Páxina pillar

Implementación da IA na empresa

Guía práctica paso a paso — desde a identificación de procesos para automatizar, pasando polo piloto, ata o escalado completo. Cumprimento do EU AI Act e da RXPD, control de custos, seguridade dos datos.

Auditoría de preparación para a IA Sistemas multiaxente

A implementación da IA nunha empresa non consiste en subscribirse a ChatGPT e distribuír a subscrición entre os empregados. É un proxecto de negocio e tecnoloxía que esixe: identificar procesos concretos para automatizar, integrarse cos sistemas existentes, asegurar o cumprimento de RXPD e EU AI Act, controlar os custos, medir os resultados. En curto: esixe enxeñería.

A boa noticia: non hai que reinventalo todo. Temos a nosa espalda unha serie de implementacións de IA — desde microservizos que cobren tarefas individuais ata a plataforma interna HybridCrew que orquestra varias decenas de axentes especializados. De cada implementación tiramos leccións que trasladamos a un proceso probado. Este artigo describe como se ve ese proceso na práctica.

Tres motivos máis frecuentes polos que as empresas comezan coa IA

Aforro de tempo do equipo administrativo. Clasificación de correos, xeración de informes, atención de tickets de soporte, borradores de documentos — todo iso pódese automatizar en boa parte. Os empregados recuperan o 20-40% do tempo para tarefas que requiren xuízo humano.
Escalado do negocio sen escalar o equipo. As empresas en crecemento rápido usan a IA para atender máis clientes, proxectos, transaccións sen aumentar proporcionalmente o cadro de persoal. Normalmente máis sinxelo e rápido que a contratación.
Compliance e calidade. A IA non se cansa, non esquece, non omite pasos do procedemento. Para os procesos de auditoría (RXPD, ISO 27001, EU AI Act) — é unha calidade inalcanzable para persoas que traballan baixo presión de tempo.

Seis fases da implementación da IA

Cronograma contrastado desde a decisión ata o escalado. Cada fase ten un resultado concreto — é fácil deter o proxecto se os resultados non cumpren as expectativas.

Discovery (2-4 semanas)

Mapeamento dos procesos de negocio, identificación de candidatos á automatización, avaliación do ROI de cada un, clasificación EU AI Act, auditoría de cumprimento de RXPD. Resultado: lista de 5-10 procesos con prioridades, plan piloto para os 2-3 mellores.

Arquitectura e selección de tecnoloxía

Selección de modelos LLM (en nube, locais, multi-modelo), plataforma de orquestración, infraestrutura (nube vs. on-premise vs. híbrida), integracións cos sistemas existentes. As decisións teñen en conta o orzamento, os requirimentos de seguridade e os plans de desenvolvemento.

Piloto (4-8 semanas)

Despregamento dos primeiros 2-3 procesos end-to-end. Configuración dos axentes, integración cos sistemas, anonimización dos datos (Anoxy), monitorización dos custos. Probas co equipo de negocio, axuste dos prompts, validación da calidade.

Medición e optimización

Análise das métricas operativas e de negocio tras 4-6 semanas de uso produtivo. Axuste dos axentes a partir de datos reais, redución dos custos dos modelos LLM, incorporación de novas funcionalidades a partir do feedback dos usuarios.

Escalado

Expansión a procesos de negocio adicionais. Cada novo proceso desprégase nunha iteración de 2-4 semanas (moito máis rápido que o piloto, porque a infraestrutura xa está lista). Cobertura gradual de novos departamentos.

Continuous improvement

Tras 6-12 meses: optimización constante a partir de datos de produción, incorporación de novos roles de axentes, integracións con novos sistemas, perfeccionamento do compliance, redución de custos. A IA convértese en parte integral das operacións da empresa.

Está a empresa preparada para implementar a IA?

Seis áreas para revisar antes de comezar o proxecto. A ausencia dalgún „si" non bloquea a implementación, pero esixe atendela na fase de discovery.

Procesos para automatizar

✓

Temos 5-10 procesos repetitivos que se poden describir cun procedemento.

✗

Todas as nosas tarefas son únicas e requiren xuízo humano.

Datos da empresa

✓

Temos datos organizados (CRM, ERP, bases de clientes, documentos) accesibles a través de API ou exportación.

✗

Os datos están dispersos en follas de cálculo, correos, documentos en papel.

Patrocinio da dirección

✓

A dirección entende a necesidade e está disposta a un proxecto de 6-12 meses.

✗

A implementación da IA é unha iniciativa dun empregado individual sen apoio da dirección.

Tolerancia ao cambio

✓

O equipo está aberto a novas ferramentas e procesos.

✗

Calquera cambio na empresa atópase con gran resistencia.

