711 239 085 info@gilsys.com
es ca en
Fons abstracte

Integrem IA en aplicacions per oferir noves funcionalitats

Software a mida amb IA integrada

Afegim intel·ligència artificial a software existent i desenvolupem productes nous que la integren.

On comença un projecte d'IA integrada?

Quan no està clar per on començar, ho resol una consultoria d'IA, amb un diagnòstic i un full de ruta.

El software a mida de l'empresa

La IA s'afegeix com una funció més d'un desenvolupament de software a mida, per exemple una eina interna, tant en aplicacions web com en apps per a mòbils.

Software d'un altre proveïdor

S'integra sense modificar obligatòriament el software existent, connectant eines que disposen d'APIs, com per exemple Odoo, en mòduls per a e-commerce a mida i en gestors documentals com ownCloud.

Un producte nou amb la IA al centre

Quan es crea una eina nova on la IA no millora una cosa que ja existeix, sinó que és la funció principal del producte, per exemple un SaaS o una eina interna. Per exemple, el nostre cercador de licitacions i la nostra eina de seguiment SEO.

Sistemes de classificació intel·ligent

Classificar productes automàticament en donar-los d'alta

Exemple basat en un cas real que permet, en un e-commerce (PrestaShop), cercar els productes ja classificats que més s'assemblen al producte que donarem d'alta i suggerir la categoria ideal.

Suggeriment intel·ligent de categories

El sistema compara el producte nou amb els que ja estan classificats i proposa les categories més probables juntament amb el percentatge estimat de coincidència.

Reorganització del catàleg existent

El sistema pot revisar la base de dades i proposar suggeriments de reestructuració, com moure a una altra categoria determinats productes o fins i tot l'estructura de categories.

Criteris ajustats a cada e-commerce

La solució s'integra a cada e-commerce com un mòdul a mida, amb els criteris de decisió fixats amb el client segons el seu catàleg. Amb poques categories, la IA decideix la que hi encaixa millor a partir del nom, la descripció i els atributs del producte. Si el nombre de categories és elevat, es busquen productes ja classificats similars i la IA decideix a partir d'aquests.

Classificació automàtica o amb supervisió manual

Es pot preparar el sistema perquè el suggeriment hagi de ser sempre revisat per un humà o perquè es classifiqui sempre en mode automàtic.

El mateix concepte de l'exemple es podria aplicar a molts altres àmbits on calgui classificar, com documentació, dades procedents d'un gestor de productes unificat o qualsevol altra informació que s'hagi d'organitzar i etiquetar.

Assistents chatbot creats a mida

Chatbot per a empreses a mida

Amb connexió a dades d'aplicacions internes o externes, limitades segons l'usuari.

Sense flux predefinit

Un chatbot tradicional té respostes predefinides i deriva a un formulari quan la pregunta no estava prevista. Podem desenvolupar chatbots capaços de cercar la resposta en manuals, procediments, històric d'incidències i la mateixa base de dades de l'aplicació, amb permisos restringits.

Fonts citables a cada resposta

Cada resposta pot enllaçar als documents o registres que s'han contextualitzat a la resposta, de manera que qui pregunta ho pugui validar. Si no es troba cap document relacionat, s'indica en lloc d'inventar text.

Consultar dades i proposar accions

És possible respondre amb dades reals preguntes com "quins expedients fa més d'un mes que no tenen moviment?" i després aplicar-los accions, com marcar-los com a arxivats.

Pot tenir en compte la pantalla en ús

En el cas de sistemes d'ajuda per a eines, es poden preparar per respondre amb la documentació de la mateixa aplicació, tenint en compte la informació que s'està visualitzant a la pantalla.

Amb els permisos per usuari

En cas de voler oferir personalització i segmentació de permisos, primer cal tenir l'usuari identificat.

Als canals necessaris

A més de dins de la mateixa aplicació, es pot integrar un chatbot com un component a mida en un web, un e-commerce, una plataforma en línia o integrat amb WhatsApp, Telegram o qualsevol altra font d'entrada de dades de l'empresa.

Fent servir una base de dades vectorial

Pot basar-se en dades preprocessades, emmagatzemades en una base de dades vectorial, per facilitar la cerca de la informació per intenció.

