Casos d'èxit

Cas 1Intel·ligència artificial · Desplegament propi

Un portal d’IA intern per preguntar al negoci, amb les dades a casa

Una empresa que vol posar la IA a l’abast de tota la plantilla, però sobre les seves pròpies dades i sense cedir-les a ningú. El punt de partida no és un pilot d’innovació: és que la gent pugui preguntar coses del dia a dia i obtenir la resposta amb els números de casa.

El client no s'hi identifica: expliquem la feina, no de qui és.

El repte

Portar la IA a tota l’empresa xocava sempre amb les mateixes tres parets: les dades del negoci havien de sortir cap al núvol d’un tercer, calia pagar una llicència per usuari i per mes, i quedaves lligat a un sol proveïdor de model. I res d’això resolia la pregunta de fons: que qualsevol treballador pogués consultar les dades de l’empresa sense esperar que algú li munti un informe.

La solució

Un portal corporatiu d’IA muntat amb programari lliure i desplegat on decideix l’empresa, al seu servidor o al seu núvol privat. Els treballadors hi pregunten en llenguatge natural i el portal consulta les dades reals del negoci: amb MCP s’hi connecten les eines de BI i les fonts internes, i la documentació de la casa s’organitza en col·leccions de coneixement per departament. El proveïdor de model és intercanviable —local o al núvol— i no hi ha llicència mensual: el programari és de l’empresa.

Programari lliure
tot el portal es munta amb components open source
Local o núvol
s’executa on decideix l’empresa, no on decideix el proveïdor
Qualsevol LLM
el proveïdor de model es tria i es canvia quan convé
0 €/usuari
cap llicència mensual per persona: el programari és vostre

Com funciona

  1. El portal, sobre programari lliure

    Tot el sistema es munta amb components open source i es desplega on decideix l’empresa: al seu servidor o al seu núvol privat. No hi ha cap peça llogada, o sigui que no hi ha cap quota que creixi amb el nombre d’usuaris.

  2. Connexió a les dades del negoci amb MCP

    El portal no respon de memòria: consulta les fonts reals. Amb MCP s’hi connecten les eines de BI i els sistemes interns, de manera que una pregunta en llenguatge natural acaba llegint el mateix número que hi ha a l’informe.

  3. Col·leccions de coneixement per departament

    A banda de les dades, el portal indexa la documentació de la casa i l’organitza en col·leccions: una per departament, o per allò que convingui. Serveixen per a l’onboarding de la gent nova, per als manuals d’ús del programari intern i per resoldre incidències que ja s’havien resolt abans, sense haver d’anar a preguntar-ho.

  4. Qualsevol model, i intercanviable

    El proveïdor de LLM és una peça més de la configuració: es pot fer servir un model al núvol o un model executat en local, i canviar-lo sense refer el portal. Cada cas d’ús pot fer servir el que li convé.

  5. Les dades no surten

    Amb model local, les converses i les dades no travessen mai la frontera de l’empresa. Amb model al núvol, es controla exactament què s’hi envia. La decisió sobre on van les dades és de l’empresa, no del proveïdor.

  6. Governança d’usuaris

    Qui hi entra, què pot consultar i quant gasta. Els permisos es donen per col·lecció de coneixement, de manera que cada departament veu la seva documentació i no la dels altres, i el consum de tokens es controla per usuari i per grup, amb límits si convé.

Pantalla del portal: barra lateral amb les carpetes de treball, selector de model a dalt i una col·lecció de coneixement adjuntada a la caixa de consulta.
El portal en funcionament. A l’esquerra, les carpetes per projecte i departament; a dalt, el model triat, que es pot canviar des del mateix desplegable; i sobre la caixa de consulta, la col·lecció de coneixement «Onboarding» adjuntada, de manera que la resposta surt d’aquella documentació. Captura de la instància pròpia d’Acribia.

Detalls que importen

Comprar programari, no llogar-lo
Les eines d’IA per a empreses es paguen per usuari i per mes: el cost creix justament quan l’eina té èxit i s’estén per la casa. Aquí la inversió és el desplegament, i el que es paga després és el consum del model, que es pot triar i acotar.
Per què MCP
És l’estàndard que permet connectar el model a eines i a fonts de dades sense escriure una integració a mida per a cadascuna. Afegir una font nova és afegir un connector, no reprogramar el portal.
No dependre d’un sol proveïdor
El mercat de models canvia cada pocs mesos, en preu i en qualitat. Tenir el proveïdor desacoblat vol dir poder aprofitar-ho, i no quedar atrapat si un model puja de preu o deixa de convenir.

El resultat

La IA deixa de ser una eina que cadascú es busca pel seu compte i passa a ser un servei de l’empresa: mateixa porta d’entrada, mateixes dades i mateixes regles per a tothom. Qui té una pregunta sobre el negoci la fa i obté la resposta amb els números de casa, sense esperar que li muntin un informe i sense que res surti a fora. I el que abans es preguntava pels passadissos —com es fa això, on és aquell manual, què vam fer l’últim cop que va passar— queda escrit, indexat i a l’abast de tothom.

Preguntar al negoci
respostes amb les dades reals, sense esperar cap informe
Coneixement indexat
onboarding, manuals i incidències en col·leccions per departament
Permisos i consum
accés per col·lecció i tokens controlats per usuari i grup
Dades a dins
amb model local les converses no surten de la infraestructura pròpia

Amb què està fet

  • Docker
  • OpenAI
  • Claude
  • DeepSeek

Parlem-ne

Expliqueu-nos què us fa perdre
més temps cada setmana

Una primera conversa de 30 minuts, sense compromís, per entendre el vostre cas i dir-vos amb franquesa si us podem ajudar i com.

Què passa després

  1. Conversa inicial30 minuts per entendre el context i els punts de dolor.
  2. Diagnòstic curtUs tornem una proposta amb abast, fases i preu tancat.
  3. Primera entregaEn 4–8 setmanes teniu una primera versió funcionant.