Fa vint-i-cinc anys, la meva primera feina com a enginyera va ser dissenyar algoritmes genètics per optimitzar rutes logístiques: fer arribar els camions on calia amb el mínim consum de recursos. Avui lidero iniciatives de transformació i intel·ligència artificial (IA) a GFT Technologies, i torno a fer-me la mateixa pregunta, ara amb un altre protagonista: com podem obtenir el màxim valor dels recursos que consumim?

Fa només un any, algunes empreses premiaven qui gastava més tokens. Se'n va dir tokenmaxxing: consumir molta IA era sinònim d'adoptar-la bé. Pocs mesos després va arribar la paradoxa de Jevons: com més eficient i accessible és una tecnologia, més se n'utilitza, i la factura es dispara. Grans empreses com Microsoft, Amazon o Uber van haver de limitar-ne l'ús.

Ara som en una tercera fase: la tokenomics, l'economia dels tokens. Un token és un fragment de contingut —una paraula, una part d'una paraula o un signe— que el model processa i genera. I el seu cost pot sorprendre. En una prova, un simple «hola» a un assistent de programació va anar acompanyat de més de 14.000 tokens d'entrada, perquè darrere del missatge hi havia les instruccions del sistema i la descripció de 47 eines. La resposta, en canvi, només en va ocupar catorze. Un missatge petit amb una motxilla enorme. I cada vegada que demanem «fes-ho més curt», aquesta motxilla torna a viatjar sencera.

“L'objectiu no és minimitzar l'ús de la IA, sinó maximitzar el valor que n'obtenim.”

Aquest és un dels grans reptes del sector, i no és només tecnològic: és una qüestió de criteri. El consum d'IA a la nostra organització es va multiplicar per gairebé sis entre gener i agost. És un senyal d'adopció real, però també de tensió. Hi ha persones amb «ansietat de tokens», que temen quedar-se sense abans que acabi el mes. A més, els costos dels proveïdors són volàtils i difícils de pressupostar.

En el sector dels serveis tecnològics, també cal repensar el model de negoci. Les empreses de serveis sempre hem tarifat l'esforç de les persones, però ara hi hem de sumar les llicències i els tokens. Qui paga la IA? Encara no hi ha una resposta única.

Què hem après? Que el cost real no s'ha de mesurar per petició, sinó per tasca acceptada: un model barat que necessita cinc intents pot acabar sortint més car que un de més potent que resol la feina a la primera. Que obrir un xat per a cada tasca, triar bé el context i utilitzar el model adequat per a cada feina pot estalviar més que qualsevol prohibició. Que, si cal aplicar el mateix canvi a 200 fitxers, és millor demanar a la IA que escrigui l'script i deixar que l'ordinador l'executi. I que més tokens no vol dir més valor.

“La bretxa d'ús pot acabar esdevenint una bretxa d'accés a l'experimentació i, amb el temps, també d'oportunitats.”

L'objectiu no és minimitzar l'ús de la IA, sinó maximitzar el valor que n'obtenim.

És aquí on la tokenomics es creua amb una conversa que no podem eludir: la bretxa de gènere en la IA. Segons una enquesta de Lean In a 1.015 adults dels Estats Units, el 33% dels homes utilitza la IA diàriament a la feina, davant del 27% de les dones. Entre les persones que l'han utilitzada, el 23% dels homes ha rebut elogis per fer-ho, en comparació amb el 18% de les dones. I el 37% dels homes afirma que el seu responsable l'anima a utilitzar-la, mentre que entre les dones el percentatge és del 30%.

A escala global, una metaanàlisi de Harvard Business School recollida per Stanford Social Innovation Review, que agrupa 18 estudis de 25 països, situa en un 22% les probabilitats més baixes de les dones d'utilitzar IA generativa.

Per què és important això en l'era dels tokens? Perquè són un recurs limitat: pressupostos, crèdits i llicències. Quan un recurs és escàs, tendeix a anar a parar a qui ja experimenta, rep estímuls per fer-ho i és vist utilitzant-lo. Em pregunto —i és una pregunta, no una conclusió— si, sense voler-ho, la bretxa d'ús pot acabar esdevenint una bretxa d'accés a l'experimentació i, amb el temps, també d'oportunitats.

“No és aversió al risc, sinó consciència del risc. Jo hi veig una competència.” 

Hi ha, però, una altra lectura, i és la que més em motiva. Les mateixes dades mostren que les dones dubten més de l'exactitud de la IA (un 22%, davant del 17% dels homes) i expressen més reserves ètiques (un 22%, davant del 16%). Sovint això es presenta com un fre. Jo hi veig una competència. No és aversió al risc, sinó consciència del risc.

I la tokenomics necessita exactament això: qüestionar els resultats, validar-los abans d'acceptar-los i mesurar el valor en lloc del volum. Establir un criteri d'acceptació, un quality gate, és convertir la prudència en un procés.

Què podem fer? Com a professionals, provar la IA amb tasques reals, anar més enllà del xat, fer visibles els resultats —les hores estalviades, els errors detectats a temps— i compartir el que aprenem amb altres dones.

“El futur de la IA no es decidirà només per la potència de càlcul, sinó pel criteri amb què la fem servir.”

Com a organitzacions, hem de formar en l'ús eficient de la IA, i no només en el seu ús; garantir un accés equitatiu als recursos; animar conscientment totes les persones a experimentar-hi, i avaluar-ne l'impacte a partir dels resultats, no del volum de consum. Perquè ja hem vist què passa quan premiem el volum.

El futur de la IA no es decidirà només a partir de la potència de càlcul, sinó també del criteri amb què la fem servir. I el criteri funciona millor quan hi ha moltes mirades al voltant de la taula. La IA necessita humanisme i seny. Les dones hem de liderar-la.

Aquesta tribuna forma part de Veus de les 100 Dones TIC Referents a Catalunya, una col·laboració entre MetaData i l'Instituto Más Mujeres per donar veu a professionals expertes del sector tecnològic.