Un equip d’atenció va començar a derivar els casos difícils just abans del tancament mensual. Ningú no havia ordenat fer-ho: el quadre premiava el nombre d’expedients acabats i no registrava complexitat, qualitat ni problemes resolts. Mirar com funciona una mètrica laboral significa seguir-ne tot el recorregut —dades, càlcul, decisió i conseqüència— abans d’anomenar objectiu una xifra.

El cost de no mirar rarament apareix com una avaria espectacular. Es reparteix entre trucades precipitades, lesions no comunicades, clients complexos que ningú vol atendre, descansos ajornats i persones que aprenen a produir el senyal correcte encara que empitjori el servei. La pregunta útil no és si l’algoritme és intel·ligent. És quina conducta torna racional, quina part de la feina deixa invisible i qui el pot corregir quan el resultat contradiu la realitat.

Aquesta anàlisi serveix tant per a un marcador senzill en un full de càlcul com per a un model predictiu contractat a un proveïdor. L’automatització n’augmenta l’escala, però el problema comença abans: una mesura parcial es converteix en objectiu, l’objectiu en classificació i la classificació en horaris, incentius, vigilància o continuïtat laboral. Entendre aquesta cadena permet discutir decisions concretes sense exigir que cada treballador sigui enginyer de dades.

Com desmuntar la puntuació sense conèixer el codi#

Una auditoria entenedora comença amb cinc columnes: finalitat declarada, dades d’entrada, regla de càlcul, decisió associada i possibilitat de revisió. A l’entrada cal distingir fets —comandes preparades, temps registrat— d’inferències com ara «compromís», «risc d’abandonament» o «actitud». Després es pregunta per les dades que falten: dificultat del cas, equips avariats, formació recent, tasques de suport, discapacitat, idioma del client o interrupcions autoritzades. Si dues situacions diferents produeixen la mateixa xifra, la xifra necessita context abans de generar conseqüències.

Una auditoria entenedora comença amb cinc columnes: finalitat declarada, dades d’entrada, regla de càlcul, decisió associada i possibilitat de revisió.

El denominador importa tant com el resultat. Resoldre vint casos senzills no és comparable amb resoldre’n vint que exigeixen investigació; mesurar temps connectat no equival a mesurar atenció útil; registrar una pausa no explica si va evitar un accident. Cal provar exemples coneguts i calcular manualment quina puntuació rebrien. Les discrepàncies revelen arrodoniments, dades duplicades, períodes incomplets o regles que penalitzen qui accepta feina complexa. L’objectiu no és descobrir un secret comercial, sinó comprovar si l’explicació disponible permet detectar i corregir un error.

També cal buscar efectes d’adaptació. Quan una mètrica es converteix en meta, les persones canvien la conducta: tanquen i reobren expedients, trien tasques ràpides, ajornen incidències o eviten ajudar companys. Aquestes respostes no demostren falta d’ètica individual; poden indicar que el sistema recompensa una conducta contrària al seu propòsit. Una revisió seriosa compara l’indicador amb resultats independents —reclamacions, devolucions, accidents, qualitat mostral i experiència de clients i treballadors— i analitza diferències entre torns, centres, contractes i funcions.

Què pot fer la persona afectada#

Durant dues setmanes, convé conservar un registre factual: data, tasca, incidència, dada mostrada, decisió rebuda i efecte concret. No s’han d’extreure dades personals de clients ni informació confidencial innecessària. Una reclamació eficaç identifica un error verificable: «el sistema va comptar com a inactivitat els 34 minuts d’una avaria comunicada» és més accionable que «l’algoritme és injust». La petició ha de sol·licitar la correcció de la dada, una explicació dels factors rellevants, revisió per una persona amb autoritat i confirmació que reclamar no generarà represàlies automàtiques.

A Espanya, la representació legal dels treballadors té dret a rebre informació sobre els paràmetres, regles i instruccions en què es basen algoritmes o sistemes d’intel·ligència artificial que influeixen en decisions capaces d’afectar les condicions de treball, l’accés o el manteniment de l’ocupació. Així ho recull l’article 64.4.d de l’Estatut dels treballadors consolidat pel BOE. L’abast concret depèn del cas: la norma no fa pública qualsevol fórmula ni substitueix l’assessorament sindical o jurídic, però impedeix presentar «ho decideix la màquina» com una explicació suficient.

Si la mètrica utilitza localització, biometria, salut, comunicacions o activitat digital, hi ha també preguntes de protecció de dades: necessitat, proporcionalitat, informació prèvia, termini de conservació, accés i rectificació. La guia de l’AEPD sobre protecció de dades en les relacions laborals ajuda a ordenar aquestes comprovacions. No tota puntuació encaixa en la prohibició de decisions exclusivament automatitzades; per això cal documentar si una persona revisa de debò o simplement confirma sempre el resultat.

