Abans de crear un assistent intern, observa on s’encalla la feina
En moltes empreses, la informació existeix, però costa convertir-la en una decisió.
Hi ha documents, CRM, correus antics, fulls de càlcul, carpetes compartides, converses de Slack o Teams, manuals interns, presentacions comercials i pàgines de Notion. També hi ha una capa menys visible: el criteri que algunes persones han anat acumulant amb els anys.
Quan algú pregunta “com hem de respondre aquest cas?”, la resposta rarament surt d’un únic lloc. Pot dependre d’un document aprovat, d’un criteri comercial, d’una excepció operativa, d’una persona que coneix bé el procés o d’una eina on queda registrat l’estat real.
Un assistent intern amb IA pot ajudar quan fa visible aquest funcionament intern.
La seva utilitat no hauria de mesurar-se només per la capacitat de recuperar informació, sinó per si ajuda l’equip a entendre quina font consultar, quin criteri aplicar, amb qui cal parlar abans de tancar el cas i quin pas toca fer després.
Per això, abans de pensar en eines, models o integracions, jo començaria amb una pregunta molt operativa: en quin punt s’encalla avui el coneixement dins de l’organització?
Una escena habitual: el cas que acaba a Teams
Imagina una consulta comercial força normal.
Un client demana un servei que l’empresa ofereix, però amb una adaptació concreta, un pressupost ajustat i una data límit. La persona de comercial ha de respondre, però la informació està repartida en diversos llocs.
La presentació comercial explica l’oferta general. Una proposta antiga mostra un cas semblant. El CRM indica que aquest client ja havia contactat fa uns mesos. Operacions sap si l’adaptació és viable. I hi ha un criteri intern, potser escrit en algun lloc o potser només comentat en reunions, sobre quan val la pena acceptar aquest tipus de peticions.
Al final, la pregunta acaba a Teams:
“Això ho podem oferir o no?”
Per respondre bé, cal reconstruir el fil complet: què continua vigent, què aplica a aquest client, qui coneix la part operativa i què hauria de quedar registrat si el cas tira endavant.
Quan això passa una vegada, sembla una consulta normal. Quan passa cada setmana, l’equip comença a dependre massa de les mateixes persones. Sempre hi ha algú que “ja sap com va”. I cada cop que aquesta persona està ocupada, de vacances o responent de memòria, la qualitat de la decisió baixa.
Un assistent intern ben plantejat pot reduir aquesta dependència. Pot reunir les peces, assenyalar d’on surt cada una i proposar una primera orientació sense obligar l’equip a perseguir informació per cinc canals diferents.
Quan té sentit crear un assistent intern
Jo el veuria com un bon candidat quan es repeteixen dubtes semblants i la resposta necessita connectar diverses fonts.
Per exemple: preguntes de comercial sobre quin servei encaixa amb cada client, consultes de suport sobre procediments interns, onboarding de persones noves, criteris per classificar oportunitats, dubtes administratius recurrents o casos on cal saber quin responsable intern ha de mirar una decisió.
Hi ha tres senyals bastant clars.
El primer és la repetició. Si l’equip fa cada setmana variacions de les mateixes preguntes, segurament hi ha una part del coneixement que no està prou accessible.
El segon és la dispersió. Si per respondre cal mirar una eina, un document, un registre i preguntar a una persona, l’assistent pot ajudar a unir punts.
El tercer és la necessitat de criteri. Quan la resposta implica entendre quin pas toca fer, trobar una dada és només una part de la feina. Cal situar aquella dada dins d’un context.
Aquí és on la IA pot aportar valor: buscant informació, relacionant-la amb la pregunta i convertint-la en una resposta prou contextualitzada perquè una persona pugui actuar millor.
Fonts de veritat: documents, persones, processos i eines
Quan parlem de fonts pròpies, és fàcil imaginar una carpeta plena de PDFs. Però dins d’una empresa, una font de veritat pot tenir moltes formes.
Pot ser una fitxa de servei vigent. Un procediment intern. Un registre del CRM. Una base de coneixement. Una persona responsable d’un criteri. Una eina on l’estat real sempre està més actualitzat que en qualsevol document. També pot ser un procés: la manera habitual de passar d’una consulta a una decisió.
Això obliga a dissenyar l’assistent d’una altra manera.
Davant d’una pregunta, no n’hi ha prou amb buscar quin document conté una frase semblant. Cal entendre quin procés està implicat, quin equip n’és responsable, quina eina conté l’estat actual i en quin moment convé portar el cas a una persona.
En la consulta comercial de l’exemple, l’assistent potser ha de mirar la fitxa del servei, però també el tipus de client, l’historial al CRM, el criteri d’encaix i la disponibilitat de l’equip.
Aquesta és la diferència entre respondre amb text i ajudar a orientar una decisió amb el coneixement disponible.
Abans de construir, hi ha casos que demanen una mica d’ordre
Hi ha situacions en què un assistent intern arriba massa aviat.
Si ningú sap quina font és la bona, l’assistent treballarà sobre una base feble. Si cada equip aplica criteris diferents, la IA pot fer més visible aquesta incoherència. Si la informació sensible està barrejada amb informació general, abans cal pensar en permisos i accés. I si un procés només existeix de manera informal, convé escriure’n les parts bàsiques abans de demanar a un sistema que el segueixi.
Tampoc cal esperar una documentació impecable. Això pot aturar el projecte durant mesos.
El que ajuda és acotar bé el primer cas.
