L'IA no et substituirà. Però algú amb IA, sí.

Vaig acabar el màster d'Intel·ligència Artificial en Comunicació i Mitjans a la UCM fa quatre mesos. Era el meu intent honest de no ser un altre consultor que diu "fem una cosa amb IA" mentre confon Claude amb un cercador. Després d'aquell màster, i d'haver implementat IA en sis projectes amb clients reals des de llavors, tinc una conclusió incòmoda per al mercat: la majoria del que es ven com a "IA per a pimes" avui no aporta res.

No perquè la IA no funcioni. Funciona. Però la indústria del "tens un GPT a la teva web" ha creat una expectativa que no es correspon amb el que realment dóna ROI. La conseqüència és que pimes que paguen 8.000€ per un "assistent intel·ligent" acaben desactivant-lo al cap de dos mesos perquè ningú l'usa.

Aquí va el que sí he vist funcionar — i el que no — en els últims quatre mesos amb clients reals.

Tres casos on l'IA sí que ha donat ROI clar.

Cas 1 · Resposta a leads del web fora d'hora — clínica privada.

Context: una clínica de fisioteràpia esportiva de Sant Cugat amb sis professionals. El 60% dels seus leads arribaven entre les 19h i les 23h, quan els pacients tornaven de la feina i buscaven al mòbil. Resposta de la clínica: l'endemà al matí, si arribava la persona que portava agendes.

Resultat: el 38% dels leads ja no contestaven al WhatsApp de tornada. Massa havien anat a buscar a un altre lloc.

Què vam fer: un agent IA (Claude amb un wrapper a n8n) que respon automàticament al WhatsApp en menys de 30 segons. No diagnostica res. No fa medicina. Fa quatre coses concretes:

• Saluda pel nom (si la persona ha emplenat el formulari del web).
• Confirma que el missatge ha arribat i que un humà respondrà demà al matí.
• Si la persona pregunta horaris, preus orientatius o què inclou un tractament, ho respon des d'una base de coneixement curada per la clínica.
• Si pregunta res mèdic o personal, diu literalment "això ho ha de respondre algú del nostre equip, t'ho passem demà a primera hora".

Resultat 90 dies després: la taxa de pèrdua de leads de tarda/vespre va baixar del 38% al 12%. Cost de muntatge: 1.200€ + 35€/mes de tokens. Retorn estimat el primer trimestre: 15-20 pacients addicionals captats. Inversió pagada en sis setmanes.

Cas 2 · Generació de descripcions de producte — e-commerce de tèxtil llar.

Distribuïdor petit del Penedès amb 1.800 referències de producte. Cada referència nova necessitava una descripció de 80-150 paraules per al web i tres bullets per a la fitxa de Google Shopping. La persona que ho feia tardava 12-18 minuts per producte, escrivint al final del dia. Backlog perpetu de 200 productes sense pujar.

Què vam fer: un workflow n8n que pren les especificacions tècniques del producte (composició, mida, color, ús) i genera tres outputs en català i castellà: descripció web SEO-friendly, bullets Shopping, metadescripció. La persona revisa, corregeix matisos de to, valida en 90 segons.

Resultat: temps per producte 12 minuts → 2 minuts. Backlog buidat en sis setmanes. Producte nou al web mig dia després de l'arribada físic (abans: 2-3 setmanes). Cost: 600€ de muntatge + 12€/mes de tokens.

Important: no hi ha cap producte amb la descripció directament de l'IA. La persona valida tot. La diferència és que ara valida en lloc d'escriure des de zero. La feina creativa s'ha mantingut; la feina mecànica ha desaparegut.

Cas 3 · Classificació automàtica del correu del comercial.

Distribuïdor industrial amb 18 anys al sector. El comercial sènior rebia 80-120 emails al dia, dels quals només el 15% eren oportunitats reals. La resta: queixes resoltes per administració, demandes d'informació genèrica que podia respondre un junior, spam comercial.

Què vam fer: un classificador IA que llegeix l'email d'entrada i el posa a una de cinc categories. Etiquetes a Gmail, alertes a Slack pels "calents", autoresposta amb informació estàndard per als "informació genèrica". Al final del dia, l'inbox del comercial té només els 12-15 que importen de veritat.

Resultat: 1,5 hores al dia recuperades per al comercial. Augment del 22% en oportunitats tancades el trimestre següent (no perquè vinguessin més, sinó perquè es contestaven més ràpid les que arribaven). Cost total: 800€ de muntatge + 8€/mes de tokens.

Tres casos on l'IA no ha donat ROI (encara).

Cas 1 · Chatbot "intel·ligent" al web principal.

Una marca de menjar saludable em va contractar per posar un chatbot a la home. La idea era que respongués preguntes sobre productes, ajudés a triar dietes, etc. Cinc setmanes de feina, integració amb el catàleg, base de coneixement curada.

