L’economia sempre s’ha mogut a través de cicles. Innovacions que canvien el paradigma de producció i que duen a una etapa de creixement. Però arriba un moment en què l’efecte positiu dels canvis s’alenteix el creixement s’estanca donant lloc a una nova etapa de declivi. Aquestes revolucions són per tots conegudes, des de la del carbó al segle XVIII fins l’actual, on la IA està canviant-ho tot, passant evidentment per la quarta revolució industrial, la de l’era d’Internet.
El que ha caracteritzat aquests cicles és que la seva durada s’ha anat escurçant. Les fases de desacceleració, recessió, recuperació i expansió són més ràpides, fins al punt que les actuals poden considerar-se subetapes de la revolució tecnològica, però realment estem davant de cicles cada vegada més propers entre si. Això fa que, moltes vegades, costi distingir quan comença un i quan acaba l’altre.
Sumat al gran canvi que ha provocat internet, hem viscut, en poques dècades, la implantació massiva de la robòtica en la indústria, la recent incorporació de la intel·ligència artificial (d’ara endavant IA) i l’actual evolució d’aquesta en forma d’intel·ligència artificial generativa. Aquesta ràpida concatenació de tecnologies fa que sovint costi diferenciar-les i saber què pertany a cada etapa. No és tant una confusió temporal sinó de conceptes.
Aquest article el que pretén és, per un costat, definir detalladament tots aquests elements i, per l'altre, delimitar-los per a no caure en el parany de malinterpretar-los.
A fi de poder contextualitzar on som i quins son els cicles viscuts, cal definir les característiques del que Torrent-Sellens (2024) anomena els sis paradigmes tecnoeconòmics (cicles econòmics a llarg termini o cicles de Kondratieff).
Entre 1770 i 1840 es va viure la Primera Revolució Industrial i per tant el primer dels cicles recents. Gràcies a l’ús i a la producció del carbó començava la mecanització de les fàbriques i dels processos. Va suposar la transformació de la producció manual cap a la mecànica i el pas de la font de riquesa de l’agricultura cap a la indústria. Les empreses tèxtils i de metal·lúrgia van ser les més beneficiades d’aquest procés. L’energia del vapor marcava l’inici de la Segona Revolució industrial, i en aquest cas va afectar tant a l’interior de les fàbriques com sobretot l’exterior, afectant al transport i la logística. Cap finals del segle XIX començava el tercer Cicle anomenat Belle Èpoque que va durar fins 1940. L’entrada de noves fonts d’energia com el gas o l’electricitat, de materials com el petroli o l’acer i de nous sistemes de transport va dur la indústria a una nova fase, un canvi que va transformar la manera de produir, però també de treballar o evidentment de transportar.
De mitjans a finals del segle XX es viu l’anomenat Golden Age del creixement econòmic a través de noves formes de producció molt més efectives com el fordisme, la producció en massa o l’especialització flexible. Es viu un creixement exponencial i expansiu de l’economia després de la segona Guerra mundial. És en aquest període on la indústria de l’automoció passa a ser capital, i com veurem posteriorment, on els robots comencen a formar part de les fàbriques.
En aquests primers quatre cicles que acabem de definir el sistema econòmic es basa en inputs d'energia barats i abundants, i en els posteriors fins a l’etapa contemporània, regirà un sistema econòmic basat en inputs de dades, tasques, informació i coneixement barats i abundants. Des d'Internet fins a les plataformes digitals passant per la telefonia mòbil o la IA (Torrent-Sellens 2024).
És entre els anys 90 i la primera dècada del segle XX quan vivim la primera onada digital o transformació digital, època en que internet i en general les tecnologies de la informació i la comunicació (TIC) canvien tant la societat com l’economia i la indústria i on apareix el concepte d’empreses en xarxa.
El sisè i actual cicle és l’anomenada segona onada digital o transició digital i es basa en la Intel·ligència artificial i les diferents plataformes de negocis digitals.
