El judici no es delega · 12 de 12

Se sol dir que l’escola està dividida en dues parts davant de la intel·ligència artificial. D’una banda, els qui la prohibeixen i vigilen; de l’altra, els qui la utilitzen sense fre. I al mig, segons el relat, una escletxa generacional insalvable: un alumnat que la fa servir amb naturalitat i un professorat que la tem. És una història ordenada, fàcil d’explicar i de titular. Però també una història que desapareix quan algú es molesta a mesurar-la.

Aquest és l’últim article de la sèrie, i toca fer el que se li demana a qualsevol procés d’aprenentatge: separar el que sabem del que suposem, i decidir què se’n fa.

El mapa del desacord

L’abril de 2026, l’Observatori d’Innovació Educativa i Cultura Digital va publicar un informe amb un contingut poc habitual en aquest tipus de publicacions: un capítol dedicat a validar estadísticament les seves pròpies conclusions. El signa Neus Lorenzo Galés, vicepresidenta de la Societat Catalana de Pedagogia. El procediment va consistir a creuar tres fonts directes, un qüestionari a l’alumnat (138 respostes), un altre al professorat (63) i entrevistes a dotze persones expertes, i comparar les seves respostes amb proves estadístiques, no amb impressions (1).

Abans d’estudiar els resultats convé fixar la mida del que s’analitza. Són mostres petites, no probabilístiques i de participació voluntària, i els mateixos autors ho adverteixen sense embuts: no pretenen garantir una representació escalable ni transferible a altres contextos (1). El que ofereixen no és una radiografia del sistema educatiu hispanoparlant. És una fotografia honesta dels qui van voler respondre. Amb aquesta cautela posada, els resultats són cridaners.

El primer: en la pregunta sobre si la IA millora els resultats acadèmics, alumnat i professorat puntuen gairebé igual (mitjanes de 3,36 i 3,37 sobre 5), i la diferència és tan petita que la prova estadística la descarta per complet (1). És el punt de més consens de tot l’estudi. La percepció global també convergeix: al voltant del 70 % de l’alumnat i el 79,4 % del professorat valoren de manera positiva l’ús de la IA, i no hi va haver ni un sol docent que la valorés de manera totalment negativa, mentre que un 6,5 % de l’alumnat sí que va expressar rebuig explícit (1). Llegiu-ho a poc a poc, perquè inverteix el tòpic. Qui va mostrar animadversió cap a la IA va ser l’alumnat, no el claustre.

El segon resultat: on sí que hi ha divergència real, amb significació estadística i mida d’efecte mitjana, és en la preocupació pel pensament crític (mitjanes de 3,74 en l’alumnat i 4,35 en el professorat) i en la necessitat de debatre els riscos a classe (4,13 i 4,71). En tots dos casos el professorat puntua més alt, i en el segon la distància és la més gran de tot l’estudi (1). El desacord, per tant, no és sobre si l’eina serveix. És sobre quant cal inquietar-se i quant cal parlar-ne.

El tercer és el més incòmode. La màxima polarització de tot l’informe no es dona entre sectors, sinó dins d’un de sol: els dotze experts entrevistats discrepen entre ells, més que en cap altre tema, sobre la credibilitat de les institucions encarregades de governar la IA en educació (1). I en aquest punt l’informe registra un silenci, ja que la veu de l’alumnat sobre governança no existeix encara (1). Una anàlisi complementària comprova a més que aquests eixos de divergència coincideixen amb els tres dilemes que emergeixen de les experiències d’aula, automatització enfront d’esforç cognitiu, personalització enfront de dependència i eficiència enfront de profunditat pedagògica (11).

Escoltar l’alumnat matisa més el quadre. Gina María Ramírez Zöller, enginyera en sistemes i rectora de la Unidad Educativa Lemas de Guayaquil, va enquestar 327 estudiants d’entre 12 i 16 anys del seu centre, triats per accessibilitat i consultats en un únic moment del curs. El que més els preocupa de la IA no és l’avorriment ni la vigilància: és la dependència (42,70 %), seguida del risc de rebre informació incorrecta (26,40 %). El 67 % considera que utilitzar-la per a les tasques és una ajuda vàlida si es fa servir bé. I set de cada deu, el 70,3 %, creuen que haurien de rebre orientació sobre el seu ús responsable (2). Sembla una dada menor, oi?, doncs és la més exigent de l’informe: l’alumnat està demanant per escrit el que molts claustres encara no han decidit donar.

