Els serveis natius d’IA no són una versió més ràpida del programari tradicional ni una consultoria que ha afegit un xat al seu procés. La seva promesa és diferent: executar una part creixent de la feina amb sistemes d’intel·ligència artificial, mentre una persona qualificada conserva la responsabilitat sobre el resultat. Aquesta combinació pot canviar l’economia del servei, però sobretot obliga a decidir millor què s’automatitza, qui respon quan apareix una excepció i com cada correcció millora el sistema.
La idea parteix de l’article “Services: The New Software (6 months later)”, de Yaman ↗, que analitza el model de Panacea en serveis regulatoris per a ciències de la vida. La font utilitza una analogia especialment útil: l’autopilot pot executar una gran part d’un vol, però el pilot continua a la cabina perquè té la llicència, interpreta el context i assumeix la responsabilitat. En un procés empresarial sensible, aquesta última capa no és ornamental.
Automatitzar feina no és transferir responsabilitat
Quan el cost d’un error és petit i reversible, podem deixar que el sistema actuï amb molta autonomia. Quan una decisió afecta una autorització reguladora, una campanya pública, un contracte o la relació amb un client, el criteri canvia. La capacitat tècnica de fer una acció no equival al permís per fer-la sense revisió.
Aquesta distinció és central en la manera de treballar de Karmina AI Studio. Un agent pot investigar, comparar fonts, preparar un document, detectar incoherències o executar passos previstos. La persona experta defineix el propòsit, valida les fonts, resol els casos ambigus i respon pel resultat. Els Human Gates no existeixen per frenar el sistema, sinó per concentrar l’atenció humana allà on aporta més valor.
L’expert es mou cap amunt dins del procés
En un servei convencional, una persona qualificada pot dedicar moltes hores a recopilar informació, adaptar plantilles i repetir comprovacions. En un servei natiu d’IA, una part d’aquesta producció passa al sistema. L’expert deixa de ser la mà d’obra invisible de cada pas i ocupa una posició més estratègica: configura criteris, revisa excepcions, interpreta riscos, parla amb el client i decideix si el resultat és defensable.
Això no significa que la feina humana desaparegui. Significa que el seu valor deixa d’estar lligat al volum de tasques mecàniques. Si cada intervenció queda registrada i es converteix en un criteri, un exemple o un cas de prova, la plataforma aprèn sense confondre aprenentatge amb improvisació. La Knowledge Foundation és el lloc on aquest coneixement expert es transforma en una base reutilitzable i governada.
El model de negoci també canvia
L’article assenyala que un servei pot treballar amb pressupostos diferents dels d’una llicència SaaS. El client no compra seients: compra un resultat, uns terminis i una responsabilitat. Això permet dedicar més recursos d’IA a cada projecte si l’automatització redueix el cost marginal d’executar-lo. Però l’avantatge no apareix pel simple fet d’utilitzar un model potent.
Perquè el marge millori sense degradar la qualitat, el sistema necessita un procés prou estable, dades accessibles, criteris explícits i una forma fiable de mesurar el resultat. Si la revisió humana acaba repetint tota la feina, només hem afegit una capa tecnològica. Si l’agent produeix sense control, hem traslladat el cost a l’error. L’eficiència real neix d’un repartiment deliberat entre automatització i judici.
De la consultoria artesanal a una capacitat acumulativa
La gran oportunitat no és generar més documents. És construir un sistema que acumuli experiència. Cada projecte pot enriquir un vocabulari, una biblioteca de decisions, un conjunt d’excepcions i una bateria de proves. La diferència respecte d’una carpeta de plantilles és que el coneixement té propietari, data, nivell d’autoritat i una missió concreta.
Aquesta lògica permet que serveis com l’estratègia d’IA, l’analítica, el contingut o la governança deixin de començar de zero. A Services, Karmina AI Studio combina diagnosi, coneixement, agents i formació perquè la capacitat continuï existint després del primer lliurable. La tecnologia executa; el sistema organitzatiu decideix què significa fer-ho bé.
Quan té sentit començar
Un servei natiu d’IA és especialment viable quan hi ha una tasca recurrent, un resultat observable i prou casos per identificar patrons. També necessita una persona responsable i un cost de revisió proporcional. Si el procés encara canvia cada setmana o les fonts es contradiuen, el primer projecte no hauria de ser automatitzar-lo, sinó ordenar-lo.
El marc Taker, Shaper, Maker ajuda a escollir el grau adequat. De vegades n’hi ha prou amb adoptar una eina existent. En altres casos cal adaptar-la al coneixement propi o construir una capacitat més integrada. L’objectiu no és arribar al nivell més sofisticat, sinó trobar la configuració mínima que produeix valor amb responsabilitat.
La IA pot assumir més execució. La responsabilitat continua necessitant una persona, un criteri i una organització capaç d’explicar per què el resultat és acceptable.