanacions d'inversió ("Compra/Venda" amb raonament) per si sola. Alguns fons de cobertura ja utilitzen la IA per generar senyals de negociació; a la dècada del 2030, els informes d'investigació amb IA podrien ser habituals. Els gestors de cartera humans podrien començar a confiar en l'anàlisi generada per la IA com una entrada entre d'altres. Fins i tot hi ha potencial perquè la IA gestioni carteres de manera autònoma: supervisar i reequilibrar contínuament les inversions segons una estratègia predefinida. De fet, el trading algorítmic ja està molt automatitzat: la IA generativa podria fer que les estratègies siguin més adaptatives generant i provant nous models de negociació.
Planificació financera automatitzada: Els assessors d'IA orientats al consumidor podrien gestionar la planificació financera rutinària de particulars. El 2030, podríeu dir a una IA els vostres objectius (comprar una casa, estalviar per a la universitat) i aquesta podria generar un pla financer complet (pressupost, assignacions d'inversions, suggeriments d'assegurances) adaptat a vosaltres. Inicialment, un planificador financer humà podria revisar-lo, però a mesura que creixi la confiança, aquest assessorament es podria donar directament als consumidors, amb les exempcions de responsabilitat pertinents. La clau serà garantir que l'assessorament de la IA compleixi amb les regulacions i sigui en el millor interès del client. Si es resol, la IA podria fer que l'assessorament financer bàsic sigui molt més accessible a baix cost.
Automatització administrativa: la IA generativa podria gestionar de manera autònoma molts documents administratius: sol·licituds de préstec, informes de compliment normatiu, resums d'auditoria. Per exemple, una IA podria recollir totes les dades de les transaccions i generar un informe d'auditoria que marqués qualsevol problema. Els auditors del 2035 podrien dedicar més temps a revisar les excepcions marcades per la IA en lloc de revisar-ho tot ells mateixos. De la mateixa manera, per al compliment normatiu, la IA podria generar informes d'activitat sospitosa (SAR) per als reguladors sense que un analista els escrigui des de zero. La generació autònoma d'aquests documents rutinaris, amb la supervisió humana passant a una base d'excepcions, podria convertir-se en estàndard.
Reclamacions i subscripció d'assegurances: Una IA podria processar una reclamació d'assegurança (amb proves fotogràfiques, etc.), determinar la cobertura i generar la carta de decisió de pagament automàticament. Podríem arribar a un punt en què les reclamacions senzilles (com ara accidents de trànsit amb dades clares) siguin resoltes completament per la IA en qüestió de minuts després de la presentació. La subscripció de noves pòlisses podria ser similar: la IA avalua el risc i genera els termes de la pòlissa. El 2035, potser només els casos complexos o límit s'escalaran a asseguradors humans.
Frau i seguretat: La IA probablement serà encara més crítica per detectar i respondre al frau o a les amenaces cibernètiques en les finances. Els agents autònoms d'IA podrien supervisar les transaccions en temps real i prendre mesures immediates (bloquejar comptes, congelar transaccions) quan es compleixin certs criteris i, a continuació, elaborar una justificació. La velocitat és crucial aquí, per la qual cosa es desitja una mínima implicació humana. La part generativa podria consistir en comunicar aquestes accions als clients o als reguladors d'una manera clara.
Suport executiu: Imagineu-vos un "cap de gabinet" d'IA que pot generar informes de negoci per a executius sobre la marxa. Pregunteu: "Com ha anat la nostra divisió europea aquest trimestre i quins van ser els principals impulsors en comparació amb l'any passat?" i la IA produirà un informe concís amb gràfics, tots precisos, extrets de les dades. Aquest tipus d'informes i anàlisi dinàmics i autònoms podria arribar a ser tan fàcil com una conversa. El 2030, consultar la IA per a la intel·ligència empresarial i confiar que doni respostes correctes podria substituir en gran mesura els informes estàtics i potser fins i tot alguns rols d'analistes.

