Durant anys he tingut la sensació que em faltava temps per desenvolupar moltes de les idees que tenia.
Podia detectar una oportunitat, imaginar un producte, trobar una millora en un procés o plantejar una possible solució tècnica. El problema venia després.
Convertir aquella intuïció en alguna cosa prou concreta per poder valorar-la exigia temps, anàlisi i recursos.
Moltes vegades també necessitava implicar massa aviat un desenvolupador. Calia explicar-li la idea, revisar el context, investigar possibles camins i dedicar unes primeres hores només per decidir si tenia sentit continuar.
La intel·ligència artificial ha reduït part d’aquesta distància entre pensar i fer.
Ara puc investigar una oportunitat, auditar una situació, ordenar requisits, documentar una proposta i preparar una primera aproximació abans d’implicar la resta de l’equip.
No significa que qualsevol idea passi a ser bona ni que la IA substitueixi la feina tècnica. Significa que puc arribar més ben preparat al moment de decidir.
El meu interès és precisament aquí: entendre com pot una empresa augmentar la seva capacitat d’execució sense perdre criteri pel camí.
Per això, quan em plantejo quins processos automatitzar amb IA, no començo per la tecnologia.
La primera pregunta no és què pot fer la IA.
La primera pregunta és què val la pena automatitzar.
Continguts
L’error habitual: automatitzar el més vistós
Quan una empresa comença a explorar l’automatització amb IA, les idees apareixen ràpidament.
Un assistent per atendre clients. Un sistema que generi continguts. Un agent comercial. Informes automàtics. Respostes preparades. Eines que analitzen documents o executen tasques.
El problema no sol ser la manca de possibilitats.
És la manca de criteri per ordenar-les.
El més visible tendeix a guanyar. Una demostració en què una IA manté una conversa resulta més cridanera que un procés que classifica informació, prepara documentació o detecta un problema abans que una persona l’hagi de buscar.
Però el més cridaner no sempre és el més útil.
El primer procés que convé automatitzar sol ser força menys espectacular. Normalment és una tasca que es repeteix, interromp la feina, obliga a recopilar informació o consumeix hores abans d’arribar a una decisió.
Automatitzar amb IA no consisteix a buscar la solució més sofisticada.
Consisteix a trobar un punt concret on la tecnologia pugui reduir feina, accelerar una part del procés o millorar-ne la consistència sense introduir un risc difícil de controlar.
Automatitzar amb IA no sempre significa utilitzar IA durant l’execució
Una de les confusions més habituals és pensar que una automatització amb IA ha de cridar constantment un model de llenguatge.
No sempre és així.
Hi ha processos en què la IA interpreta informació, classifica, resumeix o proposa una resposta durant cada execució.
En d’altres, la IA serveix per analitzar el problema, dissenyar el flux, escriure part del codi, resoldre integracions, documentar i preparar proves. Després, l’automatització funciona amb regles tradicionals.
Totes dues opcions poden ser vàlides.
La decisió depèn del problema.
Quan el procés necessita interpretar llenguatge, relacionar continguts o treballar amb informació poc estructurada, un model pot aportaruatge, relacionar continguts o treballar amb informació poc estructurada, un model pot aportar una capacitat que les regles convencionals no tenen.
Quan el resultat depèn de dates, estats, imports o condicions exactes, les regles deterministes solen ser més fiables, econòmiques i fàcils d’auditar.
La pregunta no és si una empresa ha d’utilitzar IA o automatització tradicional.
La pregunta és quin paper ha de tenir cadascuna.
Quins processos automatitzar amb IA: quatre preguntes per decidir
Per prioritzar què automatitzar, utilitzo quatre preguntes:
Amb quina freqüència es repeteix?
Quanta fricció genera?
Quin risc d’error humà té?
Quant costa revisar el resultat?
No és una fórmula matemàtica tancada.
És una manera de comparar processos amb el mateix criteri i evitar que la decisió depengui d’una demostració o de l’eina del moment.
Amb quina freqüència es repeteix?
La freqüència multiplica qualsevol millora.
Una tasca de trenta minuts que passa una vegada l’any probablement no sigui prioritària. Una tasca de pocs minuts que interromp diverses persones cada dia pot acumular un cost molt més gran.
Pensem en una empresa que rep sol·licituds des de formularis, correus i altres canals.
Algú les ha de llegir, entendre què necessita cada contacte, comprovar si falta informació i assignar-les a la persona adequada.
Cada acció és senzilla.
El problema és que es repeteix constantment.
L’automatització podria preparar una classificació, resumir la sol·licitud i assenyalar les dades incompletes. La persona mantindria la decisió final, però deixaria de començar des de zero.
La pregunta útil no és només quant triga una tasca.
També cal valorar quantes vegades passa, quantes persones interromp i quant esforç acumula.
Quanta fricció genera?
No totes les tasques costoses ocupen moltes hores seguides.
Algunes desgasten perquè obliguen a canviar contínuament de context.