Com veiem per tant, el quart cicle el va protagonitzar la robòtica, el cinquè l’aparició massiva d’internet i el sisè la intel·ligència artificial. Però les innovacions que fan canviar cadascun d’aquests paradigmes complementen i milloren les anteriors, que es mantenen vigents. És a dir, les innovacions s’acumulen, des de les noves fonts d’energia dels primers cicles fins a les protagonistes dels darrers: els robots, l’internet o la IA, que conviuen en l’actualitat. La complementarietat total d’aquestes noves eines és el que James Kuffner (2010) anomena Cloud Robotics (o Robòtica en el Núvol), on cada robot aprèn de les experiències de tots els altres robots, cosa que condueix a un ràpid augment de la competència robòtica, especialment a mesura que creix el nombre de robots (Pratt 2022), però que hi hagi robots que utilitzin la IA no vol dir dir, ni de bon tros, que robots i IA siguin el mateix.
Vistos i definits els cicles, en el proper apartat veurem el salt de la robòtica a la IA, definint-ne tant les complementarietats com les seves diferències.
Definir uns períodes concrets per les diferents tecnologies no te sentit, ja que estan molt interrelacionats entre si, és a dir hi ha robots que utilitzen intel·ligència artificial, n’hi ha que son previs i d’altres posteriors a l’existència d’internet. També, el que era IA a la primera onada, és molt diferent del que és IA a la segona onada. Però sí que és interessant veure en quin moment hi va haver una integració massiva de les diferents tecnologies en la indústria i quines característiques les defineixen.
Paral·lelament a la robòtica, i com hem vist a la definició dels diferents cicles, hi ha l’aparició d’internet i de les TIC. De fet podem dir que aquest tipus de tecnologies acompanyen l’evolució dels robots cap a la IA. En 30 anys vivim el pas d’una primera onada, la pròpia de les TIC caracteritzada pes webs no interactives, les xarxes socials, els continguts digitals, l’e-commerce o l’ajuda de les computadores a la producció, cap a una segona onada de TIC interactives i predictives, com el metavers, les cryptomonedes, les web 3.0, l’automatització els drons, la realitat virtual o la IA. El que s’anomena de la transformació a la transició digital (Torrent-Sellens 2024).
Si busquem la definició de robot trobarem quelcom semblant a una màquina programable capaç de realitzar tasques de manera autònoma o semi-autònoma, interactuant amb el món físic a través de sensors i actuadors (Craig 2005). Aquesta descripció ens du vàries dècades enrere per a buscar-ne la seva implantació, però també pot definir perfectament la indústria actual, altament influenciada per la robòtica tradicional.
I és que si pensem en qualsevol fàbrica d’automòbils ens vindran al cap cadenes de producció plenes de braços articulats creant cotxes de manera ràpida, precisa i eficient. La indústria automotriu ha estat el client més important de robots industrials des de la instal·lació de la primera unitat comercialment venuda a la planta de General Motors a Nova Jersey el 1961 (Muller, 2022). Aquests robots permetien moure materials pesats, de manera repetitiva i sense perill pels humans. Des d’aquell moment fins ara, la implantació de la robòtica ha estat generalitzada, i no només en la indústria si no també per exemple en la medicina o fins i tot en la nostra vida quotidiana, com seria la Roomba (robot aspirador) o la Thermomix.
El comportament autònom dels robots fa que moltes vegades es posin d’exemples d’aplicació de la IA, i de fet alguns la utilitzen, però no s’ha de confondre. La diferència recau en la reacció en cas d’un fet inesperat. Per complexa i precisa que sigui la seva programació i els seus sensors, si un robot de la indústria de l’automòbil no proveïda de IA es troba una persona entre la màquina i l’element sobre el qual ha d’interactuar, en el millor dels casos s’aturarà i recularà, i en el pitjor l’atropellarà.
Aquesta incapacitat de prendre decisions davant de fets inesperats és el que ho diferencia de la IA. Si busquem la definició que fa de si mateixa la IA, seria el processament d’informació i dades constant en forma d’algoritmes per a desenvolupar sistemes capaços de realitzar tasques i prendre decisions que abans eren exclusives de la capacitat humana (Russell i Norvig 2020). Apareixen doncs termes com presa de decisions, capacitats humanes, intel·ligència o gestió de dades… que fa que s’allunyin de la robòtica tradicional. La transició digital implica que les empreses, els mercats i l'economia evolucionin dels valors digitals tradicionals de càlcul, informació i comunicació, típics de la transformació digital, cap als nous valors digitals de predicció i circulació, característics de la transició digital (Dwivedi et al., 2021, Parker et al., 2016).
