Moltes empreses inverteixen en sistemes de seguiment que, en realitat, només són temporitzadors connectats a plantilles de correu. Quan un client canvia de canal, un termini es modifica o l'assumpte es torna confidencial, el sistema continua enviant recordatoris perquè entén temps transcorregut, no l'estat real del flux de treball. Dissenyar un agent d'IA amb supervisió humana per a fluxos de seguiment requereix un enfocament completament diferent: basar-se en màquines d'estat, regles deterministes i punts de revisió ben definits. A Q2BSTUDIO, com a empresa especialitzada en aplicacions a mida, sabem que la clau està en integrar aquestes capacitats sense reemplaçar el criteri professional.
El primer error és començar demanant al model que “escrigui un seguiment amable”. En lloc d'això, cal definir una màquina d'estats: creat, pendent, esperant resposta, recordatori enviat, resposta rebuda, acció requerida, resolt. Cada registre ha de contenir suficient context —tipus de flux, propietari, contacte extern, data esperada, impacte comercial, accions permeses— perquè el sistema pugui recomanar el proper pas segur. Aquest estat no s'inventa: es llegeix des del CRM, el gestor de projectes, l'ERP o qualsevol base de dades connectada. Per a empreses que treballen per projectes, com les de disseny d'interiors o construcció, aquesta capa d'automatització se situa sobre el programari existent sense substituir-lo.
Un agent fiable combina regles deterministes amb raonament de models de llenguatge. Les regles decideixen si un termini ha vençut, si s'ha rebut una resposta, si una factura està vençuda, si l'enviament automàtic està permès i si cal una escalada. El model s'encarrega de tasques que requereixen llenguatge i context: resumir la conversa anterior, classificar la resposta, redactar un missatge contextualitzat, extreure una data promesa, identificar una aprovació, rebuig o excepció, i recomanar la següent acció. Aquesta combinació evita que l'agent actuï fora dels límits predictibles. En implementar aquestes solucions, és important considerar també la IA dins d'un ecosistema de ciberseguretat, cloud AWS/Azure i BI/Power BI per garantir que les dades sensibles estiguin protegides i que les decisions es recolzin en informació actualitzada.
Cada flux necessita un esdeveniment d'inici explícit: una proposta marcada com a enviada, una sol·licitud d'aprovació creada, un pressupost de proveïdor sol·licitat, una factura que arriba a la seva data de venciment. Sense un desencadenant clar, l'automatització es converteix en una cerca periòdica sobre dades desordenades, generant falsos recordatoris i desconfiança. L'agent ha de monitoritzar els canals reals que utilitza el negoci: correu electrònic, CRM, formularis i, quan les integracions ho permetin, plataformes de missatgeria. En rebre una resposta, ha d'aparellar-la amb el contacte, projecte i element correctes, classificar-la, extreure dates i decisions, actualitzar l'estat, cancel·lar recordatoris innecessaris i escalar excepcions.
La supervisió humana no ha de consistir a enviar-ho tot a un gestor amb un botó d'aprovar. Cal definir criteris explícits. L'agent pot enviar automàticament quan el missatge és un recordatori rutinari, la plantilla aprovada encaixa, el destinatari i projecte estan confirmats, no han canviat condicions comercials i no hi ha informació sensible. En canvi, requereix aprovació humana quan es discuteixen abast, preu, pagaments o compromisos de lliurament; quan hi ha una variació o disputa; si el client està insatisfet; si l'agent té baixa confiança; si l'acció pot afectar una relació important; o si el següent pas és irreversible. Aquest enfocament s'alinea amb el marc de gestió de riscos de NIST, que emfatitza definir rols humans i responsabilitats de supervisió.
L'escalada s'ha de basar en l'impacte, no només en l'antiguitat. Un retard en l'aprovació de materials que bloqueja una compra de llarg termini ha d'escalar abans que un document no crític. També és vital registrar cada acció: què va desencadenar l'esdeveniment, quina informació va utilitzar l'agent, què va generar o canviar, quina regla va permetre l'acció, si hi va haver aprovació humana i què va passar després. Sempre que sigui possible, les accions han de ser reversibles: els esborranys es poden editar, els canvis d'estat corregir i les classificacions anul·lar. El registre d'auditoria no només serveix per al compliment, sinó per diagnosticar fallades, millorar prompts i ajustar regles d'escalada.
Un flux pràctic per al seguiment de propostes podria funcionar així: la proposta s'envia, es registra la data de seguiment i el propietari, es monitoritza la safata d'entrada i el CRM, en detectar que no hi ha resposta al termini, es recupera el context de la proposta i la comunicació, es redacta un seguiment, es verifica la política d'autonomia, s'envia o es sol·licita aprovació, es captura i classifica la resposta, s'actualitza el CRM i es crea la següent acció o s'escala. Aquest mateix patró s'aplica a aprovacions de clients, cotitzacions de proveïdors, seguiment de compres, actualitzacions de projecte i fites de pagament.
La implantació s'ha de fer per fases. Primer, observar: identificar elements vençuts sense actuar. Després, redactar: preparar missatges i recomanacions. Després, aprovar: requerir revisió humana per a accions sortints. Després, automatitzar selectivament: enviar recordatoris de baix risc. Finalment, expandir: afegir més fluxos quan les dades i les regles siguin fiables. Les mètriques clau són temps de resposta, elements vençuts, intervencions manuals, traspàs perduts, falsos recordatoris i temps de resolució. Aquests indicadors mostren si l'automatització està millorant les operacions o simplement generant més missatges.
El millor primer agent sol ser el més avorrit: el que s'encarrega de fluxos repetitius amb impacte directe en ingressos, lliuraments, compres i flux de caixa. No reemplaça el judici professional, sinó que manté el flux de treball en moviment i porta l'excepció correcta a la persona adequada. L'objectiu no és automatitzar cada conversa, sinó evitar que el treball important es perdi entre sistemes, safates d'entrada i persones. A Q2BSTUDIO ajudem a dissenyar aquests agents integrant aplicacions a mida, cloud AWS/Azure, BI/Power BI, ciberseguretat i IA perquè el seu negoci avanci sense perdre el control.
