Així està canviant l'ús de la IA generativa en empreses: de facilitador a la presa de decisions

Al principi moltes empreses van descobrir la intel·ligència artificial generativa com una eina útil per accelerar tasques com redactar esborranys, resumir documents o proposar idees. Tanmateix, el focus s'ha desplaçat a un nivell més alt en pocs anys d'aplicació. 

Avui, de fet, l'objectiu de la intel·ligència artificial (IA) a la feina ja no és només fer més ràpida la feina de sempre, sinó integrar sistemes que assisteixen al mateix flux de decisió. 

Ús de la IA en empreses: cada cop més sistemàtic

Al McKinsey Global Survey on AI  de 2024, el 65 % dels enquestats va afirmar que la seva organització utilitzava de manera regular IA generativa, gairebé el doble que a l'enquesta de l'any anterior. El 2025, McKinsey va situar aquest percentatge en un 78 % i va descriure que l'ús ja s'estén a més funcions i unitats. 

A mesura que s'abareteix i s'integren amb dades i eines internes, moltes companyies estan passant d'usos puntuals a integracions més sistèmiques.

Els agents d'IA demanen pas a l'empresa

El terme que més es repeteix en aquesta nova fase és agent (agentic AI). 

A diferència del chatbot que respon preguntes, un agent d'IA és un sistema que pot executar una tasca en diversos passos: interpreta un objectiu, consulta informació, pren decisions intermèdies, truca a eines (per exemple, un CRM, un ERP, un gestor de tiquets o una base documental) i produeix una recomanació o una acció. 

Grans plataformes de gestió ja estan incorporant agents d'IA capaços d'executar tasques i decisions operatives dins dels fluxos de treball.

Segons una estimació de Gartner, l'any 2028, un terç de les aplicacions de programa empresarial inclouran capacitats agèntiques i almenys el 15 % de les decisions de treball no crítiques es prendran de manera autònoma mitjançant aquests sistemes. 

Algunes organitzacions ja estan explorant la possibilitat de delegar microdecisions repetitives i utilitzar la IA com una espècie de “seleccionador d'opcions” en decisions més complexes.

Decisions operatives i decisions estratègiques amb intel·ligència artificial

Aquesta evolució afecta dos àmbits de les empreses. 

El primer és l'operatiu: compres, inventari, rutes logístiques, previsions de demanda, priorització d'incidències o assignació de recursos. Són àmbits on hi ha molts casos, poc temps i regles relativament clares. 

El segon és el tàctic-estratègic: màrqueting, pricing, risc, inversions, expansió, portafolis de producte. Aquí la intel·ligència artificial serveix per contrastar el criteri humà, ampliant escenaris, variables i comparació amb dades històriques internes.

Exemple d'ús d'IA per prendre decisions empresarials

La indústria audiovisual porta anys utilitzant models predictius per prendre decisions de distribució i màrqueting, i ha experimentat amb eines per estimar els resultats comercials. 

Des de 2020 existeixen exemples de col·laboració entre grans productores i start-ups que utilitzen machine learning per ajudar a predir el rendiment de projectes i guiar decisions en fases primerenques. 

En aquests casos, el programa s'utilitzaria com una eina de suport a la presa de decisions, especialment en màrqueting i distribució, i no com un sistema que aprova o rebutja pel·lícules de manera automàtica. 

Es tracta de plataformes integrades de dades, analítica i intel·ligència predictiva per fonamentar decisions crítiques durant la cadena de valor d'una pel·lícula.

La investigació acadèmica fa més d'una dècada que explora prediccions de taquilla amb senyals previs a l'estrena, per exemple, a partir d'activitats a Wikipedia. Ningú garanteix que l'encerti, però permet arribar a la reunió de decisió amb més informació.

La mateixa idea és extrapolable a molts sectors: quan una empresa té prou dades de qualitat comparables (historials de projectes, costos, finestres de llançament, territoris, rendiment per canals), la IA pot convertir la discussió en una cosa menys intuïtiva i més verificable.

Com utilitzar la IA per prendre decisions a l'empresa: riscos i precaucions

Ara bé, quan la IA entra al circuit de decisions, hi pot aparèixer certa mandra analítica: “Si ho ha dit el model, deu ser cert”. Els qui hagin experimentat amb models d'IA en aquest àmbit saben que això pot costar molt car.

Dissenyar controls per a la IA

En altres paraules, encara que un sistema automatitzat interactuï amb el client o proposi una decisió, l'organització ha de continuar responent d'això. 

Això obliga a dissenyar controls que passen per traçabilitat, supervisió, gestió d'incidències, govern de la dada, actualització de continguts i límits clars sobre què pot “tancar” la màquina i què ha d'escalar-se a una persona.

Demanar contraarguments i explicacions a la IA

També hi ha un risc cognitiu: si s'utilitza la IA com a confirmació d'una hipòtesi, tendirà a reforçar el marc inicial i a fer més convincent una mala decisió. És a dir, ens acostuma a donar la raó. 

L'antídot en aquest cas és demanar-li contraarguments, explorar escenaris negatius, identificar variables que podrien invalidar la recomanació i exigir explicacions operatives (com has arribat a aquesta conclusió?). Ens hem de qüestionar qualsevol resposta de la IA.

Identificar riscos i decidir processos

A nivell normatiu, l'AI Act a la UE i el NIST AI Risk Management Framework als EUA (voluntari) proposen un enfocament pràctic per identificar i gestionar riscos durant el cicle de vida del sistema. Pel que fa a la mateixa empresa, si la IA influirà en decisions, cal decidir primer com serà aquest procés. És a dir, quines dades s'utilitzen, qui les valida, quins llindars activen la revisió humana, com s'auditen els resultats i com es corregeix el sistema quan l'entorn canvia.

La IA està canviant el treball directiu, que es basarà menys a produir informació i més a avaluar la seva qualitat, context i conseqüències. L'avantatge competitiu serà afavorir la presa de decisions importants d'una manera més deliberada.

Et recomanem:

• La IA pot pensar com un matemàtic? Ho estan intentant
• Dissenyant el futur: la IA transforma l'experiència del client bancari