Automatització intel·ligent: on va la IA i on no

L’automatització intel·ligent és automatitzar un procés d’empresa en què una IA interpreta el que arriba sense forma de formulari, unes regles fan la resta dels passos i una persona decideix el cas dubtós. La IA és una peça del recorregut, no tot el recorregut.

Ho expliquem amb tres processos que hem implementat a serpixel: comandes que arriben per WhatsApp, pressupostos que surten d’un formulari web i hores de tècnics que viatgen fins al cost de cada projecte a Holded. Només el primer duu un model d’IA. I no tots els errors van venir del model: alguns dels més seriosos eren a les parts sense IA.

T’expliquem on vam posar el model, on no feia falta i què va fallar, amb les dates i les xifres de cada cas.

Què és l’automatització intel·ligent

La definició de manual suma tres coses: intel·ligència artificial, automatització robòtica de processos (RPA, programes que repeteixen passos que abans feia una persona davant la pantalla) i gestió de processos. És correcta, però no t’ajuda a decidir res un dilluns al matí.

La versió de procés és més pràctica. Un procés té passos, i cada pas rep una dada. Si la dada ja ve amb forma (un camp, un codi, una xifra), n’hi ha prou amb una regla. Si arriba com l’escriuria una persona, cal alguna cosa que la interpreti, i aquí entra un model de llenguatge. Després tornen les regles i, en el punt dubtós, una persona. Aquesta combinació és el que fem en automatització de processos per a empreses, i gairebé mai consisteix a posar IA a tot arreu.

Si el que busques és la diferència entre IA, ChatGPT, automatització i agents, l’expliquem a què és la intel·ligència artificial, amb exemples. Aquí anem al repartiment de passos.

On cal la IA: quan la dada arriba sense forma

Un client que fa una comanda a una cooperativa escriu per WhatsApp què vol, a la seva manera. No hi ha camps ni codis: hi ha una frase. Per això, en el cas de comandes per WhatsApp que vam implementar per a La Dotzena, el model s’ocupa d’un sol pas.

Funciona així: un agent de WhatsApp entén la comanda, la resumeix al client i la registra a Holded quan el client confirma. L’agent busca el client a Holded, identifica els productes i li retorna la comanda amb quantitats, preus i data d’entrega. No es registra res fins que el client diu que sí. Les converses que l’agent no pot resoldre passen a una persona de l’equip, i la facturació i el cobrament continuen en mans de la cooperativa.

Tota la resta és mecànica: buscar la fitxa, llegir el preu, crear la comanda de venda. És el terreny dels agents d’IA per a empreses: el pas que necessita IA és una conversa, i les persones de l’equip conserven el que requereix criteri.

Per posar xifres al repartiment, un dia concret. El 2 d’octubre del 2026 el registre de l’agent mostra 6 converses, 16 respostes de l’agent i 5 comandes creades a Holded, totes amb número. El cost del model aquell dia va ser d’1,33 €. És només l’ús del model en una jornada: no inclou els càrrecs per missatge de WhatsApp, no és el cost de cap servei i no serveix com a mitjana.

On no cal: quan la dada ja té forma

Un pressupost d’instal·lació solar sembla feina d’IA. Al configurador de pressupostos de Vatsolar no ho és. L’interessat dibuixa la seva teulada sobre la vista de satèl·lit, tria el seu tram de factura, si vol bateria i carregador i com prefereix pagar-ho. El sistema calcula la instal·lació, la producció estimada, l’estalvi i la quota de finançament amb les tarifes de Vatsolar. La sol·licitud entra al seu CRM com a oportunitat. El pressupost definitiu i el seguiment continuen en mans de l’equip comercial.

Cada dada d’entrada ja té forma i el preu surt de les tarifes de l’empresa. Un model de llenguatge no aportaria precisió: aportaria la possibilitat d’un preu inventat. Són regles, i així funcionen millor.

El segon exemple és encara més clar, perquè no duu cap model. Per a un instal·lador d’ascensors, les hores que registren els tècnics a l’aplicació de control horari arriben soles a Holded com a cost de cada projecte, només amb regles. Cada nit una comprovació verifica que les hores i els costos quadren, i si alguna cosa requereix revisió l’equip rep un avís perquè una persona hi doni un cop d’ull abans de donar res per bo.

Aquest procés l’expliquem al cas de fulls d’hores.

