Biaixos en transcripció automàtica amb IA: què cal considerar abans d'usar-la com a evidència

Actualitzat: juny 2026 · Per Álvaro Arrescurrenaga, CEO de Voicit

La transcripció automàtica amb intel·ligència artificial s'ha tornat quotidiana: una reunió, una entrevista de feina, una trucada amb un client o una declaració es poden convertir en text en qüestió de minuts. El fem servir per no perdre detall, per redactar actes i per tenir un registre del que es va dir. El problema apareix quan aquest text deixa de ser una ajuda i passa a utilitzar-se per prendre decisions serioses -un acomiadament, un acord amb valor contractual, una reclamació o un procediment judicial- sense recordar un fet incòmode: cap IA transcriu sense errors.

I aquests errors no són aleatoris. Molts són biaixos sistemàtics: fallen més amb unes veus, accents, idiomes o contextos que amb altres. Un mateix sistema pot transcriure de meravella una persona i penalitzar sempre una altra. Quan el text s'usarà com a evidència, entendre aquests biaixos no és un detall tècnic: és la diferència entre una prova sòlida i una que s'ensorra quan algú la contrasta amb l'àudio.

En aquesta guia veuràs quins tipus de biaixos existeixen, quina fiabilitat real té la transcripció automàtica, en quins casos un sol error canvia el resultat i, sobretot, què revisar abans de donar suport a una decisió important en una transcripció generada per IA.

Què és un biaix en la transcripció automàtica amb IA

Error de precisió vs biaix sistemàtic

Convé separar dos conceptes que sovint es confonen:

• Error de precisió: l'eina s'equivoca en una paraula solta. Li passa a qualsevol sistema i, repartit a l'atzar, és assumible.
• Biaix: aquests errors es concentren sistemàticament en certs parlants o situacions (un accent, un idioma, veus greus, àudio llunyà). És més perillós com a evidència perquè és predictible i direccional: tendeix a perjudicar sempre la mateixa persona.

Per a una acta de reunió interna, un error solt es corregeix i poca cosa més. Per a una prova que afecta els drets d'algú, un biaix direccional és un problema seriós: pot inclinar la balança de manera injusta sense que ningú ho noti.

Com funciona (i per què s'equivoca) la IA en transcriure

Entendre el «com» ajuda a anticipar les errades. Una transcripció automàtica moderna sol combinar dues peces:

• Reconeixement de veu (ASR, Automatic Speech Recognition): converteix el senyal dàudio en text. Aquí hi pesen l'idioma, l'accent, el soroll i la qualitat del micròfon.
• Models de llenguatge (IA generativa): «netegen» i donen format al text, corregeixen puntuació i, de vegades, resumeixen. Aquesta capa millora la llegibilitat… però també és la que pot inventar text que ningú va dir.
• Diarització: separa i identifica els parlants (qui va dir què). És un dels punts més fràgils quan hi ha solapament.

La conseqüència pràctica: la IA no «entén» la conversa com una persona; prediu la seqüència de paraules més probable atesa el senyal. Quan el senyal és ambigu (soroll, accent, un nom propi poc freqüent), emplena amb allò que estadísticament encaixa, no necessàriament amb el que es va dir. Per això un nom rar o una xifra són terreny abonat per a l'error, i per això el mateix model que uses amb ChatGPT per transcriure pot sonar perfecte i, tot i així, equivocar-se en allò important.

Per què importa quan la transcripció s'usa com a evidència

Una transcripció deixa de ser un simple apunt i passa a tenir conseqüències en molts contextos quotidians:

• Recursos Humans: entrevistes de selecció, reunions disciplinàries o converses que donen suport a una decisió sobre una persona.
• Actes i acords: un acta de reunió generada amb IA pot arreplegar compromisos amb valor contractual.
• Àmbit legal: declaracions, converses gravades o reclamacions aportades en un procediment.
• Periodisme i investigació: cites textuals atribuïdes a una font, on una paraula canvia el titular.
• Vendes i suport: compromisos verbals amb clients durant una trucada.

En tots aquests casos, una sola paraula mal transcrita pot canviar el significat: un «no» que desapareix, un nom confós, una xifra alterada o una negació que es perd. La pregunta correcta, per tant, no és «l'IA transcriu bé?», sinó «quins errors comet, on, i com els detecte abans d'usar el text?».