De vegades, és complicat fer una cerca amb un sol concepte

Cerca semàntica

Cerquem els resultats per intenció, no per paraules exactes.

Un cercador convencional cerca a partir de paraules o conceptes concrets. Amb IA, la cerca es pot interpretar. En cercar "problemes amb la factura" es poden retornar com a coincidències elements com "càrrec duplicat al rebut".

Hi ha diferents maneres d'implantar la cerca semàntica: depèn de si és possible modificar la base de dades que s'estigui fent servir.

Sense modificar la base de dades: sinònims amb IA

Abans de cercar, la IA transforma el que s'ha escrit en diferents termes relacionats ("factura", "rebut", "càrrec", "cobrament") i els converteix en els filtres que entén el cercador de l'aplicació. D'aquesta manera, la base de dades no es modifica, però cada cerca triga una mica més i té un petit cost per la consulta al model d'IA, per calcular els sinònims (encara que es poden emmagatzemar precàlculs).

Amb un índex vectorial: cerca per significat

Cada registre es converteix per endavant en un vector que en representa el significat i es desa en una base de dades vectorial. Quan es cerca, la consulta es converteix de la mateixa manera i es cerquen els registres més semblants, sense necessitat de generar sinònims. Aquesta tècnica es pot combinar amb la cerca per text tradicional. Amb la cerca semàntica, el sistema respon de manera ràpida i sense cost per cerca, però cal crear l'índex i processar tots els registres. És una solució que hem implantat, per exemple, en gestors documentals.

Relacionar dades i detectar duplicats segons el seu significat

Si desem el significat de cada fitxa de producte, perfil d'usuari o document de l'aplicació, l'eina el podrà aprofitar per oferir noves funcionalitats amb IA.

Relacionar i aparellar

Amb la informació classificada semànticament, es podrien cercar, per exemple, a partir d'una tasca, perfils d'una xarxa de contactes que la puguin fer, o productes d'un proveïdor segons la seva funció.

Detectar duplicats

Una altra funcionalitat interessant és detectar registres que diuen el mateix amb altres paraules, encara que no siguin idèntics. Dues fitxes del mateix producte o dos contactes que són la mateixa persona, però amb dades que no són exactament iguals.

Ajustar criteris sense modificar codi

Amb IA podem interactuar amb dades de manera natural, sense haver d'afegir cada paràmetre modificable com a opció de configuració.

Sense IA: regles programades per a cada condició

Amb la lògica tradicional basada en regles, cada nova condició que l'usuari hagi de configurar exigeix desenvolupament a mida. Si volem que una eina pugui filtrar per categoria, ordenar per preu i aplicar estils condicionals (com ressaltar ofertes o marques blanques), cal programar panells específics per configurar el funcionament de cada opció.

L'acumulació de casuístiques dispara el que anomenem deute tècnic, cosa que complica i encareix el desenvolupament i el manteniment de l'eina.

Amb IA: el criteri explicat

Amb la IA podem parametritzar eines perquè els criteris s'expressin de manera natural, com a textos: "Els articles de temporada van primer, els que tenen poc estoc no surten a la portada i els de marca pròpia, per davant dels de revenda." Escrit així, en una frase, per qui coneix el negoci i no sap programar. Per canviar el criteri, es canvia l'explicació, no el codi.

Obligatori no és el mateix que correcte

Validació intel·ligent amb IA

Un procés de validació de dades d'entrada eficient permet mantenir la qualitat de la informació emmagatzemada.

Amb programació: el format

Es pot validar de manera rígida que un camp no estigui buit, que sigui numèric, que tingui format de correu electrònic, de NIF, de data o que estigui dins d'un interval. Cap d'aquestes comprovacions no impedeix a l'usuari introduir com a text "sense descripció". Realment el camp està emplenat i el registre s'emmagatzemaria i es processaria sense detectar problemes.

Amb IA: el significat

Amb IA podem entendre el significat del que s'ha introduït, de manera que podem validar dades lògiques, per exemple, que una descripció descrigui realment el producte, que un camp no en contradigui un altre de la mateixa fitxa o que el text estigui en l'idioma que correspon. A més, en integrar-ho amb programació a mida, podem decidir què fer: si bloquejar, avisar o permetre.

La neteja i el manteniment de dades netes és un procés que es considera fonamental per a la governança de dades.

