XAVIER BUSQUETS, PHD.<\/span> Professor d\u2019Estrat\u00e8gia Digital, Esade. Membre del Comit\u00e8 Cient\u00edfic de l\u2019Associaci\u00f3 Catalana d\u2019Enginyeria de Telecomunicaci\u00f3<\/strong><\/h4>\n
\nLA INTEL\u00b7LIG\u00c8NCIA ARTIFICIAL COM A MOTOR DE TRANSFORMACI\u00d3 ECON\u00d2MICA<\/span><\/strong>
\nNo obstant aix\u00f2, la incorporaci\u00f3 efectiva de la IA generativa en el teixit empresarial continua enfrontant-se a obstacles. La transici\u00f3 des de la recerca i el desenvolupament (R+D), passant pel producte comercial, fins a l\u2019aplicaci\u00f3 industrialitzada de la IA, continua sent un repte per a les empreses.<\/p>\nSegons la prove\u00efdora d\u2019estudis de mercat IDC, nom\u00e9s el 19% de les empreses han aconseguit desplegar solucions d\u2019IA a gran escala<\/span>. Alguns sectors destaquen \u2014entre altres, les comunicacions, les tecnologies de la informaci\u00f3 i de la salut\u2014 en el diagn\u00f2stic i en el descobriment de nous f\u00e0rmacs. A escala general, el 35% de les empreses es troben en la fase de proves de concepte (moltes, estancades) i el 44% continuen en una fase experimental, sense avan\u00e7os tangibles. Aquest panorama evidencia la necessitat d\u2019una estrat\u00e8gia d\u2019escalabilitat que permeti superar els desafiaments actuals i consolidar la IA com un element clau en l\u2019estructura empresarial. Per aix\u00f2, hem iniciat un proc\u00e9s de recerca per comprendre els factors habilitadors i les barrere<\/span>s. En aquest article, presentem alguns resultats preliminars.<\/p>\nFACTORS QUE LIMITEN L\u2019ESCALABILITAT DE LA INTEL\u00b7LIG\u00c8NCIA ARTIFICIAL<\/span><\/strong>
\nSegons diversos informes, menys del 13% de les proves de concepte (POC) en IA generativa van aconseguir arribar a la fase de producci\u00f3 el 2024<\/span>, cosa que indica l\u2019exist\u00e8ncia de barreres significatives que n\u2019obstaculitzen l\u2019adopci\u00f3 a gran escala. Segons els primers resultats del nostre projecte, aquests factors poden agrupar-se en dues categories: oferta i demanda.<\/p>\nDes de la perspectiva de l\u2019oferta, la principal limitaci\u00f3 en l\u2019escalabilitat de la intel\u00b7lig\u00e8ncia artificial \u00e9s que els preus d\u2019aquests sistemes s\u00f3n confusos, en relaci\u00f3 amb les seves prestacions. Com m\u00e9s par\u00e0metres s\u2019especifiquen, m\u00e9s precisi\u00f3 s\u2019obt\u00e9 en les respostes. Tanmateix, el creixement del nombre de par\u00e0metres no es veu acompanyat per les tradicionals economies d\u2019escala que s\u2019apliquen en el programari. Mentre que, en les fases d\u2019entrenament i ajustament fi, models com els d\u2019OpenIA presenten uns costos marginals decreixents, en les fases d\u2019infer\u00e8ncia i raonament en explotaci\u00f3 presenten costos marginals creixents perqu\u00e8 requereixen l\u2019\u00fas de xips especialitzats, com les GPU H100 d\u2019NVIDIA.<\/p>\n
\n A escala general, el 35% de les empreses es troben en la fase de proves de concepte (moltes, estancades) i el 44% continuen en una fase experimental<\/span><\/h4>\n<\/blockquote>\nPer contra, la xinesa DeepSeek ha desenvolupat models com l\u2019R1 en codi obert, amb 671.000 milions de par\u00e0metr<\/span>es. Aquest model ha estat entrenat amb un cost aproximat de 5,6 milions de d\u00f2lars per l\u2019arquitectura, que divideix cada pregunta en problemes m\u00e9s petits i optimitza la capacitat de computaci\u00f3 en paral\u00b7lel amb xips com les GPU H100 d\u2019NVIDIA o els Ascend 910C de Huawei, i necessita un volum de dades menor. Per aix\u00f2 pren for\u00e7a l\u2019anunci de Microsoft en qu\u00e8 ofereix DeepSeek-R1 com a part del servei Azure AI Foundry, la plataforma de Microsoft que reuneix diversos serveis d\u2019IA per a empreses sota un mateix paraigua, despr\u00e9s d\u2019haver \u201csotm\u00e8s DeepSeek a rigoroses avaluacions de seguretat i proves\u201d.