La IA promet 'optimitzar' torns, però el valor real depèn del dada i de la governança. Si l'input és dolent (registres incomplets, regles no definides), l'output serà dolent amb més velocitat. Aquí el marc per aprofitar-la sense caure en les trampes.
1) Casos d'ús que sí aporten valor
Predicció de pics, suggeriments de reforç, detecció de patrons d'absentisme, alertes de descans insuficient, i propostes de cobertura per habilitats. Tots aporten valor quan el dada subjacent és fiable i quan la decisió final és humana i explicable.
Exemple: el sistema detecta que tots els divendres hi ha prolongacions en tancament i suggereix un solapament. El responsable decideix si aplicar-ho o no, amb context que el sistema no té. La IA és l'analista; la persona és el decisor.
2) Risc 1: biaix per dades incompletes
Si un col·lectiu registra pitjor (per exemple, més olvidos per falta de quiosc), un model pot interpretar-ho com a 'pitjor rendiment' i penalitzar-lo en les assignacions. El biaix d'entrada es converteix en biaix de sortida amb aparença d'objectivitat.
La solució és millorar el dada primer: mètode de fitxatge accessible, fluxos de correcció traçables i regles consistents. Sense un dada de qualitat, qualsevol model d'IA reproduirà i amplificarà les desigualtats existents en lloc de corregir-les.
3) Risc 2: decisions opaques ('caixa negra')
Si la gent no entén per quin motiu se li va assignar un torn, percep arbitrarietat. Qualsevol recomanació ha de ser explicable: 'se li va assignar a X perquè cobreix carretilla i respecta el descans'. Sense explicació, la confiança en el sistema desapareix.
Exemple: 'se li va assignar a X perquè cobreix carretilla i respecta el descans' és explicable. 'Ho va decidir el sistema' destrueix confiança. La transparència en les decisions automatitzades és una exigència ètica i pràctica alhora.
4) Governança: supervisió humana i dret a revisió
Defineix qui supervisa, com es corregeix i com es documenta. L'automatització necessita un canal de revisió humana, i les decisions han de ser auditables. La governança no és un fre a la IA: és el que fa que sigui útil a llarg termini.
Exemple: si una recomanació falla per un dada erroni, el responsable corregeix el dada amb motiu, i el sistema aprèn. Aquell circuit de retroalimentació és el que diferencia un sistema d'IA madur d'un que genera desconfiança amb el temps.
5) Win-win: menys treball repetitiu, més justícia
Per a l'empresa, la IA pot reduir el temps de planificació i millorar la cobertura. Per al treballador, pot millorar l'equitat si el model és transparent i si les regles estan ben definides. Ambdós guanyen quan la IA es dissenya amb responsabilitat.
El win-win apareix quan la IA no imposa: suggereix, explica i permet revisió. La confiança és la condició d'èxit. Sense confiança de l'equip en el sistema, qualsevol nivell de sofisticació tecnològica és inútil i pot fins i tot empitjorar la situació.