Una brúixola pedagògica i de disseny organitzacional per aprendre, emprendre i tenir cura en temps d’intel·ligència artificial.
Aquest text no és un manual ni un codi. És una invitació a una conversa de laboratori: ho anirem corregint amb pràctica, evidència i diàleg.
La intel·ligència artificial (IA) ha arribat a les nostres taules de treball amb una promesa seductora: rapidesa, síntesi, automatització, “respostes”. Com tot allò que accelera, porta una pregunta silenciosa: Quina part de la nostra humanitat, i de la nostra responsabilitat, estem disposats a delegar a canvi de velocitat?
A TeamLabs/ no ens interessen ni els discursos apocalíptics ni els triomfalismes ingenus. Ens interessa el disseny de contextos: com s’aprèn al món real, com se sosté un equip quan hi ha pressió, i com una comunitat decideix quines eines adopta sense perdre’s a si mateixa.
Per això, la nostra presa de postura davant de la IA no és un “manual d’eines” ni un decàleg moral. És una brúixola de principis practicables: principis entesos com la disciplina professional del disseny, normes que produeixen resultats. Valors sense regles només són relats. Això nostre dissenyarà pràctiques que facin possible una manera de vida.
Hem sintetitzat la nostra presa de postura en un cartell amb 9 principis practicables per surfejar (navegar, moure’s, caminar) el món de les intel·ligències, inclosa l’artificial. El que us proposem, en resum, és una postura d’optimistes crítics: ni negació per por, ni adopció acrítica per fascinació. Explorar, sí; amb criteri, límits i conversa col·lectiva.
Dues concrecions perquè aquesta brúixola sigui pràctica des de demà: (1) Alfabetització en IA per a casos d’ús. No n’hi ha prou de saber “usar” una eina. Cal saber per què, quan i amb quins límits. El que és rellevant no és l’etiqueta “IA”; és el disseny del cas d’ús, la traçabilitat i els efectes sobre l’aprenentatge, l’equip i la comunitat. (2) Una cartografia de llindars. No per convertir això en un decàleg, sinó per anomenar el que ja sabem per experiència: hi ha usos que alimenten el laboratori, usos que exigeixen cura i usos que erosionen allò que venim a protegir. Tenir paraules per a aquestes diferències ens ajuda a explorar amb curiositat crítica sense externalitzar el criteri.
Entrenem criteri, no dependència.
01. Som un Laboratori.
La IA com a material de prototipat.
La IA no és un tòtem ni una vareta màgica: és un material experimental més. Serveix per provar, iterar, tensar límits, observar aprenentatges. L’explorem des de fer, no des de la teoria. No la temem: la investiguem amb criteri.
Usem la IA per prototipar millor o per evitar pensar?
02. Som un Laboratori d’Aprenentatge.
No intervenim des de la certesa.
En temps de respostes fàcils, defensem el no saber i la pregunta viva. La IA pot respondre; aprendre implica presència, fricció i transformació: decidir què mereix atenció, contrastar, dialogar, revisar supòsits i fer-se responsable del judici final. Usar IA no és saber; és categoritzar, classificar. En aquest procés, el que és important no és “que ens surti bé”, sinó que ens faci créixer. Creixem construint bones preguntes.
Això que estem fent ens està transformant o només ens està estalviant temps?
03. Som un Laboratori d’Aprenentatge Radical.
La nostra arrel és el que és humà.
El més radical és anar a l’arrel. Davant la delegació cognitiva i la velocitat com a norma, protegim l’àncora: diàleg, cura i comunitat. La nostra radicalitat no és tècnica; és epistèmica (maneres de fer), pedagògica (maneres de compartir) i organitzacional (maneres de governança). La pregunta de fons no és si la IA és potent (ho és), sinó quin tipus d’humans volem ser amb ella i quin tipus d’institució volem sostenir. És imprescindible aprendre a combinar la intel·ligència col·lectiva amb la intel·ligència artificial.
Aquesta decisió protegeix el que és humà o ho erosiona?
04. L’equip és el factor clau.
La IA ha d’enfortir els enllaços, no els ha de reemplaçar.