<\/p>\nEn termes estrat\u00e8gics, un altre aspecte fonamental \u00e9s el model de negoci i l\u2019estrat\u00e8gia de mercat d\u2019aquesta mena de models. OpenAI aposta per la diferenciaci\u00f3 del producte, a difer\u00e8ncia de l\u2019enfocament de plataformes i ecosistemes de codi obert com DeepSeek, per\u00f2 tamb\u00e9 d\u2019IBM i Meta. El model Llama 3 de Meta t\u00e9 uns 405.000 milions de par\u00e0metres i, tot i no publicar xifres exactes dels costos d\u2019entrenament, se sap que Meta ha invertit a una escala similar en OpenAI.<\/p>\n
Un ecosistema, a difer\u00e8ncia d\u2019una estrat\u00e8gia de producte, afavoreix la creaci\u00f3 d\u2019un est\u00e0ndard de facto pels efectes de xarxa que genera, fet que facilita la connexi\u00f3 de desenvolupadors i start-ups que permet la innovaci\u00f3 incremental de les tecnologies auxiliars. Cap tecnologia sobreviu sense connectar-se amb altres d\u2019existents. Les estrat\u00e8gies de codi obert poden generar un nombre m\u00e9s alt de \u201ccomplements\u201d i aplicacions, fet que redueix els costos d\u2019entrada per a l\u2019empresa i els costos d\u2019integraci\u00f3 amb els sistemes corporatius. Tanmateix, l\u2019enfocament de codi obert pot implicar riscos relacionats amb la privacitat i la seguretat de les dade<\/span>s.<\/p>\nDes de la perspectiva de la demanda, la baixa adopci\u00f3 interna de la IA en les empreses requereix molta m\u00e9s recerca. Factors com la falta de formaci\u00f3 especialitzada i la resist\u00e8ncia al canvi tecnol\u00f2gic han frenat la implementaci\u00f3 de solucions basades en IA en sectors clau. A aix\u00f2 se sumen la desconfian\u00e7a en la IA, els riscos reguladors que porta associats i les incerteses sobre la legalitat i l\u2019\u00e8tica de l\u2019\u00fas de models automatitzats en la presa de decisions empresarials. Creiem que les principals barreres es troben en els models operatius, en la divisi\u00f3 del treball entre persones i m\u00e0quines i en els models de negoci tradicionals. El resultat \u00e9s incert i aix\u00f2 ocasiona dificultats a l\u2019hora de justificar la inversi\u00f3 inicial i la monetitzaci\u00f3 de les capacitats tecnol\u00f2giques desenvolupades.<\/p>\n
Com a conclusi\u00f3, podem assenyalar que l\u2019estrat\u00e8gia de vendes dels models IA \u00e9s un factor cr\u00edtic en la seva adopci\u00f3<\/span>; mentre que la no-adequaci\u00f3 dels models de negoci i operatius \u00e9s el factor clau perqu\u00e8 un nombre tan baix de prototips d\u2019IA generativa escali.<\/p>\nESTRAT\u00c8GIES PER A LA INDUSTRIALITZACI\u00d3 I L\u2019ESCALABILITAT DE LA IA<\/span><\/strong>
\nLa incorporaci\u00f3 de la IA en l\u2019empresa no \u00e9s un proc\u00e9s de venda a l\u2019\u00fas, sin\u00f3 de transfer\u00e8ncia tecnol\u00f2gica que requereix la transmissi\u00f3 de coneixement per a la capacitaci\u00f3 de l\u2019empresa. Per aix\u00f2, proposem un model en qu\u00e8 la innovaci\u00f3 funcioni com a motor central (vegeu la figura 1) que generi un cicle continu d\u2019innovaci\u00f3.