Els pilots d’IA no moren per culpa del model: moren perquè mai no van arribar a tocar el procés real. L’estudi del MIT no va trobar retorn mesurable en el 95 % de les organitzacions analitzades, i el patró que comparteix el 5 % restant és sempre el mateix: cas acotat, xifra de partida mesurada abans de començar, la IA executant-se dins del flux de treball, un camí definit per a les excepcions i un propietari de negoci amb pressupost.
Les xifres: què diuen el MIT i Gartner
El titular més repetit de l’últim any prové de l’informe The GenAI Divide: State of AI in Business, de MIT NANDA, elaborat a partir de més de tres-centes iniciatives revisades, mig centenar d’entrevistes i un centenar i mig de respostes de directius. La seva conclusió: el 95 % de les organitzacions no va obtenir retorn mesurable dels seus pilots d’IA generativa.
Convé llegir-lo amb precisió, perquè el matís ho és tot. No diu que les eines no funcionin. Diu que no es van traduir en una xifra visible al compte de resultats. La majoria es va quedar en millores de productivitat individual —que algú escrigui abans el seu correu no apareix en cap indicador— sense arribar mai al procés que factura, cobra o lliura.
Gartner apunta al mateix des d’un altre angle. El juny de 2025 va preveure que més del 40 % dels projectes d’IA agèntica es cancel·laran abans que acabi el 2027, per costos creixents, valor de negoci difús o controls de risc insuficients. I dos mesos després va estimar que el 40 % de les aplicacions empresarials incorporaran agents especialitzats a finals del 2026, davant de menys del 5 % el 2025.
La IA es ficarà a tot arreu i la majoria dels projectes que la persegueixen com a projecte es cancel·laran. No és contradictori: vol dir que la IA arribarà incrustada en processos i aplicacions que ja funcionen, no com a iniciativa independent amb el seu propi comitè. L’error car és tractar-la com un programa a part.
Les cinc raons per les quals mor un pilot
Cap no té a veure amb la qualitat del model. Totes tenen a veure amb l’entorn en què se li va demanar treballar.
- Vivia al costat del procés, no a dins. El pilot era una pantalla a part a la qual calia pujar documents a mà i de la qual calia copiar el resultat. Funciona amb vint casos de prova i s’abandona amb dos-cents, perquè la feina de traspàs es menja l’estalvi.
- Ningú no va decidir què passa amb el que és estrany. La IA l’encerta en el cas estàndard; el valor és en què passa amb el 8 % que no ho és. Sense una regla explícita —a qui es deriva, amb quina prioritat, amb quin termini— l’excepció torna al correu i el procés deixa de ser un procés.
- No hi havia xifra de partida. Si no es va mesurar quant trigava i quant costava el procés abans, la millora no es pot demostrar. I el que no es demostra no es pressuposta l’any següent. Aquesta és la fallada més barata d’evitar i la més freqüent.
- El propietari era tècnic. Els pilots que sobreviuen els demana qui pateix el problema —el responsable d’administració, el de compres, el de persones— perquè és qui defensa el pressupost quan toca decidir. Un patrocinador de sistemes el pot construir, però no el pot justificar.
- El cost per cas no es va calcular a escala. Consum de model, revisió humana, reintents i manteniment són irrellevants amb cent documents al mes i determinants amb cent mil. Val la pena fer aquest càlcul a la calculadora de ROI abans de signar res, no després.
La recerca del MIT hi afegeix una causa de fons que encaixa amb les cinc: els sistemes desplegats no aprenen de l’ús. No retenen el criteri del revisor, no s’adapten al context de l’empresa i no milloren amb el temps. Comencen amb un encert raonable i s’hi queden, mentre l’equip esperava una corba ascendent.