Una projecció interessant: cap a la dècada del 2030, la majoria del contingut financer (notícies, informes, etc.) podria ser generat per IA . Ja hi ha mitjans com Dow Jones i Reuters que utilitzen l'automatització per a certes notícies. Si aquesta tendència continua, i atesa l'explosió de les dades financeres, la IA podria ser la responsable de filtrar i comunicar la major part d'aquestes.

Tanmateix, la confiança i la verificació seran fonamentals. El sector financer està molt regulat i qualsevol IA que operi de manera autònoma haurà de complir uns estàndards estrictes:

Assegurant-se que no hi hagi al·lucinacions (no es pot fer que un analista d'IA inventï una mètrica financera que no sigui real, ja que podria enganyar els mercats).
Evitar biaixos o pràctiques il·legals (com ara la reducció inadvertida de les decisions de préstec a causa de dades de formació esbiaixades).
Auditabilitat: és probable que els reguladors exigiran que les decisions de la IA siguin explicables. Si una IA rebutja un préstec o pren una decisió comercial, hi ha d'haver una justificació que es pugui examinar. Els models generatius poden ser una mena de caixa negra, per la qual cosa cal esperar que el desenvolupament de d'IA explicables faci que les seves decisions siguin transparents.

Els propers 10 anys probablement implicaran una estreta col·laboració entre la IA i els professionals de les finances, movent gradualment la línia d'autonomia a mesura que creixi la confiança. Els primers èxits arribaran en l'automatització de baix risc (com la generació d'informes). Més difícils seran els judicis bàsics com les decisions de crèdit o les seleccions d'inversió, però fins i tot en aquest cas, a mesura que la IA es vagi construint l'historial de la IA, les empreses li poden atorgar més autonomia. Per exemple, potser un fons d'IA funcionarà amb un supervisor humà que només intervindrà si el rendiment es desvia o si la IA assenyala incertesa.

Econòmicament, McKinsey va estimar que la IA (especialment la IA generacional) podria afegir entre 200.000 i 340.000 milions de dòlars de valor a la banca anualment i impactes similars en les assegurances i els mercats de capitals ( L'estat de la IA el 2023: l'any de ruptura de la IA generativa | McKinsey ) ( Quin és el futur de la IA generativa? | McKinsey ). Això es deu a l'eficiència i a uns millors resultats de decisions. Per capturar aquest valor, és probable que moltes de les anàlisis i comunicacions financeres rutinàries es transfereixin als sistemes d'IA.

En resum, el 2035 la IA generativa podria ser com un exèrcit d'analistes, assessors i administratius júniors que treballen a tot el sector financer, fent gran part de la feina pesada i algunes anàlisis sofisticades de manera autònoma. Els humans continuaran establint objectius i gestionant l'estratègia d'alt nivell, les relacions amb els clients i la supervisió. El món financer, sent cautelós, ampliarà l'autonomia gradualment, però la direcció és clara que cada cop més processament d'informació i fins i tot recomanacions de decisions provindran de la IA. Idealment, això conduiria a un servei més ràpid (préstecs instantanis, assessorament les 24 hores del dia), costos més baixos i potencialment més objectivitat (decisions basades en patrons de dades). Però mantenir la confiança serà crucial; un sol error d'IA d'alt perfil en finances podria causar danys descomunats (imagineu-vos un error instantani desencadenat per la IA o un benefici denegat injustament a milers de persones). Per tant, és probable que les barreres de seguretat i els controls humans persisteixin, especialment per a les accions orientades al consumidor, fins i tot quan els processos administratius es tornen altament autònoms.

Reptes i consideracions ètiques

En tots aquests àmbits, a mesura que la IA generativa assumeix responsabilitats més autònomes, sorgeix un conjunt de reptes comuns i preguntes ètiques. Garantir que la IA sigui un agent autònom fiable i beneficiós no és només una tasca tècnica, sinó també social. Aquí descrivim les principals preocupacions i com s'estan abordant (o caldrà abordar):