Orzamento e tempo

✓

Temos un orzamento de 50-500 mil PLN e aceptamos 6-12 meses ata o ROI completo.

✗

Esperamos resultados en 2 semanas por algúns miles de zlotys.

Datos sensibles

✓

Sabemos que datos son sensibles (PII, financeiros, médicos) e aceptamos as proteccións axeitadas.

✗

Aínda non pensamos na seguridade e no compliance.

EU AI Act — o que debes saber antes da implementación

O Acto sobre a intelixencia artificial da UE (EU AI Act) comeza a aplicarse plenamente a partir do 2 de agosto de 2026. Toda empresa que implemente IA na UE debe clasificar o seu sistema e cumprir as obrigas correspondentes. Vulneración: sancións de ata 35 millóns de euros ou o 7% do volume de negocio anual global.

Catro niveis de clasificación:

Prácticas prohibidas de IA (manipulación subliminar, social scoring, biometría masiva) — non se poden implementar.
IA de alto risco (RRHH, educación, infraestruturas críticas, xustiza) — require: avaliación de conformidade (marcado CE), xestión de risco, documentación técnica, transparencia, supervisión humana, robustez/cibersegurança.
Risco limitado (chatbots, deepfakes, IA que crea contidos) — require obrigas de transparencia (Art. 50): informar aos usuarios, marcar os contidos xerados.
Risco mínimo (a maioría dos sistemas de IA) — sen requirimentos adicionais, códigos de conduta voluntarios.

Toda implementación de ESKOM AI comeza coa clasificación do EU AI Act na fase de discovery. Para os sistemas de risco limitado (o caso máis frecuente) construímos as obrigas de transparencia desde o principio: banner „Estás falando con intelixencia artificial", marcado dos contidos de IA nas exportacións, metadatos nos documentos.

RXPD na implementación da IA

Toda implementación de IA que procese datos persoais require: base xurídica de tratamento (consentimento, contrato, obriga legal, interese lexítimo), minimización dos datos (só o imprescindible), garantía dos dereitos das persoas (acceso, rectificación, supresión), seguridade dos datos (cifrado, control de acceso, audit log), contrato de encarga cos provedores de modelos LLM (Anthropic, OpenAI, Google).

No caso da IA, ademais: dereito a explicación das decisións algorítmicas. Se a IA toma unha decisión que afecta a unha persoa (p. ex. concesión dun préstamo, clasificación dunha solicitude), a persoa ten dereito a esixir explicación e intervención humana. A arquitectura do sistema debe soportar isto — toda decisión debe poder desfacerse e xustificarse.

Preguntas máis frecuentes

Por onde empezar a implementación da IA na empresa?

Pola identificación de procesos concretos para automatizar — non pola escolla da ferramenta de IA. Os mellores candidatos: tarefas repetitivas, describibles mediante procedemento, executadas por varios empregados, con gran volume de traballo. Exemplos clásicos: clasificación de correos, xeración de informes, atención de tickets, revisión de código, análise de documentos. Tras identificar 5-10 procesos, avaliamos cada un en termos de ROI (aforro de tempo × frecuencia) e risco. O piloto comezámolo cos 2-3 mellores.

Canto custa a implementación da IA?

O custo depende da escala. Un piloto pequeno (1-2 procesos, un equipo) tipicamente 30-80 mil PLN. Implementación media (5-10 procesos, 2-3 departamentos) 150-500 mil PLN. Grandes implementacións transformadoras (toda a organización, integracións con sistemas de negocio) — desde 500 mil PLN, pero co valor de negocio proporcionalmente maior. Os custos operativos (modelos LLM, infraestrutura) son tipicamente 5-15 mil PLN ao mes para unha implementación media — pódense reducir drasticamente usando modelos locais para tarefas repetitivas.

Canto leva a implementación da IA?

Piloto do primeiro proceso: 4-8 semanas desde a decisión ata a automatización funcionando. Escalado a procesos seguintes: 2-4 semanas por proceso (moito máis rápido, porque nos apoiamos na infraestrutura do piloto). Implementación completa que abrangue a maioría dos procesos administrativos nunha empresa de 50-200 persoas: 6-12 meses en iteracións de 2-3 semanas con efectos de negocio concretos ao final de cada unha.

Cales son os maiores riscos da implementación da IA?

Cinco principais: 1) Seguridade dos datos — os datos sensibles enviados a modelos externos poderían usarse para o adestramento. Mitigación: anonimización de PII antes do envío (Anoxy), modelos locais para tarefas sensibles. 2) Alucinacións — a IA xera información falsa pero crible. Mitigación: validación dos resultados, double-checking, escalado de decisións críticas. 3) Compliance (RXPD, EU AI Act) — requirimentos de transparencia, marcado dos contidos de IA. Mitigación: integrado desde a primeira liña de código. 4) Custos dos modelos LLM — poden desbocarse rapidamente. Mitigación: roteamento multinivel, límites, monitorización. 5) Resistencia organizativa — os empregados temen perder o emprego. Mitigación: comunicación desde o primeiro día, incluír ao equipo nas decisións, foco na liberación de tempo para tarefas máis valiosas.

