Un projecte d’IA no crea valor perquè utilitza un model avançat ni perquè produeix moltes respostes. Crea valor quan modifica de manera positiva un procés real i l’organització pot demostrar aquesta diferència.
Per mesurar-la, comencem abans de construir.
Establim una línia de base
Necessitem entendre com funciona avui el procés: quant triga, quantes persones hi intervenen, quins errors apareixen, quina cobertura s’aconsegueix i quina experiència tenen les persones usuàries.
La línia de base no ha de ser perfecta. Ha de ser prou consistent per comparar. Sense aquesta referència, qualsevol millora queda reduïda a una impressió.
Escollim indicadors vinculats al problema
No hi ha un KPI universal d’intel·ligència artificial. Seleccionem una combinació proporcional de sis dimensions:
- Temps: durada del cicle, esperes i feina manual evitada.
- Qualitat: precisió, consistència, compliment de criteris i correccions necessàries.
- Cobertura: casos, fonts o públics que abans no es podien atendre.
- Risc: incidències, exposició de dades, errors materials i capacitat de traçabilitat.
- Adopció: ús real, recurrència, abandonament i confiança de l’equip.
- Impacte econòmic: estalvi, marge, ingressos habilitats o cost d’oportunitat.
No cal maximitzar-ho tot. Un sistema pot ser valuós perquè amplia cobertura encara que l’estalvi directe sigui modest.
Mesurem també el cost complet
El cost no és només la llicència o el consum del model. Inclou integracions, preparació de dades, revisió humana, formació, manteniment, monitoratge i gestió d’incidències.
També considerem el cost del canvi: temps que l’equip necessita per aprendre i adaptar el procés. Ocultar-lo produeix retorns aparentment espectaculars que després no es sostenen.
Separem activitat de resultat
Nombre de prompts, documents processats o hores de formació són indicadors d’activitat. Poden ajudar a entendre l’ús, però no demostren impacte.
El resultat és què ha canviat gràcies a aquesta activitat: menys temps per preparar una proposta, més coherència entre canals, una recerca més completa o menys incidències en una revisió.
Incorporem la qualitat humana
Alguns beneficis importants no són només quantitatius. Un sistema pot alliberar l’equip d’una tasca mecànica i permetre-li dedicar més temps al judici, a la relació o a la creativitat. Podem observar-ho amb entrevistes estructurades, mostres de treball i indicadors d’experiència.
La percepció no substitueix les dades, però ajuda a explicar per què una capacitat s’adopta o s’abandona.
Decidim amb evidència
Mesurar serveix per prendre una decisió: ampliar, ajustar, mantenir o aturar. Definim llindars i moments de revisió perquè el pilot no es converteixi en una prova indefinida.
El valor d’un projecte d’IA és una relació entre impacte, cost i risc al llarg del temps. Quan aquesta relació és visible, la conversa deixa de ser tecnològica i es converteix en una decisió de gestió.