Fiabilitat i precisió

El problema de les al·lucinacions: els models d'IA generativa poden produir resultats incorrectes o completament fabricats que semblen segurs. Això és especialment perillós quan no hi ha cap humà implicat per detectar errors. Un chatbot pot donar instruccions incorrectes a un client, o un informe escrit per IA pot contenir una estadística inventada. A partir del 2025, les organitzacions reconeixen la inexactitud com el principal risc de la IA generativa ( L'estat de la IA el 2023: l'any de ruptura de la IA generativa | McKinsey ) ( L'estat de la IA: enquesta global | McKinsey ). De cara al futur, s'estan implementant tècniques com la comprovació de fets amb bases de dades, les millores de l'arquitectura del model i l'aprenentatge per reforç amb retroalimentació per minimitzar les al·lucinacions. Els sistemes d'IA autònoms probablement necessitaran proves rigoroses i potser verificació formal per a tasques crítiques (com la generació de codi que podria introduir errors o defectes de seguretat si són incorrectes).

Coherència: Els sistemes d'IA han de funcionar de manera fiable al llarg del temps i en diferents escenaris. Per exemple, una IA pot tenir un bon rendiment en preguntes estàndard però ensopegar amb casos límit. Garantir un rendiment coherent requerirà dades d'entrenament extenses que cobreixin diverses situacions i un seguiment continu. Moltes organitzacions tenen previst utilitzar enfocaments híbrids (la IA funciona, però els humans auditen mostres aleatòries) per avaluar les taxes de precisió contínues.

Seguretats: Quan la IA és autònoma, és crucial que reconegui la seva pròpia incertesa. El sistema hauria d'estar dissenyat per "saber quan no ho sap". Per exemple, si un metge d'IA no està segur d'un diagnòstic, hauria de marcar-lo per a la revisió humana en lloc de donar una conjectura aleatòria. Integrar l'estimació de la incertesa en els resultats de la IA (i tenir llindars per a la transferència humana automàtica) és una àrea de desenvolupament activa.

Biaix i equitat

La IA generativa aprèn de dades històriques que poden contenir biaixos (racials, de gènere, etc.). Una IA autònoma podria perpetuar o fins i tot amplificar aquests biaixos:

En la contractació o l'admissió, un responsable de la presa de decisions d'IA podria discriminar injustament si les seves dades de formació tinguessin biaix.
En l'atenció al client, una IA pot respondre de manera diferent als usuaris en funció del dialecte o altres factors, tret que es comprovi acuradament.
En camps creatius, la IA podria infrarepresentar certes cultures o estils si el conjunt d'entrenament no estigués desequilibrat.

Abordar això requereix una acurada selecció de conjunts de dades, proves de biaix i potser ajustaments algorítmics per garantir la imparcialitat. La transparència és clau: les empreses hauran de revelar els criteris de decisió de la IA, especialment si una IA autònoma afecta les oportunitats o els drets d'algú (com ara obtenir un préstec o una feina). Els reguladors ja hi estan prestant atenció; per exemple, la Llei d'IA de la UE (en procés a mitjans de la dècada del 2020) probablement requerirà avaluacions de biaix per a sistemes d'IA d'alt risc.

Responsabilitat i responsabilitat legal

Quan un sistema d'IA que funciona de manera autònoma causa danys o comet un error, qui és el responsable? Els marcs legals s'estan posant al dia:

Les empreses que implementen IA probablement assumiran responsabilitats, de manera similar a com seran responsables de les accions d'un empleat. Per exemple, si una IA dóna mals consells financers que provoquen pèrdues, l'empresa pot haver d'indemnitzar el client.
Hi ha debat sobre la "personalitat" de la IA o si la IA avançada podria ser parcialment responsable, però això és més teòric ara. A la pràctica, la culpa es remuntarà als desenvolupadors o operadors.
Poden sorgir nous productes d'assegurança per a errors d'IA. Si un camió autònom causa un accident, l'assegurança del fabricant podria cobrir-lo, de manera anàloga a la responsabilitat del producte.
La documentació i el registre de les decisions de la IA seran importants per a les avaluacions posteriors. Si alguna cosa va malament, hem d'auditar el registre de decisions de la IA per aprendre'n i assignar-ne responsabilitats. Els reguladors poden exigir el registre de les accions autònomes de la IA precisament per aquest motiu.

