La intel·ligència artificial ja forma part del dia a dia de la ciència. Ajuda a escriure codi, resumir literatura científica, preparar textos, explorar dades o automatitzar tasques que fins fa poc requerien molt més temps. Però el seu impacte va més enllà de la productivitat. Com canviarà la feina als laboratoris? Quines competències hauran d’adquirir les persones que s’inicien en la carrera científica? I, sobretot, quin és el paper de les institucions perquè aquesta transició sigui responsable, segura i inclusiva?
Arran de la taula rodona ‘Will AI change your career? The impact of AI on science jobs’— en el marc del Career Month organitzat pels centres del Parc de Recerca Biomèdica de Barcelona (PRBB) i Intervals— conversem amb en David Brena, moderador de la sessió, sobre com aquestes tecnologies poden transformar la manera de treballar en ciència. Per a Brena, la qüestió no és només què pot fer la IA, sinó com incorporar-la sense perdre pensament crític, coneixement expert ni capacitat de decisió.
La xerrada va comptar amb la participació de Natàlia Dave, Head of Strategy and Funding (SaF) al Centre de Regulació Genòmica (CRG) i representant de EU-LIFE a la ERA Action: AI in Science, Marta Lloret, Associate Director, Culture, Capability, Comms & Change a AstraZeneca i Alejandro Torres-Sánchez, Group Leader a la seu de Barcelona del Laboratori Europeu de Biologia Molecular (EMBL Barcelona). Tres ponents les trajectòries dels quals van aportar perspectives diferents sobre la IA: l’estratègia institucional i política europea en ciència, la formació, la indústria, la recerca computacional i la pràctica científica.
David Brena és sènior scientific project manager al SaF del CRG, i està involucrat en iniciatives d’estratègia institucional, talent i transformació, incloent-hi el desenvolupament de capacitats en intel·ligència artificial, aprenentatge i adopció de noves eines. Les seves reflexions serveixen com a punt de partida per posar en context les aportacions dels ponents i les preguntes del públic durant la sessió.
Tot i que, tal com va reconèixer David Brena a l’inici de la sessió, el títol de la xerrada tenia un punt dramàtic, per a ell la qüestió va més enllà de si la IA eliminarà llocs de treball o no: es tracta d’entendre com canviarà la manera de treballar en ciència. “No crec que substitueixi les persones, però sí que afectarà com vivim la ciència des de gairebé qualsevol perspectiva”, explica. Un impacte que creu que es veurà reflectit en tots els perfils que contribueixen a la recerca: personal investigador, tècnic, gestors de projectes, personal administratiu i equips de suport, entre d’altres.
Durant la xerrada, aquesta idea es va ampliar amb una reflexió compartida pels ponents: l’impacte de la IA no dependrà només de quines tasques pugui automatitzar, sinó de quin lloc ocuparan les capacitats humanes en aquest nou escenari. Natàlia Dave va apuntar al risc de perdre criteri si deixem d’enfrontar-nos a tasques mentalment exigents, mentre que Marta Lloret va defensar la necessitat de trobar un nou equilibri entre el que pot aportar la IA i el que segueix depenent de les persones.
La pregunta no és si la IA eliminarà llocs de treball, sinó com canviarà la manera de treballar en ciència.
Aprendre a fer servir la IA sense deixar de pensar
Una de les idees que va aparèixer amb força durant la sessió és que no n’hi ha prou amb saber que aquestes eines existeixen o haver-les provat. El repte és aprendre a fer-les servir amb criteri: entendre quan té sentit recórrer-hi, com donar-los context, com verificar els resultats i quines parts del procés no s’haurien de delegar fàcilment.
Brena insisteix en la importància de no donar per bons els resultats de la IA sense revisar-los, ja que aquestes eines poden generar respostes que sonen convincents, però que no sempre són correctes. Per això, el pensament crític continua sent essencial. La IA pot ajudar a preparar una primera versió, generar idees o proposar camins, però la responsabilitat de validar, interpretar i decidir continua recaient en les persones.
El criteri científic també es construeix des de l’experiència, la pràctica i els errors.
Aquest punt és especialment rellevant per als qui comencen una carrera científica. L’ús primerenc d’aquestes eines no implica un problema en si mateix, però sí que transforma la manera d’aprendre, de formular preguntes i de construir coneixement. Per això, més que desaconsellar-ne l’ús, el repte està en acompanyar-lo amb una formació més conscient i crítica. Segons Brena, el desafiament és transmetre criteris de qualitat: com saber si una resposta és bona, si un codi és correcte, si una anàlisi té sentit o si una font és fiable.
Aquesta preocupació també va aparèixer entre el públic de la xerrada: si cada vegada automatitzem més parts del treball científic, com aprendran les noves generacions a fer ciència? El debat va apuntar que la IA pot acompanyar l’aprenentatge, però que el criteri científic també es construeix des de l’experiència directa, la pràctica i l’error.
Noves formes de treballar en ciència
La IA no només pot canviar la manera d’aprendre, sinó també com s’organitzen les tasques dins de la recerca. En els laboratoris, l’automatització i els sistemes basats en IA podrien modificar el paper de perfils tècnics i investigadors. En àmbits més computacionals, les eines generatives ja estan canviant la manera de programar, analitzar dades o visualitzar resultats.
Torres-Sánchez va aportar la mirada del dia a dia d’un grup de recerca. Tot i que la IA no és una tecnologia central al seu laboratori, sí que s’ ha incorporat com a eina de suport en tasques com l’escriptura, la traducció, la preparació de propostes, el treball amb models matemàtics o la programació. Segons va explicar, algunes tasques de programació que abans podien requerir setmanes ara es poden resoldre en poques hores.
