L'AI Operator: la persona que tot founder necessita i encara no sap que existeix
Tens un equip de 15-50 persones. Saps que la IA pot transformar les teves operacions. Has llegit els articles, has vist les demos, has jugat amb ChatGPT. Fins i tot has demanat a l'equip de producte que "explori integrar IA en alguna cosa". Però res no acaba d'avançar. Els pilots s'encallen, ningú no té temps de portar res a producció, i la distància entre el que la IA podria fer per la teva empresa i el que realment hi fa creix cada mes.
He vist aquest patró repetir-se a les empreses amb què treballem a Conectia, i el diagnòstic és gairebé sempre el mateix. El problema no és la tecnologia. No és el pressupost. No és que el teu equip no en sigui capaç. És que no tens la persona adequada al capdavant.
No necessites un Chief AI Officer amb un sou de 300K. No necessites un equip de machine learning de 5 persones. No necessites un consultor que et lliuri un roadmap de 80 pàgines i desaparegui.
Necessites un AI Operator.
Què és un AI Operator
Un AI Operator és la persona que fa de frontissa entre la tecnologia i el negoci, entén tots dos mons i té la capacitat de convertir les eines d'IA disponibles avui en millores operatives reals. No investiga. No teoritza. Implementa.
No és un enginyer de ML que entrena models. No és un product manager que escriu specs. No és un consultor que fa auditories. És un perfil nou — o, més ben dit, un perfil que sempre ha existit a les millors operacions, però que ara té les eines d'IA com a instrument principal.
L'AI Operator identifica quins processos de la teva empresa són candidats a automatitzar-se amb IA, els prioritza per impacte contra esforç, implementa solucions amb eines que ja existeixen (APIs de LLMs, eines no-code, integracions), mesura resultats i itera. I tot això en setmanes, no en trimestres.
El perfil: ni purament tècnic ni purament de negoci
Aquí és on la majoria de founders s'equivoquen quan busquen aquest perfil. Contracten un enginyer sènior i esperen que entengui el negoci. O contracten un estrateg de negoci i esperen que sàpiga fer prompt engineering. Cap de les dues coses no funciona.
L'AI Operator ideal té un perfil híbrid molt concret:
Competència tècnica suficient (no experta)
- Entén com funcionen els LLMs a nivell conceptual: tokens, context, temperatura, prompts, fine-tuning contra RAG.
- Sap fer servir les APIs d'OpenAI, d'Anthropic o de models open source sense que cap enginyer li hagi de muntar l'entorn.
- Sap valorar quan n'hi ha prou amb una eina no-code (Make, Zapier, n8n) i quan cal desenvolupament a mida.
- Té el criteri tècnic per distingir el que és factible avui, el que és possible amb esforç i el que és fum.
Mentalitat operativa (no estratègica)
- Pensa en processos, no en tecnologia. Comença preguntant "quin procés ens frena?", no "com fem servir GPT-4?".
- Ho mesura tot. Temps estalviat, errors reduïts, throughput millorat. Si no hi pot posar un número, no ho implementa.
- Itera ràpid. Prefereix un prototip funcional en 3 dies a un disseny perfecte en 3 mesos.
- Tendeix a l'acció. No espera permís, no necessita cap comitè. Veu una oportunitat, la prova i ensenya resultats.
Empatia amb l'equip (habilita, no imposa)
- Entén que la gent té por de la IA. No ho ignora ni ho menysté. Ho gestiona amb resultats, no amb discursos.
- Treballa AMB els equips, no PER a ells. El millor AI Operator aconsegueix que l'equip de suport, de vendes o d'operacions senti que la IA és una eina SEVA, no una cosa imposada des de dalt.
- Documenta i ensenya. El seu objectiu no és fer-se imprescindible, sinó apujar el nivell de competència en IA de tota l'organització.
Probablement ja tens aquesta persona
La bona notícia és que probablement ja tens algú amb aquest perfil a l'equip. O coneixes algú que hi encaixa. Els AI Operators no surten d'un background concret. Surten de la intersecció entre curiositat tècnica i obsessió operativa.
Perfils que solen encaixar:
- Operations managers que han automatitzat processos amb Zapier/Make i ara volen fer el salt a la IA.
- Product managers tècnics que es frustren perquè les coses no s'implementen prou de pressa i s'estimen més fer-ho ells mateixos.
- Enginyers junior-mid que entenen el negoci — el dev que sempre pregunta "per què estem construint això?" abans d'escriure codi.
- Analistes de dades que ja fan servir Python/SQL i veuen el potencial d'automatitzar els processos que ells mateixos alimenten.
- Growth hackers / marketers tècnics que fa mesos que fan servir IA per a contingut i veuen com aplicar-la a operacions.
