Gairebé totes les empreses tenen processos que es mengen hores cada setmana: llegir documents i passar dades d’un sistema a un altre, redactar informes que sempre s’assemblen, respondre preguntes la resposta de les quals és en algun PDF, revisar correus per decidir a qui van. Amb la intel·ligència artificial actual molts d’aquests processos es poden automatitzar, i no cal un gran projecte per començar.
El que sí que cal és entendre bé cada procés, perquè cada automatització és un món i demana una aproximació diferent. Així és com ho fem a Omitsis.
Primer, trobar els processos que valen la pena
No comencem per la tecnologia, sinó per la feina de les persones. Ens asseiem amb els equips i busquem tasques que compleixin tres condicions:
- Costen molt de temps: hores cada setmana o dies cada mes, repetides.
- Segueixen un patró: encara que hi hagi criteri humà, es poden descriure.
- El resultat es pot comprovar: sabem què és un bon resultat i què és un error.
D’aquesta revisió en surt una llista d’oportunitats ordenades per impacte i per dificultat. Moltes vegades la més rendible no és la més vistosa.
Quatre maneres d’automatitzar amb IA
Segons el procés, la solució canvia molt. Aquestes són les quatre aproximacions que més fem servir:
1. Aplicacions a mida amb models de llenguatge
Quan el procés forma part del negoci i ha d’estar integrat amb els sistemes de l’empresa, desenvolupem una aplicació pròpia: un backend en Nest.js amb la seva base de dades, que es connecta amb l’ERP, el CRM o el gestor documental i que crida models de llenguatge (LLM) en els passos on cal entendre o redactar text. Per exemple, per classificar sol·licituds que arriben per diversos canals, extreure les dades de documents i registrar-les al sistema correcte, o preparar esborranys que una persona revisa i aprova.
2. Cerca en la informació de l’empresa (RAG)
Quan el coneixement està repartit en documents, manuals, contractes o històrics, el vectoritzem: convertim la informació en representacions que permeten cerques pel significat i no només per paraules. Sobre aquesta base, un model de llenguatge respon preguntes o redacta documents citant-ne la font. És útil per a atenció al client, suport intern, departaments tècnics o equips comercials que necessiten trobar la resposta correcta sense llegir cent pàgines.
3. Un entorn d’IA connectat a les teves eines (MCP)
De vegades no cal desenvolupar una aplicació: n’hi ha prou de donar a l’equip un assistent d’IA ben configurat, com Claude Desktop o OpenAI, connectat a les eines que ja fa servir mitjançant MCP (Model Context Protocol), l’estàndard que permet a la IA llegir i actuar sobre altres sistemes. Fem servir els connectors MCP que ja existeixen i, quan no n’hi ha cap per a un sistema concret, el desenvolupem nosaltres. Amb això, tasques que abans portaven setmanes (creuar dades de diverses fonts, preparar anàlisis, generar documentació) es resolen en hores.
4. Control del ratolí i el teclat per a tasques repetitives
Hi ha processos que depenen de programes antics sense API, de webs de tercers o d’aplicacions d’escriptori. Per a aquests casos, la IA pot fer servir l’ordinador com ho faria una persona: llegir la pantalla, moure el ratolí, escriure i fer clic. Ho apliquem a tasques repetitives i ben definides, sempre amb supervisió i amb un registre del que s’ha fet.
Com es posa en marxa una automatització
- Diagnosi: entrevistes, mesura del temps actual i elecció del procés.
- Prova de concepte amb dades reals i criteris d’èxit clars: temps estalviat, percentatge de casos resolts sense intervenció i errors.
- Integració amb els sistemes de l’empresa, permisos i seguretat de les dades.
- Posada en marxa amb supervisió humana: al principi la IA proposa i una persona valida.
- Mesura i millora contínua: els casos que fallen alimenten les millores.
El que cal tenir en compte
- Les dades. Cal decidir quina informació pot sortir de l’empresa, quin model es fa servir i amb quines condicions, i complir el RGPD.
- La supervisió. Els models de llenguatge s’equivoquen. Un bon disseny posa una persona en els punts on un error costa car.
- El manteniment. Els models, les APIs i els processos canvien; una automatització necessita seguiment com qualsevol altre programari.
- Les expectatives. La IA no substitueix un equip: li treu les tasques mecàniques perquè es dediqui al que aporta valor.
Automatització amb IA a Omitsis
Combinem el que sabem de desenvolupament de programari, integracions i dades amb l’experiència pràctica en models de llenguatge. Detectem els processos amb més potencial, triem l’aproximació adequada per a cadascun i la implantem de cap a peus. Si vols saber més sobre el paper de qui dissenya aquestes solucions, llegeix què és un arquitecte d’IA i què són els agents d’IA. Mira les nostres solucions d’IA o explica’ns quin procés et treu més temps.