Obrir diverses plataformes. Buscar un document. Recuperar una conversa. Copiar dades entre sistemes. Convertir notes en tasques. Preparar sempre la mateixa informació abans d’una reunió.
La fricció és en aquests passos que dificulten avançar.
Un exemple habitual en una agència és la preparació d’informes. Cal accedir a diferents fonts, recopilar dades, comparar-les i detectar canvis que mereixen atenció.
No automatitzaria la interpretació final.
Un canvi en els resultats pot tenir explicacions molt diferents segons el context del client.
Sí que automatitzaria la preparació de la informació. La persona continuaria aportant el criteri, però podria dedicar-lo a analitzar i decidir, no a buscar i copiar.
Quin risc d’error humà té?
Quan una tasca exigeix revisar molts registres, seguir sempre la mateixa seqüència o copiar informació repetidament, és normal que apareguin errors.
No és necessàriament un problema de capacitat.
El mateix disseny de la feina afavoreix les omissions, les incoherències i la pèrdua d’atenció.
L’automatització pot ajudar a localitzar camps incomplets, detectar contradiccions, aplicar regles o assenyalar casos que no segueixen el patró habitual.
Però hi ha una segona pregunta que sempre s’ha de fer: què passa si el sistema s’equivoca?
Si l’error es pot detectar durant una revisió i corregir abans que tingui conseqüències, el procés pot ser un bon candidat.
Si pot afectar directament un client, provocar una decisió econòmica o generar un problema difícil de revertir, cal afegir més controls o reduir-ne l’abast.
L’objectiu no és traslladar l’error d’una persona a una màquina.
És dissenyar un procés en què els errors siguin menys freqüents, més visibles i més fàcils de corregir.
Quant costa revisar el resultat?
Aquesta és una de les preguntes més importants.
Una automatització pot produir alguna cosa aparentment útil i, tot i així, no estalviar temps.
Passa quan comprovar el resultat costa gairebé tant com fer-lo des de zero.
Una IA pot redactar una proposta completa. Però si una persona ha de revisar totes les dades, reconstruir l’enfocament i comprovar cada afirmació, potser la suposada automatització ha afegit feina.
En canvi, pot ser útil que prepari una estructura, recuperi antecedents i marqui quins apartats requereixen una decisió.
En aquest cas, revisar és més barat que produir.
Aquest és un bon criteri.
La IA no necessita lliurar un resultat perfecte. Necessita oferir una base que redueixi clarament l’esforç posterior.
Dues automatitzacions i dos papers diferents per a la IA
A Emfasi hem aplicat aquest criteri de maneres diferents.
Interpretar continguts per preparar una pàgina a WordPress
Quan s’aproven els continguts d’una pàgina, encara queda una feina poc visible.
Cal dividir el document en seccions, decidir quin component del web correspon a cadascuna, introduir els textos als seus camps i comprovar que el resultat respecta el contingut aprovat.
És una feina mecànica, però requereix conèixer l’estructura tècnica de cada projecte de disseny i desenvolupament web.
Per reduir-la, vam desenvolupar una skill que analitza el document, consulta els blocs disponibles en aquell WordPress i proposa com encaixar-hi cada secció. Un cop validada l’estructura, crea la pàgina com a esborrany mitjançant l’API.
No redacta ni modifica el contingut. Tampoc inventa components que no existeixen. Si el disseny requereix un bloc que el web encara no té, s’atura i l’assenyala com una tasca pendent.
Una persona aprova l’estructura proposada i revisa l’esborrany abans de publicar.
En aquest cas, el model d’IA forma part del procés perquè ha de resoldre una cosa difícil d’abordar només amb regles: llegir un document i entendre quina funció compleix cada part.
El codi s’ocupa del que ha de ser exacte. La IA, del que necessita interpretació.
Un radar diari que no necessita un model de llenguatge
En una altra automatització volíem detectar abans determinats problemes del nostre servei de suport i manteniment web.
La informació estava repartida entre diferents fonts. Revisar-la manualment cada dia era possible, però massa tediós perquè es fes sempre amb la mateixa disciplina.
Vam crear un radar que creua les dades, aplica regles i mostra únicament les situacions que necessiten atenció.
Cada alerta enllaça amb el registre que l’ha generada. Així, una persona pot comprovar-la i actuar sense haver de tornar a buscar la informació.
Aquí no utilitzem un model de llenguatge durant l’execució.
No era necessari.
Les condicions depenen de dates, saldos, estats i regles clares. Introduir un LLM hauria afegit variabilitat a un procés que necessita ser predictible.
La IA va tenir un altre paper: ens va ajudar a convertir una preocupació poc definida en regles concretes, desenvolupar les integracions i documentar els casos que podien fallar.
L’automatització final funciona amb lògica tradicional.
Aquest cas demostra que aplicar IA no consisteix a introduir-la a tot arreu. De vegades, la seva aportació més gran és reduir l’esforç necessari per analitzar, construir i documentar una automatització que després funciona millor sense ella.
Quins processos no automatitzar encara
Hi ha tres senyals que em fan frenar.