Transparència i explicabilitat

Idealment, la IA autònoma hauria de ser capaç d'explicar el seu raonament en termes comprensibles per als humans, especialment en àmbits conseqüents (finances, assistència sanitària, sistema judicial). La IA explicable és un camp que s'esforça per obrir la caixa negra:

Per a la denegació d'un préstec per part d'una IA, les regulacions (com ara als EUA, l'ECOA) poden exigir que es doni una raó al sol·licitant. Per tant, la IA ha de proporcionar factors (per exemple, "una alta ràtio deute-ingressos") com a explicació.
Els usuaris que interactuen amb la IA (com ara estudiants amb un tutor d'IA o pacients amb una aplicació de salut d'IA) mereixen saber com arriba als consells. S'estan fent esforços per fer que el raonament de la IA sigui més rastrejable, ja sigui simplificant models o tenint models explicatius paral·lels.
La transparència també significa que els usuaris han de saber quan tracten amb IA en comptes d'un humà. Les directrius ètiques (i probablement algunes lleis) tendeixen a exigir la divulgació si un client està parlant amb un bot. Això evita l'engany i permet el consentiment de l'usuari. Algunes empreses ara etiqueten explícitament el contingut escrit per IA (com ara "Aquest article ha estat generat per IA") per mantenir la confiança.

Privacitat i protecció de dades

La IA generativa sovint necessita dades, incloses dades personals potencialment sensibles, per funcionar o aprendre. Les operacions autònomes han de respectar la privadesa:

Un agent d'atenció al client d'IA accedirà a la informació del compte per ajudar un client; aquestes dades han d'estar protegides i només s'han d'utilitzar per a la tasca.
Si els tutors d'IA tenen accés als perfils dels estudiants, hi ha consideracions en virtut de lleis com la FERPA (als EUA) per garantir la privadesa de les dades educatives.
Els models grans poden recordar inadvertidament detalls específics de les seves dades d'entrenament (per exemple, regurgitar l'adreça d'una persona vista durant l'entrenament). Tècniques com la privadesa diferencial i l'anonimització de dades en l'entrenament són importants per evitar la filtració d'informació personal en els resultats generats.
Regulacions com el RGPD atorguen drets a les persones sobre les decisions automatitzades que les afecten. Les persones poden sol·licitar una revisió humana o que les decisions no siguin completament automatitzades si els afecten significativament. El 2030, aquestes regulacions podrien evolucionar a mesura que la IA esdevingui més prevalent, possiblement introduint drets d'explicació o d'exclusió voluntària del processament per IA.

Seguretat i abús

Els sistemes d'IA autònoms podrien ser objectiu de pirateria informàtica o podrien ser explotats per dur a terme accions malicioses:

Un generador de contingut d'IA es podria fer un ús indegut per crear desinformació a escala (vídeos deepfake, articles de notícies falses), cosa que representa un risc social. L'ètica de publicar models generatius molt potents és molt debatuda (inicialment, OpenAI va ser cautelosa amb les capacitats d'imatge de GPT-4, per exemple). Les solucions inclouen la marca d'aigua del contingut generat per IA per ajudar a detectar falsificacions i l'ús de la IA per combatre la IA (com els algoritmes de detecció de deepfakes).
Si una IA controla processos físics (drons, cotxes, control industrial), protegir-la contra ciberatacs és fonamental. Un sistema autònom piratejat pot causar danys al món real. Això significa xifratge robust, sistemes de seguretat i la capacitat d'anul·lació o apagament humà si alguna cosa sembla compromesa.
També hi ha la preocupació que la IA vagi més enllà dels límits previstos (l'escenari de la "IA deshonesta"). Tot i que les IA actuals no tenen agència ni intenció, si els futurs sistemes autònoms són més agentius, caldran restriccions i un seguiment estrictes per garantir que, per exemple, no executin operacions no autoritzades o infringeixin les lleis a causa d'un objectiu mal especificat.

