La intel·ligència artificial com a vector hegemònic en la transformació de les ciutats (i II)

5. Objectes dissenyats amb IA (OIA) i intel·ligència ambiental a l’espai físic

Els objectes dissenyats amb IA (OIA) van deixar de ser eines passives o simplement automatitzades: són artefactes dotats d’una incòmoda agència algorísmica que aprenen, muten i modifiquen el seu comportament segons l’entorn i la interacció amb les persones. Tal com analitzen Teresa De la Hera i Joost Raessens, aquests objectes incorporen regles persuasives pensades per modelar de manera invisible les conductes humanes.

Aquesta transformació de l’espai físic es recolza en els avenços de la visió per computadora i el disseny ambiental:

• Comprensió de l’entorn urbà. Àgata Lapedriza demostra com els models de deep learning són capaços de desxifrar el context d’una escena visual complexa, entenent les relacions entre objectes i predient moviments humans.
• Modelatge del comportament espacial. L’aplicació de la IA a l’arquitectura permet que els espais físics es reconfigurin dinàmicament segons les prediccions d’ús que en fa la màquina.

Sense salvaguardes ètiques i institucionals dràstiques, la fusió de la IA amb la realitat estesa (XR per les seves sigles en anglès) i la intel·ligència ambiental invisible amenaça de convertir la ciutat en una «presó de vidre» hiperoptimitzada: un entorn en el qual el ciutadà perd el dret fonamental a la impredictibilitat, a l’error i a l’opacitat emocional. Una ciutat que mai et sorprèn és, senzillament, una ciutat vigilada amb un bon disseny d’interfície.

6. Tipologia de les fallades del disseny algorísmic urbà: usos dolents, ineficaços i perversos

Per prevenir els estralls d’aquesta automatització cega, convé classificar les patologies del disseny algorísmic en tres categories de risc que exigeixen respostes reguladores contundents:

• Usos dolents (coerció i control), sistemes dissenyats amb la intenció oberta de vigilar massivament, aplicar profiling predictiu i reprimir el dissens polític. Aquí també s’enquadra l’explotació laboral automatitzada en la gig economy, en què algorismes totalment opacs imposen tarifes, assignen tasques i apliquen sancions disciplinàries als treballadors sense la menor mediació humana.
• Usos ineficaços (sobrevenda i fetitxe tecnològic), aplicacions venudes com a miraculoses que fracassen en el món real a causa de la deriva de dades (data drift), la qual cosa genera un malbaratament econòmic i ecològic insostenible. L’exemple sagnant són les eines de policia predictiva: no redueixen els delictes, però encareixen la gestió i intensifiquen la hipervigilància en els barris més vulnerables (de nou, casualment, els mateixos de sempre).
• Usos perversos (conseqüències no intencionades), dissenys concebuts amb bones intencions l’aplicació sistèmica dels quals destrueix el teixit urbà. Sobresurt aquí la tirania de l’optimització: la pressa per maximitzar les mètriques de velocitat en les plataformes de delivery destrossa l’espai públic, satura les voreres i precaritza el treball, alhora que engendra addicció digital i atròfia les nostres capacitats cognitives i d’orientació espacial.

7. La materialitat del silici: ecologia urbana, petjada de carboni i «IA sòbria»

Enfront del parany narratiu que ens presenta la IA com un núvol vaporós, incorpòria i neta, el disseny tecnopolític ha de denunciar la seva aclaparadora materialitat ecològica. Mantenir aquesta infraestructura computacional exigeix un atracament d’energia i de recursos naturals sense precedents.

La petjada ambiental del silici s’articula en dues dimensions devastadores:

• Consum energètic i petjada de carboni. L’entrenament i la inferència diaris dels models de llenguatge gran (LLM per les seves sigles en anglès) i de les xarxes profundes devoren una quantitat insòlita d’electricitat. Strubell et al. calculen que entrenar un sol model avançat de processament de llenguatge pot emetre tant CO₂ com el cicle de vida complet de cinc automòbils, fabricació i combustible inclosos. A més, la instal·lació massiva de centres de dades està asfixiant les xarxes hídriques i elèctriques locals (el cloud sempre resulta estar molt en la terra).
• Extracció de recursos i residus. La fabricació de microprocessadors depèn de l’extracció salvatge de liti, cobalt i terres estranyes al Sud Global, deixant un rastre de passius ambientals i guerres geopolítiques. A això se suma una feroç obsolescència programada que alimenta muntanyes de residus electrònics (e-waste).

Davant d’aquest panorama, es torna èticament obligatori adoptar els principis d’una «IA sòbria» (Sober AI o Green AI): prioritzar models algorísmics petits i eficients, exigir l’auditoria pública del consum energètic dels servidors i aplicar l’economia circular al maquinari en les licitacions municipals. La resta és greenwashing amb GPU.

