Com saber si una automatització realment funciona

Una automatització no funciona només perquè s’executa

Sobre el paper, el flux existeix. A la pràctica, potser només ha mogut el desordre d’un lloc a un altre.

Això passa més sovint del que sembla. El formulari envia dades, el CRM crea un registre, arriba una notificació i la demo fa bona cara. Però al cap d’unes setmanes l’equip continua preguntant qui ha respost aquell contacte, corregint camps incomplets o buscant en un altre canal quin era el següent pas.

La part tècnica pot estar funcionant i, tot i així, el procés pot no haver millorat gaire.

Per això no m’agrada valorar una automatització només amb un “funciona” o “no funciona”. És una pregunta massa pobra. La pregunta útil és una altra: què ha canviat en el dia a dia de l’equip i com ho podem veure?

Si encara estàs decidint quin cas provar, aquesta guia sobre com triar el primer pilot d’IA sense perdre mesos et pot ajudar a acotar millor el punt de partida. Aquí anem un pas més enllà: un cop ja tens una automatització o un pilot en marxa, com decideixes si val la pena continuar, ajustar o parar?

“Sembla que va bé” no és una mètrica

Quan una automatització és nova, és normal mirar-la amb bons ulls. Fa coses que abans es feien a mà, respon més ràpid, sembla més ordenada i dona sensació de progrés.

Però les friccions importants gairebé mai apareixen el primer dia. Surten quan hi ha més volum, quan entra una excepció, quan falta una dada o quan una persona que no ha estat a les reunions ha de fer servir el sistema.

Pensa en un cas molt habitual: formulari web, registre al CRM i notificació a l’equip. En principi és senzill. Algú omple el formulari, es crea el contacte i l’equip rep un avís. Fins aquí, tot correcte.

El problema apareix després. El contacte arriba amb informació massa oberta. Algú ha de llegir-lo i interpretar si és una oportunitat, una consulta, una incidència o una petició que no encaixa. El CRM té el registre, però no sempre queda clar en quin estat està. I quan arriba la reunió setmanal, encara hi ha aquella pregunta de sempre: “això ho ha respost algú?”.

En aquest punt, l’automatització no ha eliminat la fricció. Només l’ha fet avançar més de pressa.

Aquí és on entra el criteri. No per fer-ho més sofisticat, sinó per ordenar millor la base. Primer cal entendre el procés, després automatitzar-lo, i només posar IA allà on realment ajuda a decidir millor.

Abans de construir, mira com treballa avui l’equip

La manera més honesta de valorar una automatització és fer una foto del procés abans de tocar-lo.

No cal convertir-ho en un estudi etern. Però sí que cal mirar bé què passa avui. En un formulari comercial o operatiu, sovint n’hi ha prou amb observar tres coses: quant tarda l’equip a respondre, quanta informació arriba malament o incompleta, i quants casos queden en una mena de zona grisa sense estat clar.

Aquest moment acostuma a ser incòmode perquè mostra que el problema no era només tecnològic. Potser el formulari demana massa poc. Potser les categories no serveixen per prendre decisions. Potser el CRM està ple de registres, però ningú hi confia perquè durant mesos s’ha fet servir com un magatzem i no com una eina de seguiment.

I justament per això és útil mirar-ho abans.

Si no fas aquesta foto inicial, després és molt fàcil discutir per sensacions. Una persona dirà que ara tot és més ràpid. Una altra dirà que continua havent-hi massa correccions. I totes dues poden tenir part de raó. Sense un punt de comparació, costa decidir.

Abans d’afegir IA per resumir, classificar o prioritzar contactes, jo voldria saber una cosa molt més simple: el procés base està prou ordenat perquè l’equip hi pugui confiar?

Tres blocs de mètriques que sí que ajuden

No miraria deu indicadors ni muntaria un dashboard només per justificar el pilot. En una primera fase, em quedaria amb tres blocs de mètriques. Són prou simples per mesurar-los sense complicar el projecte i prou útils per prendre decisions.

1. Rapidesa i traçabilitat

El primer bloc és evident: el temps fins a la primera resposta. Si abans un contacte trigava un dia a rebre atenció i ara l’equip el veu en dues hores, alguna cosa ha millorat.

