ChatGPT per a empreses el 2026: què funciona de debò (i què s'acaba apagant sense soroll)
Tres anys després de l'estrena de ChatGPT, la pregunta que s'ha de fer una empresa ja no és «hauríem de fer servir IA?» — el State of AI de McKinsey (novembre de 2025) informa que un 88% d'organitzacions fan servir IA en almenys una funció de negoci. La pregunta és per què. Per què, amb aquest nivell d'adopció, tan poques organitzacions poden assenyalar alguna mètrica que hagi evolucionat en positiu. La resposta de la mateixa enquesta és força clara: la majoria d'organitzacions va comprar subscripcions d'accés a models i va deixar els fluxos de treball exactament com estaven.
Nosaltres despleguem sistemes d'IA en producció en tota mena de clients. Això ens permet mantenir un inventari del que sobreviu al contacte amb el mercat i el trànsit real, i del que no millora cap mètrica dos mesos després del desplegament. Aquí us en detallo una part, amb el patró que nosaltres hi hem identificat — perquè el patró és més útil que un llistat.
Què sobreviu a producció
Cinc casos d'ús continuen guanyant-se el sou, sector rere sector, el 2026:
Redacció amb l'«enviar» en mans d'una persona. Primeres versions de correus, propostes, ofertes de feina, textos de producte, resums de reunions. El model fa la feina de la pàgina en blanc; una persona edita i envia. Sobreviu perquè el pas de revisió ja formava part de la feina — abans de la IA tampoc no s'enviaven esborranys sense llegir.
Extracció a dades estructurades. Factures, contractes, CVs, albarans, formularis — entra material sense estructura, en surten camps, amb una persona comprovant els casos de poca confiança. Sobreviu perquè «correcte» és comprovable: l'import és el que és, o no ho és, i un 85% revisable guanya un 100% del qual ningú no respon.
Cerca interna de coneixement. RAG sobre la teva documentació, les teves wikis i les teves decisions passades, responent en llenguatge natural amb enllaços a les fonts. Sobreviu perquè l'error no arriba lluny: una resposta amb la font a la vista es corregeix, no es creu.
Triatge de suport amb escalat. Classificar, derivar, redactar la primera resposta, contestar el que està documentat — i passar a una persona tot el que és incert. La regla d'escalat és tot el disseny: el bot que sap quan aturar-se és el que encara funciona un any després.
Assistència d'enginyeria. Generació de codi, suport a la revisió, bastida de tests — sota el criteri d'un enginyer que decideix què es desplega. Aquest criteri és el que aguanta tota la resta.
Rellegeix la llista i el patró apareix: cada supervivent emparella el volum del model amb una comprovació que costa segons i arriba abans que l'error. Hi ha veritat de referència, la revisió es paga en segons i una persona respon de la sortida.
L'economia d'aquesta comprovació mereix detall, perquè és la línia que separa les dues llistes. Revisar una resposta de suport ja redactada porta quinze segons; escriure-la en portava quatre minuts. Confirmar una factura ja extreta porta deu segons; teclejar-la en portava tres. En tots els casos que sobreviuen, la revisió costa una fracció de la feina que substitueix, així que l'automatització conserva el gruix del valor encara que una persona repassi els casos dubtosos. Els casos que moren inverteixen la proporció: verificar a posteriori la conversa d'un agent autònom amb un client costa més que haver-hi posat una persona des del principi — així que els equips es salten la verificació, i l'incident arriba puntual. Abans d'adoptar cap flux amb LLM, fes aquesta única comparació: què costa comprovar la sortida davant de fer la feina? La resposta prediu la supervivència del projecte millor que qualsevol benchmark de models.
Què s'acaba apagant sense soroll
Els fracassos segueixen el mateix guió, i gairebé cap no mor amb estrèpit: es «pausen per revisió» i no tornen.
L'autònom de cara al client, sigui el que sigui. El chatbot sense revisió que promet reemborsaments que la política no contempla, l'outreach autoenviat que un prospecte captura i comparteix. Aquest ja té jurisprudència: el febrer de 2024, un tribunal canadenc va declarar Air Canada responsable del descompte per dol que el chatbot del seu web es va inventar, rebutjant l'argument de l'aerolínia que el bot era «una entitat legal separada, responsable dels seus propis actes». El reemborsament era petit; el precedent, no: les paraules del teu assistent són les paraules de la teva empresa. Un incident es menja un any d'estalvis, i els projectes que sobreviuen de cara al client són els que van néixer amb una frontera d'escalat des del dia u.