Què separa una demo d’un procés en producció
La distància entre les dues columnes d’aquesta taula és on es perd el 95 %. Val la pena revisar-la abans de la demo, no després.
| Dimensió | A la demo | En producció |
|---|---|---|
| Les dades | Vint exemples triats, nets i llegibles. | Escanejos torts, faxos, fotos de mòbil i el format estrany d’un proveïdor concret. |
| L’entrada | Algú puja el fitxer a mà. | Arriba sol per correu, portal o integració, s’identifica i s’encamina sense intervenció. |
| L’error | Es comenta i es passa al següent exemple. | Té un camí: es detecta, es deriva a una persona i es tanca amb termini. |
| La traça | No cal. | Qui va decidir què, amb quina versió i amb quina evidència. És el que s’ensenya en una auditoria. |
| Els permisos | Un usuari que ho veu tot. | Cada usuari veu el que és seu; l’assistent hereta aquests permisos i no els pot ampliar. |
| El cost | Irrellevant. | Cèntims per cas multiplicats pel volum anual, més la revisió humana. |
Cap de les sis files no es resol amb un model millor. Totes es resolen amb un procés al voltant del model: encaminament, excepcions, permisos, registre i mesura. És exactament el que fa un BPM, i és la raó per la qual la IA que rendeix sol estar muntada damunt d’un.
Agent washing: com saber si et venen un agent o un xatbot amb nom nou
Gartner va posar nom al fenomen: agent washing, la pràctica de reetiquetar com a agents d’IA productes que ja existien —assistents, robots de RPA, xatbots de regles—. La seva estimació, en la mateixa nota en què anticipa les cancel·lacions, és contundent: dels milers de proveïdors que es presenten com a agèntics, només uns 130 ho són realment.
Quatre preguntes n’hi ha prou per separar el gra de la palla en una reunió comercial:
- Decideix o només respon? Un agent tria entre diversos camins possibles segons l’estat del cas. Si el recorregut està fixat per endavant, és un flux amb llenguatge natural al damunt — perfectament útil, però no és el mateix ni hauria de costar el mateix.
- Actua sobre algun sistema real? Que escrigui a l’ERP, generi l’assentament, creï l’expedient. Si només retorna text perquè una persona el copiï, l’estalvi se’l queda el copiat.
- Deixa traça de per què va fer el que va fer? Sense registre de decisió no hi ha auditoria possible, i sense auditoria no hi ha desplegament en un procés regulat.
- On és el fre? Què no pot fer mai, quin import dispara una validació humana, qui revoca els seus permisos. Si la resposta és vaga, el control de riscos no existeix — i és una de les tres causes de cancel·lació que cita Gartner.
Hem desenvolupat el marc complet a agents d’IA governats per BPM i la comparació d’arquitectures a orquestració agèntica davant del BPM tradicional.
Comprar o construir: la dada incòmoda
És la decisió que més temps consumeix als comitès i la que l’estudi del MIT respon amb menys ambigüitat: els desplegaments recolzats en proveïdors especialitzats van tenir aproximadament el doble de taxa d’èxit que els desenvolupaments interns.
No és una qüestió de talent. És d’abast. Quan una empresa decideix construir, no està construint «una crida a un model»; està assumint també l’avaluació contínua, la gestió de versions, el control d’accessos, la traçabilitat, el tractament d’excepcions i la migració quan el model que fa servir quedi obsolet en divuit mesos. Aquesta feina no apareix en l’estimació inicial i és la que acaba consumint l’equip.
La regla pràctica: construeix el que et diferencia, compra el que et costa. Un model de risc propi amb dades que només tens tu pot justificar l’esforç. Classificar factures de proveïdor, extreure camps d’un albarà o encaminar correspondència entrant, no: això ja és una funció de producte, i costa menys que el primer mes del desenvolupament.
Els set filtres abans d’aprovar el pilot següent
Si un pilot no passa els set, no és que hagi de sortir malament: és que no es podrà demostrar que va sortir bé. Que és pitjor.