<\/p>\nAquest nou enfocament requereix la integraci\u00f3 de diversos elements. En primer lloc, la inversi\u00f3 en infraestructures i en talent especialitzat ha de ser una prioritat per a les organitzacions que busquen escalar la IA<\/span>. L\u2019adquisici\u00f3 de maquinari avan\u00e7at, la implementaci\u00f3 de plataformes de dades robustes i la contractaci\u00f3 d\u2019experts en intel\u00b7lig\u00e8ncia artificial s\u00f3n fonamentals per garantir el rendiment i la fiabilitat dels models implementats. Aix\u00ed mateix, l\u2019adopci\u00f3 d\u2019un model d\u2019organitzaci\u00f3 \u00e0gil i la creaci\u00f3 de factories d\u2019IA es presenten com una estrat\u00e8gia essencial per a la industrialitzaci\u00f3 del cicle de vida dels models d\u2019IA, millorant-ne l\u2019efici\u00e8ncia operativa i reduint costos d\u2019acc\u00e9s i d\u2019integraci\u00f3.<\/p>\nSituar un proc\u00e9s d\u2019innovaci\u00f3 al centre (vegeu la figura 1)<\/span> permet desenvolupar capacitats o coneixements compartits mitjan\u00e7ant: 1) la transfer\u00e8ncia de coneixement expl\u00edcit; 2) el desenvolupament de coneixement experiencial, en forma de proves de concepte amb equips compartits entre els prove\u00efdors i l\u2019empresa i 3) un proc\u00e9s d\u2019innovaci\u00f3 per identificar limitacions en les infraestructures i en les estructures organitzatives, fet que genera feedback per dissenyar \u00e0rees de millora en les seg\u00fcents interaccions.<\/p>\n![\"\"](\"https:\/\/www.monempresarial.com\/wp-content\/uploads\/2025\/05\/cuadro-cat.jpg\")
<\/p>\n
Quan la innovaci\u00f3 se situa al centre del proc\u00e9s, les estrat\u00e8gies de monetitzaci\u00f3 de la IA han d\u2019evolucionar cap a models m\u00e9s flexibles, en funci\u00f3 de l\u2019abast del projecte, en lloc de dependre exclusivament de les rigideses de la venda tradicional. Les empreses tecnol\u00f2giques han d\u2019entendre com integrar equips d\u2019innovaci\u00f3 en les iniciatives de vendes de solucions d\u2019intel\u00b7lig\u00e8ncia artificial. Estem descrivint un proc\u00e9s de cocreaci\u00f3 d\u2019innovaci\u00f3 amb l\u2019objectiu de desenvolupar noves aplicacions entre fabricants d\u2019IA i clients; un proc\u00e9s que permetr\u00e0 una millor efici\u00e8ncia, per\u00f2 tamb\u00e9 generar noves oportunitats d\u2019ingressos conjunts amb noves aplicacions i en forma de propietat intel\u00b7lectual.<\/p>\n
Les implicacions per a la direcci\u00f3 s\u00f3n molt significatives. El govern de processos, en qu\u00e8 est\u00e0 present la transfer\u00e8ncia de coneixement expl\u00edcit i t\u00e0cit, requereix un tipus de lideratge molt diferent del tradicional. El govern de processos de transfer\u00e8ncia de coneixement no pot mesurar-se amb \u201cretorns d\u2019inversi\u00f3\u201d de la posada en marxa d\u2019\u201ceines tecnol\u00f2giques\u201d en contextos amb un alt grau de previsibilitat. El resultat d\u2019un proc\u00e9s de capacitaci\u00f3 en contextos d\u2019alta incertesa ha de centrar-se a mesurar els \u201cretorns de l\u2019aprenentatge\u201d i la generaci\u00f3 de \u201ccapital intel\u00b7lectual\u201d i d\u2019actius intangibles com a font d\u2019avantatge competitiu. Encara que la nostra recerca es troba en la primera fase, creiem que les organitzacions que hem estudiat aconseguiran millors resultats si integren la IA de manera estrat\u00e8gica. Pensem que aquesta estrat\u00e8gia pot millorar les probabilitats d\u2019\u00e8xit en les traject\u00f2ries d\u2019implantaci\u00f3 d\u2019aquesta mena de sistemes. Amb aix\u00f2, les empreses no sols milloraran la competitivitat, sin\u00f3 que tamb\u00e9 lideraran la revoluci\u00f3 digital del futur i aconseguiran consolidar-se com a actors clau en l\u2019economia del segle XXI<\/p>\n
