La IA no et converteix en expert, només et permet semblar-ho

La intel·ligència artificial ha reduït enormement la barrera d’entrada per fer gairebé qualsevol tasca digital. Avui pots crear una web, programar una aplicació, preparar una campanya, generar un vídeo, escriure una proposta comercial o desplegar un projecte sense dominar realment cap d’aquestes disciplines.

I això és brutal. Però també té una cara menys evident: cada vegada és més fàcil confondre la capacitat de produir un resultat amb el fet de tenir realment aquella competència. La IA pot fer que algú sembli molt millor del que és.

El problema no és que faci servir IA. Jo mateix ja no programo de la mateixa manera que fa uns anys. El problema apareix quan l’eina substitueix completament les bases que et permeten entendre què estàs fent.

Un resultat que sembla correcte també pot estar mal fet

Amb eines com ChatGPT, Codex, Claude Code o qualsevol altre assistent de desenvolupament pots arribar a generar projectes sorprenentment complexos. Pots muntar una API, autenticació, Docker, una base de dades, cues, integracions amb serveis externs i fins i tot desplegar-ho tot.

Des de fora, el resultat pot semblar professional. Però que una cosa funcioni no vol dir necessàriament que estigui ben feta. I encara menys vol dir que la persona que l’ha construït entengui realment què està passant.

Algú pot portar tres mesos programant i estar desenvolupant una eina que fa uns anys hagués requerit un equip sencer. És molt fàcil que aquesta persona acabi pensant que aquell és també el seu nivell professional. Però la complexitat del projecte no determina el nivell de qui el construeix.

Aquí és on la IA distorsiona una mica la percepció: pot accelerar moltíssim la capacitat d’execució, però no accelera al mateix ritme el criteri.

Escriure codi mai ha estat la part més important

A les empreses cada vegada importa menys si el codi l’has escrit tu o l’ha generat una IA. I em sembla normal. Si el projecte funciona, és mantenible, segur i resol correctament el problema de negoci, a gairebé ningú li interessa saber si has picat manualment 4.000 línies de codi.

De fet, fer-ho manualment pot ser simplement menys eficient. El mateix passa amb la tecnologia: en molts entorns també importa relativament poc si has utilitzat Laravel, Node, Python o qualsevol altra cosa mentre compleixi els requisits del projecte.

Per tant, el debat no hauria de ser sobre si programar amb IA és millor o pitjor. La qüestió és una altra: què passa quan alguna cosa falla?

Saber diagnosticar continua sent una habilitat

Imaginem un error qualsevol. Falta un punt i coma. El sistema genera un error bastant clar. Una persona pot copiar directament tot el missatge a ChatGPT, enganxar-hi mig projecte i demanar-li que ho arregli. I probablement funcionarà.

Però també pots llegir l’error, mirar el fitxer, mirar la línia, entendre què està passant i solucionar-ho en deu segons. Aquest exemple és absurdament simple, però representa perfectament el canvi: cada vegada és més fàcil externalitzar no només l’execució, sinó també el diagnòstic.

Quan em trobo amb un problema, la manera d’abordar-lo depèn completament del tipus de problema. Potser miraré els logs. Potser aniré directament a la documentació de la llibreria. Potser revisaré una API. Potser buscaré un issue. I si hi ha moltes variables implicades, probablement sí que preguntaré directament a un LLM perquè m’ajudi a raonar sobre el problema.

La IA forma part del procés. Però no necessàriament és el primer pas de qualsevol problema.

Abans Google també exigia una mínima habilitat

Pot semblar una tonteria, però buscar informació a Google també era una habilitat. Havies de saber què buscar, trobar les paraules adequades, descartar resultats, llegir documentació, entrar a Stack Overflow, buscar en fòrums i trobar una persona que havia tingut un error semblant tres anys abans.

Després havies de provar la seva solució, descobrir que no funcionava exactament en el teu cas, modificar-la i tornar-ho a provar. Tot aquest procés era lent i moltes vegades frustrant. Però t’obligava a entendre coses.

Ara pots copiar un error a ChatGPT i tenir una possible solució en deu segons. Això és objectivament millor. El problema és que també permet saltar-se gran part del procés mental que abans construïa la base.

La fricció també ens ensenyava

Fa deu anys et podies passar hores amb un error que no estava documentat. Miraves logs, buscaves documentació, provaves coses, acabaves en un fòrum estrany, escrivies a Stack Overflow. Potser algú et responia. Potser ningú et responia. Potser acabaves entenent que el problema venia d’una cosa completament diferent del que pensaves inicialment.

Era desesperant, però desenvolupaves capacitat de diagnòstic. També desenvolupaves paciència. Acceptaves que moltes vegades no sabries immediatament per què una cosa no funcionava.

Havies de buscar alternatives. Potser necessitaves una llibreria perquè implementar alguna cosa des de zero no tenia sentit. Potser apareixia una tecnologia nova i l’havies d’aprendre perquè tot el sector semblava anar cap allà. Sí, també vam haver d’aprendre jQuery Mobile perquè durant cinc minuts semblava que seria el futur.