Ús ètic i impacte humà

Finalment, consideracions ètiques més àmplies:

Substitució de llocs de treball: Si la IA pot fer tasques sense intervenció humana, què passa amb aquestes feines? Històricament, la tecnologia automatitza algunes feines però en crea d'altres. La transició pot ser dolorosa per als treballadors les habilitats dels quals estan en tasques que s'automatitzen. La societat haurà de gestionar-ho mitjançant la requalificació, l'educació i, possiblement, el replantejament del suport econòmic (alguns suggereixen que la IA pot requerir idees com la renda bàsica universal si s'automatitza molta feina). Les enquestes ja mostren sentiments contradictoris: un estudi va trobar que un terç dels treballadors estaven preocupats perquè la IA substituís els llocs de treball, mentre que altres ho veuen com una eliminació de la feina pesada.
Erosió de les habilitats humanes: si els tutors d'IA ensenyen, la IA condueix automàticament i la IA escriu codi, la gent perdrà aquestes habilitats? La dependència excessiva de la IA podria, en el pitjor dels casos, erosionar l'expertesa; és una cosa que els programes d'educació i formació hauran d'adaptar, garantint que la gent continuï aprenent els fonaments fins i tot si la IA ajuda.
Presa de decisions ètiques: La IA no té criteri moral humà. En l'àmbit sanitari o jurídic, les decisions basades purament en dades poden entrar en conflicte amb la compassió o la justícia en casos individuals. Potser haurem de codificar marcs ètics en la IA (una àrea de la recerca en ètica de la IA, per exemple, l'alineació de les decisions de la IA amb els valors humans). Com a mínim, és recomanable mantenir els humans informats sobre les decisions amb càrrega ètica.
Inclusió: Garantir que els beneficis de la IA es distribueixin àmpliament és un objectiu ètic. Si només les grans empreses es poguessin permetre la IA avançada, les empreses més petites o les regions més pobres podrien quedar-se enrere. Els esforços de codi obert i les solucions d'IA assequibles poden ajudar a democratitzar l'accés. A més, les interfícies s'haurien de dissenyar de manera que qualsevol persona pugui utilitzar les eines d'IA (diferents idiomes, accessibilitat per a persones amb discapacitat, etc.), per evitar que creem una nova bretxa digital de "qui té un assistent d'IA i qui no".

Mitigació de riscos actuals: pel costat positiu, a mesura que les empreses implementen la IA generacional, hi ha una consciència i una acció creixents sobre aquests temes. A finals del 2023, gairebé la meitat de les empreses que utilitzaven IA treballaven activament per mitigar riscos com la inexactitud ( L'estat de la IA el 2023: l'any de ruptura de la IA generativa | McKinsey ) ( L'estat de la IA: enquesta global | McKinsey ), i aquest nombre està augmentant. Les empreses tecnològiques han creat comitès d'ètica de la IA; els governs estan elaborant regulacions. La clau és integrar l'ètica en el desenvolupament de la IA des del principi ("Ètica des del disseny"), en lloc de reaccionar més tard.

En conclusió sobre els reptes: atorgar més autonomia a la IA és una arma de doble tall. Pot generar eficiència i innovació, però exigeix un alt nivell de responsabilitat. Els propers anys probablement veurem una combinació de solucions tecnològiques (per millorar el comportament de la IA), solucions de processos (marcs polítics i de supervisió) i potser nous estàndards o certificacions (els sistemes d'IA podrien ser auditats i certificats com ho són els motors o l'electrònica avui dia). Navegar amb èxit per aquests reptes determinarà la facilitat amb què podem integrar la IA autònoma a la societat d'una manera que augmenti el benestar i la confiança humans.

Conclusió

La IA generativa ha evolucionat ràpidament d'un experiment nou a una tecnologia transformadora d'ús general que arriba a tots els racons de les nostres vides. Aquest document ha explorat com, el 2025, els sistemes d'IA ja escriuen articles, dissenyen gràfics, codifiquen programari, xategen amb clients, resumeixen notes mèdiques, fan classes particulars als estudiants, optimitzen les cadenes de subministrament i redacten informes financers. És important destacar que, en moltes d'aquestes tasques, la IA pot funcionar amb poca o cap intervenció humana , especialment per a treballs ben definits i repetibles. Les empreses i els particulars comencen a confiar en la IA per dur a terme aquestes tasques de manera autònoma, obtenint beneficis en velocitat i escala.