\nRefer\u00e8ncies:<\/span><\/strong>
\n1<\/span> Ministeri d\u2019Economia, Comer\u00e7 i Empresa (2023). \u00abCrece el n\u00famero de empresas que incorporan la inteligencia artificial y el big data en su transformaci\u00f3n digital\u00bb. 23 de mar\u00e7. Disponible a: https:\/\/portal.mineco.gob.es\/es-es\/comunicacion\/Paginas\/Informe_ONTSI.aspx
\n2<\/span> IDC (2025). \u00abIDC Futurescape Summit. Creating the Sustainable AI-fueled Business of the Future\u00bb. Disponible a: https:\/\/www.idc.com\/eu\/events\/71805-idc-futurescape-summit
\n3<\/span> SHARMA, Asha (2025). \u00abDeepSeek R1 is now available on Azure AI Foundry and GitHub\u00bb. 29 de gener. Disponible a: https:\/\/azure.microsoft.com\/en-us\/blog\/deepseek-r1-is-now-available-on-azure-ai-foundry-and-github\/
\nDAVE, P.; KNIGHT, W. (2024). \u00abMeta\u2019s Next Llama AI Models Are Training on a GPU Cluster \u2018Bigger Than Anything\u2019 Else\u00bb. Wired, 30 d\u2019octubre. Disponible a: https:\/\/www.wired.com\/story\/meta-llama-ai-gpu-training\/?utm_source=chatgpt.com.<\/p>\n","protected":false},"excerpt":{"rendered":"El desenvolupament i l\u2019adopci\u00f3 de la intel\u00b7lig\u00e8ncia artificial (IA) han adquirit un gran inter\u00e8s com a motor de productivitat. Aquests sistemes permeten la presa de decisions automatitzada i la predicci\u00f3 (o recomanaci\u00f3) en diferents \u00e0rees funcionals. De fet, el 46,2% de les empreses a Espanya la utilitzen per a l\u2019automatitzaci\u00f3 de la feina.<\/p>\n","protected":false},"author":158,"featured_media":45460,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_mi_skip_tracking":false,"mc4wp_mailchimp_campaign":[],"jnews-multi-image_gallery":[],"jnews_single_post":[],"jnews_primary_category":[]},"categories":[10817,10833],"tags":[180,885,3971,7535],"_links":{"self":[{"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/posts\/45456"}],"collection":[{"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/users\/158"}],"replies":[{"embeddable":true,"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/comments?post=45456"}],"version-history":[{"count":5,"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/posts\/45456\/revisions"}],"predecessor-version":[{"id":45555,"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/posts\/45456\/revisions\/45555"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/media\/45460"}],"wp:attachment":[{"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/media?parent=45456"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/categories?post=45456"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/tags?post=45456"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\nNo obstant aix\u00f2, la incorporaci\u00f3 efectiva de la IA generativa en el teixit empresarial continua enfrontant-se a obstacles. La transici\u00f3 des de la recerca i el desenvolupament (R+D), passant pel producte comercial, fins a l\u2019aplicaci\u00f3 industrialitzada de la IA, continua sent un repte per a les empreses.<\/p>\n
