Hi ha novetats que es poden explicar com una instal·lació. I n’hi ha d’altres que expliquen millor una manera de treballar. La incorporació de Reception.ai a karmina.ai pertany a la segona categoria.
La descoberta va començar mentre treballàvem des de Chrome. Vam detectar una eina amb potencial, la vam explorar i de seguida vam veure que podia encaixar amb una necessitat molt concreta: oferir una porta d’entrada conversacional a Karmina, amb veu i text, disponible en qualsevol moment. Però detectar una eina no és el mateix que convertir-la en una experiència útil. Entre una cosa i l’altra hi ha coneixement, criteri, arquitectura, contingut, proves i una decisió clara sobre què ha de fer l’agent i què no.
Aquesta és la novetat que volem compartir. Ja hem incorporat Reception.ai al web de Karmina en català, castellà i anglès. I, sobretot, hem comprovat una idea que és central en la nostra manera d’entendre la intel·ligència artificial: quan una organització té el coneixement ben ordenat, un agent pot connectar-lo amb molta més facilitat i començar a aportar valor de pressa.
Què és Reception.ai
Reception.ai ↗ és una solució de recepció conversacional basada en agents d’IA. Permet crear una recepcionista virtual capaç d’atendre consultes per veu o text, explicar informació del negoci, orientar la persona, recollir context, derivar una conversa i, quan el cas ho requereix, connectar-se amb eines com calendaris o sistemes de gestió.
La idea és senzilla d’explicar: una primera atenció disponible les 24 hores, que no obliga la persona a adaptar-se a un formulari rígid ni a esperar que algú pugui respondre. Però el seu valor real no és “tenir una veu que parla”. El valor depèn de si aquesta veu entén l’empresa, utilitza informació correcta, sap fins on pot arribar i deixa una transició clara cap a una persona.
La tecnologia que hi ha al darrere permet integrar l’experiència dins d’un web i combinar veu i text. La documentació oficial del widget d’ElevenAgents ↗ també preveu personalització visual, dominis autoritzats i connexió amb eines. És una base potent. Ara bé, una base no és encara una recepcionista preparada per representar una marca.
Detectar l’oportunitat i activar-la ràpidament
Ens agrada parlar d’agilitat, però no com a sinònim de córrer sense criteri. En aquest cas, ser àgils ha volgut dir reduir la distància entre quatre moments: detectar una oportunitat, entendre-la, decidir si tenia sentit per a Karmina i posar-la a prova en un entorn real.
Vam començar explorant la proposta des de Chrome. En lloc de quedar-nos en una demostració, vam analitzar com es podia inserir en l’ecosistema que ja tenim. La implementació final no és una extensió de navegador afegida superficialment, sinó una integració dins de karmina.ai. L’agent apareix com una capa conversacional pròpia del web i conviu amb la navegació, els continguts i els altres punts de contacte.
Ho hem preparat perquè funcioni en les tres llengües del web. També hem definit on té sentit mostrar-lo i on no: queda fora d’espais com el xat principal o les pàgines legals, on afegir una altra interfície flotant podia generar confusió. Aquesta part és menys visible que la veu, però és essencial. Una bona integració també consisteix a saber quan no ha d’aparèixer.
La diferència no és el widget: és el coneixement
Instal·lar un widget pot ser ràpid. Fer que respongui amb criteri és una altra feina.
Un agent no coneix una empresa perquè n’hagi llegit tres eslògans. Necessita entendre què fa l’organització, com ho explica, quins serveis ofereix, a qui s’adreça, quines paraules utilitza, quines promeses no ha de fer i quan ha de reconèixer que necessita ajuda humana. Necessita fonts clares, prioritats i límits.
Aquí és on entra la feina que Karmina ja havia fet. La nostra Karmina Brain ordena identitat, proposta, criteris, serveis i coneixement útil. La Knowledge Foundation prepara la base perquè aquest coneixement pugui ser consultat i aplicat per sistemes d’IA. No són dos noms afegits després de l’agent; són la infraestructura que fa possible que l’agent tingui alguna cosa sòlida amb què treballar.
Per això la connexió ha estat àgil. No hem hagut d’inventar Karmina des de zero per alimentar una nova eina. Ja teníem una arquitectura de continguts, una proposta explicada, rutes en tres idiomes, serveis estructurats i criteris de marca. L’agent pot connectar aquestes peces perquè abans una organització les ha convertit en coneixement accessible.
Aquesta és una lliçó important per a qualsevol empresa: la velocitat d’implementació no depèn només de la facilitat tècnica de l’eina. Depèn de com de preparada està l’organització per explicar-se a una màquina sense deixar de ser fidel a ella mateixa.
Un agent no comença amb un prompt
Quan es parla d’agents d’IA, sovint es busca el “prompt perfecte”. És una simplificació temptadora. El prompt importa, però no pot substituir una base de coneixement, una definició de responsabilitats, unes fonts actualitzades ni un sistema de supervisió.
A Karmina defensem que un agent d’IA no comença amb un prompt. Comença amb una pregunta de negoci: quin problema ha de resoldre? Després cal definir quin coneixement necessita, a quines eines pot accedir, quines accions pot executar, què ha de registrar i en quin moment ha de passar el relleu a una persona.
Reception.ai ens permet materialitzar aquesta idea en un cas molt visible. La conversa és la capa que veu l’usuari. Per sota, el sistema necessita contingut, estructura i regles. Sense aquesta capa invisible, la recepcionista pot sonar convincent i alhora ser poc útil o poc fiable.
