Moltes organitzacions ja han provat la IA: un assistent en algun departament, una prova de concepte que va impressionar en la demo, llicències de Copilot repartides sense un pla. I, tanmateix, poques poden dir quant els ha aportat. El motiu gairebé mai no és la tecnologia. És que es va començar per l'eina i no pel negoci.
IMPACT AI™ és la metodologia amb què a Bidatia acompanyem les organitzacions des de la primera conversa sobre IA fins que la fan servir en els seus processos, en mesuren el resultat i la governen sense dependre de nosaltres. En aquest article expliquem com funciona, fase a fase. El detall complet és a la pàgina de la metodologia.
Per què tants projectes d'IA es queden en la demo
Els símptomes es repeteixen:
- Primer es tria l'eina i després es busca on fer-la servir.
- Ningú no ha mesurat el punt de partida, de manera que és impossible demostrar l'estalvi.
- La dada no està a punt: duplicada, desactualitzada o sense responsable.
- El pilot no té cap criteri d'èxit definit abans de començar, i no s'acaba de tancar mai.
- El proveïdor se'n va i el coneixement se'n va amb ell.
IMPACT AI™ està dissenyada per evitar cadascun d'aquests punts. La seva regla de base és senzilla: no comencem per quina eina fer servir, sinó pel negoci, el problema, el procés, les persones, les dades i el resultat esperat. La tecnologia arriba després.
Sis fases, sis gates de decisió
El nom resumeix les sis fases: Identify, Measure, Prioritize, Activate, Consolidate i Transfer. Cada fase acaba en un gate: una pregunta de control, unes evidències mínimes i una decisió documentada. És la diferència entre activitat i progrés: una reunió, un taller o un prototip són activitats; superar un gate exigeix evidència.
| Gate | Pregunta de control | Evidència mínima | Decisió |
|---|---|---|---|
| G1 Identify | Entenem el problema i les oportunitats? | AI Opportunity Canvas™ i punts de dolor | Passar a mesurar |
| G2 Measure | L'empresa està preparada? | AI Readiness Index™ i bretxes | Corregir / continuar |
| G3 Prioritize | Quin cas mereix començar? | Cartera i valoració de casos | GO / NO GO |
| G4 Activate | La solució demostra valor? | Resultat del pilot respecte dels KPIs | Adoptar / iterar / aturar |
| G5 Consolidate | Es fa servir i genera resultat? | Ús, eficiència, negoci i adopció | Consolidar |
| G6 Transfer | L'empresa pot continuar? | Backlog, responsables i full de ruta | Escalar / operar |
Identify: entendre el negoci tal com el viu qui el fa
Parlem amb la direcció, però sobretot amb les persones que fan la feina cada dia. Aquí apareix la diferència entre el que hauria de passar i el que passa de veritat: tasques repetitives, esperes, feina refeta, decisions que es prenen tard o amb poca informació, dades que es copien a mà d'un sistema a un altre. Cada problema es converteix en una hipòtesi verificable: «si apliquem aquesta capacitat sobre aquest procés o aquestes dades, podríem millorar aquest resultat per a aquest usuari». Encara sense triar eina ni proveïdor. En aquesta fase també fem inventari de la IA que ja es fa servir a l'organització, inclosa la que ve integrada a les aplicacions, que sol ser més de la que es creu. Ho expliquem a la IA que ja tens sense saber-ho.
Measure: mesurar la preparació amb evidències, no amb una opinió
Per saber si una organització està preparada no n'hi ha prou amb una impressió. El punt de partida el fixa l'AI Readiness Index™, que avalua sis dimensions: estratègia (objectius, patrocinador, capacitat de decisió), processos (digitalització, estabilitat, indicadors), dades (disponibilitat, qualitat, accés, propietat), tecnologia (aplicacions, integració, núvol, eines d'IA), persones (competències, ús actual, capacitat de canvi) i govern i risc (privadesa, seguretat, control, supervisió). Cada puntuació es basa en evidències; el que no es pot comprovar es registra com a «no verificat».
El resultat situa l'organització en un de cinc nivells de preparació, cadascun amb la seva implicació pràctica: Explorador (començar petit i formar), Iniciat (quick wins amb acompanyament), Preparat (activar els casos prioritaris), Adoptant (consolidar i ampliar) i Escalable (cartera de casos i escalat). Més que la xifra, importa explicar quina evidència justifica cada nivell.
La dimensió de dades la mesurem amb un estàndard: les especificacions UNE 0077 (govern de la dada), UNE 0078 (gestió) i UNE 0079 (qualitat), avaluades amb la UNE 0080, i el marc DAMA-DMBOK.