Francesca Burriel Manzanares, doctora en Pedagogia i inspectora d’educació, va fer una consulta semblant al Colegio Español María Moliner d’Andorra abans d’introduir la IA al centre, amb dos grups molt petits, 19 alumnes de 1r d’ESO i 21 de 1r de Batxillerat. Els petits utilitzen poc la IA i gairebé mai no comproven el que els respon, però creuen que sense ella no els passaria res. Els grans la utilitzen molt, desconfien més i contrasten més, i alhora reconeixen que treballar sense ella els costaria (3). Amb quaranta respostes no es generalitza res, i així s’ha de llegir. Com a indici d’un centre, apunta una cosa que convé no perdre de vista: l’hàbit de verificar no arriba amb l’edat primerenca, arriba tard i arriba acompanyat de dependència.

El mapa, doncs, queda així. Coincidim que la IA aporta. Discrepem en quant preocupar-nos. I desconfiem, sobretot, de qui decideix. Aquest tercer eix mereix una conversa pròpia, que és la que ocupa l’article anterior d’aquesta sèrie.

Futur sense bola de vidre

Si el desacord no és en si la IA serveix, la pregunta es desplaça: per a quin món estem preparant aquest alumnat? Aquí és on la prudència es torna obligatòria, ja que la major part del que es publica sobre el futur del treball són projeccions, i moltes procedeixen de consultores i bancs d’inversió, no d’investigació revisada per parells.

José Antonio Bowen i C. Edward Watson ho tracten en el capítol sobre la nova era del treball del seu llibre, i són transparents amb l’origen de les seves xifres. Els percentatges que circulen sobre l’exposició de cada sector a la IA (un 6 % de les tasques en construcció, un 44 % en l’àmbit jurídic, un 46 % en suport administratiu) procedeixen d’un informe de Goldman Sachs, igual que la previsió d’un augment del 7 % del PIB global (4, 13). Són estimacions d’un banc d’inversió, i així s’haurien de citar sempre.

El que el capítol sí que sosté amb estudis al darrere és més interessant que qualsevol percentatge. Bowen i Watson ho resumeixen en una frase: la IA eliminarà alguns llocs de treball, però canviarà tots (4). I en els treballs que revisen apareix un patró constant. Tant en un estudi amb cinc mil agents d’atenció al client com en un experiment del MIT amb 453 professionals amb formació universitària, qui més es beneficia de l’assistència de la IA és sempre el treballador novell o menys qualificat. En el cas del MIT, els qui van utilitzar ChatGPT van acabar les tasques d’escriptura un 40 % més de pressa i amb un 18 % més de qualitat, i els pitjors escriptors van ser els més ajudats, de manera que la desigualtat entre treballadors es va reduir (4). L’explicació de Bowen és sòbria i útil per a l’aula: la IA fa una feina d’aprovat, però és un aprovat constant, i per a qui comença, aquesta mitjana ja és una millora.

Aquí hi ha el problema, i és un problema pedagògic abans que econòmic. Si la IA assumeix les tasques rutinàries que fins ara feien els perfils d’entrada, els becaris, els júnior i els nostres principiants perden precisament les oportunitats en què s’aprèn l’ofici (4). Alejandro Espeso-García, de la Universitat Catòlica de Múrcia, ho desenvolupa en una revisió conceptual publicada el 2025 amb dos conceptes que convé incorporar al vocabulari dels equips directius. El primer és el deskilling, l’atròfia progressiva de les destreses professionals per automatització, que afecta amb més força els perfils intermedis. El segon és la paradoxa de l’automatització: com més competent és el sistema, menys ocasions té la persona de practicar, i quan el sistema falla o al·lucina, ja no queda experiència per corregir-ho (5). Convé subratllar que es tracta d’un article de revisió, sense dades pròpies, que sintetitza literatura recent.

