Una hipòtesi pràctica per aplicar la intel·ligència artificial a un procés concret, valorar el temps alliberat i preparar els pressupostos de 2027.
Us proposem començar amb una pregunta: quin procés de l’empresa volem millorar o accelerar? Pot ser la preparació de propostes comercials, la gestió de consultes o l’elaboració d’informes. Identificar una necessitat concreta ens ajudarà a valorar què hi pot aportar la intel·ligència artificial, quin cost tindrà i com comprovarem si la inversió ha valgut la pena.
Cada empresa té processos, recursos i prioritats diferents. Per això, abans d’escollir una eina, convé entendre com es fa la feina avui: quins passos se segueixen, qui hi intervé, quant temps s’hi dedica i on es produeixen les dificultats. Aquesta revisió també pot revelar millores senzilles, com ordenar la informació o disposar de plantilles compartides, que facilitin després l’ús de la IA.
A partir d’aquí, es podria formular una hipòtesi.
Imaginem una pime que prepara 120 propostes comercials al mes. Per elaborar-les, l’equip consulta la informació del client, adapta els serveis que ofereix, redacta el document i en revisa el contingut i les condicions. Cada proposta requereix, de mitjana, 30 minuts de treball fins a la validació: en total, 60 hores mensuals.
L’empresa vol agilitzar aquesta feina i dedicar més temps al seguiment comercial, una activitat que sovint queda pendent. En aquest context, la hipòtesi podria ser aquesta:
Si utilitzem IA per preparar un primer esborrany a partir de la informació del client i de plantilles validades, podríem reduir el temps de preparació de cada proposta de 30 a 15 minuts, mantenint-ne la qualitat, i dedicar les hores alliberades al seguiment dels clients.
La IA ajudaria a preparar el document, mentre que l’equip continuaria comprovant que els serveis, els imports i les condicions són correctes. Els 15 minuts previstos haurien d’incloure tota la feina necessària: preparar la informació, donar instruccions, revisar el resultat i corregir-lo. La comparació s’ha de fer entre dues propostes acabades i amb un nivell de qualitat equivalent.
Si aquesta hipòtesi es confirmés, la dedicació baixaria de 60 a 30 hores mensuals. L’empresa disposaria, per tant, de 30 hores al mes per reforçar el seguiment comercial.
Quin valor podem donar a aquest temps? Per fer una primera estimació, suposem un cost laboral complet de 25 euros per hora, que inclou el salari i les cotitzacions a càrrec de l’empresa. És una xifra il·lustrativa que cada organització hauria de substituir pel seu propi cost.
En aquest exemple, el valor estimat del temps alliberat seria:
30 hores × 25 €/hora = 750 € mensuals.
Ara cal calcular què costa aconseguir aquesta millora. La quota de l’eina és només una part: també cal considerar la configuració, la preparació de les dades, les possibles integracions, la formació i el suport, incloent-hi la dedicació interna que requereixin.
A més, algunes solucions incorporen cobrament per consum. Microsoft, per exemple, ofereix serveis amb facturació basada en crèdits d’ús, que poden complementar les llicències fixes. Per pressupostar-los, cal revisar què inclou la subscripció i quines activitats generen costos addicionals.
Per continuar amb la nostra hipòtesi, suposem que els costos addicionals d’aquest cas queden recollits en dues partides: 250 euros mensuals en llicències, consum i suport, i 1.200 euros inicials en configuració i formació.
Per comparar-los amb el valor del temps alliberat, distribuïm els 1.200 euros inicials entre dotze mesos: equivalen a 100 euros mensuals. És un criteri de comparació per al primer any; el pagament real pot concentrar-se al començament.
Així, el cost mensual equivalent de la iniciativa seria de 350 euros: 250 de despesa recurrent i 100 de la posada en marxa distribuïda.
| Abans d’incorporar la IA | Amb IA, si es confirma la hipòtesi | |
|---|---|---|
| Propostes comercials preparades | 120 propostes | 120 propostes |
| Temps per proposta, fins a la validació | 30 minuts | 15 minuts |
| Hores de treball dedicades | 60 hores | 30 hores |
| Cost laboral imputat, a 25 €/hora | 1.500 € | 750 € |
| Llicències, consum i suport d’IA | 0 € | 250 € |
| Configuració i formació distribuïdes en 12 mesos | 0 € | 100 € |
| Cost mensual imputat a preparar les propostes | 1.500 € | 1.100 € |
Totes les xifres són hipotètiques. No són tarifes de mercat ni una previsió de rendiment.
El cost imputat a aquesta activitat baixaria en 400 euros mensuals: els 750 euros de temps alliberat menys els 350 euros de cost equivalent de la iniciativa. Però això no significa que l’empresa tingui 400 euros més al compte cada mes. Si manté la mateixa plantilla i els mateixos salaris, la despesa salarial continuarà igual i s’hi afegiran els costos de la IA.
El que haurà aconseguit és capacitat per fer altres feines. En el nostre exemple, el benefici dependrà de si aquestes 30 hores permeten contactar amb clients que quedaven sense seguiment, respondre abans o atendre millor les oportunitats comercials. Una possible millora de les vendes s’hauria de comprovar; no es pot donar per feta.
Per contrastar la hipòtesi, podem fer una prova de poques setmanes amb propostes comparables, comparant-ne l’elaboració amb el procediment habitual i amb suport d’IA. Caldria registrar el temps total de preparació i revisió en cada cas, les correccions necessàries i el cost real de l’eina. També convindria comprovar si el temps alliberat s’ha pogut dedicar al seguiment comercial previst i amb quin resultat.
De cara als pròxims pressupostos, aquesta prova ens permetria estimar els recursos necessaris amb més criteri. En l’exemple, mantenir la iniciativa durant dotze mesos representaria 4.200 euros el primer any: 3.000 de despesa recurrent i 1.200 de posada en marxa, sempre que es mantinguessin els costos previstos.
Creiem que començar per un procés concret i una hipòtesi mesurable pot ajudar les empreses a prendre aquestes decisions. Definir què volem millorar, quant ens costa i en què aprofitarem el temps alliberat ens dona una base per decidir si convé ampliar l’ús de la IA, ajustar-lo o replantejar-lo.
Per més informació:
- Microsoft Learn — Facturació per ús i gestió de Copilot Credits. Actualitzada el setembre de 2026. Serveix per explicar quotes, consum, límits i seguiment pressupostari. Microsoft Learn
- FinOps Foundation — Unit Economics. Aporta el criteri de relacionar la despesa tecnològica amb resultats: cost per consulta resolta, proposta preparada o tasca completada. finops.org
- Brynjolfsson, Li i Raymond — Generative AI at Work, publicat el 2025. L’estudi sobre 5.172 professionals d’atenció al client observa aproximadament un 15% més de casos resolts per hora, amb resultats diferents segons el perfil del treballador. És una evidència útil, vinculada a aquell context concret. academic.oup.com
- METR — Actualització sobre com mesurar la productivitat amb IA, febrer de 2026. Explica les dificultats de mesurar els guanys i els biaixos de les estimacions. Reforça la conveniència d’obtenir dades pròpies abans d’extrapolar percentatges. METR
