Hi ha una forma d’ajuda que empobreix. La coneixem bé en clínica: el cuidador que ho fa tot pel pacient sense fomentar-ne l’autonomia acaba accelerant-ne la dependència; el resident a qui sempre li resolen el dubte no acaba de construir criteri. Ajudar de més no és un excés de bondat. És una manera subtil de treure a l’altre l’ocasió de pensar. Una cosa semblant ens està passant amb la intel·ligència artificial. I en gestió sanitària, on es decideix amb informació incompleta, recursos escassos i conseqüències sobre persones concretes, convé aturar-se abans de celebrar cada nova eina que «ens ho posa fàcil».
La medicina fa temps que es pregunta per aquest risc, i comencen a acumular-se evidències. Una de les aportacions més interessants és una revisió publicada el 2025 al New England Journal of Medicine sobre com supervisar l’ús de la IA en la formació clínica. El seu principal mèrit és haver posat nom a una cosa que molts intuíem, en distingir tres riscos diferents: la pèrdua de destresa, el fet de no arribar mai a adquirir-la i l’aprenentatge del que és erroni.[1]
El primer és el més conegut: professionals amb experiència que perden capacitats perquè deixen d’exercir-les. El segon és més inquietant: no arribar a desenvolupar mai una competència bàsica perquè la IA va fer la tasca abans. A diferència de la pèrdua de destresa, aquí no hi ha res a perdre, perquè mai no hi va haver res que s’aprengués. El tercer és el més silenciós: la incorporació dels errors de l’eina com si fossin raonament propi. Aquest risc no deixa un buit, sinó que substitueix el coneixement correcte per un altre d’erroni, i ho fa amb el mateix to fluid i segur que la IA utilitza per a tota la resta. La revisió no es queda en el diagnòstic. Proposa un marc de supervisió, DEFT-AI, pensat perquè cada vegada que algú en formació utilitza la IA es converteixi en una ocasió d’ensenyament que reforci el judici en lloc d’externalitzar-lo. És a dir, no planteja renunciar a l’eina, sinó acompanyar-ne l’ús amb supervisió explícita.
És una qüestió de com aprenem a pensar quan alguna cosa pensa per nosaltres. I la gestió és, abans que res, una activitat de judici que també s’aprèn. La pèrdua de destresa té la seva versió directiva. Un equip de direcció que s’acostuma a rebre ja elaborats el pla d’actuació, l’anàlisi de la llista d’espera o la memòria anual va perdent, a poc a poc, la capacitat de construir-los i, sobretot, de detectar quan estan mal construïts.
El «no aprendre mai» és probablement el risc més seriós per a les nostres organitzacions. Pensem en qui avui assumeix per primera vegada un lloc directiu, una prefectura de secció, una coordinació d’infermeria o una direcció d’unitat. Si el seu primer quadre de comandament, el seu primer pla funcional o la seva primera negociació d’objectius els construeix la IA, quan aprendran a fer-ho? La gestió s’aprèn equivocant-se i corregint, i aquest aprenentatge no es pot delegar. Som davant d’una generació de gestors que pot arribar als llocs amb documents impecables i un criteri sense entrenar.
L’aprenentatge del que és erroni és potser el més perillós en gestió, perquè els nostres errors triguen a fer-se visibles. Una priorització mal plantejada, un supòsit de demanda equivocat o una interpretació esbiaixada d’un indicador poden instal·lar-se en la cultura d’un servei durant anys. Si, a més, arriben amb bon format i argumentació convincent, es qüestionen menys. A tot això s’hi suma la difuminació de la responsabilitat. Un document que ningú no ha pensat del tot és un document que ningú no defensa del tot. I en la gestió pública cal poder retre comptes: davant dels professionals, davant dels pacients i davant de la ciutadania.
La medicina narrativa ens va ensenyar, amb Rita Charon, que atendre bé exigeix escoltar la història de l’altre, sostenir l’ambigüitat i no precipitar-se en el tancament. Gestionar bé s’assembla més a això del que acostumem a admetre. Darrere de cada indicador hi ha una metgessa de guàrdia, un pacient que espera, un equip que es cansa. La IA pot ordenar les dades; no pot escoltar el malestar que aquestes dades no recullen.[2]
Algunes propostes per a una ajuda a mida
- Pensar primer, consultar després. Formular la pròpia hipòtesi abans de demanar res a l’eina la converteix en un interlocutor crític i no en un oracle.
- Supervisar l’ús, no només el resultat. Igual que la revisió d’Abdulnour i col. proposa per a la formació clínica, en gestió hauríem de preguntar no només què proposa un informe, sinó com s’hi ha arribat i quina part és raonament propi.
- Protegir l’aprenentatge dels nous gestors. Qui s’inicia en la gestió hauria de fer primer la feina i utilitzar la IA després per contrastar-la, no a l’inrevés.
- Demanar a la IA que discrepi. Una eina a la qual es demana que busqui els punts febles d’una proposta és més útil que una que es limita a polir-la.
Gestionar no és produir documents; és decidir amb sentit. Una IA que ens ajuda massa ens estalvia temps, però ens pot costar una cosa més valuosa: el costum de pensar per nosaltres mateixos allò que només nosaltres podem pensar.
Referències
[1] Abdulnour RE, Gin B, Boscardin CK. Educational Strategies for Clinical Supervision of Artificial Intelligence Use. N Engl J Med. 2025;393(8):786-797.
[2] Charon R. Narrative Medicine: Honoring the Stories of Illness. New York: Oxford University Press; 2006.