Davant d’aquest escenari, Espeso-García proposa el de la intel·ligència híbrida, entesa no com a substitució sinó com a sistema complementari, en què la persona guia i refina el que l’algorisme produeix, amb evidència que aquesta col·laboració genera solucions més aplicables que l’algorisme o la persona per separat (5). Quant a les competències que guanyen valor, l’article es basa en l’informe del Fòrum Econòmic Mundial de 2025: pensament analític i innovació en primer lloc, i al costat d’ells lideratge, resiliència, flexibilitat i, de manera molt destacada, aprendre a aprendre (5, 12).

No és una llista sorprenent per a qui fa anys que és en un centre educatiu. És, gairebé calcat, el que l’escola fa dècades que diu que vol formar. I aquest és el resultat més útil de mirar el futur del treball sense bola de vidre: la resposta pedagògica no depèn d’encertar la predicció.

Qui porta el volant

Espeso-García tanca el seu article amb una imatge que serveix per tancar també aquesta sèrie. La cognició humana, sosté, ja és híbrida i ho serà de manera irreversible, així que la pregunta no és si la ment es fondrà amb aquests sistemes, sinó si aquesta hibridació serà evolució o involució. I tot depèn d’una condició: que la ment conservi la seva sobirania com a agent cognitiu, és a dir, que defineixi els fins, jutgi els mitjans i exerceixi el judici final. El desenllaç, escriu, dependrà de si actuem com a pilots guiats per la tecnologia o com a passatgers que confonen la il·lusió de comprendre amb l’acte de pensar (5).

La distinció no és retòrica. En un altre punt del mateix article la tradueix en un canvi de model: passar del human in the loop, on la persona es limita a supervisar el que el sistema proposa, al human in charge, que li retorna el control crític i l’autoritat final. I hi afegeix la condició que sosté tot l’anterior: sense una base sòlida de coneixement que permeti auditar i corregir l’algorisme, l’estudiant no és un pilot assistit, és un passatger cec (5). És la mateixa tesi que recorre aquesta sèrie des de la primera entrega. No es pot supervisar el que no es comprèn.

El Marc AILit, publicat el juny de 2026 per l’OCDE i la Unió Europea, organitza l’alfabetització en IA en quatre àmbits: interactuar, crear, gestionar i modelar. Els dos últims són els que interessen a un equip directiu que hagi de decidir. Gestionar la IA es defineix com repartir la feina de manera deliberada entre les persones i la IA, i modelar la IA porta l’alumnat a considerar aquests sistemes com una cosa deliberada i dirigida per humans, en lloc d’una cosa inevitable (6). Cathy Adams, de la Universitat d’Alberta, ho formula en el mateix marc amb una precisió que agrairà qualsevol claustre sense perfil tècnic: no cal ser enginyer d’IA per entendre que es pot modelar la tecnologia en lloc de deixar-se modelar per ella (6).

Amb aquestes dues fonts es pot construir un marc de decisió senzill, que proposo com a síntesi pròpia i no com a recomanació de cap d’elles. Tres verbs: protegir, delegar, modelar.

Protegir és decidir quin esforç no s’externalitza, perquè és precisament l’esforç que ensenya. És el deute cognitiu de què parlem en el quart article i la dificultat desitjable del cinquè. Delegar és l’àmbit de gestió del Marc AILit: repartir la feina de manera deliberada, cosa que exigeix saber abans què s’està repartint. Modelar no significa programar models. Significa que un centre entengui que aquests sistemes responen a decisions humanes sobre dades, criteris i finalitats, i que pot demanar-ne comptes.

I és que la paraula que millor resumeix aquest tancament no és tecnològica. El 2025, la UNESCO va dedicar el Dia Internacional de l’Educació a les tecnologies d’intel·ligència artificial amb el lema «Preservar l’agència humana en un món d’automatització», que Rosa Maria de la Fuente Castelló i Neus Lorenzo recullen com a eix del seu treball de formació docent (10). Agència humana és la capacitat de decidir i de respondre del que s’ha decidit. No es preserva amb una circular. Es preserva amb criteris acordats i revisats.