La UNE 0080 assigna a cada procés un nivell de maduresa:
| Nivell | Què vol dir | Què cal per pujar |
|---|---|---|
| 1. Realitzat | Els processos de dades s'executen, però de manera reactiva i depenent de persones concretes | Identificar les dades crítiques, nomenar responsables i aplicar les primeres regles |
| 2. Gestionat | Es planifiquen i se'n fa el seguiment en àrees o projectes concrets, amb responsables identificats | Un model corporatiu: polítiques, rols i processos comuns |
| 3. Establert | Estan estandarditzats i documentats per a tota l'organització | Mesurar-los amb indicadors, objectius i llindars, i analitzar les causes de les desviacions |
| 4. Predictible | Es gestionen amb indicadors quantitatius i el seu resultat és previsible | Instaurar la millora contínua i la innovació |
| 5. Innovador | La dada es gestiona per obtenir-ne el màxim valor i s'adapta a nous objectius | Mantenir el nivell i estendre'l a nous dominis i iniciatives d'IA |
El resultat no és una nota, sinó una llista de bretxes prioritzades: què cal tancar abans de cada cas d'IA. Si la dada és un fre, l'incloem al full de ruta i el resolem en paral·lel al primer cas. Per aprofundir-hi, consulta qualitat de la dada: dimensions i mètriques i govern de la dada: rols i organització.
Prioritize: triar bé per on començar
Puntuem cada oportunitat de l'1 al 5 en cinc factors: valor (estalvi, ingressos, qualitat o servei), viabilitat (dades, eines, integració i competències), adopció (patrocinador, usuaris i voluntat de canvi), esforç i risc (privadesa, seguretat, legal, reputació, fiabilitat). La puntuació no substitueix el criteri professional: obliga a una conversa estructurada i deixa escrites les raons. Per als finalistes preparem un business case lleuger, en què la millora esperada és una hipòtesi, no una promesa, i distingim quines dades estan mesurades i quines estimades. I prioritzem dues coses:
- Quick wins de curta durada: casos de poques setmanes que aporten un valor visible al negoci. Serveixen per demostrar resultats aviat i perquè l'organització guanyi confiança.
- Plantejament MVP: cada cas es planteja amb l'abast mínim que permet validar la hipòtesi amb dades reals abans d'invertir-hi més.
El patrocinador decideix entre tres i cinc finalistes, i cadascun acaba amb una decisió documentada: GO, GO condicionat (hi ha valor, però abans cal una acció habilitadora), PARK (interessant, però no és el moment) o NO GO. Descartar a temps un cas que no compensa també és un bon resultat.
Activate: pilotar amb control, no amb fe
El cas prioritzat es dissenya per escrit (problema, usuari, flux actual, solució, dades, abast, KPIs, riscos i responsable) i es formalitza en un Pilot Charter abans de començar: hipòtesi, usuaris, durada, mètriques, criteri d'èxit i condició d'aturada. La formació va lligada al cas: s'ensenyen els conceptes imprescindibles, els límits de la IA i la revisió humana amb tasques del mateix procés, i es valida amb una tasca real, no amb l'assistència.
El pilot es porta a producció amb abast controlat i es governa des del primer dia. Els comitès de seguiment són necessaris, però no suficients. Per això cada pilot porta el seu propi quadre de control:
- Comitès de seguiment: un de direcció per a decisions, prioritats i riscos, i un altre d'operatiu per a l'avenç i les incidències.
- Control del quick win: una línia de base mesurada abans de començar i KPIs de negoci (hores, errors, cost per operació, vendes) amb un criteri d'èxit acordat.
- Control del projecte: termini, cost i abast respecte del que s'ha planificat, qualitat de les respostes o de les prediccions, i adopció real pels usuaris.
Un cas no «funciona» perquè una demo impressioni. Funciona si hi ha evidència respecte dels KPIs definits, i amb aquesta evidència es decideix: adoptar, iterar o aturar. El cicle complet d'un projecte d'IA, amb els seus controls, l'expliquem a el cicle de vida d'un projecte d'IA.
Consolidate: que es faci servir i que continuï funcionant
Una solució que funciona però que ningú no fa servir no aporta res. En aquesta fase integrem el canvi en la manera real de treballar:
- Adoption Plan: usuaris afectats i champions, quin pas del procés canvia i quines excepcions hi ha, formació, suport, comunicació i seguiment.
- Supervisió humana: què produeix la IA, què revisa una persona, quines decisions es poden automatitzar i quins llindars obliguen a escalar.
