IA tradicional vs IA generativa: entenent les seves diferències

La darrera dècada ha estat testimoni d’una acceleració tecnològica sense precedents. El que va començar com una eina per a l’automatització de processos rutinaris s’ha transformat en un motor de creació que desafia la nostra percepció de la tecnologia. Avui, la intel·ligència artificial (IA) ja no és una promesa de futur ni un concepte confinat als laboratoris de recerca o a les grans empreses de Silicon Valley. És una realitat tangible, present en la nostra vida quotidiana i, de manera cada cop més decisiva, en les estratègies de transformació de les organitzacions públiques i privades.

Tanmateix, sota el paraigua genèric del terme “Intel·ligència Artificial” conviuen diferents paradigmes que sovint es confonen. L’arribada disruptiva de models com ChatGPT ha posat la IA generativa al centre de totes les converses, però no podem oblidar la IA tradicional o predictiva, que porta anys sostenint infraestructures crítiques de la nostra societat. Per a les administracions públiques, entendre la distinció entre ambdues no és només una qüestió acadèmica; és una necessitat estratègica per decidir quina eina aplicar a cada repte per tal de millorar el servei a la ciutadania.

Què és la IA tradicional: el valor de la precisió i la dada històrica

La IA tradicional, sovint anomenada IA predictiva o discriminativa, és la tecnologia que ens ha acompanyat de manera més estable durant els darrers anys. El seu funcionament es basa en l’anàlisi de grans volums de dades passades amb un objectiu clar: identificar patrons, classificar informació o fer prediccions sobre comportaments futurs.

Aquesta tecnologia no “crea” res de nou. El seu valor resideix en la seva capacitat analítica i en la presa de decisions basada en evidències. Quan un sistema d’IA tradicional rep una entrada de dades, utilitza regles estadístiques i algoritmes d’aprenentatge automàtic (machine learning) per determinar una probabilitat o una categoria. És, essencialment, una eina d’optimització i classificació.

En el món empresarial, trobem exemples d’IA tradicional arreu. Els motors de recomanació de plataformes com Spotify o Netflix en són el cas més conegut: analitzen el que has escoltat o vist anteriorment per suggerir-te el següent contingut amb una precisió sorprenent. En l’àmbit de la logística i l’energia, empreses com Walmart o Red Eléctrica de España la utilitzen per preveure la demanda segons variables meteorològiques o esdeveniments locals, garantint que el subministrament s’ajusti a la realitat. Fins i tot en la ciberseguretat, sistemes de Visa i Mastercard detecten fraus en temps real en identificar transaccions que se surten del patró habitual d’un usuari.

Aquesta fiabilitat fa que la IA tradicional sigui insubstituïble en entorns crítics on la precisió és una qüestió de seguretat, com ara el diagnòstic mèdic a partir d’imatges o la gestió de xarxes elèctriques.

La IA generativa: el salt cap a la síntesi de nou contingut

Si la IA tradicional analitza el món, la IA generativa sembla que el vulgui descriure, dibuixar o programar. Aquesta modalitat ha protagonitzat una explosió mediàtica i tecnològica recent gràcies a la seva capacitat per produir contingut original —ja sigui text, imatges, música, vídeo o codi informàtic— a partir de peticions senzilles en llenguatge natural.

Cal, però, desmitificar el concepte de “creativitat” en la IA generativa. A diferència de la ment humana, aquests models no tenen espurnes d’inspiració ni consciència. Són models estadístics extremadament avançats que han estat entrenats amb quantitats massives d’informació existent. El que fan és aprendre la distribució de probabilitats dels elements que formen una dada (per exemple, quina paraula sol seguir a una altra en un context determinat) per generar resultats que semblen humans i plausibles.

L’aplicació d’aquesta tecnologia és revolucionària. En el camp del text, els xatbots basats en models de llenguatge (LLM) poden redactar informes complexos, resumir documents extensos o actuar com a assistents virtuals molt més sofisticats que els tradicionals. En el disseny, eines com DALL·E o Midjourney creen il·lustracions a partir de descripcions textuals, i en l’àmbit tècnic, eines com GitHub Copilot estan revolucionant la programació en suggerir fragments de codi i corregir errors de manera autònoma.

Segons consultores de referència com Gartner, la IA generativa té el potencial d’aportar un retorn de la inversió (ROI) significatiu, però adverteixen que el seu èxit depèn d’una governança robusta. A diferència de la IA tradicional, la generativa comporta riscos més complexos de gestionar, com els biaixos algorítmics (reproduir prejudicis presents a les dades d’entrenament), les anomenades “al·lucinacions” (generació d’informació falsa amb aparença de veritat) i els debats oberts sobre la privacitat i els drets d’autor.

Diferències fonamentals: com triar la tecnologia adequada

Per a qualsevol gestor públic o responsable de transformació digital, és vital saber quan utilitzar cada tipus d’IA. No es tracta de triar la més moderna, sinó la més adequada per a la finalitat buscada.