La IA pot ajudar, però no desplaça el centre de gravetat de l’aprenentatge tal com ho entenem: l’equip humà que reflexiona, crea i experimenta extremant les cures (deixar-se afectar) i la responsabilitat (fer-se càrrec). Si una implementació d’IA atomitza, individualitza o redueix la conversa a “cadascú amb el seu copilot”, aleshores empobreixen el que és col·lectiu, no estem avançant: estem debilitant la nostra cultura.
La IA pot acompanyar l’equip; no és l’equip. A TeamLabs/, l’aprenentatge succeeix entre persones que s’afecten i se’n fan càrrec.
Això ens fa més equip o més illes?
05. Emprendre és la millor manera d’aprendre.
No hi ha dreceres per a allò profund.
Emprendre no és automatitzar. Emprendre és transformar realitats amb impacte. La IA pot accelerar validacions, ampliar opcions, millorar propostes, obrir rutes creatives. Però el criteri és inseparable: la pregunta no és què pot fer la IA per l’empresa, sinó quin tipus d’empresa volem crear amb (o malgrat) la IA. Output no és impacte.
El nostre ús d’IA augmenta l’impacte real o només la producció?
06. Aprendre és un fi en si mateix.
No hi ha dreceres per a allò profund.
La IA apropa informació, però no substitueix la transformació personal. No tot el que es pot fer amb IA s’ha de fer amb IA. Guanyar velocitat a costa d’eliminar el procés que ens va obligar a prendre decisions, triar entre opcions, establir connexions, imaginar alternatives, construir aliances, manejar incerteses, limitar riscos, rectificar trajectòries, esmenar erros, conciliar interessos, mediar compromisos i, en fi, moure’s entre evidències incompletes, valors conflictius discutibles. Importa molt el resultat, però no podem eliminar el procés que ens va fer aconseguir-ho. La solució no garanteix l’experiència. El principal resultat som nosaltres mateixos.
Si la IA fa la feina dura, el text pot millorar; però el teu criteri no s’entrena.
Hi ha aprenentatges que exigeixen recorregut: lectura lenta, conversa incòmoda, assaig i error, dubte sostingut. A TeamLabs/ continuem defensant aquesta profunditat com a avantatge competitiu i com a ètica educativa.
La IA tendeix al probable; nosaltres busquem el pertinent. El text pot sortir fluid; la veritat situada exigeix experiència, conversa i responsabilitat.
Estem comprant eficiència al preu d’empobrir l’aprenentatge?
07. El diàleg és el fonament de l’aprenentatge.
La IA com a mediadora, no suplantadora.
Conversar amb un model pot ser útil. Però el diàleg humà transforma perquè interpel·la i exigeix resposta. Defensar el diàleg implica prendre’s seriosament les diferències imperceptibles, els matisos dissimulats, els arrelaments inconscients, les creences encarnades, els compromisos elusius i els desitjos nebulosos. La IA és més convenient com més contribueixi en activar, expandir i enfortir la pràctica del diàleg.
La fem servir per preparar, ordenar, obrir hipòtesis i contrastar, però la síntesi amb sentit es construeix quan algú s’exposa, algú matisa amb cura i l’equip sosté la complexitat.
La IA augmenta la qualitat de les nostres converses o evita que les tinguem?
08. Som una comunitat de pràctica.
IA al servei del vincle.
L’aprenentatge radical no passa en solitud. Volem IA que reforci la comunitat, no que la fragmenti. No acceptem tecnologies que atomitzen, aïllen o empobreixen la conversa.
La IA ha d’entrar a TeamLabs/ com entra qualsevol altra eina: amb una condició no negociable. Que faci més possible allò que ens fa ser nosaltres.
Parlar de “IA” com una sola cosa simplifica en excés. No és el mateix IA predictiva, conversacional, multimodal, agèntica… I no és el mateix fer servir una eina com a corrector, com a copilot creatiu o com a sistema que decideix i actua. Per això no adoptem “IA” en abstracte: adoptem usos concrets amb condicions clares.
Això enforteix la nostra pràctica compartida o la dilueix?
09. Aprendre és lent i complex.
Dissenyem espais, ambients, situacions per a allò complex.