De l’anàlisi a la decisió

Per a l’equip directiu: l’estratègia de centre en una pàgina. Tres decisions per curs, una per verb. Què protegim (quines tasques o processos d’aprenentatge es fan sense IA i per què), què deleguem (quina feina repetitiva, docent o administrativa, passa a la IA amb supervisió definida) i què modelem (quins criteris exigim a les eines que entren al centre). Cada decisió amb un indicador i una data de revisió. És una proposta d’aquest blog, no un instrument validat, i el seu valor és que cap en una pàgina i obliga a triar.

Per a l’equip directiu: el debat de claustre amb dades pròpies. L’informe ODITE conclou que el desajust entre la mirada de l’alumnat, més atenta al benefici immediat, i la del professorat, més atenta a les condicions estructurals, obliga a generar espais de diàleg pedagògic deliberat entre els uns i els altres (1). La proposta és senzilla: replicar al centre aquelles quatre preguntes, comparar les mitjanes del claustre amb les de l’alumnat i discutir sobre el que surti en lloc de sobre titulars. Cap en un formulari de deu minuts.

Per a l’aula: tres experiències documentades, amb el seu abast real.

Javi Badia, tècnic docent a l’Institut de Ciències de l’Educació de la Universitat de Lleida, va treballar amb alumnat de 4t d’ESO de l’Institut Torre Vicens en la programació en Python d’un chatbot sobre el bioquímic Joan Oró. El sistema respon per coincidència de paraules clau, i l’objectiu no era aprendre a programar sinó obrir la caixa negra. En introduir informació errònia a propòsit, l’alumnat va comprovar que el sistema no entén, compara. L’avaluació es va fer amb rúbrica, observació i diari d’aprenentatge, sense mesures abans i després, així que parlem d’evidència formativa i no d’un experiment (7).

Maite Carbonell Cajal, docent de Dibuix a l’INS Leonardo da Vinci de Sant Cugat del Vallès, va portar 120 alumnes de 2n d’ESO a dibuixar amb Quick, Draw!, l’eina de Google que reconeix dibuixos a partir de milions de traços fets per persones. L’activitat contrasta dues coses: com representem el món els humans i com el classifica un sistema entrenat amb aquestes mateixes representacions (8).

Marc Alier, professor de la Universitat Politècnica de Catalunya, va provar amb 47 estudiants d’Enginyeria Informàtica una plataforma oberta que permet al docent crear assistents acotats a fonts seleccionades i integrats a Moodle, sense registre extern de l’alumnat (9). És una experiència universitària, i el que trasllada a l’escola no és l’activitat sinó el criteri. Un assistent definit pel docent i ancorat a fonts verificables no és el mateix que un chatbot genèric.

Què llegir després d’aquesta sèrie

Una sèrie serveix de poc si no deixa un recorregut al davant. Aquest és el corpus complet en què s’ha basat, ordenat per perfil de lector.

• Per entendre la màquina: Bowen i Watson, Teaching with AI (2024), capítols 1 a 3; Wulff i Mata a Trends in Cognitive Sciences (2026); i les aplicacions obertes del projecte finlandès Generation AI, guanyador del Premi Europeu de Competències Digitals de 2026, que permeten manipular un classificador o un model de llenguatge al navegador sense programar.
• Per entendre què fa a la ment que aprèn: Bjork i Bjork sobre dificultats desitjables (2020); Kosmyna i el seu equip del MIT Media Lab (2025), recordant que és un preprint; Lee i col·laboradors al congrés CHI (2025); Gerlich a Societies (2025), de disseny correlacional; Doshi i Hauser a Science Advances (2024); i la revisió d’Espeso-García (2025).
• Per dissenyar l’alfabetització en IA: el Marc AILit de l’OCDE i la Unió Europea (2026); el marc de Digital Promise de Mills i col·laboradors (2024); l’estudi Delphi internacional de Hallström i el seu equip (2026); i, per a la mirada crítica, el «plàstic digital» de Roe, Furze i Perkins (2026).
• Per a la pràctica d’aula i la formació del professorat: l’Informe ODITE 2026 complet; la revisió PRISMA de Guaranda-Arias i col·laboradores (2026) sobre alfabetització ètica i pensament crític docent; i els materials oberts de CRAFT, la iniciativa de la Stanford Graduate School of Education que produeix recursos d’alfabetització en IA per a secundària en totes les matèries.