Però la rapidesa sola pot enganyar. També cal mirar si aquell contacte queda en un estat comprensible. No és el mateix “s’ha creat al CRM” que “sabem qui el porta, en quin punt està i què toca fer ara”.

He vist processos on el registre es creava perfectament, però després ningú sabia si allò estava pendent, assignat, respost o descartat. Tècnicament, el flux funcionava. Operativament, encara hi havia massa boira.

Per això les mediria juntes: temps de resposta i estat clar. Si una automatització accelera l’entrada però no millora la traçabilitat, només has guanyat velocitat per perdre’t abans.

2. Qualitat de dades i correccions

El segon bloc és menys vistós, però acostuma a ser el que explica millor si una automatització ajuda de veritat.

Si el formulari arriba amb informació incompleta, camps massa oberts o categories poc útils, l’equip haurà de corregir, completar o reinterpretar la petició. I això és feina. Encara que el registre s’hagi creat automàticament.

Aquí és on moltes automatitzacions semblen bones des de fora i fluixes des de dins. Han eliminat un pas manual, però han deixat una feina de neteja que ningú compta. El temps ja no es perd copiant dades, però es perd arreglant-les.

Per això miraria quants formularis arriben amb dades prou bones per actuar i quantes correccions manuals queden després. Si aquesta part no baixa, potser el problema no és el CRM ni la IA. Potser cal canviar el formulari, els camps obligatoris o la manera de classificar l’entrada.

A vegades la millor automatització comença traient una pregunta dolenta del formulari i no afegint cap model d’IA.

3. Revisió humana i confiança

El tercer bloc és el que sovint es deixa per al final, però per mi és central.

Quan hi ha IA, no m’interessa només si classifica bé. M’interessa saber quan dubta, quan demana més informació i quan envia el cas a revisió humana. Un sistema que sempre respon amb seguretat pot semblar còmode, però pot ser perillós si no sap reconèixer els seus límits.

En un flux de formulari, la IA pot resumir la petició, detectar una possible prioritat o suggerir un següent pas. Però no hauria de decidir sola quan falta context, quan hi ha risc o quan la classificació no és clara.

Per això mesuraria quants casos requereixen revisió humana i per quin motiu. No ho veig com un error. De fet, en molts pilots és un bon senyal: vol dir que el sistema no està intentant fer veure que ho sap tot.

I després hi ha una mètrica menys numèrica, però molt real: la confiança de l’equip. Si l’equip no confia en el CRM, en el registre o en la sortida de la IA, tornarà al correu, al xat o a l’Excel paral·lel. I quan això passa, l’automatització deixa de ser el sistema de treball. Es converteix en una capa més.

Una automatització comença a funcionar de veritat quan l’equip deixa d’esquivar-la.

Una taula senzilla pot dir més que un dashboard enorme

No cal començar amb un quadre de comandament enorme. En una primera prova, una taula senzilla durant dues o quatre setmanes pot donar més conversa útil que un dashboard ple de gràfiques que ningú sap interpretar.

Per exemple:

Aquests números són orientatius. No són una promesa de resultat. Serveixen per ensenyar el tipus de lectura que ajuda a decidir.

La part important no és que tots els indicadors millorin alhora. Això gairebé mai passa. Potser millora molt el temps de resposta, però encara hi ha massa dades incompletes. Potser baixen les correccions, però l’equip encara no actualitza bé els estats. Potser la IA resumeix bé, però deriva massa casos perquè el formulari no dona prou context.

Tot això no és soroll. És el material que necessites per decidir el següent pas.

On entra la IA, i on no cal que entri

La IA pot aportar valor en aquest tipus de procés, però no hauria de ser la primera resposta a qualsevol problema.

Si el formulari és confús, la IA no arreglarà màgicament el procés. Pot ajudar a interpretar millor algunes entrades, però continuarà treballant sobre una base feble. Si el CRM no té estats clars, la IA pot escriure un resum molt correcte i, tot i així, l’equip pot continuar sense saber què toca fer.

