Si la teva bústia d’entrada s’ha convertit en un gestor de tasques (i en un coll d’ampolla), la IA per classificar correus electrònics pot ordenar-ho tot en segons: identifica la intenció, prioritza, extreu dades clau i activa rutes de workflow automàtiques cap a l’equip o el sistema adequat.
En aquesta guia trobaràs com funciona l’enrutament intel·ligent de correus, quines dades calen, exemples reals de fluxos de treball i una manera pràctica d’implantar-ho sense perdre control (amb revisió humana quan toca).
1) Classificació automàtica de correus electrònics: què és i quan aporta valor
La classificació automàtica de correus és la capacitat d’un sistema d’IA de llegir el contingut d’un email (assumpte, cos, metadades i, si cal, adjunts) i assignar-li una categoria, una prioritat i una “intenció”: incidència tècnica, factura, sol·licitud de pressupost, reclamació, candidatura, etc.
A diferència dels filtres clàssics (paraules clau rígides), la IA pot entendre context i llenguatge natural: correus mal redactats, diferents idiomes, respostes dins d’un fil, o missatges que barregen temes. I el més important: aquesta classificació pot ser l’inici d’un flux de treball automàtic.
Senyals que la teva bústia necessita IA (i no només més carpetes)
- Es reenvien correus constantment perquè “no era per mi”.
- El temps de primera resposta depèn de qui l’obre primer, no de la urgència real.
- Es perden adjunts o informació clau quan el correu es trasllada a una eina (CRM, helpdesk, ERP).
- Hi ha tasques repetitives: copiar/enganxar dades, crear tickets, assignar responsables, confirmar recepció.
- Els equips viuen dins del correu i costa tenir traçabilitat (què s’ha fet, quan i per qui).
2) Com funciona l’enrutament intel·ligent i les rutes de workflow automàtiques
Un sistema modern d’enrutament intel·ligent de correus acostuma a combinar tres capes: (1) comprensió del missatge, (2) decisions de negoci i (3) automatització entre eines. Això permet passar de “correu entrant” a “procés en marxa” amb consistència.
Les 5 peces que acostumen a funcionar millor en conjunt
- Captura: entrada des de Gmail, Outlook/Microsoft 365 o servidor corporatiu (amb permisos i cues).
- Enteniment: NLP i/o models de llenguatge per detectar intenció, tema, urgència, idioma i entitats (número de comanda, CIF, import, data…).
- Regles de negoci: decisions basades en categoria + condicions (client VIP, import, paraules de risc, SLA, producte, zona…).
- Orquestració del workflow: crea/actualitza tickets, tasques, registres i envia notificacions; també pot suggerir respostes.
- Seguiment: logs, traçabilitat, mètriques i revisió humana en casos sensibles (o quan la confiança és baixa).
Exemples de rutes de workflow automàtiques (en llenguatge planer)
Si el correu és "Suport tècnic" ➜ crea ticket ➜ assigna per producte/SLA ➜ demana dades faltants ➜ avisa canal intern
Si el correu és "Factures" i hi ha PDF ➜ extreu import/vençiment ➜ valida ➜ envia a aprovació ➜ registra a ERP
Si el correu és "Sol·licitud de pressupost" ➜ crea oportunitat al CRM ➜ qualifica lead ➜ assigna comercial ➜ prepara resposta assistida
Si el correu és "Reclamació" ➜ prioritza ➜ etiqueta risc ➜ activa protocol ➜ deriva a responsable i deixa evidència
Nota: el flux pot ser 100% automàtic o semi-automàtic. En molts entorns, el “millor punt” és que la IA prepari i l’humà validi en els casos amb impacte.
3) Casos d’ús que més acostumen a rendir (i per què)
La classificació i el routing de correus amb IA és especialment potent quan hi ha volum, repetició i necessitat de resposta ràpida. A continuació tens els casos d’ús més típics (i com es tradueixen en resultats).
Atenció al client i suport
- Derivació automàtica per categoria (incidència, consulta, devolució, estat de comanda…).
- Priorització per urgència i paraules de risc (pèrdua de servei, bloqueig, termini, etc.).
- Respostes assistides amb dades internes (polítiques, manuals, estat de comanda).