De cara al 2035, ens trobem a la vora d'una era en què la IA serà una col·laboradora encara més omnipresent, sovint una força de treball digital invisible que s'encarrega de la rutina perquè els humans puguin centrar-se en allò excepcional. Preveiem que la IA generativa conduirà cotxes i camions de manera fiable a les nostres carreteres, gestionarà l'inventari dels magatzems durant la nit, respondrà a les nostres preguntes com a assistents personals experts, proporcionarà instrucció individualitzada a estudiants de tot el món i fins i tot ajudarà a descobrir noves cures en medicina, tot amb una supervisió directa cada cop més mínima. La línia entre eina i agent s'esvairà a mesura que la IA passi del seguiment passiu d'instruccions a la generació proactiva de solucions.

Tanmateix, el camí cap a aquest futur de la IA autònoma s'ha de navegar amb cura. Com hem esbossat, cada domini comporta les seves pròpies limitacions i responsabilitats:

La realitat d'avui: la IA no és infal·lible. Destaca en el reconeixement de patrons i la generació de contingut, però li manca una veritable comprensió i sentit comú en el sentit humà. Per tant, de moment, la supervisió humana continua sent la xarxa de seguretat. Reconèixer on la IA està preparada per volar sola (i on no) és crucial. Molts èxits actuals provenen del d'equip humà-IA , i aquest enfocament híbrid continuarà sent valuós on l'autonomia total encara no sigui prudent.
La promesa del demà: Amb els avenços en les arquitectures de models, les tècniques d'entrenament i els mecanismes de supervisió, les capacitats de la IA continuaran expandint-se. La propera dècada d'R+D podria resoldre molts dels punts febles actuals (reduir les al·lucinacions, millorar la interpretabilitat, alinear la IA amb els valors humans). Si és així, els sistemes d'IA del 2035 podrien ser prou robustos com per tenir una autonomia molt més gran. Les projeccions d'aquest document, des dels professors d'IA fins a les empreses en gran part autogestionades, podrien ser la nostra realitat, o fins i tot ser superades per innovacions difícils d'imaginar avui dia.
Rol humà i adaptació: En lloc que la IA substitueixi els humans completament, preveiem que els rols evolucionen. Els professionals de tots els camps probablement hauran de ser experts en treballar amb la IA: guiant-la, verificant-la i centrant-se en els aspectes de la feina que requereixen fortaleses clarament humanes com l'empatia, el pensament estratègic i la resolució de problemes complexos. L'educació i la formació de la força laboral haurien de pivotar per emfatitzar aquestes habilitats exclusivament humanes, així com l'alfabetització en IA per a tothom. Els responsables polítics i els líders empresarials haurien de planificar les transicions al mercat laboral i garantir sistemes de suport per a les persones afectades per l'automatització.
Ètica i governança: Potser el més important és que un marc d'ús i governança ètics de la IA ha de sustentar aquest creixement tecnològic. La confiança és la moneda d'adopció: la gent només permetrà que la IA condueixi un cotxe o ajudi en una cirurgia si confia que és segura. Construir aquesta confiança implica proves rigoroses, transparència, participació de les parts interessades (per exemple, involucrar metges en el disseny d'IA mèdiques, professors en eines educatives sobre IA) i una regulació adequada. La col·laboració internacional pot ser necessària per afrontar reptes com els deepfakes o la IA en la guerra, garantint normes globals per a un ús responsable.

En conclusió, la IA generativa es presenta com un potent motor de progrés. Si s'utilitza amb prudència, pot alleujar els humans de la feina feixuga, desbloquejar la creativitat, personalitzar els serveis i abordar les mancances (aportant experiència on els experts són escassos). La clau és desplegar-la de manera que amplifiqui el potencial humà en lloc de marginar-lo . A curt termini, això significa mantenir els humans informats per guiar la IA. A llarg termini, significa codificar els valors humanístics al nucli dels sistemes d'IA de manera que, fins i tot quan actuen de manera independent, actuïn en el nostre millor interès col·lectiu.