Provar la IA a casa abans de portar-la als clients
Hem volgut implementar aquesta eina a karmina.ai perquè creiem en una regla senzilla: abans de recomanar una tecnologia, cal treballar-hi.
Provar-la en el nostre propi web ens obliga a resoldre preguntes reals. Com saludem sense sonar genèrics? Com expliquem una agència que combina màrqueting, creativitat, tecnologia i IA? Com mantenim coherència entre idiomes? Què passa si una consulta surt del nostre àmbit? Com evitem que dos elements conversacionals competeixin a la mateixa pantalla? Què ha de fer l’agent quan no té prou informació?
Aquesta pràctica ens dona una experiència que no s’obté mirant una demostració comercial. Ens permet veure la distància entre la promesa i el funcionament real, entendre quina feina de contingut és necessària i identificar els punts on la supervisió humana continua sent imprescindible.
No afirmem que una primera versió resolgui tota la recepció de Karmina ni que ja tinguem mètriques d’escala. És una implementació real que ens permet aprendre amb trànsit real, millorar el coneixement i decidir els següents passos amb evidències.
De la recepció a un ecosistema d’agents
Una recepcionista d’IA és una porta d’entrada. El potencial apareix quan aquesta porta forma part d’un sistema més ampli.
Una consulta pot començar amb una pregunta general, continuar amb una orientació cap al servei adequat, preparar informació per a l’equip i acabar en una conversa humana amb molt més context. En altres organitzacions, el recorregut pot incloure una reserva, la classificació d’una incidència, la consulta d’un catàleg, la preparació d’una visita o l’accés a documentació interna.
Per això parlem d’ecosistemes d’agents i no només d’eines aïllades. Cada agent pot tenir una funció concreta, però tots han de compartir fonts, permisos, criteris i una lògica de governança. Si cada eina rep una versió diferent de l’empresa, l’organització guanya interfícies però perd coherència.
El model que estem construint parteix d’una base comuna: el coneixement de l’empresa. A partir d’aquí, diferents agents poden consultar-lo o activar processos segons el seu rol. La recepcionista parla amb qui arriba al web. Un agent intern podria ajudar l’equip a trobar informació. Un altre podria preparar una proposta. Un tercer podria revisar coherència de marca. No necessiten saber-ho tot ni poder fer-ho tot; necessiten la part correcta del coneixement i els permisos adequats.
Què començarem a implementar per als clients
L’experiència amb Reception.ai obre una línia molt concreta dins de Karmina AI Studio: començar a implementar eines conversacionals similars per als nostres clients quan resolguin una necessitat real.
No es tracta d’instal·lar la mateixa recepcionista a qualsevol web. El punt de partida serà sempre el context de l’organització. Alguns casos possibles són:
- Recepció i orientació inicial. Respondre preguntes freqüents, explicar serveis i conduir cada persona cap al canal adequat.
- Qualificació de consultes. Recollir el context imprescindible abans que l’equip comercial o d’atenció assumeixi la conversa.
- Reserves i disponibilitat. Connectar l’agent amb calendaris o sistemes de cita quan el procés estigui ben definit.
- Atenció fora d’horari. Donar una primera resposta útil sense prometre una resolució que necessita una persona.
- Suport sobre productes o serveis. Consultar catàlegs, manuals o bases de coneixement controlades.
- Assistència interna. Permetre que els equips preguntin a la documentació de l’empresa amb permisos i fonts traçables.
Cada implementació haurà de respondre les mateixes preguntes: quina informació pot utilitzar l’agent, quina és la font oficial, amb quina freqüència s’actualitza, quines dades pot recollir, quines accions pot executar i quan ha de derivar a una persona. La tecnologia pot ser compartida; el coneixement, els processos i la responsabilitat són específics de cada client.
Agilitat amb criteri
Ser pioners no consisteix a acumular eines. Consisteix a detectar abans una possibilitat útil i tenir la capacitat de convertir-la en una solució coherent.
En aquest cas hem pogut avançar de pressa perquè conflueixen tres capacitats. La primera és l’exploració: estar atents al que apareix i entendre què pot canviar. La segona és la implementació: saber connectar una tecnologia amb un web real, una experiència i unes restriccions. La tercera, i la més difícil de copiar, és el coneixement: tenir la informació de l’organització prou ordenada perquè l’agent no comenci des del buit.
Això és el que volem traslladar als clients. No només la selecció d’una eina, sinó el recorregut complet entre oportunitat i operació: diagnosi, base de coneixement, definició de l’agent, integració, proves, governança i millora continuada.
La novetat és visible; l’avantatge és el sistema
Reception.ai ja forma part de karmina.ai. Es pot veure, escoltar i provar. És la novetat visible.
Però la conclusió més important és una altra. Una eina es pot descobrir avui i canviar demà. El que perdura és la capacitat d’una organització per ordenar el que sap, convertir-ho en una base compartida i connectar-hi nous agents sense reconstruir-se cada vegada.
Per això aquesta implementació parla tant de Karmina com de Reception.ai. Hem detectat una oportunitat, l’hem activada amb agilitat i l’hem integrada sobre una arquitectura que ja existia. Ara comencem a traslladar aquest aprenentatge a clients que necessitin una recepció més disponible, una atenció més consistent o una nova manera d’activar el seu coneixement.
La tecnologia ens permet moure’ns de pressa. El coneixement ens permet saber cap a on.