- Reducció de reenviaments i millora del temps de primera resposta.
Vendes i CRM
- Detecció d’intenció comercial: pressupost, demo, informació, renovació, ampliació.
- Captura de dades del lead (empresa, necessitat, urgència, pressupost si apareix).
- Creació d’oportunitats i tasques sense copiar/enganxar.
- Resposta ràpida amb to coherent i punts clau (sempre revisable).
Finances i administració (factures, cobraments, proveïdors)
- Classificació: factura rebuda, recordatori, incidència de pagament, documentació.
- Extracció d’informació d’adjunts (imports, dates, referències) i validacions bàsiques.
- Workflow d’aprovació (qui valida què) i traçabilitat.
- Menys errors administratius i menys temps en gestió manual.
RRHH (candidatures i consultes internes)
- Separar candidatures, consultes i documentació; assignar a la persona adequada.
- Resum automàtic del correu i de CV/adjunt (amb controls de privacitat).
- Creació de registre al sistema de selecció i agenda de seguiment.
IT / Helpdesk intern
- Classificar incidències (accés, equip, aplicació, permisos, etc.) i obrir ticket.
- Derivar per categoria i urgència, i demanar dades que falten (dispositiu, captura, error).
- Millor seguiment i menys “correus eterns” sense propietari clar.
4) Requisits: dades, integracions i qualitat (sense tecnicismes innecessaris)
Perquè un sistema d’IA classifiqui correus de manera fiable, necessita context i criteris. No sempre cal “molt de tot”, però sí una base mínima ben pensada.
Quines dades s’utilitzen (normalment)
- Text: assumpte + cos del correu (i, si convé, el fil).
- Metadades: remitent, domini, destinatari/cua, hora, llengua, etiqueta prèvia.
- Adjunts: PDFs, imatges, documents (quan cal extreure informació o classificar per document).
Què acostuma a marcar la diferència en precisió
- Categories clares: poques al principi, ben definides (després ja s’amplia).
- Exemples reals: correus històrics (anonimitzats si cal) per entrenar/ajustar o validar.
- Regles de negoci: qui rep què, quan s’escalen casos, quins SLA s’apliquen.
- Feedback: un mecanisme senzill perquè l’equip corregeixi errors i el sistema millori.
5) Implementació pas a pas: de la prova a producció sense embolics
Portar la classificació de correus amb IA a producció no és només “posar un model”. És definir el procés, integrar-lo amb les eines i assegurar qualitat, seguretat i manteniment.
Un camí que acostuma a funcionar (i evita pilots eterns)
- Diagnòstic ràpid: volum, categories, SLA, punts de dolor i sistemes involucrats (CRM, helpdesk, ERP).
- Definició del cas d’ús: què es classifica, quines decisions pren el sistema i quines accions automàtiques s’executen.
- Prova de concepte: validació amb mostres reals + criteri de “llest per pilot” (mètriques i excepcions).
- Pilot controlat: en una cua/equip concret, amb revisió humana i registre d’errors.
- Producció per fases: més cues, més categories, més automatitzacions i observabilitat.
- Millora contínua: revisió mensual de mètriques i ajustos segons canvis (nous productes, campanyes, incidències).
Si vols, Bastelia pot acompanyar-te des del primer pas fins a la integració completa, amb una metodologia orientada a resultats i traçabilitat. Aquí tens recursos directes (pàgines de servei) per veure com treballem:
- Consultoria i Roadmap d’IA (prioritzar casos amb ROI i fricció baixa)
- Integració i Implementació d’IA (APIs, governança i posada en producció)
- Automatitzacions amb IA (workflows entre sistemes, cues i processos)
- Agents conversacionals (quan el correu necessita xat/veu o autoservei)
- Paquets i preus (per tenir una referència clara d’enfocament i opcions)
- Contacte (si prefereixes parlar-ho directament)
6) Seguretat, privacitat i control: automatitzar sense perdre governança
El correu és sensible: dades personals, factures, informació de clients, incidències, credencials, etc. Una bona implementació d’IA posa el control al centre.
Mesures que acostumen a ser “imprescindibles”
- Minimització de dades: processar només el necessari (i evitar arxivar de més).
- Permisos per rol: qui pot veure, classificar, corregir o reassignar.
