Taker
- Què fas propi
- La pràctica: com demanar, verificar i utilitzar els resultats.
- On poses l’esforç
- Adopció, criteris d’ús i aprenentatge de l’equip.
- Què mantens
- Usos acordats, llicències i revisió de les respostes.
Knowledge · El model d’adopció d’IA
Adoptar una eina, adaptar-la al teu context o construir una capacitat pròpia. El model ajuda a decidir quanta tecnologia, coneixement i dedicació necessita cada procés.
Sistema d’aplicació de Karmina creat per Ignasi Llorente.
No és una cursa cap a Maker. És un mapa per trobar el grau d’adaptació que aporta valor a cada cas.
Com llegir el model
Amb Taker, el pes és en l’ús. Amb Shaper, en l’adaptació. Amb Maker, en la construcció i l’operació d’una capacitat pròpia. Canvia allò que l’organització prepara, controla i ha de mantenir.
La pregunta no és «com podem arribar més amunt?», sinó «què ens falta perquè aquest procés funcioni millor?». El volum, la singularitat del coneixement, el risc i la capacitat de manteniment orienten la resposta.
Adoptar
Què podem resoldre amb el que ja existeix?
Taker és adoptar una capacitat d’IA disponible i incorporar-la a una tasca. No cal desenvolupar una solució pròpia: la persona aporta el context, demana un resultat, el revisa i decideix com utilitzar-lo.
El canvi important no és contractar una llicència. És passar d’usos improvisats a una pràctica compartida: saber què demanar, quina informació es pot introduir i com reconèixer una resposta incorrecta.
Quan la tasca és acotada, una solució estàndard ja dona una resposta útil i la intervenció manual continua sent assumible.
Si cada resultat exigeix reconstruir el mateix context, copiar dades entre eines o corregir les mateixes desviacions, potser ja cal adaptar el procés.
Temps de preparació, qualitat després de la revisió i utilitat real per a l’equip.
El mateix cas, tres enfocaments · Exemple il·lustratiu
Una persona prepara un esborrany de resposta a una consulta amb una eina d’IA. Hi introdueix el context autoritzat, comprova la informació i envia ella mateixa el missatge.
Una tasca assistida. La persona condueix cada pas.
Adaptar
Què ha de saber i respectar la IA per ser útil aquí?
Shaper és adaptar una tecnologia existent a una manera concreta de treballar. En lloc d’explicar-ho tot a cada conversa, la solució disposa d’instruccions estables, fonts autoritzades, formats i criteris de revisió.
Aquesta adaptació pot incloure una base documental, plantilles, connexions amb eines o ajustos del model quan estiguin justificats. No tot exigeix entrenar: sovint la diferència és consultar el coneixement correcte i aplicar-lo bé.
Quan la tasca es repeteix i el resultat depèn del vocabulari, les dades, les condicions o els criteris propis de l’organització.
Una base documental no es manté sola. Si les fonts són contradictòries o ningú n’assumeix l’actualització, l’adaptació pot reproduir errors amb més consistència.
Precisió respecte de les fonts, consistència, correccions necessàries i actualització del coneixement.
El mateix cas, tres enfocaments · Exemple il·lustratiu
Un assistent prepara la resposta consultant el catàleg i les condicions vigents. Respecta el to acordat, indica les fonts i deriva a una persona les preguntes que no pot resoldre.
Un resultat contextualitzat. El coneixement és reutilitzable.
Construir capacitat
Quina capacitat volem poder governar i fer evolucionar?
En la lectura aplicada de Karmina, Maker significa construir una capacitat operativa pròpia: un sistema que connecta tasques, coneixement, eines i responsabilitats. Pot aprofitar models existents; el desenvolupament propi és en el conjunt.
No n’hi ha prou que una demostració funcioni. Cal definir què passa quan falten dades, una eina falla o el resultat requereix una decisió humana. També qui pot aturar el sistema, revisar-ne l’activitat i aprovar un canvi.
Quan el procés té valor estratègic, hi ha evidència que la solució funciona i existeixen recursos per operar-la més enllà del pilot.