Jo ho plantejaria així: primer ordena el mínim. Quines dades necessites? Quin estat inicial tindrà cada contacte? Qui rep l’avís? Què passa si falta informació? Quan ha d’entrar una persona?

Quan això està clar, llavors sí que la IA pot sumar. Pot resumir el formulari perquè l’equip no hagi de llegir-ho tot des de zero. Pot classificar la petició amb una primera hipòtesi. Pot detectar que falta una dada important. Pot suggerir un següent pas. I, sobretot, pot marcar els casos on no convé inventar-se una resposta.

Aquesta última part és important. Una IA útil no és la que sempre contesta. És la que sap quan no en té prou.

Quan podem dir que funciona?

Per mi, una automatització comença a funcionar quan deixa de ser “el sistema nou” i passa a ser simplement la manera normal de treballar.

No vol dir que sigui perfecta. Vol dir que l’equip ja no necessita inventar dreceres per compensar-la. Les dades són prou bones per prendre decisions, els casos pendents es veuen sense haver de preguntar tres vegades i les excepcions no obliguen a tornar al procés antic.

Hi ha una prova molt senzilla: si després d’unes setmanes l’equip continua portant el procés per un Excel paral·lel o preguntant-ho tot pel xat, alguna cosa no ha encaixat. Potser el flux és massa rígid. Potser el registre no és prou útil. Potser el sistema demana massa feina per mantenir-lo net.

Això no sempre vol dir que el pilot sigui dolent. Sovint vol dir que encara no has trobat la forma bona. I aquesta és una informació molt més útil que una demo que surt bé però ningú acaba incorporant.

Escalar, ajustar o parar

El resultat d’un pilot no hauria de ser només “ens agrada” o “no ens agrada”. Hauria d’ajudar a prendre una de tres decisions.

Escalar pot voler dir obrir el flux a un altre formulari, un altre equip o una altra part del procés. No cal fer el salt a tota l’empresa perquè una primera prova hagi anat bé.

Ajustar és probablement el resultat més habitual d’un bon pilot. Potser cal canviar camps, afinar categories, simplificar notificacions o decidir millor què passa quan falta informació. Això no és fracassar; és aprendre amb una peça prou petita perquè encara sigui fàcil corregir.

I parar també pot ser una bona decisió.

De vegades el millor resultat d’un pilot és descobrir que encara no hauries d’automatitzar aquella part. Pot semblar una mala notícia, però és just el contrari: t’estalvia construir una solució bonica sobre un procés que encara no s’aguanta.

Si vols aprofundir en aquesta part, també et pot ajudar l’article sobre els errors habituals en automatització de processos, perquè molts problemes apareixen precisament quan s’escala abans d’haver validat bé el procés.

Una plantilla mínima per revisar el teu cas

Pots adaptar aquesta taula al teu procés abans de començar un pilot o durant les primeres setmanes.

No cal omplir-ho tot amb precisió científica. Però sí amb prou criteri per deixar de discutir només sensacions.

La mesura no serveix per justificar que l’automatització era bona. Serveix per decidir millor.

Automatitzar bé és decidir millor

Hi ha una idea que costa acceptar quan tens ganes d’avançar: a vegades, el millor resultat d’un pilot és descobrir que encara no toca automatitzar aquella part.

No és una derrota. És millor veure-ho en una prova petita que construir una solució sencera sobre un procés que encara no s’aguanta. Si les dades entren malament, si ningú sap quin estat és el bo o si l’equip no confia en el registre, posar-hi més automatització només farà que el problema circuli més ràpid.

Per això mesurar importa. No per demostrar que la IA funciona, ni per justificar una decisió que ja estava presa, sinó per veure què passa quan la idea toca el dia a dia.

A vegades la resposta serà escalar. Altres vegades serà ajustar camps, estats, notificacions o criteris. I alguna vegada serà parar. Aquesta també és una decisió bona si evita invertir en una base feble.

Si tens un procés que sembla bon candidat però no tens clar com mesurar-ne l’impacte, pots revisar els serveis d’IA i automatització o obrir una conversa des de contacte. La primera decisió important no és quina eina fer servir, sinó com sabrem si realment ha millorat la feina.