FAQ · IA en l’empresa

Pot connectar vendes, marge, circulant i caixa i proposar una explicació traçable; necessita dades conciliades i no ha de confondre creixement amb generació de caixa.

Són magnituds diferents; la IA pot ajudar a explicar-ne els ponts, però la font comptable i de tresoreria ha d’estar reconciliada.

Pot comparar real, pressupost i període comparable, quantificar diferències i ordenar possibles drivers; cal separar causa demostrada d’hipòtesi.

Exigeix període, fonts, fórmula, conciliació, excepcions i evidència. Si no pot citar la base del càlcul, no s’ha de considerar verificada.

Sí, pot estructurar indicadors, comentaris i preguntes, però els totals i definicions han de provenir d’un model controlat.

Caixa, clients, vençut, inventari, proveïdors, NOF i dies operatius poden orientar l’anàlisi; els indicadors exactes depenen del model de negoci.

Sí, si existeixen factures, venciments i cobraments; saldo de client no és igual a morositat.

Sí, amb emissió, venciment, cobrament i data de tall; una factura vençuda no és automàticament incobrable.

Pot preparar previsions i sensibilitats a partir de fluxos i drivers; no ha de donar per fet cobraments futurs ni finançament disponible.

Pot construir escenaris si definim vendes, marge, circulant i altres fluxos; el resultat és una estimació condicionada per hipòtesis explícites.

Pot comparar impactes i dependències, però la prioritat final requereix informació operativa, riscos i autorització humana.

Pot descompondre preu, cost, mix, client, canal o família si les dades ho permeten; no ha d’atribuir causalitat sense evidència.

Pot mesurar valor, evolució i concentració; sense demanda futura, lots o caducitat no pot afirmar obsolescència ni estalvi realitzable.

Definint el model, regles de conciliació i comprovacions automàtiques; a ALBOR el cost variable de servei ja està dins de Logística.

Sí, si se li exigeixen fets, magnitud, evidència, hipòtesi o dada pendent i acció següent.

Dades sensibles, personals, bancàries, contractuals o confidencials només s’han d’utilitzar en entorns autoritzats i amb minimització adequada.

Només en sistemes dissenyats amb identitat, permisos, segregació, controls i autorització; en aquesta formació la IA no executa pagaments.

Quan la pregunta es repeteix, les dades són estables, existeixen definicions comunes i el valor justifica automatitzar reporting o alertes.

Amb una línia base i indicadors com temps, errors, qualitat de decisió, freqüència, cost i control, abans i després de la prova.

Judicis materials, acceptació de riscos, aprovacions i decisions amb responsabilitat econòmica sense un govern humà explícit.

Pot representar passos, entrades, restriccions, responsables i excepcions, sempre que l’operació real estigui descrita amb prou evidència.

Pot identificar patrons en temps, cues, incidències o capacitat si disposem de dades adequades; no ha d’inventar causes absents.

Sí, com a suport a models i escenaris, però necessita història, calendaris, promocions i drivers rellevants; una predicció no és una certesa.

Pot simular trade-offs i fer visibles restriccions; la decisió requereix objectius de servei, costos i tolerància al risc.

Sí, pot classificar, resumir i buscar patrons; atribuir una causa concreta requereix dades que la sostinguin.

Pot construir opcions i escenaris, però ha de respectar capacitats, calendaris, restriccions i dades validades.

Contrastant-la amb restriccions dures, capacitat, inventari, terminis, proveïdors i regles de negoci abans d’executar.

Pot estructurar criteris, evidència i comparatives; la decisió ha de separar dades objectives, condicions i judici de risc.

Pot assenyalar senyals i dependències si existeixen dades; no pot garantir solvència, continuïtat o compliment futur.

Sí, pot preparar-la amb fets, impacte, pregunta i següent pas; l’enviament i els compromisos els valida una persona.

Tècnicament és possible amb integracions i permisos, però només és prudent amb límits, segregació, traça i autorització definits.

Preus, contractes, clients, proveïdors, rutes, dades personals i informació competitiva s’han de minimitzar i protegir.

Sí, pot extreure i classificar informació, però cal validar qualitat, excepcions i camps crítics.

Quan és prou estable, repetible, mesurable i governable; automatitzar variabilitat mal entesa pot amplificar errors.

Temps de cicle, errors, cost, servei, excepcions, treball manual i qualitat són mesures habituals; cal una línia base.

Pot ordenar-les segons criteris definits, però els criteris de criticitat i escalat han d’estar governats.

Pot construir escenaris si coneix dependències, estocs, alternatives i terminis; no ha d’assumir alternatives inexistents.

Separant llenguatge de càlcul i aplicant restriccions deterministes abans de presentar la proposta.

Augmenta l’autonomia i, per tant, la necessitat d’identitat, permisos, límits, supervisió i capacitat de revertir.

Les que comprometen servei, diners, seguretat, contractes o excepcions materials sense un marc d’autorització explícit.

Pot resumir, estructurar i relacionar fonts, però la qualitat depèn del context aportat i de la verificació dels fets.

Pot preparar opcions, evidència i conseqüències; la responsabilitat, prioritats i acceptació del risc continuen essent humanes.

Sí, si les hipòtesis i drivers són explícits; un escenari és una eina per pensar, no una predicció.

Pot ampliar l’exploració i connectar dades, però cal distingir correlacions, hipòtesis i evidència.

Pot comparar impacte, viabilitat, risc, dades, capacitat i cost; la cartera final ha de respondre a prioritats reals de negoci.

Definint abans el problema, la mètrica, la línia base, el cost total i el criteri d’èxit.

Sí, pot sintetitzar antecedents, decisions pendents, alternatives i preguntes, sempre que les fonts estiguin governades.

Exigint fonts, incertesa, càlculs, contraarguments, dades absents i una revisió humana proporcional al risc.

Informació confidencial, personal, privilegiada o estratègicament sensible fora d’un entorn autoritzat i governat.

Quan la diferenciació, integració, control, dades, seguretat o recurrència justifiquen construir-lo i mantenir-lo.

Varia sobretot el grau d’autonomia, ús d’eines i capacitat d’actuar; a més autonomia, més govern.

Sí, si està integrat i autoritzat, però cal dissenyar identitat, permisos, límits, supervisió i reversibilitat.

Pot comparar escenaris i restriccions, però la decisió incorpora prioritats, risc i informació que no sempre és quantificable.

Pot analitzar dades i construir escenaris, però no elimina la incertesa ni converteix una projecció en fet.

Pot descompondre objectius, dependències, decisions i indicadors; els responsables i compromisos els fixa l’organització.

Implementació, dades, integració, govern, seguretat, canvi, consum, manteniment i revisió humana.

Amb criteris d’ús, classificació de dades, identitats, permisos, proveïdors aprovats, registre i revisió periòdica.

Incorporar IA als processos i sistemes de decisió amb govern, no només utilitzar-la com una eina puntual.

Quan el risc, impacte, irreversibilitat, ambigüitat o responsabilitat exigeixen judici i autorització humana.

Quina decisió o resultat necessitem millorar i com sabrem que ho hem aconseguit?