Por Jorge Frauca,
Solutions Specialist
Hyperautomation & AI
Per Xavier Martorell,
Business Development Manager
Hyperautomation & AI
Les solucions tecnològiques basades en intel·ligència artificial (IA) estan transformant l’automatització de processos, permetent abordar tasques que abans no eren viables mitjançant eines tradicionals.
No obstant això, la implementació d’agents intel·ligents ha de realitzar-se amb especial atenció. Segons un estudi del MIT, el 95% de les Proves de Concepte amb IA generativa en empreses no aconsegueixen l’impacte previst.
Per aquesta raó, és imprescindible realitzar un procés de consultoria previ que avaluï la viabilitat tècnica, funcional i de negoci abans d’iniciar qualsevol desenvolupament.
El procés de consultoria previ al desenvolupament de la solució conté principalment tres blocs: Anàlisi de les dades, definir els components bàsics de la solució i un estudi de la rendibilitat de l’agent o període d’amortització.
1. Anàlisi de les Dades entrada-sortida i l’objectiu de l’agent
Els agents basats en IA generativa depenen directament de la qualitat, volum i naturalesa de les dades que processen. Per això, és essencial realitzar una anàlisi exhaustiva prèvia que respongui preguntes clau com:
· Quin tipus de dades processarem?
· Són dades confidencials? Quines polítiques legals de seguretat han de seguir?
· Requereixen coneixements tècnics o especialitzats per a la seva interpretació?
· Quin volum de dades es manejarà per petició al model? (Documents de 100 pàgines, missatges de xat, fitxers amb 100 000 línies, etc.?)
· Quin és l’objectiu de l’agent? Quina resposta o output ha de generar? Ha de generar una resposta en llenguatge natural (NLP)? Ha de processar un pagament?
Aquesta anàlisi permet dimensionar correctament els recursos necessaris i el model a emprar.
2. Anàlisi dels Components de la Solució
En aquesta etapa es defineixen els components que formaran part de la solució sobre la base de l’anàlisi prèvia de les dades. Aquests components bàsics són:
1. El model d’Intel·ligència Artificial.
2. El context (p. ex. si és el cas, una base de dades vectorial o un repositori documental).
3. Les eines (robots o integracions amb les quals es pot connectar l’agent a aplicacions internes o externes).
Per exemple:
· Si les dades són altament confidencials i l’input de l’agent és breu i senzill, pot optar-se per un model de IA allotjat en entorn local, maximitzant seguretat i control, i reduint costos operatius.
· Si l’agent ha de processar documents extensos o d’alta complexitat tècnica, es requerirà un model més potent i possiblement una base de dades vectorial per a aplicar RAG (Retrieval-*Augmented Generation), permetent contextualitzar la informació. En aquest cas, pot ser més adequat usar un model privat en el núvol, amb majors capacitats d’entrada de text i actualitzacions contínues.
És a dir, en tots dos escenaris, és essencial determinar quins components són indispensables per a cobrir la necessitat i on han d’allotjar-se per a assegurar l’equilibri òptim entre seguretat, rendiment i cost operatiu.
2.1. Fase de Validació del Model IA
Una vegada hem triat el model o models idonis, es realitza una fase de validació i elecció del model òptim. L’objectiu és comprovar que el model o models interpreten correctament les dades i compleix els criteris de precisió definits, mitjançant proves controlades sobre casos representatius.
Per exemple, si l’agent ha de classificar correus electrònics, es revisa manualment una mostra de missatges per a comprovar si la IA els categoritza correctament segons les regles de negoci.
Una vegada que el model aconsegueix el nivell d’acompliment acceptable establert (per exemple, una taxa d’encert del 80% o superior), es pot avançar a la fase d’integració i desenvolupament complet, assegurant que la IA sigui tècnicament vàlida i funcionalment robusta abans del desenvolupament i desplegament.
2.2. Integracions i Automatitzacions: El valor del RPA
Una dels grans avantatges dels agents de IA és la seva capacitat per a interactuar directament amb els sistemes de l’organització. Això ho aconsegueix mitjançant l’extracció o modificació d’informació fent ús d’integracions tradicionals (APIs, BBDDs, etc.) o amb altres tecnologies emprades per a l’automatització, com poden ser els robots RPA (Robotic Process Automation).
En aquest context, quan la integració no està disponible per altres mètodes o no ens ofereix suficient funcionalitat, el RPA ens permet:
· Consultar dades en les aplicacions (p. ex. ERP o CRM),
· Registrar o actualitzar informació,
· Executar transaccions repetitives (ideal per a gestió de grans volums d’informació)
· Enviar notificacions o correus electrònics
· Desencadenar i executar fluxos de treball complexos.
En definitiva, els robots amplien substancialment l’abast funcional dels agents, transformant-los en entitats més autònomes amb capacitat d’acció, no sols d’anàlisi o resposta. Per exemple, si l’agent ha de respondre correus de clients sol·licitant informació sobre comandes, pot secundar-se en un robot que consulti el ERP, recuperi les dades i els lliuri a l’agent per a generar una resposta precisa i personalitzada
A més, comptar amb una infraestructura RPA ja desplegada millora la rendibilitat i la velocitat d’implementació d’agents de IA, ja que aquests poden reutilitzar robots existents en lloc de desenvolupar noves integracions des de zero.
En definitiva, la combinació d’Agents + RPA constitueix la base de l’automatització intel·ligent, on la intel·ligència interpreta i decideix, i la robòtica executa i garanteix la consistència operativa.
3. Anàlisi de la Rendibilitat de la Solució
Una vegada definits els components de l’agent, han d’estimar-se tant els costos com els beneficis esperats:
- Costos d’implementació: hores de desenvolupament, proves, desplegament, monitoratge, etc.
- Costos operatius: depenen del model utilitzat (per tokens o volum de missatges en entorns cloud), emmagatzematge vectorial (cost fix o per memòria utilitzada), llicències RPA, o infraestructura local si el model s’allotja on-*premise.
Els beneficis inclouen tant l’estalvi de temps operatiu, com a millores qualitatives: atenció al client més àgil, actualització de dades en temps real, o reducció de tasques repetitives.
Amb tots dos factors, pot elaborar-se una anàlisi de viabilitat econòmica i retorn d’inversió (ROI).
A partir d’aquest punt, si els components de la solució estan definits i l’estudi econòmic és favorable, es procediria a les fases de desenvolupament, proves i desplegament de l’agent.
Conclusions
Els agents de IA, igual que qualsevol solució basada en intel·ligència artificial, requereixen un procés de consultoria i avaluació prèvia que asseguri la seva viabilitat tècnica, operativa i econòmica.
La combinació d’Agents IA i Robots RPA marca el següent nivell d’automatització intel·ligent:
Agents que comprenen el context (IA) i actuen de manera autònoma llançant processos de negoci automatitzats (RPA).
A més, disposar d’una plataforma madura com UiPath, que combina les capacitats dels robots RPA i les capacitats dels agents IA, permet una integració directa i més eficaç amb els sistemes empresarials, així com accelerant la seva posada en marxa sota una estratègia de desplegament adequada.
Si desitges més informació sobre com podem ajudar-te a automatitzar processos dins de la teva organització, pots contactar amb la nostra àrea de Business Process Automation a través del nostre formulari web.