Més funcions d'IA integrables en aplicacions

Els punts en què una eina necessitava la intervenció d'una persona, la IA els resol.

Redacció, resums i informes

Descripcions a partir de les dades d'una fitxa; esborranys automàtics per respondre sol·licituds, amb revisió humana prèvia; resums de documents i reunions; informes de business intelligence en llenguatge clar a partir de les dades del sistema.

Detecció d'errors i comportaments atípics

Detecció de dades incoherents o comportaments inusuals, comparant-les amb les dades emmagatzemades. Per exemple, una comanda amb una quantitat molt superior a l'habitual d'un determinat producte.

Enriquiment i normalització

Completar els atributs que falten a les fitxes de producte, estandarditzar les adreces dels contactes o normalitzar catàlegs de proveïdors amb formats diferents.

Priorització automàtica

Les tasques i incidències ordenades per urgència i impacte, analitzant-ne la definició i estimant temps a partir d'experiències prèvies registrades. Per exemple, una incidència que impedeix facturar té més prioritat que resoldre una consulta informal.

Generació d'imatges

Imatges de producte, maquetes funcionals o il·lustracions creades a partir d'una descripció o d'una foto de referència.

Transcripció i traducció

Notes de veu, trucades o reunions convertides en text i continguts traduïts a altres idiomes. Per exemple, un tècnic podria explicar des del mòbil l'actuació feta a un client i que en quedi constància escrita a la seva fitxa.

Anàlisi d'opinions

Classificació automàtica i identificació de sentiments, a partir d'opinions i missatges. Per exemple, separar en les ressenyes d'una botiga en línia les queixes sobre l'enviament de les queixes sobre el producte.

Predicció i recomanacions

Analitzar continguts a partir de criteris definits en llenguatge natural, generar previsions de compra per anticipar la demanda futura a partir de dades històriques o personalitzar recomanacions de productes per a cada usuari en plataformes de comerç electrònic.

L'extracció de dades de documents es desenvolupa a automatització i el reconeixement d'imatges, a IA per a la indústria.

Fins i tot sense accés al codi font

Com s'integra la IA en una aplicació existent

Desenvolupem software a mida des del 2004. La IA és una eina més que integrem amb aquesta experiència i que amplia el que pot oferir cada projecte.

Adaptem el codi font

Si es disposa d'accés al codi font, la IA es pot integrar a nivell de codi, com a noves funcions de l'aplicació, que es fan servir quan calgui.

Connectem directament amb la base de dades

Si no es disposa d'accés al codi, la IA pot treballar directament amb la informació emmagatzemada a la base de dades de l'aplicació, llegint i fins i tot, si hi donem permisos, escrivint informació. Per exemple, permetent llegir un catàleg de productes i oferir opcions de reclassificació, fent validacions de qualitat de dades o fins i tot resolent dubtes sobre informació emmagatzemada, com a chatbot.

Connectem per API

Si l'aplicació ofereix una API, ens hi connectem sense modificar el codi ni accedir a la base de dades. És l'opció més segura amb software d'un altre proveïdor i la que fem servir habitualment en una integració de sistemes.

Únicament si compensa l'espera

La IA es fa servir en les tasques que a l'usuari li prendrien temps i on compensa esperar uns segons. No totes les tasques fetes per un model d'IA triguen el mateix: una IA generativa redacta la resposta i necessita uns segons, mentre que una IA de decisió, com Jev, que només classifica, respon molt més de pressa.

Models intercanviables, comercials o privats

Les aplicacions que desenvolupem no es connecten directament a un model específic, sinó a una plataforma intermèdia, habitualment LiteLLM per als models de text i de raonament i Fal.ai per a la generació d'imatges. Canviar de model representa un canvi de configuració, no de programació. En cada projecte s'escull el que ofereix millors resultats, ja sigui d'Anthropic (Claude), d'OpenAI (GPT), de Google (Gemini) o d'un altre proveïdor. A més, si la informació és sensible, podem treballar amb models de codi obert en servidors privats, en una IA privada.

Registre i auditoria de cada operació

És possible desenvolupar eines on cada acció de la IA quedi registrada i es pugui auditar què se li va demanar, què va respondre, quines dades es van fer servir i quina persona va validar el resultat. Per a processos com automatitzacions o agents és molt important disposar d'un registre operacional per poder determinar l'origen i els detalls de cada acció.