Que pasa co EU AI Act e a RXPD na implementación?

O EU AI Act (aplicable desde o 2 de agosto de 2026) require a clasificación do sistema de IA (prohibido, alto risco, limitado, mínimo), o cumprimento das obrigas de transparencia (Art. 50): informar aos usuarios da interacción coa IA, marcar os contidos xerados pola IA, documentación técnica. A RXPD require: minimización dos datos, anonimización cando sexa posible, base xurídica de tratamento, dereito a explicación das decisións algorítmicas. Toda implementación de IA en ESKOM AI comeza pola clasificación do EU AI Act e o mapeamento do cumprimento da RXPD. Non é opcional — está integrado no proceso.

Necesito ter un departamento de TI para implementar a IA?

Non. As pequenas empresas sen TI propio tamén poden implementar IA — traballamos como departamento de implementación outsourcing, achegando tanto a tecnoloxía como o soporte operativo. Mínimo requirido no lado do cliente: persoa con poder de decisión (que tome as decisións de negocio — que proceso, que prioridade), 1-2 persoas de negocio (que coñezan os procesos e axuden a describilos), acceso administrativo aos sistemas que a IA debe integrar. Do resto encargámonos nós — análise, deseño, implementación, probas, despregamento, mantemento.

Perderán o emprego os empregados pola implementación da IA?

Segundo a nosa experiencia coas implementacións realizadas — non. O efecto máis frecuente: os empregados recuperan o 20-40% do tempo (sobre todo en departamentos administrativos) e dedícano a tarefas que requiren xuízo humano, creatividade, construción de relacións. As empresas crecen máis rápido (máis proxectos atendidos polo mesmo equipo) en vez de reducir cadro. Excepción: tarefas repetitivas de baixo valor (copia manual de datos, clasificación de correos spam, xeración de informes a partir de plantillas) — estas desaparecen, pero raramente eran a ocupación principal de alguén.

Que modelos LLM están dispoñibles e cal escoller?

Familias principais: Claude (Anthropic) — o mellor para análise complexa, código, razoamento. GPT (OpenAI) — universal, boa integración con Microsoft. Gemini (Google) — multimodal, bo para imaxes e vídeo. Modelos locais: Llama (Meta), Mistral, o polaco Bielik — funcionan na infraestrutura do cliente, sen custo por petición. Estratexia de ESKOM AI: non escollemos un único modelo, senón que aplicamos roteamento multi-modelo — o modelo axeitado para cada tarefa. Pequenas clasificacións → modelo local. Análise complexa → modelos en nube máis potentes. Xeración creativa → modelos especializados. O cliente paga polo consumo real, non por unha subscrición uniforme ao modelo máis potente.

Están seguros os meus datos nos modelos LLM en nube?

Depende do modelo e da configuración. Anthropic Claude (vía API coa opción „no data training") e Azure OpenAI (contrato enterprise) garanten que os datos non se usan para adestrar modelos. As versións de consumo de ChatGPT.com e Claude.ai — considerámolas inseguras para datos empresariais. Para datos sensibles aplicamos sempre: anonimización de PII antes do envío (o microservizo Anoxy comproba e enmascara), modelos LLM locais (na GPU do cliente, sen que os datos saian da rede), enterprise contracts cos provedores en nube (garantías contractuais).

Como medir o éxito da implementación da IA?

Tres niveis de métricas. 1) Operativas (a diario): número de tarefas atendidas pola IA, tempo de resposta, custo por tarefa, accuracy (con que frecuencia a resposta é correcta). 2) De negocio (mensuais): tempo aforrado aos empregados, custo aforrado vs. proceso manual, NPS dos usuarios (equipo e clientes finais), número de tickets de soporte. 3) Estratéxicas (trimestrais): crecemento da capacidade de negocio (máis clientes atendidos, máis proxectos, time-to-market máis curto), satisfacción dos empregados, redución de erros humanos. Cada piloto comezamos definindo que métricas vamos medir — sen isto é difícil demostrar ROI.

Auditoría de preparación para a IA — gratuíta

Conversa de 90 minutos: mapeamos os procesos actuais, identificamos os mellores candidatos á automatización, avaliamos a clasificación EU AI Act e indicamos un ROI estimado. Sen compromisos.

Reserva auditoría de preparación Sistemas multiaxente