És evident que ambdues eines es poden compaginar i complementar, i aquesta complementarietat ha estat molt ben rebuda per la indústria. Però cal parar atenció que mentre la robòtica pren sempre una forma física, una existència mecànica, la IA té múltiples formes. Si li demanem a un nen que representi un robot serà capaç de dibuixar-lo però si ha de representar la IA ho tindrà més difícil, i de fet el més probable és que de manera no del tot encertada, acabi dibuixant també un robot. I és que la IA pot aparèixer en forma de veu, d’imatge, de decisió, de moviment...
En quant al moment de la seva implantació, no dista gaire de la robòtica, ja fa moltes dècades que existeix. Però mentre els robots de seguida van créixer i es van generalitzar, l’entrada massiva de la IA ha estat més recent, no sent fins els darrers anys que podem dir que ha canviat el paradigma productiu amb una major ponderació i capacitat d’influència.
És en els anys 70 o fins i tot anteriorment, quan ja existien branques de la IA que bàsicament aplicaven sistemes de control i expertesa per a optimitzar processos i millorar la qualitat del producte final (Brynjolfsson i McAfee, 2014). Però és en el segle XXI quan la IA comença a tenir una capacitat més proactiva i correctora i complementa de manera més generalitzada la robòtica existent. Segons el meu parer, no és fins fa deu anys, que la capacitat tecnològica ha permès utilitzar de manera diferencial i significativa la IA gràcies a la possibilitat immensa d’emmagatzemar i proporcionar dades fruit del BIG Data, l’Internet de les coses i l’aparició de la IA cognitiva.
La IA cognitiva és aquella tecnologia d'intel·ligència artificial que simula les funcions cognitives humanes, com el pensament, l'aprenentatge, la percepció i la presa de decisions i que ha estat clau per automatitzar processos i millorar la presa de decisions a través de dades en temps real. Les empreses que adopten aquestes tecnologies son capaces de reaccionar més ràpidament als canvis del mercat, optimitzar les operacions i oferir millor valor als clients (Davenport i Ronanki, 2018).
L’última i més recent etapa és quan la IA s'ha convertit en un pilar central de l’aplicació digital en la indústria, l’aplicació de la realitat virtual, la implementació de la IA en la conducció autònoma d’un automòbil o tota la seva utilització en el món de la medicina i la seva capacitat de predicció.
És precisament aquesta última fase la que es defineix com a intel·ligència artificial generativa, i és afegir a la possibilitat de prendre decisions a través de la informació emmagatzemada o adquirida, la capacitat de crear noves dades o contingut (Radford et al., 2019). L'aparició de la IA generativa, i la seva millor capacitat per predir i generar tot tipus de textos, imatges o continguts, estaria accelerant la difusió dels enfocaments de predicció a tot arreu (Saetra 2023 i Dwivedi, 2023). Investigacions preliminars suggereixen que l'ús massiu de la IA generativa estaria augmentant, tot i que de manera heterogènia i desigual, la qualitat i la productivitat del treball en un gran nombre de tasques i ocupacions (Brynjolfsson 2022 i Dell'Acqua et al., 2023).
El que hem vist en aquest article ha estat l’evolució a la vegada que la interacció entre les tecnologies que comencen a aparèixer a partir dels anys 70 fins a l’actualitat. No es pot caure en el parany de confondre l’autonomia dels robots gràcies a softwares i sensors, la presa de decisions intel·ligents de la IA o la capacitat de creació a partir de dades emmagatzemades i adquirides de la IA generativa. Però també cal valorar l’actuació conjunta de totes aquestes eines i el què això està generant en el present i suposarà en el futur. I és que la complementarietat de totes elles apropen les capacitats tecnològiques a les humanes. A partir del 2016 els robots comencem a incorporar sistemes digitals de reconeixement d'imatges, es connecten al núvol i poden usar algoritmes d'optimització, entre altres. D'aquesta manera els robots cognitius, col·laboratius o socials ja no tenen res a veure amb els robots articulats dels anys 90. La IA generativa és sens dubte l’ultima evolució de la tecnologia i un pas més cap a l’apropament d’aquesta a la “perfecció” humana. Igual que va passar quan internet va transformar la recerca de la lectura física a la digital o quan google va substituir les biblioteques presencials, actualment la feina d’un treballador, d’un recercaire o fins i tot d’un artista ha de complementar-se amb l’ús crític d’eines d’IA generativa. La clau per mantenir la importància del paper del ser humà és que aquest ús sigui complementari i no substitutiu, i que el resultat de la col·laboració sigui millor que el de les dues intel·ligències per separat.
