Què és el workslop?
Workslop és la feina generada amb IA que sembla acabada però no ho està.
Textos que sonen bé però els falta context. Esborranys que s'han de contrastar línia per línia. Resums llargs que no diuen res concret. Propostes que necessiten reescriure's perquè el missatge no acaba de quallar.
El terme el va popularitzar un estudi de BetterUp Labs publicat a Harvard Business Review el setembre de 2025. La definició dels autors va al moll de l'os:
Output generat amb IA que es disfressa de feina útil, però no té prou substància per fer avançar una tasca.
S'ha popularitzat ràpid perquè descriu el que moltes empreses estan vivint sense haver-li sabut posar nom. Si alguna vegada has rebut un correu, un resum o un document que «sonava molt bé però no servia per a res», ja saps de què parlem.
El patró sempre és el mateix
Un text surt més polit, més llarg i més ràpid del que sortiria fet a mà. Sembla que s'ha avançat. Però quan algú l'ha d'utilitzar, ha de revisar context, contrastar dades, corregir to o arreglar errors. El suposat estalvi no desapareix: es desplaça.
I en una pime, això és pitjor que perdre temps. És perdre'l dues vegades: primer generant una peça dolenta, després arreglant-la.
No és una discussió abstracta. És una discussió de gestió. Si la IA entra a la teva empresa com una ordre vaga del tipus «feu-la servir per anar més ràpid», el risc no és que la gent no la faci servir. El risc és que la faci servir per complir, aparentar velocitat i enviar feines que encara no estan fetes.
Aquí és on la productivitat es converteix en workslop.
La meva postura, sense embuts
Automatitzar malament surt més car que no automatitzar.
I aquí «malament» no vol dir només prompts dolents. Vol dir una decisió empresarial pobra. Vol dir imposar IA sense decidir per a quines tasques sí, amb quin nivell de qualitat, amb quina revisió humana, amb quines mètriques i amb quin responsable final. Si ningú és propietari del resultat, el workslop apareix sol.
I la responsabilitat principal no és de l'empleat que prova l'eina. La recerca de BetterUp Labs és bastant contundent: el problema neix quan direcció pressiona per «usar IA» de forma general, mentre l'equip ja va carregat, no té instruccions clares i no rep prou suport per integrar bé aquestes eines a la feina real.
Aquesta és una lectura molt Nexe: el problema no és el model, és la implementació.
Per això no m'interessa l'enfocament superficial de «posem ChatGPT a tothom i ja veurem què passa». Això no és transformació. És delegar risc cap avall. I després sorprendre's quan el comptable, el cap de projecte o el responsable comercial s'han de passar la tarda arreglant documents que, en teoria, ja venien fets.
Per què apareix realment
El workslop surt de quatre coses a la vegada: mandats vagues, equips desbordats, incentius equivocats i absència de regles.
A dalt, la direcció rep pressió per demostrar ROI d'IA i respon amb una ordre genèrica: «useu-la més». A baix, l'equip acumula més tasques sense redisseny de rol ni formació. El resultat no és ús intel·ligent, sinó ús performatiu: fer veure que es compleix amb la consigna, encara que la qualitat baixi i la càrrega es desplaci al receptor.
Hi ha una diferència important entre «mal prompt» i «mala implementació». Un prompt dolent és un símptoma. La causa profunda és una empresa que no ha definit què considera una sortida acceptable, en quines tasques té sentit usar IA, quina revisió és obligatòria i qui té l'última paraula. Quan qualitat i responsabilitat no estan definides, l'incentiu real passa a ser un altre: enviar alguna cosa ràpida que sembli acceptable.
El cas típic andorrà. Una administrativa d'una petita assessoria comença a fer servir ChatGPT per redactar respostes, resumir correus i preparar esborranys per a clients. A primera vista, sembla que va més ràpid. Però no hi ha plantilles aprovades, no hi ha criteris per a dades sensibles, no hi ha checklist de revisió i tampoc cap mètrica sobre quants errors s'estan colant. El comptable, que en teoria havia de guanyar temps, acaba revisant cada text amb més desconfiança que abans.
La feina no desapareix. Es mou al rol més car.
Per això el workslop és tan traïdor. No entra fent soroll. Entra vestit de document bonic, mail formal, resum llarg o proposta «bastant bé». Fa bona cara. I precisament per això és perillós.