Segons la prove\u00efdora d\u2019estudis de mercat IDC, nom\u00e9s el 19% de les empreses han aconseguit desplegar solucions d\u2019IA a gran escala<\/span>. Alguns sectors destaquen \u2014entre altres, les comunicacions, les tecnologies de la informaci\u00f3 i de la salut\u2014 en el diagn\u00f2stic i en el descobriment de nous f\u00e0rmacs. A escala general, el 35% de les empreses es troben en la fase de proves de concepte (moltes, estancades) i el 44% continuen en una fase experimental, sense avan\u00e7os tangibles. Aquest panorama evidencia la necessitat d\u2019una estrat\u00e8gia d\u2019escalabilitat que permeti superar els desafiaments actuals i consolidar la IA com un element clau en l\u2019estructura empresarial. Per aix\u00f2, hem iniciat un proc\u00e9s de recerca per comprendre els factors habilitadors i les barrere<\/span>s. En aquest article, presentem alguns resultats preliminars.<\/p>\n FACTORS QUE LIMITEN L\u2019ESCALABILITAT DE LA INTEL\u00b7LIG\u00c8NCIA ARTIFICIAL<\/span><\/strong> Des de la perspectiva de l\u2019oferta, la principal limitaci\u00f3 en l\u2019escalabilitat de la intel\u00b7lig\u00e8ncia artificial \u00e9s que els preus d\u2019aquests sistemes s\u00f3n confusos, en relaci\u00f3 amb les seves prestacions. Com m\u00e9s par\u00e0metres s\u2019especifiquen, m\u00e9s precisi\u00f3 s\u2019obt\u00e9 en les respostes. Tanmateix, el creixement del nombre de par\u00e0metres no es veu acompanyat per les tradicionals economies d\u2019escala que s\u2019apliquen en el programari. Mentre que, en les fases d\u2019entrenament i ajustament fi, models com els d\u2019OpenIA presenten uns costos marginals decreixents, en les fases d\u2019infer\u00e8ncia i raonament en explotaci\u00f3 presenten costos marginals creixents perqu\u00e8 requereixen l\u2019\u00fas de xips especialitzats, com les GPU H100 d\u2019NVIDIA.<\/p>\n Per contra, la xinesa DeepSeek ha desenvolupat models com l\u2019R1 en codi obert, amb 671.000 milions de par\u00e0metr<\/span>es. Aquest model ha estat entrenat amb un cost aproximat de 5,6 milions de d\u00f2lars per l\u2019arquitectura, que divideix cada pregunta en problemes m\u00e9s petits i optimitza la capacitat de computaci\u00f3 en paral\u00b7lel amb xips com les GPU H100 d\u2019NVIDIA o els Ascend 910C de Huawei, i necessita un volum de dades menor. Per aix\u00f2 pren for\u00e7a l\u2019anunci de Microsoft en qu\u00e8 ofereix DeepSeek-R1 com a part del servei Azure AI Foundry, la plataforma de Microsoft que reuneix diversos serveis d\u2019IA per a empreses sota un mateix paraigua, despr\u00e9s d\u2019haver \u201csotm\u00e8s DeepSeek a rigoroses avaluacions de seguretat i proves\u201d.<\/p>\n En termes estrat\u00e8gics, un altre aspecte fonamental \u00e9s el model de negoci i l\u2019estrat\u00e8gia de mercat d\u2019aquesta mena de models. OpenAI aposta per la diferenciaci\u00f3 del producte, a difer\u00e8ncia de l\u2019enfocament de plataformes i ecosistemes de codi obert com DeepSeek, per\u00f2 tamb\u00e9 d\u2019IBM i Meta. El model Llama 3 de Meta t\u00e9 uns 405.000 milions de par\u00e0metres i, tot i no publicar xifres exactes dels costos d\u2019entrenament, se sap que Meta ha invertit a una escala similar en OpenAI.<\/p>\n Un ecosistema, a difer\u00e8ncia d\u2019una estrat\u00e8gia de producte, afavoreix la creaci\u00f3 d\u2019un est\u00e0ndard de facto pels efectes de xarxa que genera, fet que facilita la connexi\u00f3 de desenvolupadors i start-ups que permet la innovaci\u00f3 incremental de les tecnologies auxiliars. Cap tecnologia sobreviu sense connectar-se amb altres d\u2019existents. Les estrat\u00e8gies de codi obert poden generar un nombre m\u00e9s alt de \u201ccomplements\u201d i aplicacions, fet que redueix els costos d\u2019entrada per a l\u2019empresa i els costos d\u2019integraci\u00f3 amb els sistemes corporatius. Tanmateix, l\u2019enfocament de codi obert pot implicar riscos relacionats amb la privacitat i la seguretat de les dade<\/span>s.