- Propietari de negoci amb nom. La persona que pateix el problema avui i defensarà el pressupost demà.
- Xifra de partida mesurada. Casos al mes, minuts per cas, cost per cas i taxa d’error actual. Abans de tocar res.
- Criteri d’èxit acordat per escrit. Un número i una data: «reduir de 9 a 3 dies el tancament de l’expedient, abans del 30 de novembre».
- Dades reals i lletges. Els casos de l’últim trimestre tal com van arribar, inclosos els tres proveïdors que envien la factura en formats impossibles.
- Camí definit per a les excepcions. A qui va, amb quin termini, amb quina prioritat. Sense això no hi ha producció possible.
- Integració pactada des del primer dia. D’on entra el cas i on surt el resultat. Si la resposta és «ho veurem a la fase dos», la fase dos no arriba.
- Data de tancament. Entre quatre i vuit setmanes, amb decisió binària: passa a producció amb pressupost, o es tanca i es documenta el que s’ha après.
El setè filtre és el que més incomoda i el que té més valor. Un pilot sense data de tancament no fracassa mai: es queda en un llimb indefinit consumint atenció, que és exactament el que descriu el 95 %.
Com ho resol Dokuflex: la IA com a pas del procés, no com a projecte
La nostra posició és la que sostenen les dades: el problema gairebé mai no és el model, és tot el que té al voltant. Per això a Dokuflex BPM low-code la IA no és un producte a part, és un tipus de tasca dins del flux, amb IA privada amb dades a la UE.
- El cas entra sol. Correu, portal, integració o captura des del gestor documental. No hi ha ningú pujant fitxers a una pantalla a part, que és la primera causa d’abandonament.
- L’excepció ja té camí. Si la confiança no arriba al llindar o l’import supera el límit, l’expedient es deriva a la persona corresponent amb el seu termini. L’encaminament és part del flux, no una tasca pendent.
- La mesura ve de sèrie. Cada pas queda registrat amb la seva marca de temps, així que la comparació entre l’abans i el després no cal muntar-la: es llegeix. És el mateix rastre que explota la mineria de processos.
- Canviar és configurar. Ajustar un llindar, afegir una validació o canviar el destinatari d’una excepció és editar el procés i publicar la versió. Aquest cicle curt és el que permet arribar a la setmana vuit amb resultats en lloc d’amb un informe de situació. Ho expliquem a com reduir els terminis d’implantació.
I el processament intel·ligent de documents resol la fila més ingrata de la taula anterior: els documents lletjos de debò, els que enfonsen els pilots muntats sobre vint PDF perfectes.
Demana una demo amb els teus propis documents, no amb els nostres →
Com triar el primer cas
L’instint porta a triar el procés més vistós. Convé resistir-s’hi: el primer cas no és per impressionar, és per demostrar que el cicle complet funciona a la teva organització. Quatre condicions:
- Volum alt i repetitiu. Sense volum no hi ha estalvi visible, per bona que sigui la tecnologia.
- Regles clares. Si dos experts interns no es posen d’acord en què és correcte, el problema no és d’IA.
- Error tolerable i reversible. Un camp mal extret que es corregeix en revisió, no una decisió que arriba al client sense filtre.
- Històric disponible. El que permet comparar amb la xifra de partida i tancar la discussió amb dades.
Registre de factures de proveïdor, classificació de correspondència entrant, comprovació documental d’una alta de client. Casos avorrits, i per això guanyen. Si vols posar-los preu abans de començar, quant costa automatitzar un procés en desglossa les partides; i si el debat a la teva empresa és entre IA, BPM o robots, BPM low-code davant de RPA l’ordena.
Preguntes freqüents
És cert que el 95 % dels pilots d’IA fracassen? +
La dada prové de l’informe The GenAI Divide: State of AI in Business 2025, de MIT NANDA, i convé llegir-lo amb precisió: no diu que el 95 % dels pilots no funcioni tècnicament, diu que el 95 % de les organitzacions no va obtenir un retorn mesurable al compte de resultats. La diferència importa, perquè la fallada no és en el model sinó en el salt de l’experiment al procés que factura, cobra o lliura.
