Valor de la IA: triar i mesurar el primer cas d'ús

Què mesura de debò aquesta capa

Mesura una sola cosa: si la teva organització sap distingir un cas que funciona d'un que no.

Sona trivial fins que es comprova. La majoria d'empreses que porten un any amb IA no pot respondre si el seu pilot va funcionar. Tenen impressions —«a l'equip li agrada», «estalviem temps»— i no tenen la xifra que hi havia abans. Sense l'abans, el després no significa res.

El que no mesura aquesta capa: la qualitat tècnica de la solució. Un sistema excel·lent sobre un cas irrellevant puntua zero aquí, i és correcte que puntuï zero.

Per què l'empresa mitjana la fa malament

Per una raó estructural i una de cultural.

L'estructural: en una empresa mitjana ningú no té «mesurar processos» a la descripció del lloc. El procés que vols millorar amb IA —redactar propostes, classificar incidències, preparar informes— no està cronometrat enlloc. Ningú no sap quantes hores consumeix al mes perquè mai no va caldre saber-ho. I quan el proveïdor pregunta per la línia base, la resposta honesta és «no ho sabem», així que se n'inventa una.

La cultural: mesurar abans de començar sembla perdre temps. Hi ha pressió del comitè per ensenyar alguna cosa, i dues setmanes d'instrumentació es llegeixen com dues setmanes de retard. Són les dues setmanes que decideixen si el projecte sobreviu al mes nou.

El resultat es veu a les dades del mercat. Gartner situa per sobre del 50% els projectes d'IA generativa que s'abandonen després de la prova de concepte. RAND va documentar el 2024 que més del 80% no entrega el valor de negoci previst. I l'informe del MIT de 2025 —el disseny del qual convé mirar amb calma: 153 directius, 52 entrevistes, més de 300 iniciatives revisades entre gener i juny, amb crítiques fonamentades al mostreig— xifra en 95% els pilots sense impacte mesurable al compte de resultats.

La nostra lectura de camp: una part gran d'aquests «fracassos» no ho són. Són projectes que no es poden demostrar. No és el mateix, i la diferència es decideix en aquesta capa.

Diagnòstic: on ets

Estadi 1 · Anècdota. Hi ha entusiasme i testimonis. Ningú no té una xifra anterior. Si el patrocinador canvia de lloc, el projecte mor amb ell. Senyal observable: quan preguntes per l'estalvi, et responen amb una demo.

Estadi 2 · Cas mesurat. Hi ha un cas amb línia base, un objectiu declarat i una data de decisió. Se sap què caldria veure per continuar i què per parar. Senyal observable: algú et pot dir «avui són 340 hores al mes» sense anar a preguntar.

Estadi 3 · Cartera governada. Hi ha diversos casos, es comparen amb la mateixa vara i es retira pressupost dels que no rendeixen. Senyal observable: en els últims dotze mesos s'ha matat un cas d'IA a propòsit. Si no se n'ha matat mai cap, no hi ha cartera: hi ha acumulació.

La majoria d'empreses mitjanes que ens truquen són a l'estadi 1 i creuen ser al 2.

Els primers 90 dies

Setmanes 1-2 · Triar el cas. Tres criteris, en aquest ordre: que el procés sigui repetitiu (si passa quatre vegades l'any no hi ha senyal a mesurar), que el resultat sigui verificable per algú (si ningú no pot dir si la sortida és bona, no hi ha cas), i que el seu amo vulgui fer-ho (un cas imposat se sabota sol).

Un criteri que deliberadament no és a la llista: que sigui el més valuós. El primer cas no és el que més estalvia, és el que millor ensenya.

Setmanes 3-4 · Línia base. Mesurar el procés tal com és avui: volum mensual, temps per unitat, taxa de reprocés, cost de les persones implicades. És feina avorrida de full de càlcul i és el que separa aquesta capa del màrqueting.

Setmanes 5-10 · Pilot acotat. Contra la línia base, amb el mateix mesurament. Res d'ampliar l'abast a mitges: si l'abast es mou, la comparació es perd.

Setmanes 11-12 · Decisió declarada. Continuar, ajustar o parar, amb el criteri escrit abans de veure el resultat. Escriure'l després és triar el criteri que confirma el que ja es volia fer.

Lliurable del trimestre: una pàgina amb l'abans, el després i la decisió. Si no cap en una pàgina, no està clar.

Què NO fer encara

• No muntis un quadre de comandament d'IA. Amb un cas no hi ha res a quadricular. Els dashboards d'IA en empreses amb un pilot són decoració.
• No intentis calcular el ROI de la IA en conjunt. No existeix. Existeix el retorn d'un cas concret.
• No compris per volum. Llicències per a tota la plantilla abans de tenir un cas mesurat és la manera més ràpida de gastar el pressupost dels quatre trimestres següents.
• No prometis un percentatge al comitè. Promet una data de decisió. És l'única cosa que pots complir amb certesa.

El que costa saltar-se-la

Costa el projecte sencer, amb retard. Un pilot sense línia base no es pot defensar quan arriba la revisió pressupostària, i tampoc no es pot cancel·lar netament: es queda en un llimb car, consumint llicències i atenció, fins que algú se'n cansa.

I costa una cosa pitjor: la segona oportunitat. Una organització que ha viscut un projecte d'IA que no es va saber demostrar triga molt a autoritzar el següent. El cost real no és el pilot fallit; és l'any i mig de paràlisi que ve al darrere.

Aquesta peça és la primera capa de la sèrie sobre les set capes de maduresa en IA. La següent és la de dades: quin material necessita de debò el cas que acabes de triar.

Preguntes freqüents

Com es mesura el ROI d'un projecte d'IA?

Contra una línia base presa abans de començar: volum, temps per unitat, reprocés i cost de les persones implicades. Sense aquest mesurament previ no hi ha ROI calculable, només estimacions. La instrumentació costa unes dues setmanes i és el que permet defensar o cancel·lar el projecte amb criteri.

Quin ha de ser el primer cas d'ús d'IA d'una empresa?

Un de repetitiu, amb resultat verificable i amb un amo que vulgui fer-ho. No el més valuós: el que millor ensenyi. El primer cas compra aprenentatge sobre la teva organització, i aquest aprenentatge és el que fa encertar en el segon.

Quant triga a veure's el retorn de la IA?

Un cas acotat dona senyal en un trimestre: sis setmanes de pilot contra línia base més la decisió. El retorn econòmic consolidat depèn del cas i del volum, i qualsevol xifra donada abans de conèixer les teves dades és una referència de sector, no una previsió.

Per què s'abandonen tants pilots d'IA després de la prova de concepte?

Gartner situa aquesta xifra per sobre del 50%. En la nostra experiència, una part important no fracassa tècnicament: fracassa en la demostració. Sense línia base, el pilot no pot provar que va funcionar, i el que no es pot provar no sobreviu a una revisió de pressupost.