Moltes empreses ja han fet el primer pas amb Copilot: resumir reunions, redactar correus, buscar documents. El següent pas, els agents que executen tasques dins dels processos, és on hi ha més potencial i també més risc. Gartner preveu que més del 40% dels projectes d’IA agèntica es cancel·laran abans del 2028 per costos creixents, valor de negoci poc clar o controls de risc insuficients.
Un projecte d’IA agèntica és, abans que res, un projecte de millora de processos. La tecnologia és la part fàcil. El que separa un pilot que es queda al calaix d’un que arriba a producció són tres decisions de negoci: quin procés es tria, on intervenen les persones i com es mesura el retorn.
Per què tants projectes d’IA agèntica no arriben a producció
L’informe del MIT sobre la «GenAI Divide» va posar xifres a una sensació estesa: la gran majoria de pilots d’IA generativa no generen un impacte mesurable en el compte de resultats. Els motius que veiem als projectes es repeteixen:
- Es comença per la tecnologia («volem un agent») i no pel problema («perdem tres dies en cada tancament»).
- S’automatitza un procés que ningú no ha revisat, amb excepcions no documentades i responsabilitats difuses.
- No hi ha línia base, de manera que al cap de sis mesos ningú no pot demostrar si ha millorat res.
- Els equips no hi confien, perquè no saben què fa l’agent ni quan han d’intervenir.
Font: https://virtualizationreview.com/
Com triar el procés adequat
Un bon primer cas d’ús d’IA agèntica no és el més espectacular, sinó el que combina impacte i control. Proposem avaluar cada candidat amb cinc criteris:
- Volum i repetició. Prou casos al mes perquè l’estalvi sigui rellevant.
- Regles conegudes. El procés es pot explicar; les excepcions són poques i identificables.
- Dades accessibles i fiables. L’agent necessita la mateixa informació que una persona, ben estructurada.
- Cost d’error acotat. Millor començar on un error es pot detectar i corregir abans que arribi al client.
- Un responsable de negoci. Algú que vulgui el canvi, que en defineixi l’èxit i que hi dediqui temps.
Exemples que solen complir-los: la gestió de consultes internes a RRHH o IT, la conciliació i el seguiment de factures pendents, la preparació d’ofertes a partir de plantilles i històrics, o la classificació i derivació de peticions entrants.
On posar els punts de control humà
El control humà (human-in-the-loop) no és una concessió a la desconfiança; és el que fa que el sistema sigui útil i defensable. La pregunta no és si hi ha d’haver persones, sinó on aporten més valor:
- Abans d’accions irreversibles o externes: enviar una oferta, aprovar un pagament, comunicar-se amb un client.
- Quan la confiança és baixa: l’agent ha de saber dir «no ho tinc clar» i passar el cas a una persona.
- En les excepcions: casos fora de les regles, clients estratègics o imports per sobre d’un llindar.
- En la revisió periòdica: mostres aleatòries per detectar desviacions abans que es converteixin en un problema.
Aquests punts de control s’han de dissenyar amb les persones que fan la feina avui. Són les que coneixen les excepcions i les que hauran de confiar en el sistema.
Com mesurar el ROI d’un agent d’IA
Sense mesura, no hi ha projecte; hi ha una demo. Recomanem fixar des del principi:
- Una línia base: quant temps, quants errors i quant cost té avui el procés.
- Indicadors de negoci, no tècnics: temps de resolució, casos gestionats per persona, errors, satisfacció de l’usuari intern o del client.
- El cost total: llicències, consum, desenvolupament, manteniment i el temps de supervisió humana.
- Un criteri de sortida: què ha de passar en 90 dies per escalar el projecte i què faria que l’aturéssim.
I un detall que sovint s’oblida: el temps alliberat només és ROI si es redirigeix a feina de més valor. Això és una decisió de direcció, no de la IA.
Del pilot a producció
Un pilot ben plantejat dura setmanes, no mesos, i té un abast acotat: un procés, un equip, uns indicadors. Si funciona, el pas a producció exigeix el mateix que qualsevol sistema crític: governança, seguretat, monitoratge, formació dels usuaris i un responsable clar. Les plataformes com Copilot Studio o Power Automate faciliten la construcció, però no substitueixen el disseny.
Els agents d’IA no substitueixen el coneixement del negoci; el necessiten més que mai. Per això els nostres projectes comencen per entendre el procés i els seus números, i no per l’eina. A Trentia combinem consultoria de processos, desenvolupament sobre l’ecosistema Microsoft i formació dels equips que hauran de conviure amb els agents.
Si vols aprofundir en com els agents ja estan canviant la manera de treballar, et pot interessar el nostre article sobre com els agents Copilot redueixen el deute digital.
