Mapa d'aplicació de la IA per sectors

Salut i medicina

La sanitat és un dels sectors on la IA té un impacte més transformador i també on els riscos són més alts:

Diagnòstic per imatge: Models de visió artificial (CNN) que analitzen radiografies, TAC i RM amb una precisió igual o superior als especialistes humans en tasques concretes. Google Health va demostrar el 2020 que la seva IA detectava el càncer de mama en mamografies amb menys falsos positius i negatius que els radiòlegs.

Medicina de precisió: Anàlisi genòmica per personalitzar tractaments. Foundation Medicine (Roche) usa IA per analitzar perfils genòmics tumorals i recomanar teràpies dirigides.

Descoberta de fàrmacs: AlphaFold 3 (DeepMind, 2024) prediu l'estructura de proteïnes i les seves interaccions amb molècules, accelerant la fase de descoberta de drogues de 5-10 anys a mesos en alguns casos.

Seguiment de pacients: Wearables i sensors IoT alimenten models predictius que alerten sobre episodis cardíacs o crisis d'asma hores abans que ocorrin.

Finances i banca

Detecció de frau: Sistemes com Mastercard Decision Intelligence analitzen cada transacció en menys de 50 mil·lisegons contra patrons de milers de milions de transaccions anteriors.

Scoring creditici: Models de ML substitueixen (o complementen) els sistemes de puntuació FICO tradicionals, incorporant dades alternatives (comportament de consum, xarxes socials —amb limitacions ètico-legals—).

Trading algorítmic: Fons com Renaissance Technologies o Two Sigma usen models estadístics i IA per operacions de alta freqüència (HFT) que executen milers d'operacions per segon.

Assessoria financera (Robo-advisors): Plataformes com Betterment o Wealthfront gestionen carteres d'inversió automàticament, personalitzant l'estratègia al perfil de risc de cada client.

Manufactura i logística

Manteniment predictiu: Sensors IoT + models de sèries temporals prediuen quan una màquina fallarà antes que ho faci. Siemens reporta una reducció del 30% en temps de parada no planificada.

Control de qualitat visual: Sistemes YOLO o modells similars detecten defectes imperceptibles a l'ull humà en línies de producció que corren a 10 metres per segon.

Optimització logística: Amazon usa IA per optimitzar les rutes de 750.000 robots de magatzem, la ubicació d'inventari (productes populars al centre del magatzem) i la previsió de demanda (comandes anticipades).

Educació

Tutoria intel·ligent: Sistemes com Khan Academy Khanmigo adapten el ritme i la dificultat als progressos de cada alumne, identificant exactament en quin concepte s'ha encallat.

Detecció d'abandó: Models que analitzen el comportament en plataformes e-learning (freqüència d'accés, temps de resposta, patrons d'error) i alerten el professorat quan un alumne és en risc d'abandonament.

Generació de contingut: LLMs que ajuden a crear exercicis adaptats al nivell de l'alumne, múltiples variants d'un problema o explicacions alternatives.

Reflexió professional

Com a futurs professionals IABD, el vostre valor no serà saber usar les eines d'IA (que tothom sabrà fer) sinó entendre les seves limitacions, saber quina eina és adequada per a cada problema i poder comunicar els riscos i beneficis als no tècnics. Aquesta visió crítica i transversal és el que diferencia un especialista IABD d'un usuari avançat.

Miniactivitat — AC5071/01/03

En grups de 3 persones, trieu un sector professional (salut, educació, manufactura, finances, transport). Investigueu dos o tres casos reals on la IA estigui millorant l'eficiència operativa en aquell sector i prepareu una presentació de 5 minuts amb: nom de l'empresa i solució, problema que resolia, com funciona, impacte mesurable i un risc o limitació.