8. La hibridació del rol del dissenyador urbà: de la forma física a l’arquitectura de la realitat

La irrupció de la IA volatilitza les fronteres del disseny tradicional. El dissenyador del futur ja no pot ser un simple modelador de formes físiques ni un decorador d’interfícies; ha de transformar-se en arquitecte de sistemes de poder algorísmic i curador crític de la realitat.

Aquest nou perfil professional requereix quatre competències fonamentals:

• Alfabetització algorísmica i prompt engineering, dominar la lògica interna del machine learning, comprendre com es construeixen les dades d’entrenament i usar la instrucció (prompt) com a veritable material de projecte.
• Pensament sistèmic en bucle tancat, entendre que un producte urbà basat en IA no és un objecte acabat, sinó un sistema viu que muta contínuament a través de bucles de retroalimentació (feedback loops) entre el desplegament, l’ús i el reentrenament (ex-ante i in medias res).
• Codisseny i inclusió social, desplegar metodologies participatives amb col·lectius històricament invisibilitzats des de la concepció del projecte (De la Hera et al.), garantint sempre la supervisió humana (human-in-the-loop) i la protecció proactiva de la privacitat visual (com apunta Lapedriza).
• Mediació tecnopolítica, servir de pont i traductor interdisciplinari entre les mètriques de l’enginyeria, els mandats de drets del marc regulador de l’EU AI Act i les necessitats de la ciutadania a peu de carrer.

Conclusió

La intel·ligència artificial ha redefinit les bases ontològiques i polítiques del disseny urbà. A les nostres ciutats, el repte prioritari no consisteix a accelerar l’automatització cega en nom d’una eficiència abstracta o mercantil, sinó a subordinar la potència computacional a la sobirania democràtica, a l’equitat social i a la sostenibilitat ecològica del planeta. La responsabilitat històrica del dissenyador contemporani demana transcendir l’optimització cega i assumir un compromís ètic ineludible: codificar la justícia, entrenar l’equitat i dissenyar infraestructures transparents al servei del bé comú. Tota la resta és, de nou, tecnofeudalisme amb bon branding.

Per saber-ne més:

NOBLE, Safiya Umoja (2018). Algorithms of Oppression: How Search Engines Reinforce Racism. NYU Press.

DE LA HERA, Teresa; RAESSENS, Joost (2021). «Looking Beyond Persuasion Through Rule-Based Representations in Digital Games: Designing Games to Shape, Reinforce, or Change Attitudes». A: T. de la Hera, J. Jansz, J. Raessens i B. Schouten (eds.). Persuasive Gaming in Context, pàg. 61-74. Amsterdam University Press. DOI: https://doi.org/10.1515/9789048543939-005

DE LA HERA, Teresa; JANSZ, Jeroen; JACOBS, Ruud; SCHOUTEN, Ben; RAESSENS, Joost; KORS, Martijn (2021). «Persuasive Gaming: From Theory-Based Design to Validation and Back. An Introduction». A: T. de la Hera, J. Jansz, J. Raessens i B. Schouten (eds.). Persuasive Gaming in Context, pàg. 7-24. Amsterdam University Press. DOI: https://doi.org/10.2307/j.ctv1hw3z1d.3

KOSTI, Ronak, ALVAREZ, Jose M., RECASENS, Adrià; LAPEDRIZA, Àgata (2020). «Context Based Emotion Recognition using EMOTIC Dataset». IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 42, num. 11, pàg. 2755-2766. DOI: https://doi.org/10.1109/TPAMI.2019.2916866

STRUBELL, Emma; GANESH, Ananya; McCALLUM, Andrew (2019). «Energy and Policy Considerations for Deep Learning in NLP». A: Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics, pàg. 3645-3650. Association for Computational Linguistics. DOI: https://doi.org/10.18653/v1/P19-1355

Reglament (UE) 2024/1689 del Parlament Europeu i del Consell, de 13 de juny de 2024, pel qual s’estableixen normes harmonitzades en matèria d’intel·ligència artificial (Llei de IA / EU AI Act).

Imatge de portada:

Il·lustració creada per ChatGPT a partir del prompt «Crea una imatge senzilla i sense text que permeti il·lustrar un article amb una visió crítica sobre el tema “La intel·ligència artificial com a vector hegemònic en la transformació de les ciutats”». Font: OpenAI (10 d’octubre de 2026).

Citació recomanada

FOGLIA, Efraín. «La intel·ligència artificial com a vector hegemònic en la transformació de les ciutats (i II)». COMeIN [en línia], octubre 2026, no. 169. ISSN: 1696-3296. DOI: https://doi.org/10.7238/c.n169.2667