El 27% de les contractacions d’Anthropic eren perfils júnior a principis de 2025. Ara són el 9%. La raó no és un retall pressupostari: és que els seus propis agents d’IA treballen sis vegades més hores que un humà i fan la feina que abans aprenien els becaris.
Anthropic no amaga el motiu. Els seus investigadors ho han batejat com la possible «tragèdia dels comuns cognitius«: si ningú fa la feina d’entrada, ningú arriba mai a fer la feina d’expert. El problema no és filosòfic, és un problema de cadena de subministrament del talent.
El càlcul que no quadra
Durant dècades, la feina júnior ha tingut una funció doble. Produeix valor immediat, sí, però sobretot forma el criteri que després necessitaràs en un sènior. Un analista júnior que revisa contractes, un programador que depura codi bàsic, un consultor que fa feina de camp: tots aprenen fent coses que, ara mateix, un agent fa més ràpid i més barat.
El problema és que l’agent no aprèn a ser sènior. Aprèn a repetir patrons. El criteri, és a dir, saber quan una dada no quadra, quan un client menteix, quan el resultat «correcte» és en realitat un error, es construeix fent la feina d’entrada durant anys, no llegint-ne la teoria.
Anthropic ho sap prou bé com per moure’s en dues direccions alhora. D’una banda, redueix contractació júnior perquè els agents ja fan aquella feina. De l’altra, prepara un fons amb el 5% de les seves accions per compensar treballadors desplaçats per IA abans d’una possible sortida a borsa. És una assegurança contra el propi èxit del producte que ven.
El problema no és d’Anthropic, és de qui ve després
Les empreses catalanes no tenen agents que treballin sis vegades més hores que un humà, encara. Però sí que tenen la mateixa temptació: substituir la feina d’entrada (redactar el primer esborrany, fer la primera anàlisi, respondre el primer correu) per una eina d’IA, perquè surt més barat i més ràpid.
El risc no és perdre productivitat avui. És no tenir, d’aquí cinc anys, ningú que sàpiga detectar quan l’eina s’equivoca. MIT Sloan i BCG porten cinc anys preguntant a directius sobre IA responsable, i el repte que repeteixen any rere any és sempre el mateix: dissenyar sistemes que preservin el criteri humà on realment importa, no allà on és més còmode.
Aquí hi ha una distinció que les empreses sovint passen per alt. No tota feina júnior és prescindible de la mateixa manera. Hi ha feina d’entrada que és pur volum (transcriure, ordenar, formatar) i aquesta sí, que la faci l’agent. Però hi ha feina d’entrada que és entrenament de judici: detectar l’excepció, entendre el client, saber quan el procediment estàndard no s’aplica. Aquesta no es pot automatitzar sense perdre, amb el temps, qui sàpiga fer-la créixer.
Què en fem, d’això?
Una empresa que contracti júniors ha de fer una pregunta abans de donar-los un agent d’IA com a eina de treball: què aprenen fent això que ja no aprendran si la IA ho fa per ells? Si la resposta és «res de valor», automatitza-ho sense dubtar. Si la resposta és «criteri», redissenya la feina perquè el júnior segueixi fent-la, encara que l’agent pugui fer-la més ràpid.
Això implica un canvi concret en l’onboarding: en lloc de donar al nou treballador tasques mecàniques que la IA ja fa millor, dona-li tasques de supervisió de la IA. Que revisi el que fa l’agent, que detecti els errors, que expliqui per què una resposta és incorrecta. Això és feina d’entrada real per a un món amb agents: no fer la tasca, sinó aprendre a auditar-la.
El fons de 5.000 milions en accions d’Anthropic per a treballadors desplaçats és un gest que cap empresa catalana pot replicar. Però la lliçó de fons sí que és replicable: si decideixes estalviar-te la formació júnior avui, algú haurà de pagar el cost de no tenir experts d’aquí deu anys. Vols ser tu?