Quant et costa de veritat
El cost del workslop no és només temps. És retreball, desconfiança, mala coordinació i una falsa sensació de progrés.
L'estudi original estimava prop de dues hores de gestió per cada incidència i un cost mensual invisible per empleat. Però el que trobo més rellevant no és el càlcul econòmic. És l'efecte humà: rebre workslop fa que la gent valori pitjor els companys. Un 42% els considera menys fiables, un 37% menys intel·ligents i un 32% diu que té menys ganes de tornar a treballar amb aquella persona.
Això és dinamita lenta per a qualsevol equip petit.
La foto global va en la mateixa direcció. Un estudi de Workday del gener de 2026 amb 3.200 líders empresarials mostra que el 85% dels empleats estalvia entre una i set hores setmanals amb IA, però gairebé el 40% d'aquest estalvi se'n va en verificar, corregir i reescriure. Només el 14% reporta resultats netament positius i consistents. I en la majoria d'organitzacions, menys de la meitat dels rols s'han actualitzat per reflectir què hauria de canviar quan entra la IA. S'està fent servir tecnologia de 2025 dins d'estructures de feina de 2015.
Un escenari aterrat a una assessoria petita. Sense IA, l'administrativa dedica unes 5 hores setmanals a redactar i el comptable 1 hora a revisar punts crítics. Total: 6 hores. Amb IA improvisada (sense plantilles, sense criteris), l'administrativa baixa a 2 hores però el comptable puja a 4-5 perquè desconfia de cada text. Total: 6-7 hores, i amb pitjor sensació. Amb IA ben acotada (plantilles aprovades, revisió selectiva on cal), l'administrativa dedica 2,5 hores i el comptable 1-1,5. Total: 3,5-4 hores.
La lliçó és senzilla: la IA mal muntada no elimina feina. La reubica cap al rol on és més cara d'absorbir.
Com s'evita sense matar la iniciativa
El workslop es redueix quan l'empresa baixa de l'ordre genèrica a la disciplina operativa.
Les persones que se senten competents i amb control sobre les eines tenen molta menys probabilitat de generar workslop. Els equips amb confiança interna també. I els empleats amb resultats netament positius són els que han rebut formació real i dediquen el temps guanyat a feina de més valor, no simplement a fer-ne més.
Per a una pime, això es tradueix en un sistema menys glamurós que les demos, però molt més útil:
- Auditar primer el procés, no l'eina. Quines tasques fas, en quin volum, amb quina taxa d'error tolerable.
- Començar amb un pilot acotat. Un cas, un equip, una mètrica. No tots els departaments alhora.
- Definir què és una sortida acceptable. Plantilla, criteris, exemples positius i negatius. Sense això, l'equip no sap on és el llindar.
- Mantenir revisió humana on hi hagi risc. No paranoica, però sí selectiva als punts crítics.
- Assignar propietari clar. Qui respon si una sortida surt malament. Sense propietari, no hi ha qualitat.
- Mesurar més enllà del temps estalviat. També el temps de revisió, les correccions, les incidències, el retreball. Si no mesures el cost real, només mesures l'aparença.
A Nexe Labs no plantejo IA aplicada amb el relat de «fes-la servir a tot arreu». Faig just el contrari. Mirem on hi ha volum, on hi ha patrons repetibles, on l'error és revisable i on el cost de validació no es menja l'estalvi.
Si un procés no el pots mesurar, no està preparat per automatitzar-lo. I si no saps qui respon del resultat, encara menys.
Quan cal aturar el pilot
També cal dir una cosa que molts no volen sentir: no tota adopció d'IA s'ha d'escalar. Hi ha pilots que s'han d'aturar.
Si el temps de revisió continua alt, si l'error continua entrant o si el sistema només serveix per produir més soroll, el problema no és «que encara falta entrenar». El problema és que aquell cas no està ben triat o no està prou ben definit. Reconèixer-ho aviat estalvia molt més que insistir.
Aquesta és la part més incòmoda d'una bona implementació: tenir el criteri (i el coratge) de tornar a la situació anterior quan el pilot no ha funcionat.
El que cal entendre
El workslop no és un problema d'IA. És un problema de gestió que la IA fa més visible.
La pregunta important no és «quina eina escolleixes». És «quina disciplina vas a posar al voltant de l'eina». Sense aquesta disciplina, la IA no et farà més productiu. Et farà més ràpid en generar feina que algú altre haurà de tornar a fer.