La IA tradicional és l’opció guanyadora quan l’objectiu és la predicció i l’optimització. Si una administració vol preveure la càrrega de treball d’una oficina d’atenció ciutadana el proper mes, o si vol identificar patrons de risc en salut pública, necessita la precisió de les dades històriques. També és ideal per a la detecció d’anomalies, com ara identificar possibles errors en la tramitació d’expedients o detectar accessos no autoritzats a sistemes crítics.

D’altra banda, la IA generativa és l’eina idònia quan necessitem crear, sintetitzar o personalitzar. És imbatible en el prototipatge ràpid d’idees, en la generació de continguts educatius adaptats a diferents nivells o en la simplificació del llenguatge administratiu per fer-lo més entenedor per al ciutadà.

Una tendència emergent que destaca Gartner és la denominada “Composite AI” (IA composta). Aquesta estratègia no tria entre una o l’altra, sinó que integra diversos models per resoldre problemes complexos. Per exemple, podríem tenir una IA tradicional que analitzi les dades de consum energètic d’un edifici públic i, un cop detectada una ineficiència, una IA generativa podria redactar automàticament un informe de recomanacions personalitzat per als gestors d’aquell edifici.

L’impacte en el sector públic: l’experiència de l’AOC

A l’Administració Oberta de Catalunya (AOC), la intel·ligència artificial ja no és un experiment, sinó una realitat que s’està integrant en el dia a dia de les nostres solucions. El sector públic té una responsabilitat afegida: garantir que aquestes tecnologies s’utilitzin per generar valor públic, respectant sempre els drets fonamentals de la ciutadania.

En l’àmbit de la IA tradicional, l’AOC i altres administracions ja estan explorant sistemes de decisió automatitzada per agilitzar tràmits que abans requerien setmanes de revisió manual. La predicció de càrregues de treball permet una millor planificació dels recursos humans, assegurant que els serveis no se saturin en moments punta.

Pel que fa a la IA generativa, el potencial és immens. S’estan desenvolupant xatbots d’atenció ciutadana que no només donen respostes preconfigurades, sinó que són capaços d’entendre la intenció de l’usuari, guiar-lo en la realització d’un tràmit i simplificar gestions complexes. Estudis europeus recents indiquen que la implementació d’aquestes eines podria estalviar milions d’hores anuals al personal públic, permetent que aquest es dediqui a tasques de més valor afegit i atenció directa, mentre la IA s’ocupa de la burocràcia més feixuga. Es calcula que la productivitat podria millorar fins a un 9% en el conjunt de l’administració.

No obstant això, el camí no està lliure de reptes. Les administracions s’enfronten a la fragmentació de les dades (dades que resideixen en diferents organismes i que sovint no es parlen entre elles) i a la necessitat de complir estrictament amb el Reglament General de Protecció de Dades (RGPD) i la LOPDGDD. A més, hi ha un deure legal i democràtic de transparència algorítmica: el ciutadà té dret a saber quan està interactuant amb una IA i quins criteris s’han seguit per prendre una decisió que l’afecti.

Cap a una governança ètica i responsable

Perquè la revolució de la IA sigui realment beneficiosa, cal anar més enllà de la implementació tècnica. Des de l’AOC, s’aposta per una estratègia basada en quatre pilars fonamentals:

Governança i ètica: Establir marcs normatius i procedimentals clars. No podem permetre que la tecnologia avanci sense un control humà que vetlli per l’equitat i eviti els biaixos.
Capacitació: La tecnologia no és bona ni dolenta per si mateixa; el seu impacte depèn de l’ús, el disseny i la governança que en fem les persones. Per això, és imprescindible formar el personal públic no només en l’ús d’eines, sinó en competències digitals crítiques com el prompt engineering (l’art de fer les preguntes adequades a la IA) i en la interpretació crítica dels resultats.
Estratègia gradual: El millor camí és començar amb casos d’ús concrets i controlats, aprendre dels errors i escalar les solucions d’èxit mitjançant la IA composta.
Prioritat al valor públic: La pregunta no ha de ser “què pot fer la IA?”, sinó “com pot la IA ajudar-nos a oferir un millor servei, reduir les desigualtats i garantir els drets dels ciutadans?”.

Conclusió: Un futur compartit

En definitiva, la IA tradicional i la IA generativa no són competidores en una carrera tecnològica; són dues eines complementàries en una mateixa caixa de transformació. Mentre que la primera ens aporta l’estabilitat, la precisió i la memòria de la dada, la segona ens ofereix la versatilitat, la síntesi i les interaccions més naturals —com la veu o el llenguatge escrit quotidià— que faciliten la relació humana amb la complexitat.

A l’AOC, el compromís és clar: aprofitar el millor d’ambdós mons per construir una administració més àgil, intel·ligent i, sobretot, més propera a les necessitats de les persones. La transformació digital ja no és una opció, és el camí per garantir la sostenibilitat i la qualitat dels serveis públics en el segle XXI.