El que NO funciona:
- Un enginyer de ML sènior que només vol entrenar models. Sobrequalificat per a la majoria d'implementacions i sense cap interès en la feina operativa.
- Un consultor estratègic que parla de "transformació digital". Produeix slides, no resultats.
- Un becari o un júnior sense context de negoci. Necessites algú que sàpiga prioritzar, i això demana entendre on hi ha impacte de debò.
Què fa un AI Operator dia a dia
No és un rol abstracte. És una feina concreta amb lliurables mesurables. Una setmana típica és aquesta:
Dilluns: Reunió amb l'equip de suport. Repassen els tickets de la setmana anterior. Detecten que el 35% dels tickets de "canvi de pla" continuen arribant a humans quan el chatbot els hauria de resoldre. L'AI Operator analitza les transcripcions i troba que el model falla quan el client esmenta descomptes vigents. Ajusta els prompts i el context del RAG.
Dimarts-dimecres: Implementa un pipeline nou. L'equip de vendes vol emails de seguiment personalitzats segons l'activitat del client potencial dins del producte. L'AI Operator connecta l'API d'esdeveniments del producte amb un LLM que genera esborranys d'email i els deixa en una cua perquè els SDRs els revisin i els enviïn.
Dijous: Revisa les mètriques dels sistemes en producció. El chatbot de suport ha resolt automàticament el 58% dels tickets aquesta setmana (contra el 52% de l'anterior). El pipeline de processament de factures té una taxa d'error del 3,2% — dins del marge acceptable. El sistema de resums de reunions rep feedback negatiu de l'equip de producte — investiga i descobreix que els action items no capturen bé les dependències entre equips.
Divendres: Presenta resultats al founder. Tres números: hores d'equip estalviades aquesta setmana, diners estalviats contra el cost de les APIs, i la llista prioritzada dels propers 3 processos a automatitzar amb estimació d'impacte.
El ROI que un founder pot esperar
Siguem directes amb els números. Un AI Operator competent, en els primers 90 dies, hauria de:
- Identificar 5-10 processos automatitzables i prioritzar-los.
- Implementar 2-3 automatitzacions en producció.
- Generar un estalvi mesurable — típicament 20-40 hores/setmana de temps d'equip, segons la mida de l'empresa.
- Crear una base per escalar: documentació, mètriques, processos de millora contínua.
El cost d'un AI Operator a temps complet és el d'un perfil mid-senior d'operacions o de producte. El retorn, si tria bé els processos, es nota el primer mes.
Compara-ho amb l'alternativa: contractar una consultora d'IA que et cobra 50K per un "assessment" que triga 3 mesos i et lliura un document que el teu equip no pot executar.
Com començar si ets founder
No cal que demà creïs una posició formal d'"AI Operator". Has de fer tres coses:
1. Identifica el teu candidat intern. Fixa't en qui del teu equip ja experimenta amb IA pel seu compte. Qui fa servir ChatGPT per a la seva feina. Qui ha proposat automatitzar alguna cosa. Qui té la barreja de curiositat tècnica i pragmatisme operatiu. Aquesta persona és el teu AI Operator en potència.
2. Dona-li temps i un mandat. No com un "projecte extra" a sobre de la seva feina. Dona-li un dia a la setmana dedicat o, millor encara, fes que sigui el seu focus principal durant 90 dies. El mandat és clar: identifica els 3 processos amb més potencial d'automatització, implementa el primer i ensenya'm resultats en 30 dies.
3. Mesura i decideix. Si en 90 dies tens almenys una automatització en producció generant un estalvi mesurable, tens un AI Operator. Formalitza el rol, dona-li recursos i deixa'l escalar. Si no ha funcionat, no era la persona adequada o no era el moment. Però el cost de l'experiment ha estat mínim.
La finestra d'oportunitat
L'objecció raonable aquí és que les eines acabaran sent prou bones per fer aquest rol innecessari — que les plataformes d'agents ho faran tot de sèrie. En part és cert: implementar és cada trimestre més fàcil. Però triar quin procés automatitzar, mesurar si realment ha funcionat i aconseguir que un equip ho adopti — aquest criteri no ve inclòs amb una clau d'API.
Això no serà un avantatge competitiu per sempre. Avui ho és perquè la majoria d'empreses de la teva mida no tenen aquest perfil. D'aquí a 2-3 anys, tenir un AI Operator serà tan bàsic com tenir algú que et gestioni el CRM o l'analítica. Les empreses que s'hi avancin tindran un avantatge que es multiplica: processos més eficients, equips més productius, dades de millora que la competència no té.
La pregunta no és si necessites un AI Operator. És quant de temps més et pots permetre no tenir-ne.
Vols parlar de com estructurar aquest rol a la teva empresa? Agenda una trucada amb un CTO — t'ajudem a definir el perfil, identificar candidats i posar en marxa les teves primeres automatitzacions amb IA.
