---
title: "El que ensenyen els projectes d'IA als ajuntaments espanyols"
description: "Assistents d'atenció, informes tècnics, detecció de la soledat, xatbots, classificació d'instàncies i atenció telefònica: què van fer diverses entitats locals i quines lliçons en queden."
url: https://bidatia.com/ca/idees/proyectos-de-ia-en-ayuntamientos-lecciones
lang: ca
date: 2026-07-28
updated: 2026-11-04
author: "José Luis García"
keywords: ["ia als ajuntaments", "ia administració local", "casos d'ús ia sector públic", "xatbot ajuntament", "guia femp ia", "ia ens locals"]
publisher: Bidatia
---

# El que ensenyen els projectes d'IA als ajuntaments espanyols

> Assistents d'atenció, informes tècnics, detecció de la soledat, xatbots, classificació d'instàncies i atenció telefònica: què van fer diverses entitats locals i quines lliçons en queden.

## Resum executiu

- Recull sis casos d'IA en entitats locals espanyoles publicats per la FEMP (Avilés, Madrid, Las Rozas, València i Alcobendas) i la lliçó de cadascun.
- Patrons que es repeteixen: assistents sobre documentació pròpia, suport a informes tècnics, classificació i derivació, i contacte proactiu o de veu.
- Lliçons comunes: la qualitat de les dades decideix el resultat, la supervisió humana s'ha de mesurar, l'explicabilitat permet motivar i els registres permeten respondre reclamacions.
- El cost real no és el del pilot i sempre hi ha d'haver una alternativa humana.
- Inclou un full de ruta de sis mesos per començar, preguntes prèvies al primer projecte i errors freqüents.

La Federació Espanyola de Municipis i Províncies (FEMP) recull a la seva *Guía práctica y políticas de uso de la IA en las entidades locales* (2025) experiències reals d'ajuntaments i diputacions. Revisades en conjunt, deixen un patró molt clar: els projectes que funcionen comencen per un problema concret, tenen cura de les dades i mantenen les persones al centre de la decisió.

## Sis casos i la seva lliçó

| Cas | Què es va fer | Lliçó |
|---|---|---|
| **Avilés: assistent per a l'atenció ciutadana** | Assistent d'IA per al personal de registre i atenció, basat en una base de coneixement amb la documentació municipal, per donar respostes homogènies independentment de qui atengui | Una font documental única millora la coherència entre canals i facilita auditar les respostes. Les preguntes repetides revelen procediments mal dissenyats |
| **Avilés: informes de llicències d'obra menor** | Suport a la redacció d'informes tècnics per a unes 1.200 llicències l'any, amb un model al núvol i sense entrenament específic. Estima un estalvi del 20 % al 45 % en el procés tècnic | L'estalvi ve del fet que la màquina validi i el tècnic revisi, no de substituir-lo. Funcions com esmenar sol·licituds s'acosten a actes amb efectes i s'han d'avaluar com a tals |
| **Madrid: detecció de la soledat no desitjada** | IA conversacional que va trucar a persones grans amb un qüestionari. De 2.071 converses completes, 646 van demanar parlar amb personal municipal i unes 240 van entrar en un programa d'acompanyament | La IA detecta i deriva; les persones decideixen i acompanyen. Amb col·lectius vulnerables, l'avaluació d'impacte i la transparència són imprescindibles |
| **Las Rozas: xatbot amb IA generativa** | Assistent multicanal i multilingüe basat en el web i els documents municipals, per uns 7.000 € l'any dins del contracte d'atenció telefònica. Estima un 50 % menys de temps de gestió | Millorar les fonts, fer moltes proves i assumir alguns errors. La qualitat de la documentació i el banc de proves són decisius |
| **València: derivació d'instàncies generals** | Classificació automàtica d'instàncies no catalogades per enviar-les a la unitat que correspon, amb un marge d'error acceptable | Validar amb mostreig, mantenir la revisió humana i mesurar l'error |
| **Alcobendas: atenció telefònica automatitzada** | Robot de veu per atendre trucades fora d'horari, amb devolució de trucada per part del personal, a partir d'una convocatòria d'innovació i pagat per consum | Oferir sempre l'alternativa humana. La compra pública d'innovació permet provar abans de comprometre un contracte gran, però cal estimar el cost a escala real |

## Les lliçons que es repeteixen

**Les dades decideixen el resultat.** La FEMP assenyala, segons l'opinió d'experts, que la qualitat de les dades és darrere d'entorn del 80 % dels fracassos de projectes d'IA. Els senyals d'alerta són coneguts: ningú no sap de quin sistema surt una dada, la mateixa dada té un valor diferent en dues aplicacions o la base documental té versions antigues.

**La supervisió humana es degrada si no es mesura.** Amb volum alt i un sistema que sol encertar, la revisió acaba sent un tràmit. Cal mesurar les discrepàncies entre la proposta de la IA i la decisió final: si mai no n'hi ha cap, és un senyal de dependència, no d'encert.

**El que no es pot explicar no es pot motivar.** Millor solucions que citin la font (RAG) i documentació en llenguatge planer del que aporta el sistema en cada cas.