<\/p>\n Des de la perspectiva de la demanda, la baixa adopci\u00f3 interna de la IA en les empreses requereix molta m\u00e9s recerca. Factors com la falta de formaci\u00f3 especialitzada i la resist\u00e8ncia al canvi tecnol\u00f2gic han frenat la implementaci\u00f3 de solucions basades en IA en sectors clau. A aix\u00f2 se sumen la desconfian\u00e7a en la IA, els riscos reguladors que porta associats i les incerteses sobre la legalitat i l\u2019\u00e8tica de l\u2019\u00fas de models automatitzats en la presa de decisions empresarials. Creiem que les principals barreres es troben en els models operatius, en la divisi\u00f3 del treball entre persones i m\u00e0quines i en els models de negoci tradicionals. El resultat \u00e9s incert i aix\u00f2 ocasiona dificultats a l\u2019hora de justificar la inversi\u00f3 inicial i la monetitzaci\u00f3 de les capacitats tecnol\u00f2giques desenvolupades.<\/p>\n Com a conclusi\u00f3, podem assenyalar que l\u2019estrat\u00e8gia de vendes dels models IA \u00e9s un factor cr\u00edtic en la seva adopci\u00f3<\/span>; mentre que la no-adequaci\u00f3 dels models de negoci i operatius \u00e9s el factor clau perqu\u00e8 un nombre tan baix de prototips d\u2019IA generativa escali.<\/p>\n ESTRAT\u00c8GIES PER A LA INDUSTRIALITZACI\u00d3 I L\u2019ESCALABILITAT DE LA IA<\/span><\/strong> Aquest nou enfocament requereix la integraci\u00f3 de diversos elements. En primer lloc, la inversi\u00f3 en infraestructures i en talent especialitzat ha de ser una prioritat per a les organitzacions que busquen escalar la IA<\/span>. L\u2019adquisici\u00f3 de maquinari avan\u00e7at, la implementaci\u00f3 de plataformes de dades robustes i la contractaci\u00f3 d\u2019experts en intel\u00b7lig\u00e8ncia artificial s\u00f3n fonamentals per garantir el rendiment i la fiabilitat dels models implementats. Aix\u00ed mateix, l\u2019adopci\u00f3 d\u2019un model d\u2019organitzaci\u00f3 \u00e0gil i la creaci\u00f3 de factories d\u2019IA es presenten com una estrat\u00e8gia essencial per a la industrialitzaci\u00f3 del cicle de vida dels models d\u2019IA, millorant-ne l\u2019efici\u00e8ncia operativa i reduint costos d\u2019acc\u00e9s i d\u2019integraci\u00f3.<\/p>\n Situar un proc\u00e9s d\u2019innovaci\u00f3 al centre (vegeu la figura 1)<\/span> permet desenvolupar capacitats o coneixements compartits mitjan\u00e7ant: 1) la transfer\u00e8ncia de coneixement expl\u00edcit; 2) el desenvolupament de coneixement experiencial, en forma de proves de concepte amb equips compartits entre els prove\u00efdors i l\u2019empresa i 3) un proc\u00e9s d\u2019innovaci\u00f3 per identificar limitacions en les infraestructures i en les estructures organitzatives, fet que genera feedback per dissenyar \u00e0rees de millora en les seg\u00fcents interaccions.<\/p>\n Quan la innovaci\u00f3 se situa al centre del proc\u00e9s, les estrat\u00e8gies de monetitzaci\u00f3 de la IA han d\u2019evolucionar cap a models m\u00e9s flexibles, en funci\u00f3 de l\u2019abast del projecte, en lloc de dependre exclusivament de les rigideses de la venda tradicional. Les empreses tecnol\u00f2giques han d\u2019entendre com integrar equips d\u2019innovaci\u00f3 en les iniciatives de vendes de solucions d\u2019intel\u00b7lig\u00e8ncia artificial. Estem descrivint un proc\u00e9s de cocreaci\u00f3 d\u2019innovaci\u00f3 amb l\u2019objectiu de desenvolupar noves aplicacions entre fabricants d\u2019IA i clients; un proc\u00e9s que permetr\u00e0 una millor efici\u00e8ncia, per\u00f2 tamb\u00e9 generar noves oportunitats d\u2019ingressos conjunts amb noves aplicacions i en forma de propietat intel\u00b7lectual.