Automatització de processos amb IA per a pimes: per on començar (i què deixar per a més endavant)
La majoria de les empreses d'entre 10 i 100 persones ja ha tocat la IA: algú redacta correus amb ChatGPT, algú altre resumeix reunions. L'enquesta State of AI de McKinsey (novembre de 2025) situa en el 88% les organitzacions que fan servir IA en almenys una funció de negoci — i assenyala, al mateix paràgraf, que la majoria encara no en veu cap impacte material al compte de resultats. L'adopció ja no és el forat. El forat és convertir aquesta adopció en una millora que es pugui mesurar.
Per a una pime, la bona notícia és que tancar aquest forat no exigeix el que assumeixen els manuals enterprise: ni equip de ciència de dades, ni comitè de selecció de plataforma, ni presentació d'«estratègia d'IA». Exigeix un procés ben triat, una línia de base i algú que es faci seu el resultat. Aquest és l'ordre que seguiríem — el mateix que fem servir amb clients.
Tria un procés, no una estratègia d'IA
Les empreses que s'encallen són les que es proposen «implantar la IA». Les que aconsegueixen resultats trien un procés concret i l'automatitzen. Tres criteris decideixen quin procés va primer:
- Volum. Alguna cosa que l'equip fa desenes o centenars de vegades per setmana — introduir dades de factures, primeres respostes de suport, preparació de pressupostos, entrada de CVs, preguntes d'estat de comanda. Automatitzar una tasca que es fa dos cops al mes no aporta res.
- Veritat de referència clara. Pots dir, sense ambigüitat, com és una sortida correcta: l'import de la factura és el que és, o no ho és; la consulta es va derivar a la persona adequada, o no. Allà on «correcte» és qüestió de gustos, l'automatització és qüestió de sort.
- Errors revisables. Un esborrany equivocat que una persona caça en deu segons és un mode de fallada acceptable. Un pagament equivocat, no. Comença allà on els errors siguin barats de caçar.
L'extracció de factures i documents, el triatge de suport i la cerca interna de coneixement passen els tres filtres a gairebé qualsevol empresa. Per això apareixen una vegada i una altra a totes les anàlisis honestes, la nostra inclosa.
Val la pena ser igual de concret sobre què deixar fora a la primera ronda. Els processos amb poc volum i molt judici — excepcions de preus, revisió legal, qualsevol cosa on establir «el correcte» demana una reunió — són el cementiri dels projectes d'automatització, perquè no hi ha veritat de referència contra la qual provar ni volum que pagui el desenvolupament. No queden descartats per sempre; queden descartats al principi. El lliurable que importa del primer projecte és organitzatiu: la prova, amb números, que això funciona aquí. Tria el procés amb més probabilitats de produir aquesta prova.
Per baixar-ho al detall, així és per dins el primer projecte més habitual. Un pipeline de factures té quatre etapes: un model amb visió llegeix el PDF o la foto; la sortida es converteix en camps estructurats (proveïdor, data, import, línies); unes regles de validació comproven el que les regles poden comprovar — totals que no quadren, números de factura duplicats, proveïdors desconeguts —; i tot el que queda per sota d'un llindar de confiança cau en una cua de revisió on una persona confirma en segons el que abans eren minuts de teclejar. Cap etapa no és exòtica. El valor és al cablatge que les uneix — que és exactament la raó que la demo es faci en un dia i la producció trigui setmanes.
Mesura el procés abans d'automatitzar-lo
El pas que tothom es salta. Abans de triar cap eina, dedica una setmana a comptar: quants elements, quants minuts per element, quants errors, qui fa la feina. Quatre números en una pàgina.
Sense aquesta línia de base, el projecte no pot sortir bé — no pas perquè l'automatització no funcioni, sinó perquè ningú no podrà dir si va funcionar. «Es nota més ràpid» és la frase amb què moren els pilots al tercer mes, quan arriba la factura de l'eina i el benefici és una sensació. Amb línia de base, la conversa canvia de naturalesa: «el mes passat vam processar 340 factures a 4 minuts cadascuna; ara són 40 segons més revisió, i la taxa d'error va baixar». Aquesta frase renova pressupostos.
Mantén una persona al circuit fins que els números diguin una altra cosa
El patró més fiable de la IA en producció per a una pime no és l'autonomia total. És la IA fa el volum; una persona revisa els casos de poca confiança. Si el model extreu sense errors el 85% de les factures i marca la resta per a una comprovació humana de deu segons, has eliminat la major part de la feina manual conservant una taxa d'error que pots defensar davant de la teva gestoria.