Domini	Autonomia fiable avui (2025)	Autonomia fiable prevista per al 2035
Redacció i contingut	- Notícies rutinàries (esports, guanys) generades automàticament. - Ressenyes de productes resumides per IA. - Esborranys d'articles o correus electrònics per a edició humana. ( Philana Patterson – Perfil de la comunitat ONA ) ( Amazon millora l'experiència de les ressenyes dels clients amb IA )	- La major part del contingut de notícies i màrqueting s'escriu automàticament amb precisió factual. - La IA produeix articles i notes de premsa complets amb una supervisió mínima. - Contingut altament personalitzat generat a demanda.
Arts Visuals i Disseny	- La IA genera imatges a partir de sol·licituds (l'humà selecciona la millor). - Art conceptual i variacions de disseny creades de forma autònoma.	- La IA produeix escenes de vídeo/pel·lícula completes i gràfics complexos. - Disseny generatiu de productes/arquitectura que compleixen les especificacions. - Mitjans personalitzats (imatges, vídeo) creats sota demanda.
Codificació de programari	- La IA completa automàticament el codi i escriu funcions simples (revisat pels desenvolupadors). - Generació automatitzada de proves i suggeriments d'errors. ( Coding on Copilot: 2023 Data Suggereix una pressió a la baixa sobre la qualitat del codi (incloses les projeccions del 2024) - GitClear ) ( GitHub Copilot encapçala l'informe de recerca sobre assistents de codi d'IA -- Visual Studio Magazine )	- La IA implementa funcions completes a partir d'especificacions de manera fiable. - Depuració autònoma i manteniment de codi per a patrons coneguts. - Creació d'aplicacions de baix codi amb poca intervenció humana.
Servei d'atenció al client	- Els chatbots responen a preguntes freqüents, resolen problemes senzills (transfereixen casos complexos). - La IA gestiona ~70% de les consultes rutinàries en alguns canals. ( 59 estadístiques de servei al client d'IA per al 2025 ) ( El 2030, el 69% de les decisions durant les interaccions amb els clients seran... )	- La IA gestiona la majoria de les interaccions amb els clients de principi a fi, incloses les consultes complexes. - Presa de decisions en temps real per part de la IA per a concessions de serveis (reemborsaments, actualitzacions). - Agents humans només per a escalades o casos especials.
Assistència sanitària	- La IA redacta informes mèdics; suggereix diagnòstics que els metges verifiquen. - La IA llegeix algunes exploracions (radiologia) amb supervisió; fa un triatge de casos senzills. ( Els productes d'imatges mèdiques amb IA podrien multiplicar-se per cinc el 2035 )	- La IA diagnostica de manera fiable malalties comunes i interpreta la majoria d'imatges mèdiques. - La IA controla els pacients i inicia l'atenció (per exemple, recordatoris de medicació, alertes d'emergència). - Les "infermeres" virtuals d'IA gestionen els seguiments rutinaris; els metges se centren en l'atenció complexa.
Educació	- Els tutors d'IA responen a les preguntes dels estudiants i generen problemes de pràctica (el professor supervisa). - La IA ajuda a qualificar (amb revisió del professor). ([IA generativa per a l'educació infantil, primària i secundària]	Informe de recerca d'Applify]( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
Logística	- La IA optimitza les rutes de lliurament i l'embalatge (els humans estableixen objectius). - La IA detecta els riscos de la cadena de subministrament i suggereix mesures de mitigació. ( Principals casos d'ús de la IA generativa en logística )	- Entregues majoritàriament autònomes (camions, drons) supervisades per controladors d'IA. - La IA redirigeix autònomament els enviaments en cas d'interrupcions i ajusta l'inventari. - Coordinació integral de la cadena de subministrament (comandes, distribució) gestionada per la IA.
Finances	- La IA genera informes financers/resums de notícies (revisats per humans). - Els assessors robòtics gestionen carteres senzilles; el xat d'IA gestiona les consultes dels clients. ( La IA generativa arriba a les finances )	- Els analistes d'IA produeixen recomanacions d'inversió i informes de risc amb una alta precisió. - Negociació autònoma i reequilibri de cartera dins dels límits establerts. - La IA aprova automàticament els préstecs/reclamacions estàndard; els humans gestionen les excepcions.