Els 8 biaixos i errors més comuns en la transcripció automàtica

1. Biaix d'accent i dialecte

Els models s'entrenen amb més dades d'uns accents que d'altres. Un mateix sistema pot transcriure amb gran precisió un espanyol neutre i fallar amb accents regionals o variants de Llatinoamèrica. Un estudi de la Universitat de Stanford (Koenecke et al., 2020, PNAS) va mesurar aquest biaix en els principals motors de reconeixement de veu: la taxa d'error gairebé es duplicava per a uns grups de parlants davant d'altres. Resultat: la qualitat de la prova depèn de qui parla, no només de què diu.

2. Canvi i barreja d'idiomes (code-switching)

Quan s'alternen idiomes —o es colen tecnicismes en anglès— moltes eines s'«encallen» en un sol idioma i transcriuen malament la resta. És habitual en entorns professionals, bilingües i en zones amb dues llengües cooficials.

3. Solapament de veus i diarització

La diarització atribueix cada frase a qui la va dir. Quan dues persones parlen alhora o s'interrompen, el sistema barreja intervencions o assigna una frase al parlant equivocat: crític si la prova depèn de «qui va dir què».

4. Soroll, àudio llunyà i mala qualitat

Un micròfon llunyà, ressò de sala o soroll de fons degraden la transcripció. En reunions presencials enregistrades amb el mòbil sobre la taula, les veus més allunyades es perden o s'inventen.

5. Vocabulari tècnic i noms propis

Noms de persones, marques, termes jurídics o mèdics i acrònims són on s'equivoca més la IA, i són justament les dades més identificatives d'una evidència.

6. Números, dates i negacions

Imports, dates, percentatges, DNI i, sobretot, les negacions («no», «mai», «sense») són fràgils. Perdre un no inverteix completament el sentit d'una frase.

7. Biaix de gènere i de veu

Alguns sistemes rendeixen pitjor amb determinats tons o registres de veu. És una altra forma de biaix sistemàtic: el mateix contingut es transcriu amb diferent fiabilitat segons la veu de qui parla.

8. «Al·lucinacions»: text inventat per la IA

Els models moderns no només s'equivoquen: de vegades generen text que ningú va dir, especialment amb àudio de baixa qualitat, silencis o fragments inaudibles. Investigadors que van auditar Whisper (el model de transcripció d'OpenAI) el 2024 (informe recollit per AP) van trobar fragments inventats al voltant de l'1% de les transcripcions, de vegades amb frases perjudicials que mai no es van pronunciar. Per a una evidència és el risc més greu, perquè el text sona coherent, però és fals.

Com afecta cada biaix al valor probatori (i com mitigar-lo)

Quina fiabilitat real té la transcripció automàtica

La mètrica estàndard per mesurar un sistema de reconeixement de veu és el WER (Word Error Rate o taxa d'error per paraula): el percentatge de paraules que el sistema insereix, esborra o substitueix respecte al que realment es va dir. Un WER del 5% vol dir que, de cada 100 paraules, 5 estan malament.

La clau és que el WER no és un número fix: depèn moltíssim de les condicions. Com a referència del sector, es considera bona una transcripció per sota d'un 5-10% de WER; per sobre del 15-20%, recolzar-s'hi com a evidència sense una revisió exhaustiva és molt arriscat.

• Àudio net, un sol parlant, idioma nadiu: lerror pot ser baix i el resultat, molt usable.
• Accents, soroll, diverses persones o canvi d'idioma: el WER es dispara i la transcripció perd fiabilitat just als trams més rellevants.
• Espanyol davant d'anglès: moltes eines van néixer en anglès i rendeixen pitjor en espanyol. Les dissenyades per al castellà parteixen amb avantatge; Voicit, per exemple, aconsegueix un 95% de precisió en espanyol (és a dir, al voltant del 5% d'error en bones condicions).

Transcripció humana, automàtica o híbrida: quan fer servir cadascuna?

No tot necessita el mateix nivell de garantia. Aquesta comparativa ajuda a triar segons el que estigui en joc:

Per a una evidència, lenfocament híbrid sol ser el punt òptim: la IA fa el 95% de la feina en segons i una persona valida els trams crítics contra l'àudio.

Casos reals: quan un error canvia el resultat

Aquests escenaris il·lustren per què la revisió importa tant:

• RRHH — una negació perduda. En una reunió disciplinària, «no vaig acceptar aquestes condicions» es transcriu com a «acceptar aquestes condicions». El sentit s'inverteix del tot.
• Acteu amb valor contractual — una xifra. Un "14.000" que la IA converteix en "40.000" canvia el compromís recollit a l'acta.
• Periodisme — una cita. Atribuir a una font una paraula que no va dir pot ser un problema legal i de reputació.
• Diarització — qui ho va dir. En una conversa a diverses veus, assignar una afirmació compromesa a la persona equivocada invalida la prova.
• Al·lucinació — una frase fantasma. En un tram amb soroll, el model «completa» una frase coherent que mai no es va pronunciar.