A la pràctica, el circuit és una cua i dos llindars. Per sobre del llindar alt, la sortida passa directa; per sota del baix, l'element va a una persona sense tocar; a la franja intermèdia, la persona veu la resposta de la IA precarregada i la confirma o la corregeix. Cada correcció queda registrada, perquè aquest registre és alhora el teu futur senyal d'entrenament i la teva pista d'auditoria. Els equips que treballen així solen començar conservadors — la majoria dels elements a la franja intermèdia — i eixamplen la franja de pas directe mes a mes, a mesura que la taxa de correcció ho va justificant.
Dissenya la revisió des del primer dia: llindars de confiança, una via d'escalat i una regla sobre el que la IA no pot fer mai sola (enviar diners, prometre res a un client, esborrar dades). L'autonomia és una cosa que un flux de treball es guanya amb una taxa d'error mesurada, no una cosa amb què s'estrena. Allà on els errors són barats i reversibles — esborranys interns, deduplicació, etiquetatge — deixa-la córrer; allà on una errada toca un client o un llibre comptable, el circuit conserva la seva persona fins que les dades diguin el contrari.
Com saps que se t'ha fet petit Zapier?
L'automatització no-code és la primera eina correcta, i moltes empreses s'hi haurien de quedar més temps del que els demana l'entusiasme. Els senyals que se t'ha fet petita són concrets:
- El flux necessita judici a mig camí — classificar, decidir, reformular — i no només «quan passi X, fes Y».
- Les entrades són no estructurades: PDFs, fils de correu, fotos d'albarans, notes de veu de l'equip de camp.
- L'estat ha de sobreviure a través de diversos sistemes — el CRM, l'ERP i la bústia guarden cadascun un tros de la veritat.
- Les fallades demanen gestió, no reintents: extraccions parcials, casos ambigus, una pista d'auditoria de què es va decidir i per què.
- Ja no saps quant costa una execució — les factures per tokens i el preu per tasca han convertit l'economia unitària en part de l'enginyeria.
Un o dos senyals? Apura el no-code una mica més. Tres o més? Estàs construint software, i el software mereix un enginyer.
Qui se'n fa càrrec quan ja està en marxa?
Un procés automatitzat és software en producció. I deriva: els proveïdors canvien el format de les factures, les preguntes de suport canvien de to, el proveïdor del model actualitza alguna cosa, els costos van pujant a poc a poc. Si el pipeline no és responsabilitat de ningú, es degrada en silenci fins que algú descobreix un mes de dades dolentes — i l'automatització s'acaba revertint amb mal regust, enduent-se la credibilitat del projecte següent.
El rol que assumeix aquesta responsabilitat té nom: l'AI Operator — l'enginyer que vigila les mètriques de qualitat, la cua de fallades i la línia de cost, i tracta el flux com un sistema per operar, no com un projecte que es va acabar. En una empresa de 10 a 100 persones poques vegades és una dedicació a temps complet; el que sí que ha de ser és una responsabilitat amb nom i cognoms.
Un pla d'arrencada de 30 dies
- Setmana 1 — triar i mesurar. Escull l'únic procés que passa els tres filtres. Compta la línia de base: volum, minuts per element, taxa d'error, responsable.
- Setmana 2 — construir la versió mínima. Un procés, una integració, revisió humana de tot. Resisteix les ampliacions d'abast; apunta-les per a més endavant.
- Setmana 3 — executar en paral·lel. La via antiga continua funcionant; l'automatitzada corre al costat. Compara sortides cada dia contra la línia de base. Aquí és on apareixen els modes de fallada reals.
- Setmana 4 — decidir amb números. Més barat i com a mínim igual de precís? Fes el canvi, mantén la revisió als casos de poca confiança i posa nom al responsable. Pitjor? Has invertit quatre setmanes i un procés a aprendre més sobre la IA al teu negoci del que ensenyaria un any de demos — tria el següent candidat amb el que ara saps.
Salta't l'estratègia d'IA. Tria el procés, mesura'l, automatitza el volum, revisa els casos dubtosos, posa nom al responsable. La seqüència és avorrida a propòsit — la producció, quan funciona, és exactament així d'avorrida.
Si prefereixes no aprendre els modes de fallada sobre el teu propi trànsit, això és el que fan els nostres AI Operators.