A quin model d'IA s'utilitza en cada projecte expliquem diferents opcions per treballar amb models d'IA.

Què tenim en compte abans de desenvolupar-los

SaaS i eines internes basades en IA

Quan la IA és la funció principal del producte, hi ha decisions que no apareixen en una aplicació convencional i que en condicionen el cost i la viabilitat.

El cost de cada ús, dins del model de negoci

Cada imatge generada o cada text processat té un cost en el model. És important calcular-lo inicialment i reflectir-lo en l'estimació de costos d'ús, perquè el creixement d'usuaris no faci deficitari el producte.

Quin model i quin proveïdor

Es proven diferents models i s'escull el que ofereixi la qualitat necessària amb el cost més baix, per a text o per a imatges. Cada cert temps és recomanable revisar si hi ha models que s'hi adaptin millor i fer els tests de qualitat corresponents.

Qualitat mesurada amb casos reals

Abans de llançar el servei, cal validar-lo sempre amb dades reals, amb un conjunt delimitat de clients, per determinar que el resultat sigui acceptable. Una demostració que funcioni amb uns casos concrets no garanteix que funcioni amb tots.

Límits i control d'abusos

Cal establir controls de límits d'ús per usuari, filtres de contingut i registre de peticions, per controlar el cost i evitar usos indeguts.

Transparència i Reglament europeu d'IA

Segons el tipus d'aplicació, el Reglament obliga a informar que l'usuari interactua amb una IA o que un contingut l'ha generat una IA. Cal tenir-ho en compte a l'inici del projecte, no en fases posteriors.

Recomanem treballar per fases

Habitualment, en projectes grans centrats a oferir serveis que integren la IA com a funcionalitat principal, cal delimitar un producte mínim viable amb l'abast i el preu tancats, llançar-lo i decidir la fase següent amb dades d'ús reals.

Preguntes freqüents sobre software amb IA integrada

Cal entrenar un model amb les dades de l'aplicació?

No. En les eines desenvolupades a mida, el model es connecta a les dades de l'aplicació i les consulta en el moment de respondre: si un registre canvia, la resposta futura canviarà automàticament. De vegades es preparen bases de dades vectorials amb informació de l'empresa per permetre consultes en llenguatge natural, però això no implica entrenar el model, sinó proporcionar-li context.

Es pot integrar IA en Odoo, en PrestaShop o en un altre ERP o CRM?

Sí, sempre que el software que s'ha d'integrar disposi d'una API o d'accés a la base de dades, com la majoria d'ERP, CRM i botigues en línia actuals. No cal canviar de plataforma: integrem la IA sobre les eines, adaptant la solució a cada cas. Per exemple, a Odoo podem connectar un servidor MCP per operar-hi directament, a PrestaShop desenvolupem mòduls a mida (com el de classificació automàtica de catàleg) i en un CRM podem connectar amb la seva API per actualitzar fitxes de clients o inserir oportunitats de venda.

De qui és el codi font del software a mida amb IA?

Del client. Un cop finalitzat el projecte, el codi font se li pot facilitar si el sol·licita. Només ens reservem l'ús dels components genèrics, de tipus biblioteca, que no formen part del negoci específic desenvolupat per al projecte.

Quin manteniment necessita la IA integrada en una aplicació?

El mateix que la resta del software: proves automatitzades i integració contínua a cada nova versió. A més, una bateria de casos reals que es torna a executar cada vegada que canvia el model d'IA, com la que descrivim per a una IA privada.

Quant costa integrar IA en una aplicació?

Hi ha dos costos: el desenvolupament que es pressuposta inicialment i l'ús del model, que amb un model comercial es paga per consulta. En una aplicació existent, depèn sobretot de com s'accedeixi a les dades (API, base de dades), de les funcionalitats que s'hagin d'implementar i de la interfície. No és fàcil valorar el cost d'una eina; es pot veure tot el que hi influeix en aquest apartat, però podem oferir un pressupost orientatiu gratuït i sense compromís.
Fons abstracte

Desenvolupem eines i serveis basats en intel·ligència artificial

Creem solucions des de zero o connectem IA a software existent per transformar les dades en decisions, automatitzacions i noves funcionalitats.