Veure passar aquestes etapes també et dona perspectiva. Quan has vist una tecnologia convertir-se en imprescindible i desaparèixer uns anys després, la següent revolució tecnològica te la mires una mica diferent.

També hem perdut una part de comunitat

Hi havia una altra cosa en aquella manera de treballar: comunitat. Stack Overflow, fòrums, blogs personals, repositoris, issues de GitHub, gent discutint diferents solucions i desenvolupadors explicant per què havien pres una decisió determinada.

Quan buscaves una resposta, moltes vegades acabaves aprenent alguna cosa que no era exactament la que estaves buscant. Ara és molt fàcil que tot això quedi concentrat en una única interfície: tens un problema, preguntes a ChatGPT, et dona una resposta, la proves, funciona i continues.

És espectacularment eficient, però també és una experiència molt més individual. La IA t’està resumint, en certa manera, tot aquell coneixement comunitari, i tu pots consumir-lo sense arribar a entrar mai dins de la comunitat que el va generar.

Els bootcamps ja havien començat aquest procés

Abans de la IA ja hi havia una versió més primitiva del mateix fenomen: els bootcamps. Cursos intensius de tres o quatre mesos que prometien convertir algú en desenvolupador.

I no tinc res en contra d’aquests cursos. Podien ser una porta d’entrada perfecta al sector. El problema apareixia quan tres mesos fent exercicis es convertien mentalment en tres mesos d’experiència professional. No és el mateix.

Molts desenvolupadors que portem anys en això vam començar molt abans de treballar professionalment. Per curiositat. Tocant ordinadors. Trencant coses. Muntant webs. Instal·lant servidors. Modificant sistemes. Provant tecnologies. Fent projectes inútils simplement perquè volíem veure si érem capaços de fer-los.

Quan arribaves a estudiar desenvolupament, moltes vegades ja portaves anys exposat a tecnologia. Aquesta base no venia només de la formació. Venia del temps, de l’exposició acumulada i de veure com evolucionava tot. Amb la IA aquesta compressió és encara més extrema: ara no necessites tres mesos per començar a construir coses aparentment complexes. Pots començar el primer dia.

Els “prompt engineers” i la mística d’explicar-se bé

Durant els primers mesos de l’explosió dels LLM va aparèixer fins i tot una nova figura gairebé mística: el prompt engineer. I de cop Internet es va omplir de prompts del tipus “Eres un experto mundial en...”, “Actúa como un ingeniero con 25 años de experiencia...” i cent línies més.

Molta gent copiava aquests prompts sencers sense entendre ni per què hi havia cada instrucció. Però darrere de molta d’aquesta suposada enginyeria hi havia una cosa molt més simple: saber explicar-se.

Un LLM funciona a partir del context que li dones. Si descrius malament el problema, tens moltes possibilitats d’obtenir una resposta mediocre. Si expliques correctament què estàs fent, quines limitacions tens, què has provat, quin és l’objectiu i què està fallant, la qualitat de la resposta augmenta enormement. No perquè hagis trobat un prompt màgic, sinó perquè tu entens millor el problema.

El nivell de la pregunta també determina el nivell de la resposta

Dues persones poden utilitzar exactament el mateix model i obtenir resultats completament diferents. Una persona pot preguntar “Fes-me una API”. Una altra pot especificar arquitectura, volum esperat, requisits de seguretat, sistema d’autenticació, infraestructura, observabilitat, limitacions de cost, estratègia de testing i decisions de mantenibilitat.

El model és el mateix. La diferència és el coneixement de la persona que està fent la pregunta. Per això crec que aquella primera idea que la IA democratitzaria completament totes les professions acabarà matisant-se.

Sí, democratitza l’accés a les eines. Però això no significa que elimini l’experiència. Probablement passarà exactament el contrari: les empreses buscaran cada vegada més especialistes que, a més de dominar el seu camp, sàpiguen utilitzar molt bé la IA.

Un expert amb IA continua sent un expert

Si dones una eina potent a algú que no domina una disciplina, aquesta persona podrà fer moltes més coses. Però si dones exactament la mateixa eina a un expert, també multiplicaràs la seva capacitat. I probablement molt més.

Perquè l’expert sap què preguntar, sap quina informació falta, sap detectar quan la resposta és absurda, sap quines decisions són importants, sap què pot delegar, sap què ha de revisar i, sobretot, sap quan alguna cosa aparentment correcta està mal feta.

Per això no crec que la IA elimini els experts. El que fa és que durant un temps sigui més difícil distingir-los. Algú sense base pot aparentar un nivell molt superior al que té perquè la qualitat visible de la seva producció ha augmentat enormement.

Però quan apareix un problema real, una situació nova o una decisió que no té una resposta evident, la diferència torna a aparèixer.

La IA pot fer-te semblar expert, però no et dona criteri

La IA pot generar codi, dissenys, textos, anàlisis, estratègies i productes. Però el fet que puguis obtenir un resultat no significa automàticament que hagis adquirit la competència necessària per produir-lo.

Un expert continuarà sent un expert. I algú que no ho és podrà aparentar-ho millor que mai. La diferència és que ara potser trigarem una mica més a descobrir quin dels dos tenim davant.