Una demo d’IA es munta en una tarda: un model de llenguatge, uns documents i una pantalla per fer preguntes. Posar-la a treballar dins d’una empresa és una altra cosa. Ha de fer servir les teves dades i només les que toquen, respondre amb el que és cert, connectar-se amb els teus sistemes, deixar rastre del que fa i no trencar-se quan canvia el model.
El que separa una cosa de l’altra és l’arquitectura d’IA: les peces que envolten el model i com es connecten. Aquesta guia explica quines són i els patrons més habituals a les empreses.
Les capes d’un sistema amb IA
| Capa | Què fa | Exemples |
|---|---|---|
| Fonts de dades | El coneixement i les dades de l’empresa | ERP, CRM, correu, documents, bases de dades, web |
| Coneixement (recuperació) | Troba la informació rellevant per a cada pregunta o tasca | Índex de documents trossejats, embeddings, base de dades vectorial (per exemple, PostgreSQL amb pgvector) |
| Model | Entén, raona i redacta | Un model de llenguatge (LLM) d’un proveïdor o d’un altre, o un de propi |
| Orquestració i eines | Decideix els passos i crida les eines | Fluxos de diversos passos, agents amb eines, crides a API, MCP |
| Codi determinista | El que no ha de fer la IA | Càlculs, validacions, regles de negoci, escriptures a l’ERP |
| Control | Evita respostes inventades o fora de lloc | Filtres d’entrada, respostes només amb contingut aprovat, revisió de cada resposta, derivació a una persona |
| Observació i avaluació | Saber si funciona i si empitjora | Registre de converses i accions, bateries de preguntes de prova, mètriques |
| Seguretat i privacitat | Qui veu què i on són les dades | Permisos, allotjament a la UE, dades que no es fan servir per entrenar models |
El model és només una de les capes. A la pràctica, gairebé tota la feina i gairebé tots els problemes són a les altres.
Tres patrons habituals
1. Assistent amb base de coneixement (RAG). Un assistent respon preguntes de clients o de l’equip fent servir només els documents aprovats per l’empresa. La pregunta es converteix en una cerca, es recuperen els fragments rellevants i el model redacta la resposta amb aquests fragments i citant la font. Si no troba la resposta, ho diu o deriva a una persona.
2. Automatització amb extracció de dades. Una comanda o una factura arriba en PDF per correu. La IA llegeix el document i n’extreu les dades; el codi les valida contra l’ERP (client, articles, preus); si tot quadra, es registra sol, i si alguna cosa no quadra, una persona la revisa. La IA fa el que el codi no sap fer (entendre un document) i el codi fa el que la IA no ha de fer (decidir i escriure a l’ERP).
3. Agent amb eines. Un agent rep un objectiu («prepara el pressupost d’aquesta sol·licitud») i decideix quines eines fa servir: consultar el catàleg, calcular preus, redactar el document. És el patró més potent i el que necessita més control: eines limitades, permisos mínims i validació humana abans de qualsevol acció que no es pugui desfer.
Com es controla que la IA no s’inventi coses
Un sistema d’empresa no pot dependre que el model «es porti bé». El control es dissenya per capes:
- Abans: un filtre d’entrada descarta les peticions fora de lloc.
- Durant: el model només redacta amb el contingut recuperat i aprovat, no amb el que «sap».
- Després: un segon control revisa cada resposta abans d’enviar-la, i en cas de dubte es deriva a una persona.
- Sempre: tot queda registrat, i una bateria de preguntes de prova es passa cada vegada que canvia alguna cosa (el model, els documents o les instruccions).
Decisions d’arquitectura que convé prendre aviat
- No dependre d’un sol proveïdor de models. Els models canvien cada pocs mesos. Amb una capa que aïlli el proveïdor, canviar de model és una configuració, no un projecte.
- Separar el que fa la IA del que fa el codi. Tot el que es pot resoldre amb regles, millor amb regles: és més barat, més ràpid i no s’equivoca.
- Les dades, on han de ser. Decidir on s’allotgen, quins proveïdors les processen i amb quines condicions abans de començar, no després.
- Mesurar des del principi. Sense registre ni proves no hi ha manera de saber si una millora ho és.
- Començar per un cas petit. Un procés, amb dades reals i un resultat mesurable, i créixer a partir d’aquí.
Qui dissenya l’arquitectura
Dissenyar aquestes peces és la feina d’un arquitecte d’IA, i construir-les i connectar-les amb els sistemes de l’empresa, la d’un integrador d’IA. A Omitsis fem totes dues coses: dissenyem la solució per a cada procés, amb codi determinista o amb IA, la integrem amb el teu ERP, el teu CRM, el teu correu i els teus documents, i la mantenim.
Mira com ho apliquem a la nostra pàgina d’integració d’IA i al servei d’implantació d’IA a les empreses, o explica’ns el teu cas.