Les eines d’IA generativa solen arribar a les organitzacions abans que existeixi una idea clara de com incorporar-les a la feina. Primer apareix l’accés. Després una prova inicial. Més tard, l’expectativa que l’ús s’ordeni per si sol.
Rarament passa així.
Quan un pilot perd força, l’explicació no sol estar només en la qualitat del model. També hi pesa la claredat del cas d’ús, la manera com l’eina s’integra en els processos existents, la confiança dels equips en els seus resultats i la capacitat de l’organització per supervisar el que passa després del desplegament.
Per això mirem la preparació per a GenAI com un conjunt de condicions, no com una decisió tècnica aïllada. El que segueix és la manera com estem ordenant aquestes preguntes en un instrument en construcció, pensat per ajudar a decidir què hauria d’estar llest abans d’avançar.
Un perfil, no una nota
La preparació per a IA sol resumir-se en una puntuació. És pràctic: permet comparar, prioritzar i presentar avenços de forma senzilla. El problema és que una xifra única rarament mostra on és la fricció real.
Un cas d’ús pot estar ben definit i, tot i així, fallar per manca de confiança, per una integració deficient o per absència de criteris clars per supervisar-ne els resultats. També pot passar el contrari: hi ha interès, capacitats tècniques i suport intern, però la infraestructura o la governança encara no sostenen el desplegament. Un score compost o basat en una mitjana aritmètica suavitza aquestes diferències justament quan més importa poder-les veure amb claredat.
A Tressia Labs proposem un perfil. Sis dimensions observades en paral·lel, cadascuna amb el seu propi diagnòstic. El que importa no és obtenir una nota alta, sinó entendre quina condició necessita treball abans d’avançar.
Les sis dimensions
Agrupem les dimensions en tres blocs perquè cadascun observa una part diferent de l’adopció. El primer mira l’experiència de qui farà servir l’eina. El segon, la capacitat de l’organització per sostenir-la. El tercer, les regles que permeten decidir, supervisar i corregir.
L'experiència d'ús
- Utilitat
- La primera pregunta és senzilla: quin problema ajuda a resoldre. Una eina de GenAI pot estalviar temps, millorar una tasca, donar suport a una decisió o obrir una manera de treballar més precisa. Aquesta utilitat ha de veure's a la pràctica diària. Quan el cas d'ús només funciona a la presentació, l'adopció perd força ràpidament. TAM · UTAUT
- Facilitat
- Adoptar una eina també implica esforç: aprendre a fer-la servir, incorporar-la a una rutina i entendre quan convé aplicar-la. Quan aquest esforç és massa alt, el problema sol estar en el disseny del procés, abans que en l'eina. UTAUT · Effort Expectancy
- Confiança
- La confiança defineix si l'ús es manté en el temps. Inclou la confiança en els resultats del sistema, en l'organització que el desplega i en la capacitat de l'equip per revisar, qüestionar o corregir el que l'eina produeix. Sense aquesta base, l'ús queda limitat a proves aïllades. Steerling 2023 · Cicin & Gürkan 2026
La capacitat organitzativa
- Alfabetització
- No totes les persones necessiten entendre com s'entrena un model. Sí que necessiten criteris suficients per interpretar-ne els resultats, reconèixer errors freqüents i saber quan demanar revisió. Aquesta lectura crítica redueix dependència i millora la qualitat de les decisions. As'ad & Faran 2025 · WHO 2021
- Clima
- L'adopció depèn també de l'entorn immediat. Si l'equip percep suport, temps per aprendre i permís per assenyalar problemes, l'eina té més possibilitats d'integrar-se de manera útil. Quan l'ús s'imposa sense conversa, la resistència apareix aviat. FAIIR-H · CFIR
- Infraestructura
- Aquesta dimensió requereix una revisió tècnica. Importen la qualitat de les dades, la integració amb els sistemes existents, la traçabilitat de les fonts, la seguretat i els mecanismes per detectar degradació del rendiment. Sense aquestes condicions, fins i tot un bon cas d'ús pot tornar-se fràgil. Marteau 2025 · FAIIR-H
El marc de decisió
Aquest bloc defineix com respon l’organització quan l’eina deixa de comportar-se com s’esperava, produeix efectes no desitjats o exigeix una decisió que supera l’equip que la fa servir.
- Governança
- La pregunta central és qui decideix i amb quina autoritat. Abans de desplegar una eina convé tenir una política vigent, un procés d'avaluació de riscos i un espai responsable d'aprovar, ajustar o suspendre'n l'ús. La governança no alenteix l'adopció; li dona condicions per avançar amb criteri. Wells 2025 · NIST RMF
- Monitoratge
- Una eina de GenAI necessita seguiment després del desplegament. Indicadors clars, revisió periòdica, canals per reportar problemes i un procés de millora permeten saber si segueix aportant valor. El monitoratge converteix l'adopció en una decisió revisable, no en una aposta permanent. Wells 2025 · RE-AIM
- Ètica
- Autonomia, seguretat, transparència i equitat funcionen com a filtres de decisió. No són una capa decorativa ni una puntuació a part. Serveixen per revisar si l'ús previst de l'eina respecta les persones afectades, distribueix bé els riscos i permet explicar com es prenen les decisions. WHO 2021
Posar les persones al centre
El que el cas clínic ens va ensenyar
El cas clínic va ser una vertical concreta, però va deixar una lliçó més àmplia: una eina de GenAI s’entén millor quan es mira des de la persona que viurà les seves conseqüències.
