Les normes socials són la infraestructura invisible de la cooperació humana. Decidir qui passa primer, cedir el pas, modular el ritme o interpretar una vacil·lació requereix un coneixement compartit que poques vegades s'explica amb paraules. Aquesta mateixa capa d'entesa implícita és la que falta en molts sistemes d'intel·ligència artificial. Els assistents digitals responen instruccions, però no sempre entenen el context social de la interacció. El resultat és una experiència freda, robòtica i, de vegades, perillosa. La bona notícia és que les normes socials es poden estudiar, formalitzar i convertir en principis de disseny per a agents artificials.
Una investigació recent va portar aquest problema a l'àmbit de la interacció entre vianants i vehicles. Els investigadors van crear un entorn controlat on persones i agents automatitzats havien de coordinar moviments en situacions d'ambigüitat. Després d'analitzar milers d'interaccions humanes, van descobrir que els patrons de comportament s'agrupen en tres grans principis: la predictibilitat del resultat, l'alineació de valors i la consciència de l'avantatge. Quan un agent incorpora aquests principis, les persones el perceben com a més natural i fiable. La troballa no només s'aplica al trànsit: qualsevol sistema que interactuï amb humans pot beneficiar-se d'entendre aquestes regles no escrites.
La predictibilitat del resultat significa que un agent ha de ser coherent en les seves decisions. Si un sistema d'IA respon de manera diferent davant de situacions gairebé idèntiques, la persona perd la confiança i ajusta la conducta de manera defensiva. En el desenvolupament de programari, això equival a dissenyar processos amb estats clars i transicions previsibles. L'alineació de valors, d'altra banda, exigeix que la IA comparteixi els objectius de les persones amb qui col·labora. No es tracta d'imitar qualsevol comportament, sinó de prioritzar criteris com la seguretat, l'eficiència o la sostenibilitat segons el context. La consciència de l'avantatge és l'habilitat de reconèixer quan l'agent té més informació o control que la persona. En aquest punt, la IA ha de decidir si actuar o cedir.
A Q2BSTUDIO, empresa de desenvolupament de programari i tecnologia, apliquem aquesta lectura al disseny de solucions empresarials. Quan una organització necessita automatitzar un procés complex, no n'hi ha prou amb construir una interfície bonica. Cal modelar el flux de treball com una interacció social: quina informació veu cada part, qui té capacitat de decisió, quan s'ha de demanar confirmació i quan la IA pot procedir sola. Per això desenvolupem aplicacions a mida que incorporen aquestes regles de manera nativa. El resultat és un programari que no només processa dades, sinó que entén el ritme de l'organització.
La lliçó principal de l'estudi és que l'aprenentatge de normes socials no és un complement, sinó una capa essencial en l'arquitectura d'un agent intel·ligent. Els models de llenguatge actuals són excel·lents generant text, però no tenen un marc explícit per decidir quan han de ser assertius i quan prudents. En incorporar principis socials a la instrucció (prompt) o a les polítiques del model, s'obtenen comportaments més equilibrats. En les nostres implementacions d'IA treballem amb aquesta doble via: models potents i regles de coordinació que els guien. Per això, quan integrem agents d'IA i automatització, definim primer el model d'interacció perquè la tecnologia s'adapti als humans i no al revés.
Un altre aspecte rellevant és la relació entre aquestes normes i la infraestructura tecnològica. Un agent socialment conscient necessita processar informació en temps real i respondre amb baixa latència. Aquí és on el núvol juga un paper clau. Desplegar models a AWS o Azure permet gestionar pics de demanda i mantenir un servei continu. La ciberseguretat també intervé: un agent que aprèn normes socials pot ser vulnerable a la manipulació si un atacant injecta exemples que el facin comportar-se de manera inadequada. Per això, en cada projecte combinem el desenvolupament d'IA amb pràctiques de protecció de dades i proves de resistència. La confiança tecnològica no s'improvisa.
A més, les normes socials es poden fer visibles mitjançant indicadors de comportament. Si un sistema d'atenció al client ha de ser previsible, és possible mesurar quantes vegades ofereix la mateixa resposta davant preguntes equivalents. Si ha d'estar alineat amb els valors de l'empresa, els registres de decisions s'han d'auditar. Si ha de ser conscient del seu avantatge, podem rastrejar quan decideix escalar una conversa a una persona. Aquests indicadors encaixen perfectament en un quadre de comandament de Business Intelligence. Amb eines com Power BI, un responsable d'operacions pot visualitzar la qualitat de les interaccions humà-IA i detectar desviacions abans que es converteixin en problemes.
En la pràctica, qualsevol sector se'n pot beneficiar. En logística, un agent que coordina lliuraments ha de predir com reaccionen els conductors davant de noves rutes. En salut, un assistent que recomana tractaments ha d'entendre la incertesa del pacient i comunicar riscos sense generar angoixa. En comerç electrònic, un recomanador de productes ha de ser transparent en els seus criteris. Tots aquests casos comparteixen la mateixa necessitat: combinar aplicacions a mida, IA i un coneixement profund del comportament humà. La tecnologia no actua en el buit; actua en xarxes de relacions on allò raonable, i no només allò correcte, fa la diferència.
Un error habitual és pensar que les normes socials són un atribut exclusiu de les persones. En realitat, qualsevol sistema que opera dins d'una organització acaba formant part d'una xarxa d'expectatives. Un programa de facturació ha d'avisar amb antelació abans de bloquejar un procés; un panell de control ha de mostrar les alertes de manera que no dispari l'ansietat de l'operador; un assistent intern ha de saber quan callar i quan oferir més informació. Totes aquestes decisions són, en essència, decisions socials. Incorporar-les en el disseny de programari requereix perfils multidisciplinaris, però també eines que facin visibles aquestes normes. Amb una plataforma de Business Intelligence i quadres de comandament a Power BI, per exemple, es pot monitoritzar si un sistema compleix els principis de predictibilitat i alineació en el dia a dia.
El fet que un model informat per normes socials hagi aconseguit multiplicar gairebé per quatre la puntuació d'una estratègia base, i superar fins i tot la interacció humà-humà, ens dona una pista clau per al futur del programari. No es tracta de replicar exactament el que les persones fan, perquè de vegades això inclou errors i malentesos. Es tracta de capturar els principis que fan que una interacció funcioni: previsibilitat, valors compartits i ús responsable del poder. Aquests principis es poden programar, avaluar i millorar de manera contínua. La distància entre una IA molesta i una IA col·laboradora no és només computacional; és social. I aquesta distància es pot recórrer amb un bon disseny.
A Q2BSTUDIO creiem que la propera generació de sistemes no es mesurarà només per la seva precisió tècnica, sinó per la seva capacitat de conviure amb les persones. Per això integrem intel·ligència artificial, ciberseguretat, cloud AWS/Azure i Business Intelligence amb una visió centrada en el comportament. L'aprenentatge de normes socials ofereix un camí concret perquè la IA deixi de ser una eina freda i es converteixi en un col·laborador real. Les empreses que adoptin aquesta perspectiva no només milloraran la seva eficiència, sinó també l'experiència dels seus clients i empleats. La coordinació humà-IA és, en definitiva, un avantatge competitiu que val la pena construir.