**Sense registres no hi ha manera de respondre a una reclamació.** Desar entrada, sortida, versió del model i qui ho va validar, i assegurar-se per contracte l'accés a aquests registres.

**El pilot gratuït no és el cost real.** Cal estimar el cost recurrent (llicències, consum al núvol) abans del pilot i incloure als plecs la sortida del proveïdor sense pèrdua de dades.

**La ciutadania pot prendre una resposta com a criteri oficial.** Respostes orientatives amb enllaç a la font, recordatori de terminis i tràmits, i un canal humà sempre visible.

**Començar petit.** Casos acotats i de baix risc, un equip mixt tècnic, jurídic i del servei, i formació des del principi.

## Quin tipus de projecte és cadascun

Els casos responen a quatre patrons que es repeteixen en gairebé qualsevol entitat:

| Patró | Casos | Risc habitual | Clau de l'èxit |
|---|---|---|---|
| Assistent sobre documentació pròpia (RAG) | Atenció ciutadana, xatbot web | Respostes que es prenen com a criteri oficial | Qualitat i vigència de la documentació, citar la font |
| Suport a informes tècnics | Llicències d'obra | Que el tècnic deixi de revisar | Supervisió real i mesura de correccions |
| Classificació i derivació | Instàncies generals, registre | Errors que endarrereixen tràmits | Validació amb mostres i revisió humana |
| Contacte proactiu o de veu | Soledat no desitjada, atenció telefònica | Col·lectius vulnerables i bretxa digital | Alternativa humana i transparència |

Identificar el patró ajuda a saber per endavant quins controls calen.

## Un full de ruta per començar

1. **Mes 1–2: posar ordre a casa.** Inventari de la IA que ja es fa servir (inclosa la integrada en aplicacions), normes bàsiques d'ús, llista d'eines autoritzades i formació inicial per a tot el personal.
2. **Mes 2–3: triar un primer cas.** De baix risc, amb un problema clar i mesurable: un assistent intern sobre documentació pública o interna, sense dades personals, sol ser una bona opció.
3. **Mes 3–6: pilot.** Amb una àrea implicada des de l'inici, banc de proves i criteris d'acceptació fixats abans de començar.
4. **Mes 6: decidir.** Continuar, ajustar o aturar, amb dades. Si es continua, autorització formal i publicació del sistema.
5. **Després: escalar.** El segon cas és més fàcil: el model de govern, les fitxes i els contractes ja existeixen.

## Preguntes que convé fer-se abans del primer projecte

- Quin problema concret resolem i com sabrem si ha funcionat?
- La documentació o les dades de partida estan actualitzades i tenen responsable?
- Qui supervisa els resultats i amb quin temps?
- Què passa amb qui no pot o no vol fer servir el canal digital?
- Quant costarà l'any a escala real, no en el pilot?
- Podem canviar de proveïdor sense perdre dades ni configuració?

## Errors que es repeteixen

- **Triar el primer cas per la seva espectacularitat** i no per la seva viabilitat.
- **Llançar un xatbot sobre un web desactualitzat**: respondrà amb seguretat el que el web diu malament.
- **No mesurar abans**: sense saber quant es trigava, és impossible demostrar l'estalvi.
- **Deixar fora el personal que farà servir el sistema** fins al final.
- **Oblidar la transparència**: la ciutadania confia més en l'administració que explica quins sistemes fa servir i per a què.

## Com aplicar-ho a la teva entitat

Abans de llançar un cas, convé passar per unes preguntes mínimes: quin problema resol, si cal IA, quines dades fa servir i amb quina base jurídica, qui el supervisa i com se'n mesurarà l'èxit. Ho expliquem a [el cicle de vida d'un projecte d'IA](/ca/idees/ciclo-de-vida-proyecto-ia) i a [quina normativa s'aplica a la IA i les dades](/ca/idees/ia-y-datos-normativa-rgpd-ria-ens).

A Bidatia treballem amb administracions públiques en govern de les dades i en projectes d'IA responsables, des de l'estratègia fins a la posada en marxa.

## Preguntes freqüents

### On es poden consultar casos d'IA en ajuntaments espanyols?
La FEMP en recull diversos a la seva Guía práctica y políticas de uso de la IA en las entidades locales (2025), amb experiències d'ajuntaments i diputacions.

### Quant costa un xatbot municipal amb IA generativa?
Depèn molt de l'abast. Un dels casos recollits per la FEMP costa uns 7.000 euros l'any dins del contracte d'atenció telefònica, però sempre cal estimar el cost recurrent a escala real.

### Pot un xatbot municipal resoldre tràmits?
Pot informar i orientar, però les seves respostes han de ser orientatives, enllaçar a la font oficial i oferir un canal humà. Resoldre sense intervenció humana seria una actuació automatitzada amb requisits específics.

### Per què fracassen els projectes d'IA al sector públic?
Sobretot per la qualitat de les dades, per una supervisió humana que es converteix en tràmit, per costos recurrents no estimats i per no implicar des del principi el servei que farà servir el sistema.

### Què és la compra pública d'innovació?
Un procediment que permet a les administracions contractar solucions que encara no són al mercat o provar-les abans de comprometre un contracte gran. Diversos projectes d'IA municipals han començat així.