En comptes de començar amb “l’assistent intern de tota l’empresa”, triaria una situació concreta. Per exemple: “un assistent que ajuda l’equip comercial a entendre quin servei encaixa amb cada tipus de client i quin següent pas hauria de proposar”.
Aquest abast permet aprendre sense obrir massa fronts alhora. També fa visibles les mancances de seguida: fonts que cal actualitzar, criteris que cal escriure, permisos que cal separar o decisions que encara depenen massa d’una sola persona.
Una bona resposta hauria de semblar una petita ruta interna
En un entorn intern, la seguretat sense context pot crear problemes.
Hi haurà preguntes sense font clara. Documents que no coincideixen. Procediments antics. Casos que depenen d’una excepció. Informació que només pot contrastar una persona concreta.
En aquests casos, l’assistent hauria de poder mostrar el dubte. Una resposta útil podria sonar així:
“Amb la informació disponible, aquest cas sembla encaixar amb el servei X. La font principal és la fitxa comercial actualitzada al maig. Ara bé, l’adaptació que demana el client afecta operacions i no veig cap criteri escrit per aquest escenari concret. El següent pas recomanat seria passar-ho per operacions abans d’enviar proposta.”
Aquesta resposta no intenta tapar la incertesa. La posa sobre la taula.
Jo demanaria que la sortida de l’assistent inclogués quatre elements:
- què sembla que cal fer ara;
- d’on surt aquesta resposta i quins punts de coneixement hi intervenen;
- què queda pendent, dubtós o sense prou base;
- quin és el següent pas recomanat.
Aquesta estructura converteix una resposta en una ruta curta de treball. La persona entén per què aquella resposta té sentit i què hauria de fer amb ella.
Quan l’assistent falla, també apareix feina pendent
Durant un pilot real, l’assistent no respondrà bé a tot. I això pot ser molt útil si es registra bé.
Imagina dues setmanes de prova amb preguntes reals de l’equip. Algunes respostes seran útils. Altres quedaran a mitges. Unes quantes mostraran que falta una font clara o que hi ha criteris contradictoris.
Aquestes respostes incompletes poden convertir-se en un mapa pràctic del coneixement que falta.
Pot aparèixer un procediment que només sap fer una persona. Una política comercial que tothom comenta en reunions però que ningú ha escrit. Dues versions d’un document amb criteris diferents. Un CRM que conté l’estat real, però que no està connectat amb la documentació interna. O una pregunta que l’equip fa cada setmana i que ningú havia identificat com a problema.
Aquest aprenentatge permet prioritzar millores concretes: actualitzar una font, assignar un responsable, eliminar una versió antiga, escriure un criteri pendent o definir millor el funcionament d’un procés.
Arribats aquí, l’assistent ja no és només una eina de resposta. També ajuda a veure on l’organització té coneixement trencat, duplicat o massa dependent de persones concretes.
Com començaria amb un pilot petit
Per començar, triaria un dubte intern que es repeteixi sovint i que consumeixi temps real.
El millor primer cas acostuma a ser aquell que es pot observar fàcilment: apareix cada setmana, afecta diverses persones i té un impacte clar en el dia a dia. No ha de ser el més gran ni el més vistós.
Alguns bons candidats podrien ser:
- consultes comercials sobre quin servei encaixa amb cada client;
- preguntes de suport sobre procediments interns;
- onboarding de persones noves;
- criteris per classificar oportunitats;
- dubtes recurrents sobre processos administratius;
- cerca de responsables interns per a determinats tipus de casos.
Un pilot de dues o tres setmanes ja pot donar molta informació si l’abast és clar. Per exemple: un equip petit, una col·lecció curta de fonts fiables, preguntes reals i una manera senzilla de marcar cada resposta com a útil, incompleta o incorrecta.
Mesurar només si “la IA respon” diu poc. Jo miraria si l’equip interromp menys les mateixes persones, si troba abans la informació, si les respostes porten a un següent pas més clar i si apareixen buits que abans estaven amagats.
Una demo pot fer bona impressió en cinc minuts. La prova important arriba quan l’equip el fa servir enmig de feina real, amb pressa, dubtes i casos que no encaixen perfectament.
El millor senyal és que baixa la dependència de la memòria informal
Torno a la consulta inicial: una persona de comercial ha de respondre un cas amb matisos. Servei, adaptació, pressupost, terminis, capacitat operativa i registre al CRM.
Sense una capa d’ajuda, el procés pot ser lent: buscar la presentació, revisar propostes antigues, mirar el CRM, preguntar a operacions i esperar que algú recordi quin criteri s’havia aplicat en casos semblants.
Amb un assistent ben dissenyat, la primera resposta ja pot ordenar el cas: oferta aplicable, historial rellevant, criteri conegut, punt pendent d’aclarir i proper pas recomanat.
Si aquest tipus de cas ja apareix sovint al teu equip, pot encaixar dins d’un treball de pilots i implementació abans de convertir-lo en una aposta gran.
L’assistent no decideix per l’equip. Tampoc elimina la necessitat de parlar amb persones quan toca. Però redueix la boira.
I això es nota en situacions molt concretes: una persona nova que entén abans què ha de fer, una consulta que no queda bloquejada perquè algú no és a l’oficina, o una decisió que deixa de dependre només de memòria informal.
Potser aquest és el millor punt de partida per decidir si val la pena crear un assistent intern: mirar quantes vegades a la setmana algú ha d’escriure “això ho podem oferir o no?” i esperar que una persona concreta tingui la resposta al cap.