Cal destacar també el moment en el què ens trobem i les perspectives de futur que tenim, quins efectes tindrà l’evolució de la complementarietat de la IA amb la robòtica sobre la nostra vida i sobre el treball. Estem arribant a un punt que, ara si, les màquines poden desplaçar els humans? Poden aquest conjunt de tecnologies crear nous llocs de treball? Pot arribar el moment en què els robots recolzats per la IA acabin fent la nostra feina i nosaltres ens podem dedicar a viure? Aquesta comunicació ha pretès posar el punt de partida sobre el tipus de tecnologia present en l’actualitat però es desperten molts interrogants que caldrà resoldre.
BRYNJOLFSSON, E., I MCAFEE, A. (2014). “The second machine age: Work, progress, and prosperity in a time of brilliant tecnologies”. WW Norton & company.
BRYNJOLFSSON, E., LI, D., RAYMOND, L.R. (2022) “Generative AI at work”, NBER Working Papers, 31161 available at:
https://www.nber.org/system/files/working_papers/w31161/w31161.pdf
CRAIG, J. J. (2005). “Introduction to Robotics: Mechanics and Control”. Pearson.
DAVENPORT, T. H., I RONANKI, R. (2018). “Artificial Intelligence for the Real World”. Harvard Business Review (HBR).
DELL'ACQUA, F., MCFOWLAND, E., MOLLICK, E.R. et al. (2023) “Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality”, Harvard Business School Technology & Operations Mgt. Unit Working Paper, 24-013 available at SSRN
https://ssrn.com/abstract=4573321
DWIVEDI, Y.K., HUGHES, L., ISMAGILOVA, E., AARTS, G., COOMBS, C. CRICK, T. et al. (2021) “Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy”. International Journal of Information Management, Volume 57, 2021, 101994, ISSN 0268-4012,
https://doi.org/10.1016/j.ijinfomgt.2019.08.002.
DWIVEDI, Y.K., KSHETRI, N., HUGHES, L., SLADE, E.L. et al. (2023) “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy, Int. J. Inf. Manage. 71 (2023)
https://www.sciencedirect.com/science/article/pii/S0268401223000233
KUFFNER, JAMES J. (2010) “Cloud-Enabled Humanoid Robots.” IEEE-RAS International Conference on Humanoid Robotics.
MÜLLER, CH. (2022) “World Robotics 2022” – Industrial Robots, IFR Statistical Department, VDMA Services GmbH, Frankfurt am Main, Germany, 2022
https://ifr.org/img/worldrobotics/Executive_Summary_WR_Industrial_Robots_2022.pdf
PARKER, G.G., VAN ALSTYNE, M., CHOUDARY, S.P. (2016) “Platform revolution: how networked markets are transformin the economy an d how to make them work for you”, WW Norton & Company, New York, 2016.
PRATT, GILL A. (2015). "Is a Cambrian Explosion Coming for Robotics?" Journal of Economic Perspectives, 29 (3): 51–60. http://dx.doi.org/10.1257/jep.29.3.51
RADFORD, A., WU, J., CHILD, R., LUAN, D., AMODEI, D., & SUTSKEVER, I. (2019). “Language models are unsupervised multitask learners”. OpenAI blog, 1(8), 9. https://insightcivic.s3.us-east-1.amazonaws.com/language-models.pdf
RUSSELL, S. NORVIG P. (2020) “Artificial Intelligence: A Modern Approach” (4th Edition).Pearson, ISBN 978-0134610993
SAETRA, H.S. (2023) “Generative AI: Here to stay, but for good?” Technol. Soc. 75
TORRENT-SELLENS, JOAN (2024) “Digital Transition and the Data-and-Tasks Crowd-Driven Economy: How Do Redirect Them Towards Shared Social Progress?”. Available at SSRN: https://ssrn.com/abstract=4745242
Published on 02/03/25
Submitted on 21/10/24
Volume El futur del treball i les relacions laborals a Catalunya, 2025
Licence: CC BY-NC-SA license