Els projectes de «substituir el departament». Venuts amb càlculs de headcount, xoquen amb les parts de la feina que l'organigrama no va posar mai per escrit. L'experiment més públic del sector va recórrer aquest arc de punta a punta: Klarna va retallar suport apostant per la IA i després va fer marxa enrere — «vam anar massa lluny», en paraules del seu propi CEO. Augmentar el rendiment d'un equip continua funcionant; esborrar l'equip continua sense funcionar.
La fàbrica de contingut que ningú no llegeix. Cent posts SEO que ningú no va editar, publicats sota una marca que després es pregunta per què res no posiciona i res no converteix. Volum sense revisió no és una estratègia; és spam amb millor gramàtica.
El fil comú és el patró dels supervivents, invertit: sense veritat de referència, sense revisió barata, sense responsable — i amb errors que cauen sobre clients en lloc de sobre esborranys.
Els prerequisits avorrits decideixen el resultat
El forat entre les dues llistes poques vegades és el model. El 2026, la capacitat de frontera és una commodity que es paga per token; el que separa els supervivents és el que l'envolta:
- Dades a les quals el sistema arribi. L'assistent que no veu els teus preus, les teves polítiques i el teu històric respon d'oïda. La majoria de les queixes de «la IA no serveix» són problemes d'accés disfressats.
- Un conjunt d'avaluació. Cinquanta casos reals amb resposta correcta coneguda, executats contra cada canvi. Sense això, «l'últim ajust ha millorat les coses?» es respon amb anècdotes — i les anècdotes afavoreixen l'últim que va tocar alguna cosa.
- Un responsable amb nom. Algú vigila la cua de fallades, la deriva i la línia de cost. El rol té nom — l'AI Operator — i la seva absència es nota: un flux que ningú no revisa des del març.
- Un sostre de cost. Economia per execució, decidida abans d'escalar. Les factures per tokens s'acumulen en silenci, i la primera sorpresa a la factura és el dia que finances descobreix que «barat» i «barat al teu volum» són afirmacions diferents.
Res d'això no requereix un equip de ML. Tot això requereix tractar l'assistent com a software en producció i no com una subscripció — que és la mateixa disciplina que separa els pilots dels productes a qualsevol mida d'empresa.
També resol la pregunta de construir o comprar millor que les comparatives de proveïdors. Compra les capes commodity: l'API del model, el transcriptor de reunions, l'assistent de codi — categories on el teu ús s'assembla al de tothom. Construeix la capa prima on el teu negoci es diferencia: la recuperació sobre els teus documents, l'extracció ajustada a les factures dels teus proveïdors, les regles de triatge que codifiquen la teva política d'escalat. Aquesta capa poques vegades passa d'unes setmanes d'enginyeria, i és la part que cap subscripció no et pot entregar, perquè cap proveïdor no coneix la teva veritat de referència.
Un primer trimestre que sobreviu al contacte amb la realitat
- Mes 1 — un supervivent, la versió mínima. Tria de la primera llista — l'extracció i la cerca interna són els que fan menys mal quan fallen. Mesura abans la línia de base del procés: volum, minuts, errors.
- Mes 2 — en paral·lel, i construeix el conjunt d'avaluació. La via antiga i la nova, costat a costat; cada desacord passa a ser un cas de prova. Aquest és el mes que converteix opinions en dades.
- Mes 3 — fes el canvi, posa nom al responsable, fixa el sostre. Mantén revisió humana allà on els errors toquin clients o diners. Només llavors tria el cas d'ús número dos — en seqüència, no alhora, perquè el conjunt d'avaluació, la cua de revisió i el responsable que vas designar per al primer són la plantilla que hereta el segon. El primer cas d'ús és lent a propòsit; els següents n'hereten la bastida i avancen més de pressa.
ChatGPT funciona per a les empreses el 2026 com funcionaven els fulls de càlcul el 1996: com una capacitat que premia les empreses que van redissenyar un flux de treball al seu voltant i ignora les que es van limitar a comprar llicències. El model és la commodity. El flux de treball que l'envolta és on viu el retorn — i aquesta segona part no es compra: es construeix.
Si vols el cas d'ús número u entregat per algú que ja s'ha trobat tots aquests modes de fallada, això és el que fan els nostres AI Operators.