La IA promet rapidesa i síntesi. Nosaltres dissenyem espais per a la lentitud (voluntat d’escolta), complexitat (necessitat de matisos) i ambigüitat (obertura als possibles). Reivindiquem el pensament lent com a acte radical: temps per qüestionar, per escoltar perspectives diferents, per donar lloc a allò no immediat. La pressa és enemiga de l’aprenentatge, encara que sigui “intel·ligent” i la cura, per definició, necessita temps.
En un món de dreceres, sostenir processos llargs és una manera de vida.
Estem deixant espai per a allò complex o ho estem expulsant per “ineficient”?
Tres riscos que vigilem en comunitat.
Derives que ja veiem: atròfia (delegar fins a perdre múscul crític) i esgotament (esprémer l’eina fins a la saturació). Entre l’una i l’altra, l’ofici és regular: quan delegar, quan conduir i quan desconnectar. Per evitar caure en extrems (por o fascinació), ens convé nomenar amb precisió tres riscos freqüents:
- El risc d’oferir respostes ja assajades per a problemes nous o complexos. Quan un repte és realment nou, el perill és respondre amb plantilles: sona bé, però no toca la realitat.
- El risc de substituir el procés de diàleg i construcció en equip per la potència probabilística del model. La IA pot donar text; el sentit el construeix una comunitat que discuteix, decideix i se’n fa càrrec.
- El risc de negar l’eina per por o, a l’altre extrem, integrar-la superficialment: fer-la servir com a “lloro” que produeix sense comprendre, sense explorar-ne el potencial real i sense dissenyar condicions.
El mantra que ens sosté:
No confonem resposta amb comprensió.
La IA és eina; la responsabilitat sempre és de l’equip.
Zones per no perdre’ns:
No pretenem domesticar la IA amb normes. Només volem fer visible una diferència essencial: allò que enforteix l’aprenentatge, allò que ho posa en risc si no es cuida i allò que el substitueix.
Zona fèrtil: quan la IA ens ajuda a prototipar, obrir alternatives, traduir o ordenar informació, i l’equip continua sent qui decideix què val i per què.
Zona de cura: quan la IA toca entregables, decisions o avaluació, i en pot substituir la comprensió. Aquí ens obliguem a sostenir diàleg humà, revisió crítica i rastre del procés: què preguntem, què acceptem, què descartem i per què.
Zona de ruptura: quan la IA reemplaça la deliberació, el conflicte fèrtil, la lectura lenta o la responsabilitat; quan automatitza decisions sobre altres persones sense rendició de comptes.
Regla de prudència: si dubtem, ho tractem com a zona de cura, ho provem en petit i ho revisem en comunitat abans d’estendre-ho.
Un corol·lari que volem deixar escrit: com més poderosa sigui la tecnologia, més important serà el disseny humà de les organitzacions. Si accelerem sense governança, solem accelerar també la desigualtat, biaixos i empobriment del vincle. El que és col·lectiu, doncs, no és una idea bonica: és una condició de viabilitat.
Perquè aquesta brúixola no es converteixi en un pòster estàtic, proposem una pràctica de laboratori: dedicar temps setmanal a cada equip a compartir un experiment real amb IA, discutir-ho amb honestedat i deixar rastre. Allò que no es registra, s’oblida; allò que no es conversa, no s’integra.
Aquest cartell no és un tancament. És un començament. Com tot el que val la pena en un laboratori: es prototipa, es prova, es discuteix, es millora.
Si treballes a/amb TeamLabs/, et proposem un ús molt concret: posa’l a les parets, porta’l a les reunions, fes-lo servir com a checklist ètic. Abans de decidir una eina, automatitzar un procés, convertir una pràctica d’aprenentatge en una cadena de muntatge.
Perquè, al final, la nostra visió no és “ser més productius”. La nostra visió és més exigent: ser el millor lloc on ens puguem desenvolupar personalment i professionalment, per poder ajudar que altres també ho facin.
Això, fins i tot amb IA, continua sent una feina profundament humana.
Segons el mite de Prometeu i Epimeteu a Plató, l’ésser humà va néixer “inacabat” i va ser la tècnica —el foc robat— la que el va fer habitable: la tecnologia no ens deshumanitza per si mateixa; des de l’origen dels temps ens fa més humans quan va unida a justícia, pudor i vida en comú.
