Un projecte d’IA és qualsevol iniciativa en què una empresa decideix aplicar intel·ligència artificial a alguna cosa seva: automatitzar un procés, muntar un chatbot que atengui els clients, un assistent que respongui amb els seus documents, un sistema que classifiqui correus o factures. En resum, agafar un problema del dia a dia i intentar resoldre’l amb IA.
I gairebé tots comencen igual de bé. Molts acaben igual de malament, aparcats en un calaix uns mesos després. El curiós és que gairebé mai és culpa de la tecnologia.
Fracassar és la norma, no l'excepció
Gartner calculava el juliol de 2024 que almenys el 30% dels projectes d’IA generativa s’abandonen després de la prova de concepte, el que s’anomena el pilot. Els motius solen ser mala qualitat de les dades, controls de risc insuficients, costos que es disparen i un valor de negoci poc clar.
Si mirem la IA en general, la foto és encara més dura. El 2024, una revisió de la corporació RAND va estimar que més del 80% dels projectes d’IA fracassen, el doble que els projectes de tecnologia que no fan servir IA. La seva conclusió, després d’entrevistar 65 enginyers i científics de dades, és rotunda: la majoria d’aquests fracassos no són tècnics.
El pilot sempre surt bé, i aquí hi ha el parany
El dia que engegues una IA, tot encaixa. I encaixa per un motiu concret: en el pilot només apareixen els casos que ja havies previst i provat. Els de sempre, els que esperaves. La IA els resol sense despentinar-se, la demo impressiona i sembla que ja està.
Però un pilot és un entorn de laboratori. Li ensenyes justament el que saps que passarà, i respon justament com volies. Res a veure amb el que arriba després.
La tercera setmana: quan entra la vida real
Quan el sistema entra en el dia a dia, comencen a aparèixer els casos que ningú va preparar. Una comanda amb les dades incompletes. Un document mal escanejat. Aquella excepció que el teu equip resolia a ull i no va anotar enlloc.
La IA no ha vist mai aquests casos, així que no en sap fer res. I aquí, en aquesta tercera setmana, és on el projecte se’n va en orris. No perquè el model fos dolent, sinó perquè ningú va comptar que la realitat sempre porta variables que no caben en una demo.
No és teoria: quan la IA xoca amb la realitat
Dues històries virals ho expliquen millor que qualsevol informe.
En un partit de futbol retransmès amb càmeres automàtiques, el sistema de visió per ordinador tenia una ordre simple: seguir la pilota. Es va passar mig partit enfocant el cap calb del jutge de línia. Feia justament el que li havien demanat, només que no tenia ni idea de què era un partit.
La segona: un robot de repartiment va seguir la seva ruta amb tota l’eficiència del món i es va colar per sota del precinte d’una escena policial. No era imprudent. Una cinta de no passar no significava res per a ell. Tasca complerta, context ignorat.
Totes dues expliquen el mateix que la tercera setmana de qualsevol projecte: la IA executa de meravella el que ja ha vist, però no té sentit comú per al que no estava al guió. Per això, quan les seves decisions importen, necessita una persona a prop.
Per què "més IA" no arregla res
Quan alguna cosa falla, la reacció instintiva és demanar un model més potent. Gairebé mai és la solució.
Ho confirma RAND en buscar les causes de fons. La més freqüent no és tècnica, és de comunicació: els malentesos sobre per a què serveix el projecte entre qui construeix l’eina i qui coneix el negoci. Els projectes que tiren endavant estan obsessionats amb el problema que volen resoldre, no amb la tecnologia que fan servir.
Dit clar: el coll d’ampolla poques vegades és el model. És el procés, les dades i les persones que hi ha al voltant.
Com evitar que el teu projecte acabi en aquell 30%
No hi ha fórmula màgica, però sí unes quantes decisions que marquen la diferència. Comença per un problema que valgui la pena, perquè la IA no és per a tot, és per al que de debò importa. Fes parlar negoci i tècnica des del primer dia, ja que el risc més gran és el malentès sobre l’objectiu. Centra’t en el problema, no en l’eina, que el model és l’últim que es tria. Cuida els fonaments, les dades i on desplegaràs. I tracta l’arrencada com el dia u, no com la meta: aquells casos reals que van trencar el pilot són, precisament, el material amb què s’afina el sistema.
A Databot ho veiem així
Per a nosaltres, entregar una automatització no és el final del projecte. És el principi de la relació. Automatitzar és relativament fàcil. El difícil, i el que decideix si la IA suma o resta, és acompanyar aquella tercera setmana en què apareixen els casos que ningú va preparar.
Si estàs pensant a automatitzar un procés amb IA i vols fer-ho bé des del principi, parlem-ne.
Vas a automatitzar un procés?
T'acompanyem en aquella tercera setmana, i en totes les que vénen després.
