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 dos: contractar més gent, o subcontractar el processament a un tercer. Cap de les dos escala bé.
El sostre de contractar més gent
Ampliar plantilla per a 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 sols en el cost.
Els límits de subcontractar el processament
L'alternativa habitual, enviar el processament fora en els pics, resol la capacitat però òbri altres problemes: el control de qualitat es fa sobre un entregable ja tancat en compte de sobre el procés, el marge del projecte es reduïx pel cost del subcontractat, i el client final rarament sap —ni té per què saber— que part del treball s'ha externalitzat.
El límit d'un estudi de topografia quasi 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, treball repetitiu abans d'arribar a la part que de veritat requerix criteri d'enginyer: validar el dubtós, resoldre casos límit i entregar amb garantia. Automatitzar la primera part no substituïx l'operador — allibera el seu temps per a la segona.
És exactament el repartiment de treball 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 en el 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 entregable ja tancat, així que el treball —i la responsabilitat sobre este— no ixen mai de l'estudi.
Absorbir pics de projecte sense sobredimensionar l'equip
Amb el processament en el núvol, un mes amb el triple de projectes no exigix el triple d'operadors ni de llicències de lloc: exigix més capacitat de còmput i emmagatzematge durant eixe mes concret, que s'allibera en quant el pic passa. L'equip humà es manté estable; el que varia és el volum de dada que la plataforma absorbix per darrere.
Amb Neobora eixe còmput i eixe emmagatzematge es contracten per ús i es despleguen en el núvol (o en on-premise, si l'estudi necessita mantindre la dada a casa), de manera que un pic de projectes s'absorbix sense comprar llicències de lloc ni alçar infraestructura pròpia. I com que el flux no exigix muntar un entorn GIS complex, l'equip que ja coneix el projecte pot operar sobre este sense dependre d'un perfil especialitzat per a cada tasca.
Què passa amb el marge
Ací és on encaixa pagar per volum d'ús en compte de per seient fix o per projecte subcontractat: el cost de processament puja i baixa amb el propi volum de treball 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 compromés d'avant — la mateixa lògica que expliquem al detall en l'article sobre el nostre model de preus per multiplicador d'ús.
Conclusió
Escalar producció no té per què significar escalar plantilla ni cedir marge a un subcontractat. Automatitzar el processament repetitiu en una plataforma com Neobora —classificació en el 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.