Construir comporta manteniment, dependències i costos recurrents. Més integració no ha de significar més autonomia: cada acció necessita els seus límits.
Qualitat del procés complet, incidències, cost d’operació i capacitat de supervisar, aturar i recuperar.
El mateix cas, tres enfocaments · Exemple il·lustratiu
Un sistema rep la consulta, recupera el context, prepara la resposta i la deixa pendent d’aprovació. Després de validar-la, pot executar l’enviament autoritzat i registrar el resultat.
Un procés connectat. L’autonomia és explícita i delimitada.
DAVANT DEL DUBTE
No cal arribar amb una solució definida. En una videocall gratuïta podem entendre què us preocupa, separar urgències de soroll i ordenar un primer pas possible.
Les diferències, d’un cop d’ull
No només canvia el resultat. També canvia on poses l’esforç i què hauràs de cuidar perquè continuï funcionant.
Escollir amb criteri
Abans d’adoptar, adaptar o construir, posa sobre la taula quatre preguntes. No donen una puntuació automàtica: ajuden a fer explícita la decisió.
Si la resposta és sí, Taker pot ser suficient. Comprova el resultat en la feina real, inclòs el temps que dediques a revisar-lo.
Si cal aplicar informació interna, criteris estables o formats específics, explora Shaper. Primer cal que aquestes fonts estiguin ordenades i vigents.
Si el repte combina diverses tasques i eines, valora una capacitat pròpia. Defineix abans els permisos, les excepcions i les decisions que continuen en mans de persones.
El projecte no acaba amb la primera entrega. Sense un responsable, temps de manteniment i criteris per mesurar el valor, convé reduir l’abast.
El que no canvia
En qualsevol enfocament cal saber quines dades es poden utilitzar, què es considera un bon resultat i qui respon quan alguna cosa falla.
L’autonomia no ve inclosa en el nom. Un sistema Maker pot requerir aprovació humana en cada acció rellevant, igual que una eina Taker necessita una revisió adequada al risc.
Per acabar d’entendre’l
No és un itinerari obligatori ni una classificació de millors i pitjors. Una eina estàndard pot ser una solució definitiva. Té sentit canviar d’enfocament quan apareix una necessitat concreta que l’actual no resol prou bé.
Sí. El mapa és més útil quan s’aplica a casos d’ús. Un equip pot fer servir una eina per resumir documents, un assistent adaptat per consultar procediments i un sistema propi per coordinar un flux recurrent. No cal posar una única etiqueta a tota l’organització.
No necessàriament. Es pot adaptar la resposta amb instruccions, exemples i consulta de fonts, sense modificar el model. L’ajust d’un model és una opció tècnica que s’ha de justificar amb proves, no un requisit per començar.
En la formulació tècnica de referència, Maker descriu la construcció de models fundacionals propis. Aquí n’explicitem una lectura aplicada a l’organització: construir i governar un sistema propi, també sobre models existents. Desenvolupar un agent o una integració no equival, per si sol, a crear un model fundacional.
No. Un agent pot ser un producte estàndard que adoptem o una solució que adaptem al nostre coneixement. En aquesta lectura aplicada, el pas a Maker té a veure amb assumir el disseny, l’operació i l’evolució d’un sistema propi, no amb posar-li el nom d’agent.
Cal comparar el resultat amb la manera actual de treballar: qualitat, temps de revisió, errors, cost total i càrrega de manteniment. Un pilot útil inclou excepcions i condicions d’aturada. Si l’adaptació o el desenvolupament no milloren el balanç, mantenir l’opció més senzilla és una bona decisió.
Marc de referència: McKinsey · A CIO and CTO guide. Els exemples i la lectura orientada a la capacitat operativa són una adaptació explicativa de Karmina, no casos de client.
Parlem-ne
Expliqueu-nos què voleu resoldre, quines eines feu servir i on trobeu el límit. Us ajudarem a valorar si cal adoptar, adaptar o construir.
hello@karmina.ai