En aquell context era el pacient. En d’altres pot ser un estudiant, un ciutadà, un treballador, un client o un equip intern. La categoria canvia segons el sector, però la pregunta es manté: què millora realment per a la persona afectada per aquesta decisió, aquest procés o aquesta recomanació?
Al principi vam pensar a reservar una dimensió a part per al pacient. Després vam veure que aquesta solució empobria el marc. La persona afectada no pertany a una casella; en travessa diverses. És dins la confiança, perquè l’eina canvia la relació entre qui decideix i qui rep la decisió. És dins l’alfabetització, perquè un error no detectat rarament es queda dins del sistema. És dins la governança, perquè les regles dissenyades sense aquestes veus solen arribar tard als riscos importants.
La veritable prova de GenAI s'aconsegueix quan toca l'experiència de les persones.
Per això, en cada cas d’ús convé fer tres coses des de l’inici: incloure persones amb experiència directa del procés, observar què canvia per a elles durant el pilot i mantenir una responsabilitat humana clara sobre la decisió final. Aquesta centralitat no és un afegit ètic. És una manera més precisa de dissenyar, avaluar i decidir.
Com s’aplica
Apliquem el marc com un protocol de diagnòstic. Treballa amb tres línies d’evidència que es llegeixen en paral·lel: l’experiència d’ús, la base tècnica i el marc de decisió de l’organització.
Entrades — tres línies d'evidència
Síntesi
Camins possibles segons el perfil
La primera línia recull com s’entén el cas d’ús: quin problema intenta resoldre, qui el farà servir, quins canvis introdueix a la feina i quins efectes pot tenir sobre les persones afectades. Aquí importen la utilitat percebuda, la facilitat d’incorporació, la confiança i la capacitat de l’equip per interpretar els resultats de l’eina.
La segona línia revisa les condicions tècniques. Dades disponibles, qualitat de les fonts, integració amb sistemes existents, traçabilitat, seguretat i mecanismes per detectar pèrdua de rendiment. Aquesta part demana conversa amb equips tècnics i revisió documental. L’objectiu és separar una prova viable d’una implementació fràgil.
La tercera línia observa la capacitat institucional per decidir i respondre. Polítiques vigents, criteris d’avaluació de risc, responsables definits, canals de supervisió i autoritat per ajustar o aturar l’ús quan el context ho requereixi.
Amb aquestes tres entrades construïm un perfil de preparació. El resultat no és una aprovació automàtica, sinó una lectura situada: quines condicions estan llestes, quines requereixen treball i quina decisió convé prendre abans d’avançar. De vegades el perfil habilita un pilot. D’altres assenyala una dimensió que cal enfortir primer.
Aquest és el valor del mètode: converteix una intenció general d’adoptar GenAI en una decisió informada, traçable i discutible.
En quin punt som
Aquest marc està en fase de refinament i validació. Parteix de literatura consolidada sobre adopció tecnològica, implementació, confiança, governança i avaluació d’IA, i la combina amb criteris desenvolupats en el nostre treball aplicat amb casos d’ús de GenAI.
L’agenda metodològica està oberta: revisió experta de les dimensions, validació de contingut, proves cognitives amb usuaris i aplicació en contextos organitzatius diferents. Ens interessa observar com es comporta el perfil quan passa d’una conversa conceptual a una decisió real d’adopció.
El compartim en aquesta etapa perquè ajuda a formular millor la pregunta que moltes organitzacions tenen al davant: com avançar amb un projecte de GenAI amb mètode, evidència i sentit organitzatiu. Volem contrastar-lo amb equips que estiguin treballant en aquesta frontera i puguin aportar evidència, criteri metodològic o casos d’aplicació.
Si treballes en aquesta frontera del coneixement i vols provar, discutir o contribuir en la validació d’aquest instrument, conversem.
Referències
- As'ad M, Faran N (2025). Digital maturity scores as gatekeepers for health AI. Baylor Univ Med Center Proc, 38(5). enllaç
- Cicin FN, Çetin Gürkan G (2026). How physicians embrace AI. Front Digit Health, 8:1722087. enllaç
- Marteau BL et al. (2025). AI Implementation Science Study to Improve Trustworthy Data. IEEE BHI 2025. enllaç
- NIST (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). enllaç
- Steerling E et al. (2023). Trust in AI in relation to implementation in healthcare. Front Health Serv, 3:1211150. enllaç
- Tun HM et al. (2025). Healthcare workers' trust in AI clinical decision support. J Med Internet Res, 27:e69678. enllaç
- Wells BJ et al. (2025). FAIR-AI: practical framework for implementation and review of AI in healthcare. npj Digit Med, 8:514. enllaç
- WHO (2021). Ethics and governance of artificial intelligence for health. enllaç