Tres preguntes per decidir en el teu procés

Per saber com automatitzar amb IA un procés teu, recorre’n els passos amb aquestes tres preguntes. Cadascuna es respon amb un dels casos anteriors.

1. L’entrada arriba com a camps i codis o en llenguatge lliure? Una comanda escrita per WhatsApp és llenguatge lliure: aquí hi ha un pas per a la IA. El formulari del configurador o les hores d’una aplicació arriben com a camps: aquí no.
2. Hi ha una taula o una regla que dona la resposta? El preu d’un pressupost surt d’unes tarifes. Això és una regla, encara que a qui el rep li sembli intel·ligent. A la comanda per WhatsApp el model interpreta què demana el client, però el preu el llegeix de Holded.
3. Si s’equivoca, qui ho veu i quan? A la comanda, el client, abans que es registri res. A les hores, una comprovació cada nit i una persona. Si no saps respondre-ho, el procés encara no està a punt per automatitzar-se.

Amb les tres respostes surt el repartiment: IA on l’entrada no té forma, regles on sí que en té i una persona en el punt dubtós. En els nostres tres processos, només un necessitava un model, i en un únic pas.

La part sense IA també falla

Se sol dir que les regles no fallen perquè segueixen instruccions exactes. Les segueixen, sí, però depenen que les dades i els programes del voltant responguin com s’espera. El model també s’equivoca, i en parlem a la secció següent. Aquests són tres errors que vam tenir a les parts sense IA.

Comandes per WhatsApp, primer dia amb clients reals. L’1 de setembre del 2026, dos contactes de Holded compartien el mateix telèfon (hi havia 15 números compartits entre 610 clients) i la cerca es va quedar amb la fitxa equivocada. Aquell mateix dia, les comandes de l’agent entraven a Holded com a esborranys sense número. Dos errors de cerca i de registre, no de lectura del missatge.

Hores d’un instal·lador d’ascensors, 244 duplicats. En carregar l’històric d’hores, l’API va retornar un error al registre 104 de 245. Els registres ja escrits no van quedar anotats com a fets, i la passada següent els va tornar a escriure: 244 duplicats en 9 projectes i el cost d’aquests projectes, doblat. Des d’aleshores un registre només compta com a fet quan l’API en retorna l’identificador, i els errors s’avisen a una persona.

Hores amb el dia equivocat. Holded va desar 173 registres d’hores amb la data del dia de la càrrega en lloc del dia treballat. Ningú no ho va veure durant una setmana; ho va detectar el client, i la comprovació de cada nit va disparar 11 avisos falsos. Ara cada registre es torna a llegir després d’escriure’l i es compara amb el dia d’origen.

Dels tres en surt una lliçó semblant: no donis per fet que una dada s’ha desat bé. Torna-la a llegir, i deixa una comprovació cada nit que avisi una persona. Són mesures de procés, no d’intel·ligència artificial.

Com s’aconsegueix que la part d’IA deixi de fallar

Amb el model passa una cosa diferent. Al principi dona més errors, i és normal, perquè un model de llenguatge no és determinista: la mateixa frase es pot interpretar d’una altra manera un altre dia. El que ho controla és una bateria de proves, un conjunt de converses amb el resultat que s’espera de cadascuna.

Quan la bateria és completa, cada canvi de l’agent ha de passar tots els seus casos abans d’arribar a producció. El que apareix després són casos que ningú no va preveure: s’afegeixen a la bateria i es continua polint i optimitzant. Això no equival a prometre que producció estigui lliure d’errors. Vol dir que un canvi no surt sense haver passat tot el que ja sabem que pot passar.

Un exemple. Una versió nova de l’agent de comandes no va passar a producció perquè no va superar la seva pròpia bateria: 42 de 45 casos a la primera passada, 44 de 45 a la segona. Es va corregir l’ordre entre la salutació i l’avís d’assistent automàtic que exigeix la normativa europea d’IA, i la versió següent va sortir amb tots els casos en verd el 3 de setembre del 2026.

Al voltant del model hi ha tres coses més. Confirma el client, abans que es registri res. Una persona de l’equip recull el que l’agent no pot resoldre. I hi ha un interruptor d’aturada documentat, que permet aturar l’agent i tornar al procés manual quan calgui.

Un procés, un repartiment

La intel·ligència artificial és un pas, i la feina està a decidir quin. Si tens un procés amb comandes, pressupostos o hores i no saps si necessita un model, a serpixel el revisem amb tu sobre el teu cas. Parlem en una sessió de 30 minuts?