Dissenyar equips híbrids: quin paper han de tenir els humans i la IA?
Moltes empreses estan introduint la IA seguint un camí semblant. El primer pas acostuma a ser la productivitat individual: donar una llicència de Copilot o una eina equivalent a tota la plantilla, oferir una formació i demanar a les persones que la incorporin al seu dia a dia. Cadascú busca on li pot estalviar temps: redactar un document, resumir una reunió, analitzar dades o preparar una presentació.
El segon pas és crear agents que facin tasques de manera més o menys autònoma. Ja no esperen una petició puntual, sinó que segueixen unes instruccions, consulten informació, generen una sortida i, en alguns casos, encadenen diverses accions. L’empresa passa d’ajudar persones amb IA a delegar parts de la feina a sistemes d’IA.
El tercer pas és més exigent: crear equips híbrids on persones i agents col·laborin dins d’un mateix flux de treball. Aquí ja no n’hi ha prou amb repartir tasques. Cal decidir qui aporta idees, qui qüestiona una proposta, qui converteix les decisions en accions, qui revisa el resultat i, sobretot, qui conserva el criteri i la responsabilitat.
Aquest recorregut porta a un quart pas: repensar els processos de la companyia. Si ens limitem a inserir IA en els processos actuals, potser només farem més ràpid allò que ja fèiem. El canvi de debò arriba quan revisem com es prenen les decisions, com circula la informació i com es coordinen humans i agents per aportar més valor.
Aquest article se centra en el tercer pas. La pregunta ja no és només què pot fer la IA, sinó quin paper ha de tenir dins d’un equip concret perquè el conjunt funcioni millor.
El model de rols d’equip de Belbin ens ofereix un llenguatge per explorar-ho. No el faré servir per etiquetar les persones ni per atribuir una personalitat a la IA, sinó per observar quines contribucions ja tenim, quines ens falten i quines podríem reforçar.
Primer, entendre què necessita l’equip
Meredith Belbin va descriure nou rols que acostumen a aparèixer quan les persones treballen juntes:
- orientats a les idees: Cervell, Monitor Avaluador i Especialista;
- orientats a l’acció: Impulsor, Implementador i Finalitzador;
- orientats a les persones: Coordinador, Cohesionador i Investigador de Recursos.
Una persona pot mostrar més d’un rol i adaptar la seva contribució segons la situació. El model funciona millor com una eina per conversar sobre fortaleses, buits i desequilibris que no pas com un diagnòstic fix de personalitat.
Aquesta mirada canvia la manera d’integrar la IA. En lloc de començar preguntant «quines tasques podem automatitzar?», podem observar què passa a l’equip. Potser genera moltes idees però li costa prioritzar-les. Potser pren decisions però falla en el seguiment. O potser analitza bé els problemes, però evita les converses difícils.
Només després té sentit decidir si un agent d’IA pot reforçar alguna d’aquestes contribucions.
Un experiment amb ChatGPT, Claude i Gemini
Per explorar fins a quin punt una IA pot representar aquestes contribucions, vaig passar el mateix qüestionari de Belbin a ChatGPT, Claude i Gemini.
Aquests van ser els resultats:
Coordinador
Cohesionador
Investigador de Recursos
Impulsor
Implementador
Finalitzador
Cervell
Monitor Avaluador
Especialista
Els perfils no són idèntics. ChatGPT es presenta sobretot com a Cohesionador. Claude destaca com a Especialista, i Gemini es concentra en Finalitzador, Implementador i Monitor Avaluador.
També hi ha coincidències. Les tres IA puntuen baix com a Impulsores i Investigadores de Recursos. Cap es presenta especialment forta com a Cervell, tot i que generar idees és un dels usos més habituals de la IA generativa.
Aquesta última dada em va sorprendre. També em va fer desconfiar d’una lectura massa literal del test.
Simular una conducta no és assumir un rol
El qüestionari de Belbin està pensat perquè una persona valori el seu comportament habitual a partir de l’experiència de treballar amb altres persones. Una IA no té aquesta experiència. Respon a partir de l’entrenament, les instruccions, el context de la conversa i la interpretació que fa de cada frase.
Els resultats, doncs, no demostren que els models tinguin un rol d’equip. Mostren el comportament que diuen que tindrien sota unes condicions concretes.
La puntuació alta de ChatGPT com a Cohesionador n’és un bon exemple. El model acostuma a respondre amb amabilitat, adaptar el to i evitar conflictes innecessaris. Són conductes que recorden aquest rol.
Però un Cohesionador humà percep silencis, aliances, cansament o tensió. Ha construït confiança amb les persones i arrisca part d’aquesta confiança quan intervé. La IA pot suggerir una frase empàtica, però no comparteix el cost relacional de dir-la en el moment equivocat.
Passa una cosa semblant amb el Coordinador. Una IA pot ordenar objectius, proposar una agenda i distribuir tasques segons la informació disponible. Una persona que coordina també necessita legitimitat, lectura política i capacitat per assumir una decisió davant del grup.
La conducta visible pot assemblar-se. La contribució completa no és la mateixa.
