Un estudi de topografia o fotogrametria creix d'una manera molt concreta: arriben més projectes dels que l'equip actual pot processar, i la resposta per defecte sol ser una de dues: contractar més gent, o subcontractar el processament a un tercer. Cap de les dues escala bé.
El sostre de contractar més gent
Ampliar plantilla per absorbir pics de treball té un problema de fons: el pic no dura tot l'any. Contractar per al mes de més càrrega deixa l'equip sobredimensionat la resta del temps, i la corba d'aprenentatge d'un nou operador de fotointerpretació no és immediata — es nota en la qualitat dels primers projectes, no només en el cost.
Els límits de subcontractar el processament
L'alternativa habitual, enviar el processament fora en els pics, resol la capacitat però obre altres problemes: el control de qualitat es fa sobre un lliurable ja tancat en comptes de sobre el procés, el marge del projecte es redueix pel cost del subcontractat, i el client final rarament sap —ni té per què saber— que part de la feina s'ha externalitzat.
El límit d'un estudi de topografia gairebé mai és quant pot volar. És quant pot processar sense perdre marge ni qualitat.
Automatitzar la part repetitiva
La classificació de núvols de punts, la generació de models digitals d'elevació i l'extracció de vectors 3D són, en la majoria de projectes, feina repetitiva abans d'arribar a la part que de debò requereix criteri d'enginyer: validar el dubtós, resoldre casos límit i lliurar amb garantia. Automatitzar la primera part no substitueix l'operador — allibera el seu temps per a la segona.
És exactament el repartiment de feina per al qual està pensada una plataforma com Neobora: la classificació de núvols LiDAR amb IA, la generació de models d'elevació i l'extracció de vectors s'executen al núvol, i l'editor d'alta productivitat concentra l'operador a validar el dubtós i resoldre casos límit. A diferència de subcontractar, el control de qualitat es fa sobre el propi procés i no sobre un lliurable ja tancat, així que la feina —i la responsabilitat sobre ella— no surten mai de l'estudi.
Absorbir pics de projecte sense sobredimensionar l'equip
Amb el processament al núvol, un mes amb el triple de projectes no exigeix el triple d'operadors ni de llicències de lloc: exigeix més capacitat de còmput i emmagatzematge durant aquell mes concret, que s'allibera tan bon punt passa el pic. L'equip humà es manté estable; el que varia és el volum de dada que la plataforma absorbeix per darrere.
Amb Neobora aquell còmput i aquell emmagatzematge es contracten per ús i es despleguen al núvol (o en on-premise, si l'estudi necessita mantenir la dada a casa), de manera que un pic de projectes s'absorbeix sense comprar llicències de lloc ni aixecar infraestructura pròpia. I com que el flux no exigeix muntar un entorn GIS complex, l'equip que ja coneix el projecte pot operar-hi sense dependre d'un perfil especialitzat per a cada tasca.
Què passa amb el marge
Aquí és on encaixa pagar per volum d'ús en comptes de per seient fix o per projecte subcontractat: el cost de processament puja i baixa amb el propi volum de feina de l'estudi, no amb quanta gent hi ha en plantilla. Un mes fluix no paga capacitat ociosa, i un mes fort no dispara un cost fix que ja estava compromès per endavant — la mateixa lògica que expliquem al detall en l'article sobre el nostre model de preus per multiplicador d'ús.
Conclusió
Escalar producció no ha de significar necessàriament escalar plantilla ni cedir marge a un subcontractat. Automatitzar el processament repetitiu en una plataforma com Neobora —classificació al núvol, control de qualitat sobre el procés i pagament només pel volum que realment es mou cada mes— permet a un estudi de topografia o fotogrametria acceptar més projectes sense renunciar al control de qualitat que porta el seu nom.