El control que correspon a l’empresa#

Abans d’associar una puntuació amb salari, torns, promoció o sanció, l’empresa hauria de nomenar un responsable, documentar versions i provar falsos positius i falsos negatius. La revisió ha d’incloure qui fa la feina i la representació laboral, perquè coneixen excepcions que el proveïdor no veu. També necessita llindars d’aturada: augment d’accidents, reclamacions, diferències injustificades entre grups, degradació de qualitat o impossibilitat de reconstruir una decisió. Si ningú no pot explicar un canvi de resultat, el sistema no està preparat per produir conseqüències greus.

El Reglament europeu d’intel·ligència artificial considera d’alt risc determinats usos de la IA en ocupació i gestió de treballadors, amb obligacions que depenen de l’ús concret i del calendari d’aplicació. El Reglament general de protecció de dades estableix, entre altres principis, transparència, minimització i exactitud. Cap etiqueta legal no substitueix una pregunta operativa: pot l’organització reconstruir la dada, escoltar el context i canviar la decisió abans que el dany sigui irreversible?

Una prova de qualitat útil pren vint decisions, incloses cinc excepcions, i demana a dos revisors que arribin al resultat amb la documentació disponible. Es mesuren concordança, temps i capacitat de detectar errors. Després es consulta a les persones afectades si van entendre el criteri i van trobar el canal de revisió. Publicar internament un resum —què mesura, què no mesura, quines decisions no adopta mai tot sol i on reclamar— redueix rumors i millora la mateixa dada, perquè permet assenyalar fallades abans que s’acumulin.

Una conversa familiar sense alarmisme#

Quan una puntuació laboral entra a casa en forma d’ansietat, pitjors torns o pèrdua d’ingressos, la família pot ajudar sense prometre resultats jurídics. Primer escolta i separa fets d’interpretacions. Després ordena proves, calcula l’impacte econòmic i prepara tres preguntes per a la reunió. Si hi ha risc per a la salut, discriminació, sanció o acomiadament, convé recórrer aviat a prevenció de riscos, representació sindical o assessorament professional. L’objectiu és retornar marge d’acció, no convertir cada sopar en una investigació permanent.

Mirar com funciona costa temps, però no mirar també té un preu: decisions errònies que semblen objectives, feina essencial que desapareix de l’indicador i persones obligades a optimitzar una representació incompleta del seu ofici. Una bona mètrica serveix per aprendre; una mala mètrica exigeix obediència. La diferència és si admet context, contrast i correcció. Quan aquestes tres portes existeixen, mesurar pot millorar la feina. Quan falten, el número deixa de ser una eina i comença a governar.

Exemple d’una mètrica reparable#

Imaginem un magatzem que puntua únicament unitats preparades per hora. L’Anna rep una zona propera i productes lleugers; en Samir cobreix una zona distant, resol faltes d’inventari i ajuda una persona nova. El marcador posa l’Anna en verd i en Samir en vermell. La comparació sembla exacta, però barreja distància, pes, disponibilitat i cooperació amb velocitat personal. Una correcció raonable no consisteix a afegir cent variables secretes. Consisteix a separar temps productiu d’interrupcions registrades, agrupar tasques comparables, comprovar errors de preparació i reservar una part visible per a seguretat i ajuda a l’equip.

Durant un pilot de quatre setmanes, l’empresa pot comparar la classificació antiga i la revisada sense utilitzar-ne cap per sancionar. Ha d’examinar qui canvia de posició i per què, entrevistar una mostra de persones i publicar els ajustos. Si el nou model millora la velocitat però augmenten els errors, el dolor musculoesquelètic o les incidències no declarades, no ha millorat la feina: n’ha desplaçat el cost. Una mètrica responsable inclou indicadors d’equilibri i especifica quin preval quan productivitat i seguretat entren en conflicte. La resposta correcta ha de ser sempre la seguretat.

A la reunió de revisió, tres preguntes eviten una conversa circular: «Quina dada concreta va produir aquest resultat?», «Quin context rellevant no va poder registrar el sistema?» i «Qui té capacitat per modificar la decisió i deixar-ne constància?». La persona afectada hauria de rebre una resposta entenedora i una data, no una descàrrega tècnica impossible d’interpretar. Si es corregeix el cas individual però no la causa, cal obrir una acció preventiva: canviar la captura de la dada, ajustar la comparació o retirar aquella conseqüència mentre es prova una solució.

Abans d’acceptar el quadre següent, treballadors i direcció poden aplicar una prova final: descriure en una frase el propòsit; anomenar tres coses que la xifra no demostra; reconstruir un cas real; identificar la persona responsable; i recórrer el canal de revisió de principi a fi. Si una d’aquestes tasques és impossible, encara no es coneix prou el sistema. Mirar no significa desconfiar de tota tecnologia. Significa exigir a una eina laboral la mateixa traçabilitat que demanaríem a qualsevol decisió capaç d’alterar ingressos, salut, temps o dignitat.