- AI Governance Lite™: finalitat, responsable, usuaris, dades, riscos, controls i revisió. Govern proporcionat, sense burocràcia innecessària.
- Success Dashboard: indicadors d'ús, eficiència, negoci, adopció i risc.
Si el cas no es fa servir, primer busquem la barrera; després parlem d'escalar.
Transfer: la nostra feina acaba quan tu tens el control
La transferència no és una reunió final amb un document. Apliquem shadow i reverse shadow:
- Operem nosaltres, amb el teu equip informat des del principi.
- Shadow: el teu equip treballa al nostre costat i veu com operem, decidim i resolem incidències.
- Reverse shadow: el teu equip opera i nosaltres supervisem, corregim i responem dubtes.
- Control total: el teu equip opera sol, amb documentació, backlog prioritzat, responsables i full de ruta.
Cada perfil surt amb el que necessita saber fer: la direcció entén resultats, riscos i la inversió següent; el responsable del cas opera els KPIs i decideix millores; els usuaris gestionen les excepcions, i el perfil tècnic administra la configuració, els accessos i les integracions. Deixem un AI Action Plan™ amb el backlog prioritzat, les capacitats de dades i la formació pendents, els controls que cal mantenir i les fites següents, i repetim la mesura de preparació per comparar-la amb el punt de partida.
El projecte es tanca quan el teu equip opera amb autonomia, no quan s'acaba el calendari.
Aprendre aplicant
La formació no és un curs al principi: travessa totes les fases. A Identify s'aprèn a detectar problemes aptes per a la IA; a Prioritize, a pensar en valor, viabilitat i risc; a Activate, a fer servir la capacitat triada amb tasques reals; a Consolidate, a operar-la de manera responsable, i a Transfer, a continuar sense consultor. La prova final és senzilla: cada participant ha de poder explicar el cas, executar-lo, reconèixer quan no s'ha de fiar del resultat i saber a qui escalar una excepció.
Els sis principis que no negociem
- Negoci abans que tecnologia: no proposem eines abans d'entendre l'objectiu i el procés.
- Evidència abans que opinió: separem fets observats, percepcions i hipòtesis.
- Valor i adopció: un cas tècnicament viable que ningú no farà servir no és prioritari.
- Risc proporcional: controls adequats al risc i a la mida de l'organització, sense burocràcia.
- Experimentar abans d'escalar: provem hipòtesis amb abast acotat i KPIs.
- Transferir: cada intervenció augmenta la capacitat interna, sense crear dependència.
Cal passar per totes les fases?
No necessàriament. Entrem en el punt en què es troba cada organització. Si ja tens els casos prioritzats, per exemple, comencem per Activate, assegurant abans els controls de les fases anteriors: criteris d'èxit, dades disponibles i riscos avaluats. I la normativa no es deixa per al final: el que exigeixen el Reglament europeu d'IA i el RGPD es té en compte des de la priorització, com expliquem a quina normativa s'aplica a la IA i les dades.
Si vols saber en quina fase ets i per on començaríem, explica'ns el teu cas.
Preguntes freqüents
Què és IMPACT AI™?
És la metodologia de Bidatia per adoptar IA en sis fases (Identify, Measure, Prioritize, Activate, Consolidate i Transfer), cadascuna tancada amb un gate: una pregunta de control, evidències mínimes i una decisió documentada.
Com es mesura si una empresa està preparada per a la IA?
Amb l'AI Readiness Index™, que avalua amb evidències sis dimensions: estratègia, processos, dades, tecnologia, persones i govern i risc. La dimensió de dades es mesura amb les especificacions UNE 0077, 0078 i 0079, avaluades segons la UNE 0080, i el marc DAMA-DMBOK.
Què és un quick win?
Un cas de curta durada, plantejat com a MVP, que aporta un valor visible i mesurable al negoci i valida la hipòtesi abans d'invertir-hi més.
Com se sap si un pilot d'IA té èxit?
Amb un Pilot Charter i criteris d'èxit fixats abans de començar, una línia de base mesurada, KPIs de negoci del quick win i control del projecte en termini, cost, qualitat i adopció, revisats als comitès de seguiment.
Què són shadow i reverse shadow?
Dues etapes de la transferència: en shadow l'equip del client acompanya el de Bidatia mentre opera; en reverse shadow l'equip del client opera i Bidatia supervisa, fins que té el control.
Què passa si un cas no val la pena?
Es decideix amb evidència: a la priorització pot quedar com a GO condicionat, PARK o NO GO, i després del pilot es decideix adoptar, iterar o aturar. Descartar a temps també és un bon resultat.