Referències:

Patterson, Philana. Automated earnings stories multiplicate . The Associated Press (2015): descriu la generació automatitzada de milers d'informes de guanys per part d'AP sense cap escriptor humà ( Automatized earnings stories multiplicate | The Associated Press ).
McKinsey & Company. L'estat de la IA a principis del 2024: l'adopció de la IA generativa augmenta i comença a generar valor . (2024) – Informa que el 65% de les organitzacions utilitzen IA generativa regularment, gairebé el doble respecte al 2023 ( L'estat de la IA a principis del 2024 | McKinsey ), i analitza els esforços de mitigació de riscos ( L'estat de la IA: enquesta global | McKinsey ).
Gartner. Més enllà de ChatGPT: El futur de la IA generativa per a les empreses . (2023) – Prediu que, el 2030, el 90% d'una pel·lícula d'èxit podria ser generada per IA ( Casos d'ús d'IA generativa per a indústries i empreses ) i destaca casos d'ús d'IA generativa com el disseny de fàrmacs ( Casos d'ús d'IA generativa per a indústries i empreses ).
Twipe. 12 maneres en què els periodistes utilitzen eines d'IA a la sala de redacció . (2024) – Exemple de la IA "Klara" en un mitjà de comunicació que escriu l'11% dels articles, amb editors humans que revisen tot el contingut d'IA ( 12 maneres en què els periodistes utilitzen eines d'IA a la sala de redacció - Twipe ).
Notícies d'Amazon.com. Amazon millora l'experiència de les ressenyes dels clients amb IA . (2023) – Anuncia resums de ressenyes generats per IA a les pàgines de productes per ajudar els compradors ( Amazon millora l'experiència de les ressenyes dels clients amb IA ).
Zendesk. 59 Estadístiques de servei al client d'IA per al 2025. (2023): indica que més de dos terços de les organitzacions de CX creuen que la IA generativa afegirà "calidesa" al servei ( 59 Estadístiques de servei al client d'IA per al 2025 ) i prediu que la IA tindrà lloc en el 100% de les interaccions amb els clients finalment ( 59 Estadístiques de servei al client d'IA per al 2025 ).
Futurum Research i SAS. Experience 2030: The Future of Customer Experience . (2019) – Una enquesta revela que les marques esperen que ~69% de les decisions durant la interacció amb el client siguin preses per màquines intel·ligents el 2030 ( To Reimagin the Shift to CX, Marketing Specialists Must Do These 2 Things ).
Dataiku. Principals casos d'ús d'IA generativa en logística . (2023) – Descriu com la GenAI optimitza la càrrega (reduint ~30% l'espai buit del camió) ( Principals casos d'ús d'IA generativa en logística ) i marca els riscos de la cadena de subministrament mitjançant l'anàlisi de notícies.
Visual Studio Magazine. GitHub Copilot Tops Research Report on AI Code Assistants . (2024) – Supòsits de planificació estratègica de Gartner: el 2028, el 90% dels desenvolupadors empresarials utilitzaran assistents de codi d'IA (en comparació amb el 14% del 2024) ( GitHub Copilot Tops Research Report on AI Code Assistants -- Visual Studio Magazine ).
Bloomberg News. Presentació de BloombergGPT . (2023) – Detalla el model de paràmetres de 50B de Bloomberg dirigit a tasques financeres, integrat a Terminal per a preguntes i respostes i suport d'anàlisi ( la IA generativa arriba a les finances ).

Articles que potser t'agradaria llegir després d'aquest:

🔗 Treballs que la IA no pot substituir: i quins treballs substituirà la IA?
Una perspectiva global sobre l'evolució del panorama laboral, que examina quins rols estan fora de perill de la disrupció de la IA i quins estan en major risc.

🔗 Pot la IA predir la borsa?
Una immersió profunda en les capacitats, les limitacions i les consideracions ètiques de l'ús de la IA per a la predicció de la borsa.

🔗 Com es pot utilitzar la IA generativa en la ciberseguretat?
Descobreix com s'aplica la IA generativa per defensar-se contra les amenaces cibernètiques, des de la detecció d'anomalies fins a la modelització d'amenaces.

Torna al bloc

País/regió