Per què mor un pilot d’IA que funcionava bé a la demo? +
Per cinc motius que es repeteixen: el pilot vivia al costat del procés i no a dins, així que algú havia de copiar i enganxar; ningú no va definir què passava amb les excepcions; no hi havia una xifra de referència prèvia, de manera que va ser impossible demostrar la millora; no hi havia propietari de negoci, només un patrocinador tècnic; i el cost per cas, irrellevant amb cent documents, va deixar de ser-ho amb cent mil.
Què és l’agent washing? +
És la pràctica de rebatejar com a «agent d’IA» un producte que ja existia: un assistent conversacional, un robot de RPA o un xatbot amb regles. Gartner la va assenyalar el juny de 2025 en advertir que més del 40 % dels projectes d’IA agèntica es cancel·laran abans que acabi el 2027, i va estimar que dels milers de proveïdors que es presenten com a agèntics només uns 130 ho són de debò. La prova pràctica: si no pot decidir entre diversos camins, actuar sobre un sistema real i deixar traça de per què ho va fer, no és un agent.
Convé comprar una solució d’IA o construir-la a casa? +
La recerca del MIT apunta en una direcció clara: els desplegaments recolzats en proveïdors especialitzats van tenir aproximadament el doble d’èxit que els desenvolupaments interns. El motiu no és la qualitat de l’equip propi, sinó l’abast: construir implica assumir també l’avaluació, la supervisió, el versionat, la traçabilitat i el manteniment quan canviï el model. Per a un cas d’ús diferencial pot compensar; per classificar factures, no.
Quant hauria de durar un pilot d’IA? +
Entre quatre i vuit setmanes. Si triga més, gairebé sempre és perquè s’ha convertit en un projecte d’integració disfressat de prova. Un pilot ben plantejat comença amb una xifra de partida mesurada abans de tocar res, s’executa sobre casos reals de l’últim trimestre i acaba amb una decisió binària: passa a producció amb el seu propietari i el seu pressupost, o es tanca.
Què cal mesurar per saber si un pilot d’IA ha funcionat? +
Quatre xifres i cap d’elles és la precisió del model: temps total del cas de principi a fi davant la xifra prèvia; percentatge de casos que es completen sense intervenció humana; taxa d’error que arriba al client final; i cost per cas, incloent-hi consum del model, revisió humana i manteniment. La precisió és un indicador intern; aquestes quatre són les que entén un comitè de direcció.
Per on convé començar amb la IA en processos? +
Per un procés d’alt volum, amb regles clares, amb documents d’entrada repetitius i amb un cost d’error tolerable i reversible: registre de factures de proveïdor, classificació de correspondència, comprovació documental d’una alta. Són casos avorrits, i per això funcionen: hi ha dades històriques per comparar, hi ha una xifra prèvia que millorar i una fallada es detecta i es corregeix sense conseqüències greus.
Fonts
- MIT NANDA — The GenAI Divide: State of AI in Business 2025 (PDF): absència de retorn mesurable en el 95 % de les organitzacions, bretxa d’aprenentatge i avantatge dels desplegaments amb proveïdor especialitzat.
- Gartner, 25 de juny de 2025: més del 40 % dels projectes d’IA agèntica es cancel·laran abans de finals del 2027; definició d’agent washing.
- Gartner, 26 d’agost de 2025: el 40 % de les aplicacions empresarials incorporaran agents especialitzats a finals del 2026.
Comença pel número, no per la demo
Calcula en 60 segons què et costa avui el procés que vols automatitzar. Sense correu i sense comercial. Amb aquesta xifra damunt la taula, qualsevol conversa posterior —amb nosaltres o amb qui sigui— es fa molt més curta.