Moltes empreses ja tenen un chatbot al web, i moltes l’acaben traient. Els de botons i respostes fixes es queden curts tan bon punt algú pregunta una cosa que no estava prevista. Els que connecten un model de llenguatge sense res més responen a tot, també al que no saben, i de vegades s’inventen una política de devolucions o un preu.
El que necessita una empresa és una altra cosa: un chatbot que respongui només amb el seu coneixement, que digui d’on surt cada resposta i que passi el cas a una persona quan no ho sap. Aquesta guia explica com funciona un chatbot així, per a què es fa servir i què cal tenir en compte abans de posar-lo en marxa.

Quin tipus de chatbot necessita una empresa
| Com respon | Quan encaixa | El risc | |
|---|---|---|---|
| Chatbot de regles | Menús i respostes escrites a mà | Preguntes molt repetides i tancades (horaris, estat d’una comanda) | Es queda curt amb qualsevol pregunta oberta i cal mantenir cada resposta |
| Chatbot amb IA genèric | Un model de llenguatge amb el que sap d’internet | Idees, esborranys, ús personal | Respon amb seguretat coses que no són de la teva empresa, o que no són certes |
| Chatbot amb IA i RAG | Busca a la base de coneixement de l’empresa i redacta només amb el que troba | Atenció al client, suport, consultes internes | Depèn que el coneixement estigui ordenat i al dia |
| Agent d’IA | A més de respondre, executa accions en altres sistemes | Processos amb diversos passos (crear una comanda, obrir una incidència) | Necessita permisos, límits i supervisió |
Per a la majoria d’usos d’empresa, el punt de partida és el tercer. Els agents d’IA vénen després, quan el chatbot ja respon bé i es vol que també actuï.
Per a què fan servir les empreses un chatbot amb IA
- Atenció al client al web: preguntes sobre productes, enviaments, condicions o serveis, a qualsevol hora i en diversos idiomes.
- Chatbot intern: l’equip pregunta per procediments, polítiques, documentació tècnica o normativa interna, i rep la resposta amb el document d’origen.
- Suport tècnic i postvenda: manuals, fitxes tècniques i incidències resoltes, per donar la primera resposta o preparar el cas al tècnic.
- Vendes: dubtes sobre el catàleg, compatibilitats o quin producte encaixa, amb el pas al comercial quan la conversa ho demana.
- Incorporació de persones: el que un treballador nou pregunta les primeres setmanes, sense dependre sempre d’un company.
El mateix motor pot respondre al web, a la intranet o en un canal de missatgeria. El que canvia és la porta d’entrada, no el coneixement.
Com funciona un chatbot amb RAG
RAG (retrieval-augmented generation, generació augmentada amb recuperació) vol dir que, abans de respondre, el chatbot busca a la informació de l’empresa i redacta a partir del que ha trobat.
- Base de coneixement validada. Es reuneixen els documents que valen com a font: preguntes freqüents, fitxes de producte, condicions, manuals, procediments. Algú de l’empresa decideix què hi entra i què no.
- Indexació. Els documents es divideixen en fragments i es desen en una base de dades vectorial (per exemple, PostgreSQL amb pgvector), que permet buscar pel significat i no només per paraules exactes.
- Recuperació. Amb cada pregunta, el sistema busca els fragments que tracten del mateix.
- Redacció. El model de llenguatge escriu la resposta fent servir només aquests fragments.
- Cita de la font. La resposta indica de quin document surt, perquè qui pregunta ho pugui comprovar.
- Revisió i derivació. Si no hi ha prou informació, el chatbot ho diu i passa la conversa a una persona.

Les peces del darrere (dades, model, codi, control) les expliquem amb més detall a la nostra guia d’arquitectura d’IA.
Com evitar que s’inventi respostes
Un chatbot d’empresa no pot improvisar. El que funciona és posar el control en diverses capes:
- Filtre d’entrada: detecta preguntes fora de tema, intents de manipular el chatbot o dades personals que no hauria de rebre.
- Redacció només amb contingut aprovat: si la resposta no és a la base de coneixement, no es respon amb el que el model «creu».
- Un segon model que revisa cada resposta abans de mostrar-la: comprova que es basa en les fonts i que no promet res que l’empresa no ofereix.
- Derivació a una persona quan falta informació o el cas ho demana (una queixa, un pressupost, una dada d’un client).
- Bateria de preguntes de prova que es passa abans de cada canvi, per saber si el chatbot ha millorat o ha empitjorat.
- Registre de les converses: mostra què es pregunta i què no té resposta, i això diu què cal afegir a la base de coneixement.
Dades, privacitat i proveïdor d’IA
- On són les dades. Allotjament a la UE i tractament de les dades personals segons el RGPD.
- Sense entrenar models amb les teves dades. La informació de l’empresa es fa servir per respondre, no per millorar el model d’un tercer.
- Independent del proveïdor. Si el sistema no depèn d’un únic model de llenguatge, es pot canviar de proveïdor sense refer-lo quan n’aparegui un de millor o més barat.
- Qui el manté. El coneixement de l’empresa canvia; algú ha de poder actualitzar la base sense passar per un programador, per exemple des d’un gestor de continguts.
Eina estàndard o chatbot a mida
| Eina estàndard | Chatbot a mida | |
|---|---|---|
| Posada en marxa | Ràpida, amb plantilles | Requereix un projecte, començant per un pilot |
| Coneixement | Puges documents o enllaces el teu web | Fonts validades, amb l’estructura i els permisos que necessitis |
| Integracions | Les que porti l’eina | Amb el teu ERP, CRM, catàleg o sistema d’incidències |
| Control | El que permeti l’eina | Regles, revisió i derivació dissenyades per al teu cas |
| Dades i proveïdor | Les del fabricant | Tu decideixes on s’allotgen i quin model es fa servir |
| Encaixa quan | Preguntes senzilles i poc volum | Coneixement propi, diversos sistemes o requisits de control i privacitat |
Errors habituals
- Carregar tots els documents de l’empresa sense revisar: el chatbot repetirà també el que està desactualitzat o és contradictori.
- No preveure què passa quan no sap la resposta.
- Llançar-lo a tots els clients alhora, sense un pilot ni preguntes de prova.
- Mesurar només quantes converses hi ha, i no quantes es resolen bé.
- Oblidar-se de mantenir-lo: productes, preus i polítiques canvien, i la base de coneixement també ho ha de fer.
Com començar
- Tria un ús concret: les preguntes de clients sobre enviaments i devolucions, o les consultes internes sobre un procediment.
- Reuneix i revisa les fonts d’aquest ús, i decideix qui les manté.
- Prepara les preguntes de prova amb les respostes correctes.
- Fes un pilot amb un grup reduït i revisa les converses.
- Mesura quantes preguntes resol, quantes en deriva i què falta a la base.
- Amplia a altres usos o canals quan el primer funciona.
Chatbots amb IA a Omitsis
Desenvolupem chatbots amb governança i control total: responen només amb el coneixement que l’empresa ha validat, citen la font, passen per un control en tres capes i tenen les dades a la UE, amb un servei propi en Node.js i independent del model de llenguatge. Els connectem amb els sistemes que ja feu servir, com a part de les nostres solucions d’IA per a empreses.
Si estàs pensant en un chatbot per al teu web o per al teu equip, explica’ns el teu cas. I si busques qui te’l faci, potser et serà útil la nostra guia sobre què fa un integrador d’IA i com triar-ne un.