El procés canvia segons qui l’explica
Si cada persona descriu uns passos diferents, encara no existeix un procés estable.
Automatitzar-lo pot fixar una manera de treballar que ningú no ha validat.
Abans convé entendre el flux, identificar les excepcions i acordar quin resultat es considera correcte.
La IA no ordena automàticament un procés confús.
Pot accelerar-ne la confusió.
La informació d’entrada no és fiable
Tota automatització depèn de la informació que rep.
Si les dades són incompletes, els documents es contradiuen o una part essencial del coneixement només és al cap d’algú, el resultat serà difícil de controlar.
No cal tenir una infraestructura perfecta.
Sí que cal saber quines fonts es poden utilitzar amb confiança.
Ningú no pot comprovar el resultat
Si una empresa no pot definir qui revisa, què ha de comprovar i què passa quan apareix un error, el procés no està preparat.
La supervisió humana no s’hauria d’afegir al final.
Ha de formar part del disseny.
Qui valida. Què valida. En quines situacions. Amb quins límits.
Si aquestes preguntes no tenen resposta, l’automatització pot generar més incertesa que capacitat.
Preguntes freqüents sobre automatització amb IA
Quin procés convé automatitzar primer amb IA?
Jo començaria per una tasca freqüent, ben delimitada i fàcil de comprovar. No ha de ser el procés que consumeix més hores ni el més visible, sinó un que generi fricció de manera recurrent i el resultat del qual es pugui revisar sense refer tota la feina.
També valoraria les conseqüències d’un possible error. Per a una primera automatització, és preferible escollir un procés en què sigui possible detectar i corregir una fallada abans que afecti un client o provoqui una decisió difícil de revertir.
Una automatització amb IA sempre necessita utilitzar un LLM?
No. Hi ha automatitzacions que necessiten interpretar documents, classificar informació o treballar amb llenguatge natural. En aquests casos, un model de llenguatge pot formar part de l’execució.
Però molts processos depenen de dates, estats, càlculs o regles exactes. Per a aquests, una integració tradicional sol ser més fiable i fàcil de controlar.
La IA pot aportar valor abans: ajudant a entendre el problema, definir les regles, desenvolupar la solució, provar-la i documentar-la. L’important no és introduir un LLM en cada procés, sinó assignar a cada tecnologia la part de la feina que resol millor.
És millor automatitzar un procés complet o només una part?
Normalment prefereixo començar per una part concreta.
Pot ser la recopilació d’informació, una primera classificació, la preparació d’un esborrany, la detecció d’anomalies o la documentació prèvia a una decisió.
Intentar automatitzar-ho tot des del principi sol augmentar les excepcions, el risc i el cost de revisió. Delimitar el procés permet comprovar abans si la solució aporta valor i decidir després si val la pena ampliar-la.
Una automatització útil no necessita eliminar completament la intervenció humana. Pot preparar millor la feina perquè una persona decideixi, revisi o executi la part que exigeix experiència.
Quan no compensa automatitzar un procés?
Jo frenaria si el procés canvia segons qui l’explica, si la informació d’entrada no és fiable o si ningú no pot comprovar amb claredat que el resultat és correcte.
També evitaria automatitzar una tasca quan revisar-ne la sortida costa pràcticament el mateix que fer-la des de zero.
Abans de desenvolupar res, hauria de ser possible definir què entra en el procés, quin resultat esperem, quines excepcions existeixen i qui intervé quan alguna cosa no encaixa. Si aquestes preguntes encara no tenen resposta, probablement el problema s’ha d’ordenar abans d’automatitzar-lo.
L’experiència guanya valor quan executar resulta més fàcil
Fa més de deu anys que no desenvolupo de manera habitual ni escric el codi dels projectes.
El meu paper com a CTO és en un altre punt.
Ajudo l’equip a entendre problemes, estructurar solucions, anticipar riscos i planificar la feina de la manera més clara possible.
La meva experiència anterior com a desenvolupador em permet fer millors preguntes. La IA em permet portar aquestes preguntes més lluny abans de consumir hores de l’equip.
Puc analitzar una idea, preparar una tasca, detectar què falta i decidir si té sentit implementar-la, descartar-la o delegar-la.
Això no redueix el valor de l’experiència.
L’augmenta.
Quan crear una primera aproximació resulta més fàcil, la diferència ja no és únicament en qui pot produir més.
És en qui sap què val la pena construir, què s’ha d’automatitzar, on cal interpretació i on una regla senzilla és millor que un model avançat.
Per això no començaria preguntant què pot fer la IA en una empresa.
Començaria per una tasca freqüent, molesta, fàcil de comprovar i amb un error assumible.
Després decidiria quina part ha de resoldre la IA, quina part ha de funcionar amb regles i quines decisions han de continuar sent humanes.
L’automatització amb IA no hauria de començar amb una gran promesa. Hauria de començar amb una millora real.
Quan aquesta millora funciona, la IA deixa de ser una demostració i es converteix en una manera diferent de treballar.