- Xifrat i retenció: en trànsit i en repòs; polítiques de retenció i esborrat.
- Registre d’activitat: què ha fet el sistema i per què (auditoria i traçabilitat).
- Human-in-the-loop: validació humana quan el risc és alt o la confiança és baixa.
7) KPI i mètriques: com demostrar que funciona (i que val la pena)
Perquè l’automatització sigui sostenible, cal mesurar. Les millors mètriques no són només “quants correus s’han classificat”, sinó impacte en servei, qualitat i temps.
Mètriques recomanades
- Temps de primera resposta (abans/després) i compliment d’SLA.
- Taxa d’assignació correcta (misrouting) i % de correccions humanes.
- Temps de gestió per correu (minuts estalviats per categoria).
- Resolució a la primera (menys intercanvis per falta d’informació).
- Backlog i càrrega per equip (equilibri i previsibilitat).
8) Costos i alternatives: què determina el pressupost (i com decidir bé)
El cost depèn menys del “model” i més de la realitat del procés: volum, integracions, adjunts, requisits de seguretat i nivell d’automatització. Per orientar-te, aquí tens els factors que solen moure el pressupost.
Factors que impacten més
- Nombre de categories i rutes (i si hi ha excepcions complexes).
- Integracions (CRM, helpdesk, ERP, ITSM, canals interns).
- Tractament d’adjunts (OCR/IDP, extracció de dades, validacions).
- Necessitats de governança (auditoria, permisos, retenció, entorns, observabilitat).
- Idiomes i variabilitat (correus molt breus, fils llargs, llenguatge informal).
Alternatives habituals
- SaaS de classificació: ràpid per començar, però pot limitar personalització i integracions.
- Solució a mida: millor adaptació a processos i dades; requereix disseny i manteniment.
- Enfoc híbrid: regles + IA (molt recomanable quan hi ha casos “clars” i casos “ambigua”).
9) Preguntes freqüents sobre IA per classificar correus i automatitzar workflows
La IA pot classificar correus mal redactats o amb informació incompleta?
Sí. Precisament aquí la IA acostuma a aportar valor: pot inferir la intenció per context i patrons, i quan falten dades pot activar un pas de workflow per demanar la informació que falta (per exemple, número de comanda o captura d’error).
Es poden processar adjunts (PDF, imatges) per decidir la ruta?
Sí. Es pot combinar classificació de correu amb extracció de dades d’adjunts (per exemple, en factures o albarans), de manera que el workflow no només deriva el correu, sinó que també registra camps clau i activa aprovacions.
Com s’eviten errors d’enrutament (que vagi al departament equivocat)?
Amb tres coses: categories ben definides, un llindar de “confiança” per demanar revisió humana quan el cas és ambigu, i un sistema de feedback ràpid perquè l’equip corregeixi i el model/regles s’ajustin.
La solució pot conviure amb els filtres i regles actuals?
Sí. De fet, l’enfoc híbrid (regles per casos evidents + IA per casos amb context) és sovint el més eficient. Permet rapidesa i control, i es va refinant sense “trencar” el que ja funciona.
Quant de temps triga a veure’s un resultat tangible?
Depèn del volum i les integracions, però un bon enfoc és començar amb un pilot curt (una cua i poques categories) i escalar per fases. Així es veu valor abans i s’eviten projectes llargs sense retorn.
Es pot usar en entorns multilingües (Català, Castellà, Anglès)?
Sí. La classificació pot tenir en compte idioma i variacions. El més important és que les categories i rutes estiguin ben definides, i que l’avaluació es faci amb mostres reals de cada idioma que reps habitualment.
Com es gestiona la privacitat i l’accés a dades sensibles?
Amb minimització de dades, control d’accessos per rol, xifrat, retenció i auditoria. I, en processos sensibles, amb revisió humana i polítiques clares d’ús responsable.
Quin és el primer pas recomanable si vull automatitzar correus a la meva empresa?
Tria una bústia/cua amb volum i repetició (suport, factures o vendes), defineix 5–8 categories, i marca quines accions s’han de disparar (ticket, CRM, aprovació, resposta assistida). Si vols, ho podem aterrissar en un diagnòstic curt per prioritzar el millor “quick win”.