Per acabar

Dotze entregues després, el balanç és més modest i més exigent del que prometien els titulars. Sabem que aquests sistemes prediuen i no comprenen, que l’al·lucinació és el seu funcionament i no la seva avaria, que el biaix és una propietat del corpus, que l’estalvi cognitiu es paga i que el consens internacional sobre què ensenyar és petit. No sabem com serà el treball d’aquí a quinze anys, i qui ho afirmi està venent alguna cosa.

El que sí que sabem és que el futur de l’escola amb IA no es prediu. Es decideix, en reunions concretes, amb criteris escrits i revisables.

I la pregunta amb què es tanca aquesta sèrie no és sobre tecnologia: quin esforç protegirà el teu centre aquest curs, i com sabràs d’aquí a un any si l’ha protegit de veritat?

Glossari

• Deskilling. Pèrdua progressiva de destreses professionals per delegació sostinguda de tasques en sistemes automàtics. Afecta sobretot els qui estan començant, perquè les tasques que s’automatitzen són les que servien per aprendre l’ofici.
• Intel·ligència híbrida. Model de col·laboració en què la persona orienta, corregeix i valida el que produeix el sistema, en lloc de substituir la seva feina per ell.
• Agència humana. Capacitat d’una persona o d’una institució per decidir amb criteri propi i respondre de les conseqüències d’aquesta decisió.
• Sobirania cognitiva. Situació en què la ment conserva la definició dels fins, el judici sobre els mitjans i la decisió final, encara que delegui l’execució.
• Modelar la IA. Quart àmbit del Marc AILit. Comprendre que el comportament d’aquests sistemes respon a decisions humanes sobre dades i criteris, i ser capaç de proposar millores. No consisteix a programar models.

Referències

1. Lorenzo Galés, N. (2026). La validación científica del informe ODITE 2026: un ejemplo de uso de IA en investigación educativa. A J. M. Muñoz, N. Lorenzo, X. Suñé, M. À. Prats i C. López (coords.), Informe ODITE 2026. Claves para una nueva educación. ODITE, Asociación Espiral.
2. Ramírez Zöller, G. M. (2026). La IA bajo la lupa de los estudiantes. A Informe ODITE 2026, secció Praxis.
3. Burriel Manzanares, F. (2026). La voz de los protagonistas: expectativas del alumnado sobre la IA. A Informe ODITE 2026, secció Praxis.
4. Bowen, J. A., i Watson, C. E. (2024). Teaching with AI: A Practical Guide to a New Era of Human Learning. Johns Hopkins University Press.
5. Espeso-García, A. (2025). Inteligencia artificial generativa: entre la potenciación y la externalización cognitiva. Cultura, Ciencia y Deporte, 20(66). https://doi.org/10.12800/ccd.v20i66.2698
6. OCDE i Unió Europea (2026). Cómo preparar a los alumnos para la era de la IA: Marco de competencias sobre IA para la educación primaria y secundaria (Marco AILit). OECD Publishing. https://doi.org/10.1787/65cd27d4-en
7. Badia, J. (2026). Programar para desmitificar la IA: el chatbot de Joan Oró en la educación secundaria. A Informe ODITE 2026.
8. Carbonell Cajal, M. (2026). La IA en el arte: conciencia digital y lenguaje visual. A Informe ODITE 2026.
9. Alier, M. (2026). Una experiencia de integración segura de inteligencia artificial generativa en educación superior mediante asistentes de aprendizaje. A Informe ODITE 2026.
10. De la Fuente Castelló, R. M., i Lorenzo Galés, N. (2026). Agencia humana en la IA educativa: APLICA-Soluciones para pasar a la acción. A Informe ODITE 2026.
11. Lorenzo Galés, N. (2026). Justificación estadística: correspondencia entre los dilemas pedagógicos de la praxis y las divergencias entre expertos. A Informe ODITE 2026.
12. World Economic Forum (2025). The Future of Jobs Report 2025. Citat a Espeso-García (2025).
13. Briggs, J., i Kodnani, D. (2023). The Potentially Large Effects of Artificial Intelligence on Economic Growth. Goldman Sachs. Citat a Bowen i Watson (2024).