21.01.2026 - 21:40
Imagineu-vos un estudiant que ha de fer la tasca següent: “Analitzeu l’expansió internacional de Starbucks en mercats emergents. Tingueu-hi en compte els factors culturals, econòmics i de governança.” En lloc d’investigar i de reflexionar, l’estudiant copia la instrucció completa i l’enganxa a ChatGPT amb una simple instrucció: “Desenvolupa-ho.”
Al cap de pocs minuts en rep un text perfectament estructurat. Paràgrafs elaborats, vocabulari acadèmic, referències a teories de gestió internacional i conclusions que sonen profundes. Sense llegir-s’ho en profunditat, el lliura tal com raja.
El professor llegeix el text i es troba amb paràgrafs com aquests:
“L’expansió internacional de Starbucks en mercats emergents representa un cas paradigmàtic de la tensió entre estandardització global i adaptació local. De la perspectiva del model CAGE de Pankaj Ghemawat, la companyia ha superat reeixidament les distàncies culturals, administratives, geogràfiques i econòmiques. El seu enfocament híbrid, que combina elements universals de la marca amb ajusts contextuals, il·lustra la sofisticació necessària per a triomfar en mercats heterogenis.”
Sona impecable: argot acadèmic correcte, teoria legítima citada i estructura impecable. Però és del tot intercanviable: es podria parlar de Nike, Coca-Cola o Inditex sense canviar-ne ni una coma. No s’hi esmenta cap mercat específic. No s’hi reflexiona sobre contradiccions reals. No hi ha recerca personal.
Això que acaba de llegir el professor és workslop: un contingut que aparentment és ben elaborat, però sense suc ni bruc.
“Contingut porqueria” amb bon aspecte
El terme, que ha agafat força recentment entre els cercles acadèmics i empresarials, descriu un fenomen cada vegada més comú en l’era de les eines d’intel·ligència artificial generativa. El substantiu slop, en anglès, es refereix a un menjar més líquid del compte i amb un aspecte gens apetible, o a un líquid amb brutícia. Una possible traducció d’aquest neologisme podria ser “contingut porqueria”, “xerrameca buida” o “farciment de baixa qualitat”.
No es tracta simplement de plagi o còpia textual. El workslop és més insidiós: és contingut nou, que sembla sòlid acadèmicament i supera una lectura superficial. En realitat, no aporta valor intel·lectual perquè no és fruit del pensament genuí. És brossa amb aspecte de joia: una cosa perfecta en la forma, però buit en l’essència.
La càrrega de processar el ‘workslop’
El workslop no es detecta a simple vista perquè compleix els estàndards formals: argot acadèmic apropiat, estructura lògica, citacions correctes… Però hi manca profunditat. Les conclusions són genèriques i els arguments, superficials i aplicables a nombrosos contexts. Per al receptor, aquest contingut implica una pèrdua de temps en descodificació, avaluació i retroalimentació. L’experiència és equivalent a la d’un miratge acadèmic: promet coneixement, però només hi ha buidor.
Aquesta mena de continguts porqueria amb aspecte solvent creen una il·lusió enganyosa: hi ha una aparença de progrés, però la realitat és que la càrrega cognitiva es transfereix de qui la crea a qui la rep.
En l’entorn acadèmic, a més de la pèrdua de productivitat, aquesta mena de continguts erosionen la confiança entre professors i alumnes. Quan algú rep workslop, no sols ha hagut de perdre temps descodificant-ne el contingut; també s’ha format un judici negatiu respecte de qui l’hi ha enviat. Es pot preguntar: “Per què m’han enviat això? No podien fer el seu treball? No valoren el meu temps?”
La IA com a problema i com a solució
Però la mateixa tecnologia que permet de crear workslop també pot ajudar-nos a evitar-ne. Tot depèn de com fem servir la intel·ligència artificial.
Un dels nostres estudis recents revela patrons sorprenents sobre els factors que influeixen en el fet que la IA ens retorni contingut buit o de més qualitat. Després d’analitzar converses d’estudiants d’educació superior amb bots de IA en tasques d’anàlisi estratègica, hem descobert que la manera com un estudiant es comunica amb la IA determina la qualitat del contingut obtingut.
Els estudiants que adopten un to relacional amb la IA demostren pensament crític més profund i produeixen, així, respostes acadèmiques de més qualitat. Per exemple, davant una resposta del bot, un estudiant pot afegir-hi: “Interessant, que me’n pots donar una explicació?” Aquest estil i to més “relacional” s’aconsegueix amb preguntes de seguiment i mostres de curiositat cognitiva. Amb això, els alumnes poden aprofundir més el cas que se’ls formulava.
Per contra, aquells qui opten per un to neutral i fan preguntes passives mostren menys compromís cognitiu amb la tasca. En unes altres paraules: quan els estudiants interactuen amb la IA confiant en el valor esperat, emulant una conversa genuïna, el contingut resultant reflecteix aquest pensament més sofisticat; quan simplement hi envien instruccions fredes i n’esperen la resposta, el resultat obtingut és workslop.
Tractar la IA com un col·laborador
Heus ací dos exemples de com utilitzar una eina d’intel·ligència artificial per a elaborar un treball acadèmic:
Enfocament que origina workslop:
Quan copiem l’enunciat de la tasca i demanem a la IA “desenvolupa-ho” (sense cap reflexió prèvia sobre què ha d’analitzar o entendre realment).
Enfocament que evita el workslop:
“He llegit que Starbucks emfasitza l’adaptació local. Això contradiu el seu posicionament global com a marca premium? Com ho resolen a l’Àsia? I si ho resolen així a l’Àsia, per què no apliquen la mateixa estratègia a l’Amèrica Llatina?”
En el segon cas, l’estudiant crea un diàleg real, qüestiona, cerca consistència lògica. La IA, al seu torn, li proporciona respostes més profundes perquè se li ho demana de manera reflexiva. El resultat és contingut acadèmic que reflecteix cognició crítica genuïna, no frases ben construïdes sense una aportació de contingut útil o de qualitat.
Pensament crític imprescindible
La IA no produeix necessàriament workslop. En produeix quan la fem servir sense pensament crític genuí. Quan la fem servir per a aprofundir raonaments, mantenint-hi un diàleg autèntic i cercant un arrenglerament real entre intencions intel·lectuals i respostes, la IA es converteix en un amplificador de pensament, no en un substitut.
Del resultat del nostre estudi s’obtenen tres recomanacions per a estudiants. Cal fer servir la IA com a company de pensament, no com a substitut. Cal parar esment al to emocional utilitzat en la comunicació. I cal validar el text generat i la seva aportació de valor responent a la pregunta: “El text aporta coses noves o simplement reorganitza obvietats?” Si és el segon cas, podria estar generant workslop.
El desafiament no és la tecnologia, sinó la nostra disposició a fer-la servir de manera genuïnament reflexiva. La veritable pregunta que tot estudiant o investigador ha de fer-se no és si l’eina pot fer-ho, sinó si la utilitzo realment per a millorar el meu pensament. Tot depèn de nosaltres.
María Isabel Labrado Antolín és docent i investigadora en l’àmbit de l’organització d’empreses a la Universitat Complutense de Madrid.
Aquest article va ser publicat originalment a The Conversation.
