Un bon projecte d’intel·ligència artificial no comença amb una demo. Comença amb una pregunta de negoci que es pugui observar: què volem millorar, qui ho fa avui, amb quina informació i quin resultat ens indicaria que ha valgut la pena.
A Karmina AI Studio seguim un recorregut adaptable. No tots els projectes necessiten la mateixa profunditat, però cap hauria de saltar-se les decisions bàsiques.
Definim el repte, no la solució imaginada
Sovint una organització arriba demanant “un chatbot” o “un agent”. Ho prenem com una hipòtesi, no com un diagnòstic. Descrivim el procés actual, els seus costos, les esperes, els errors i les persones implicades.
El primer resultat és una formulació concreta: una decisió que ha de ser més ràpida, una recerca que ha de ser més completa o una tasca que ha de conservar qualitat amb menys càrrega manual.
Cartografiem coneixement, dades i eines
Identifiquem quines fonts existeixen, quina autoritat té cadascuna, qui les manté i quins permisos s’han de respectar. També observem on viu avui el procés: correu, documents, CRM, web, fulls de càlcul o aplicacions pròpies.
Quan aquesta base és fràgil, proposem una Knowledge Foundation abans d’automatitzar. Un sistema ràpid alimentat amb informació contradictòria només accelera la confusió.
Dissenyem el flux i la responsabilitat
Dividim el treball en passos. Per a cada pas definim entrades, sortides, condicions d’aturada, excepcions i responsable. Decidim què pot executar la IA, què ha de validar una persona i què no s’ha de delegar.
Aquests Human Gates no són obstacles afegits al final. Formen part del producte. Protegeixen les decisions sensibles i permeten que el sistema guanyi autonomia només quan hi ha evidència suficient.
Construïm una versió útil i limitada
Preferim una primera versió que resolgui bé un recorregut real a una plataforma gran basada en supòsits. Connectem les eines imprescindibles, preparem instruccions i estructures, i incorporem registres perquè es pugui entendre què ha passat.
La prova no consisteix només a preguntar si la resposta “sona bé”. Utilitzem casos normals, casos límit, contradiccions i situacions en què el sistema ha de reconèixer que no pot continuar.
Mesurem abans d’escalar
Comparem la nova manera de treballar amb el punt de partida. Podem observar temps de cicle, qualitat, cobertura, errors, intervencions humanes, adopció o impacte econòmic. Les mètriques depenen del procés; no hi ha un indicador universal d’IA.
Si el sistema aporta valor, ampliem abast, dades o autonomia de manera controlada. Si no, ajustem o aturem. Un pilot també és útil quan evita una inversió mal orientada.
Transferim capacitat a l’organització
Documentem responsables, funcionament, límits, incidències i criteris de manteniment. La formació no és un apèndix: permet que l’equip utilitzi la solució amb criteri i detecti quan ha canviat el context.
El projecte acaba bé quan l’organització no només té una peça de tecnologia, sinó una manera més sòlida de treballar. L’objectiu és un sistema útil avui i prou governat per poder millorar demà.