Resultat 60 dies després: 800 sessions iniciades, 12 derivacions a humà, 3 vendes que es poden atribuir al bot. Pràcticament cap.

Per què: l'usuari que arriba al web ja ha decidit que té gana o que vol una dieta nova. El que necessita és veure el menú, no parlar amb un assistent. El chatbot afegia un pas innecessari. Ho vam desactivar als 90 dies. Vam invertir el mateix pressupost en millorar el filtre del catàleg i la pàgina de producte. ROI tornà el segon mes.

Cas 2 · "Copilot intern" per a equip de 12 persones.

Una agència de comunicació em va demanar muntar un xat intern amb accés a tots els seus arxius (Drive, Notion, emails). La idea: que qualsevol del seu equip pogués preguntar "què sabem sobre el client X" o "quin va ser l'últim brief de campanya".

Resultat 90 dies després: 4 persones de 12 l'usaven més d'un cop per setmana. La resta deia que el cercador de Notion ja anava bé. Cost de muntatge va ser de 4.200€. Cost de tokens i manteniment: 180€/mes. ROI mesurable: zero.

Per què: subestima sempre la fricció de "canviar d'hàbit". Si la teva gent ja té un sistema (Notion, Google, slack, el que sigui) i aquest sistema funciona, afegir-hi un "copilot per sobre" no aporta valor a menys que la cerca actual sigui dolenta. En aquest cas no ho era.

Cas 3 · "AI Avatar" del fundador per a vídeos d'onboarding.

Una startup va voler que els nous clients rebessin un vídeo personalitzat de benvinguda generat per IA, amb un clon de la veu del fundador mencionant el nom del client. Tecnologia: HeyGen + ElevenLabs.

Tècnicament: funcionava. La conversió "veure el vídeo" → "fer onboarding" va ser idèntica a un email de text. El vídeo trigava més a carregar, el clima d'incomoditat ("això és real?") va frenar més que ajudar. Cost: 2.000€ + suscripcions mensuals. Vam tornar a l'email de text.

Per què: hi ha una diferència entre "podem fer-ho amb IA" i "ha de fer-se amb IA". El primer és tecnologia; el segon és valor. Si no millora una mètrica que tu mesures, no ho fas.

El patró que veig.

Després de sis projectes i quatre mesos d'experimentar, em queda una sola regla pràctica per a pimes que volen aplicar IA:

Tots tres casos exitosos d'amunt comparteixen això:

• Hi havia una feina existent que algú feia (mal o tard).
• Estava clarament delimitada: respondre a leads, generar descripcions, classificar emails.
• El cost humà era visible: hores, leads perduts, backlog.
• La persona que la feia es va alleugerir, no preocupar.

Tots tres casos no exitosos compartien això:

• No hi havia feina existent: era una "iniciativa" nova.
• El problema era difús: "ajudar el visitant", "millorar l'onboarding".
• El cost de no fer-ho no era clar.
• La gent va veure-ho com una capa nova sobre el que ja feien.

Per què "algú amb IA" sí que et substituirà.

El títol d'aquest article no és un click-bait. És literalment el que veig al mercat. Els teus competidors que estan invertint en IA de manera intel·ligent — eliminant feines avorrides, no creant serveis ostentosos — estan recuperant hores cada setmana, reduïnt costs fixos i podent dedicar més temps al que sí necessita una persona.

Si el teu competidor estalvia 10 hores de persona la setmana en feines operatives gràcies a tres workflows ben pensats, pot:

• Atendre el doble de leads en el mateix temps.
• Vendre amb un marge superior perquè el seu cost operatiu és menor.
• O simplement viure millor — que també és una opció vàlida.

En cap dels tres casos t'està "substituint la IA". T'està substituint una persona que ha aprés a fer servir IA com a multiplicador. La diferència és semàntica, però la mira final és pràctica.

Què fer si volies invertir 5.000€ en IA aquest any.

Si tens un pressupost limitat per provar IA, et donaria aquest ordre de prioritat:

1. Auditoria d'eficiència (1-2 setmanes, 1.000-1.500€). Identificar les 3-5 feines del teu equip que són repetitives, ben delimitades, i clarament avorrides. Sense la auditoria, qualsevol cosa que muntis serà un tret a cegues.
2. Implementar 1 workflow petit (2-3 setmanes, 800-1.500€). Tria el cas de més impacte i menys risc. Mesura abans i després.
3. Formació de l'equip (1 dia, 600-1.000€). Que tothom sàpiga fer servir Claude/ChatGPT al dia a dia per a les feines individuals (escriure, resumir, traduir). Això sol ja és un multiplicador silenciós.
4. Reservar la resta (~1.000-1.500€). Quan el primer workflow demostri ROI, en muntem un segon. Si no demostra ROI, no muntem cap més.

Si algú et proposa "implementar IA" sense aquest ordre, está venent el resultat sense entendre el procés. I, com hem vist, normalment és millor desinvertir en el procés mal pensat que invertir més.