El paper de la IA s’ha de dissenyar
Seria un error concloure que «Gemini és Finalitzador» o que «Claude és Especialista». Un mateix model es pot comportar de maneres molt diferents segons com el configurem.
Podem crear un agent que generi alternatives poc evidents, un altre que busqui riscos i contradiccions, un altre que transformi una decisió en un pla executable i un quart que revisi el resultat abans de donar-lo per acabat. Tots quatre poden utilitzar el mateix model.
La diferència no la posa una personalitat fictícia. La posen l’objectiu, el context, les preguntes, els criteris, els límits i el format de resposta.
Posar noms diferents a cinc agents tampoc garanteix cinc contribucions diferents. Si només els demanem que «actuïn com» cinc rols, podem acabar amb el mateix model amb cinc disfresses. Cada agent necessita:
- una funció concreta dins del procés;
- la informació necessària per complir-la;
- criteris propis per observar el problema;
- límits clars sobre què pot decidir;
- una sortida que l’equip pugui revisar;
- una persona responsable de validar-ne el resultat.
Dissenyar el paper de l’agent és més important que assignar-li un personatge.
Què pot aportar millor la IA?
L’experiment apunta a contribucions en què les IA actuals poden ser útils: estructurar informació, convertir una decisió en passos, comparar opcions, buscar incoherències, revisar detalls i aportar coneixement especialitzat quan disposen de bones fonts.
Això encaixa amb les puntuacions d’Implementador, Finalitzador, Monitor Avaluador i Especialista, sobretot en Claude i Gemini.
Una puntuació alta, però, no garanteix una bona execució. Un agent Finalitzador pot revisar sistemàticament un text i no detectar una dada inventada. Un Monitor Avaluador pot comparar opcions amb criteris incomplets. Un Especialista pot donar una resposta precisa sobre una premissa falsa.
Per això, la supervisió humana no és un tràmit que afegim al final. Forma part del disseny de l’equip híbrid.
Les contribucions relacionades amb la confiança, el conflicte, la influència o la responsabilitat social continuen depenent molt més de les persones. La IA pot donar suport a un Cohesionador o a un Coordinador, però no substitueix la relació que dona legitimitat a la seva intervenció.
Afegir IA no sempre millora l’equip
Quan una eina és nova, és fàcil incorporar-la allà on més llueix. Demanem idees, alternatives, documents i anàlisis. En pocs minuts tenim més material del que l’equip pot revisar.
Un equip pot tenir cinc agents generant idees i continuar sense innovar. Potser el problema no és la falta d’idees, sinó que ningú les qüestiona, les prioritza o les converteix en decisions.
La IA també pot accentuar un desequilibri existent. Si l’equip ja obre moltes línies i li costa tancar-les, un altre generador d’alternatives només crearà més soroll. En aquest cas seria més útil un agent que comparés opcions, fes visibles els criteris de decisió o comprovés què falta per acabar.
La unitat d’anàlisi no hauria de ser «humans contra IA», sinó l’equip sencer:
- Quines contribucions ja aporten les persones?
- Quines recauen sempre en la mateixa persona?
- Quines desapareixen quan hi ha pressió?
- On es bloqueja el flux entre una idea i un resultat?
- Quin agent podria reforçar un buit sense debilitar la responsabilitat humana?
Belbin pot ajudar-nos a formular aquestes preguntes. No ens donarà una recepta automàtica.
Cinc criteris per dissenyar un equip híbrid
D’aquest experiment en trec cinc criteris pràctics:
- Comença per l’equip, no per l’eina. Observa les contribucions que falten abans d’afegir cap agent.
- Defineix una funció, no un personatge. «Revisa les evidències i identifica contradiccions» és més útil que «actua com un Monitor Avaluador».
- Reserva a les persones el judici i la responsabilitat. L’agent pot preparar, comparar o revisar; una persona ha de decidir i respondre pel resultat.
- Dissenya la revisió des del principi. Cal saber qui validarà la sortida, amb quins criteris i què passarà si hi ha dubtes.
- Mesura la contribució al conjunt. No n’hi ha prou que l’agent produeixi molt o respongui ràpid. Ha d’ajudar l’equip a decidir millor, reduir errors o completar feina que abans quedava encallada.
La conclusió
Dissenyar un equip híbrid no consisteix a repartir tasques entre humans i IA fins que tothom estigui ocupat. Consisteix a entendre què necessita l’equip per treballar millor i decidir quines contribucions pot reforçar la tecnologia sense diluir el criteri, les relacions ni la responsabilitat humana.
Els qüestionaris no demostren que ChatGPT, Claude o Gemini tinguin una personalitat de Belbin. Sí que ens ajuden a veure una distinció important: una IA pot executar conductes associades a un rol sense assumir-lo com ho faria una persona.
La pregunta que ens queda és més concreta: quina contribució necessita aquest equip, i com podem reforçar-la amb IA sense delegar allò que ha de continuar sent humà?
A la segona part convertirem aquesta pregunta en una dinàmica pràctica per mapar les contribucions de l’equip, detectar buits i dissenyar agents d’IA amb una funció comprovable.