Cap d'aquests errors no es detecta llegint només la transcripció: el text sembla correcte. Només es descobreixen tornant a l'àudio.

Què cal considerar abans d'usar una transcripció amb IA com a evidència

Abans de donar suport a una decisió en una transcripció automàtica, repassa aquesta llista:

Com reduir els biaixos: bones pràctiques

No es tracta de renunciar a la IA —estalvia molt de temps— sinó d'usar-la amb criteri:

• Comença per un bon àudio: micròfon proper, sala sense ressò i evitar que tots parlin alhora. La qualitat d'entrada mana tota la resta.
• Trieu una eina precisa en el vostre idioma i variant, no una adaptació genèrica. Comparem diverses a la guia de apps de IA per transcriure reunions.
• Activa marques de temps i separació de parlants des del principi.
• Revisa i corregeix abans de donar el text per vàlid; tracta la transcripció com un esborrany, no com un original.
• Documenta el procés (quina eina, quina versió, qui va revisar i quan): reforça la traçabilitat i la credibilitat.
• Defineix una política interna quines decisions es poden recolzar en transcripció i quines exigeixen escoltar l'àudio.

I, sobretot, recorda la dimensió ètica: una transcripció afecta persones reals. El desenvolupem a ètica i tecnologia a RRHH.

Marc legal i RGPD: gravar i fer servir transcripcions

Més enllà de la precisió, hi ha una capa legal que convé tenir clara (i que varia segons el país i el context):

• Consentiment i informació: com a norma general, has d'informar els participants de què s'enregistra i per a què. Gravar d'amagat pot invalidar la prova i comportar sancions.
• RGPD / LOPD: un enregistrament amb veus és una dada personal. Cal tractar-ho amb base legal, minimització, termini de conservació i seguretat. Ajuda utilitzar eines amb servidors a la UE i xifrat.
• Valor probatori: una transcripció sol admetre's com a suport, però l'element fort és el àudio original i la seva autenticitat. La transcripció acompanya; no substitueix.
• Cadena de custòdia: conserva l'original sense alterar, registra qui hi accedeix i com es va obtenir. Una transcripció editada sense l'àudio darrere perd força.
• Reglament d'IA de la UE (AI Act): utilitzar IA per transcriure i avaluar entrevistes de selecció entra en una categoria de alt risc, amb obligacions de supervisió humana i transparència. Més detall al text de l'AI Act.

Tens més detall a la guia específica de RGPD i enregistrament de converses. Per a decisions amb efectes legals, consulta sempre un professional.

Què mirar en triar una eina de transcripció

Més enllà de la marca, aquestes són les característiques que de veritat redueixen biaixos i reforcen el valor d'una transcripció:

• Precisió real al teu idioma. Les eines dissenyades per a l'espanyol rendeixen per sobre de les adaptacions anglosaxones. Voicit va néixer amb el castellà com a llengua principal i aconsegueix un 95% de precisió en espanyol.
• Detecció de diversos idiomes, inclòs el canvi dins d'un mateix enregistrament (Voicit reconeix fins a 8 idiomes), clau per a converses bilingües.
• Àudio original + marques de temps que enllacin cada frase amb el minut exacte, per poder verificar.
• Transcripció editable per corregir errors abans de fer-la servir.
• Identificació de parlants fiable.
• Compliment del RGPD i servidors a la UE, amb dades xifrades.
• Funciona a Meet, Teams i Zoom i en reunions presencials, sense afegir bots a la conversa.

Resum accionable

Si només et quedes amb una idea: la transcripció automàtica és un esborrany excel·lent, no un original. Per utilitzar-la amb garanties:

• ✅ Conserva sempre el àudio original amb la data i metadades.
• ✅ Revisa amb una persona els trams clau contra làudio.
• ✅ Vigila noms, números i negacions.
• ✅ Fes servir una eina necessita en el teu idioma, amb timestamps i separació de parlants.
• ✅ Compleix el RGPD i informa del registre.
• ✅ No prenguis decisions serioses només amb el resum automàtic.

Preguntes freqüents

Álvaro Arrescurrenaga
CEO i cofundador de Voicit. Fa anys que treballa amb equips de RRHH, consultores i professionals que documenten reunions i entrevistes amb IA.

Articles relacionats

• Apps d'IA per transcriure reunions: les millors del 2026
• Com gravar reunions presencials amb IA i generar actes
• RGPD i enregistrament d'entrevistes: el que has de saber
• Com transcriure reunions a Meet, Teams i Zoom