Aquesta capacitat d’acompanyar processos tècnics també pot reduir la barrera d’entrada a tasques que abans requerien coneixements més especialitzats. Brena compara aquest canvi amb el que va suposar YouTube per aprendre a fer coses noves: si els tutorials ja van trencar moltes barreres, la IA pot reduir-les encara més, ja que ofereix una ajuda personalitzada i adaptada al problema concret de cada persona.
L’automatització de processos o les tasques no elimina la necessitat del coneixement expert.
Però això no elimina el valor del coneixement expert. Per interpretar els resultats, detectar errors o decidir si una solució té sentit, continua sent imprescindible entendre el problema científic de fons. La IA pot accelerar processos, però el criteri humà és clau per decidir quines preguntes val la pena fer-se, valorar els resultats i entendre les seves implicacions.
La discussió també va portar a reflexionar sobre el paper dels perfils més júnior. Torres-Sánchez va recordar que els i les estudiants de doctorat són treballadores, però també estan en una etapa formativa. Per això, el repte no és només decidir què pot fer la IA, sinó quines experiències continuen sent necessàries per formar-se en la carrera científica.
El paper de les institucions
La IA també pot canviar la manera com s’organitzen les institucions científiques. Brena defensa que l’adopció d’aquestes eines no pot dependre només de la iniciativa individual de persones curioses o més tecnòfiles. Les institucions han de ser les encarregades de decidir quins models es poden utilitzar, amb quines dades i en quines condicions.
A més, aquesta transició no avançarà igual per a tothom. Hi haurà persones que incorporin aquestes eines ràpidament al seu dia a dia i d’altres que necessitin més temps, més formació o més garanties abans de modificar processos que ja funcionen. Per a Brena, aquí hi ha una de les responsabilitats de les institucions: no només facilitar l’accés a noves tecnologies, sinó acompanyar el canvi sense convertir-lo en una càrrega més sobre el treball existent.
En aquest sentit, les institucions de l’àmbit científic ja comencen a prendre mesures, elaborant guies d’ús, oferint llicències professionals, promovent formacions internes o obrint espais per provar eines de manera segura.
Decidir com treballar amb dades sensibles, resultats no publicats o informació interna serà cada vegada més important.
Dave va explicar que aquesta transició ja forma part de les estratègies d’alguns centres, com el mateix CRG. També va esmentar el treball d’EU-LIFE, una aliança europea de centres de recerca amb seu al PRBB que està contribuint a l’elaboració de guies vives sobre l’ ús ètic de la IA en el marc de la ERA Action dedicada al AI in Science. Aquesta iniciativa europea busca coordinar estratègies, capacitats i bones pràctiques per integrar la intel·ligència artificial de forma responsable en la recerca, amb la idea que les guies puguin anar actualitzant-se a mesura que les eines evolucionin i sorgeixin nous reptes.
Un acompanyament al personal científic que també passa per decidir com treballar amb dades sensibles, resultats no publicats o informació interna. Així doncs, la qualitat de les dades, la confidencialitat, la reproducibilitat o l’accés controlat a la informació i la sobirania i governança de les dades seran cada vegada més importants a l’hora d’incorporar la IA a la recerca.
Quines competències necessitarem
Quan Brena va preguntar durant la sessió què hauríem d’aprendre, provar o evitar delegar en la IA, les respostes van anar més enllà d’una llista d’eines. No van assenyalar una única competència tècnica, sinó una combinació de curiositat, criteri i capacitat d’adaptació.
Lloret va destacar la importància de mantenir la curiositat, experimentar amb les eines i entendre on poden ajudar, però també conèixer els seus límits. El que no hauríem de delegar fàcilment, va defensar, és el judici humà i el pensament crític. Dave va posar l’accent en altres competències que poden guanyar pes en aquest nou context: la imaginació, l’ètica, la creativitat i, especialment, la comunicació amb altres persones. I Torres-Sánchez va insistir que, encara que canviïn les eines, seguirà fent falta criteri expert i domini en el camp d’estudi per interpretar preguntes científiques concretes, valorar les respostes o detectar quan alguna cosa no encaixa.
La IA pot ajudar, però el criteri per decidir i interpretar ha de continuar sent humà.
Més enllà de perfils concrets, el debat va apuntar a una idea comuna: la IA no només exigirà competències tècniques, sinó també criteri. Saber formular bones preguntes, entendre els límits de les eines, avaluar resultats i mantenir una mirada crítica seran habilitats cada vegada més importants per a qualsevol persona que treballi en recerca.
En aquest sentit, la IA també podria tenir un efecte menys evident: si moltes persones utilitzen les mateixes eines i models, la forma d’escriure, pensar o plantejar preguntes es pot tornar més homogènia. Per això, el valor de la diversitat de perfils, disciplines i formes de mirar la ciència podria ser encara més important en els propers anys.
Una transició que encara podem decidir
Més que oferir una resposta tancada, la xerrada va servir per obrir una conversa que probablement marcarà el futur de la recerca. La IA pot automatitzar processos, accelerar tasques i ampliar capacitats, però la pregunta de fons continua sent profundament humana: com volem treballar, aprendre i fer ciència a partir d’ara.
La clau, segons Brena, és no esperar que el canvi arribi sense haver-ho pensat abans. “Som a temps”, diu. A temps de decidir com incorporar aquestes eines, com formar les persones que les utilitzaran i quin paper volem que continuï tenint la mirada humana en la ciència.