<\/p>\n Les implicacions per a la direcci\u00f3 s\u00f3n molt significatives. El govern de processos, en qu\u00e8 est\u00e0 present la transfer\u00e8ncia de coneixement expl\u00edcit i t\u00e0cit, requereix un tipus de lideratge molt diferent del tradicional. El govern de processos de transfer\u00e8ncia de coneixement no pot mesurar-se amb \u201cretorns d\u2019inversi\u00f3\u201d de la posada en marxa d\u2019\u201ceines tecnol\u00f2giques\u201d en contextos amb un alt grau de previsibilitat. El resultat d\u2019un proc\u00e9s de capacitaci\u00f3 en contextos d\u2019alta incertesa ha de centrar-se a mesurar els \u201cretorns de l\u2019aprenentatge\u201d i la generaci\u00f3 de \u201ccapital intel\u00b7lectual\u201d i d\u2019actius intangibles com a font d\u2019avantatge competitiu. Encara que la nostra recerca es troba en la primera fase, creiem que les organitzacions que hem estudiat aconseguiran millors resultats si integren la IA de manera estrat\u00e8gica. Pensem que aquesta estrat\u00e8gia pot millorar les probabilitats d\u2019\u00e8xit en les traject\u00f2ries d\u2019implantaci\u00f3 d\u2019aquesta mena de sistemes. Amb aix\u00f2, les empreses no sols milloraran la competitivitat, sin\u00f3 que tamb\u00e9 lideraran la revoluci\u00f3 digital del futur i aconseguiran consolidar-se com a actors clau en l\u2019economia del segle XXI<\/p>\n Refer\u00e8ncies:<\/span><\/strong> El desenvolupament i l\u2019adopci\u00f3 de la intel\u00b7lig\u00e8ncia artificial (IA) han adquirit un gran inter\u00e8s com a motor de productivitat. Aquests sistemes permeten la presa de decisions automatitzada i la predicci\u00f3 (o recomanaci\u00f3) en diferents \u00e0rees funcionals. De fet, el 46,2% de les empreses a Espanya la utilitzen per a l\u2019automatitzaci\u00f3 de la feina.<\/p>\n","protected":false},"author":158,"featured_media":45460,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_mi_skip_tracking":false,"mc4wp_mailchimp_campaign":[],"jnews-multi-image_gallery":[],"jnews_single_post":[],"jnews_primary_category":[]},"categories":[10817,10833],"tags":[180,885,3971,7535],"_links":{"self":[{"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/posts\/45456"}],"collection":[{"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/users\/158"}],"replies":[{"embeddable":true,"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/comments?post=45456"}],"version-history":[{"count":5,"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/posts\/45456\/revisions"}],"predecessor-version":[{"id":45555,"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/posts\/45456\/revisions\/45555"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/media\/45460"}],"wp:attachment":[{"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/media?parent=45456"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/categories?post=45456"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.monempresarial.com\/ca\/wp-json\/wp\/v2\/tags?post=45456"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\nSegons diversos informes, menys del 13% de les proves de concepte (POC) en IA generativa van aconseguir arribar a la fase de producci\u00f3 el 2024<\/span>, cosa que indica l\u2019exist\u00e8ncia de barreres significatives que n\u2019obstaculitzen l\u2019adopci\u00f3 a gran escala. Segons els primers resultats del nostre projecte, aquests factors poden agrupar-se en dues categories: oferta i demanda.<\/p>\n\n
A escala general, el 35% de les empreses es troben en la fase de proves de concepte (moltes, estancades) i el 44% continuen en una fase experimental<\/span><\/h4>\n<\/blockquote>\n
\nLa incorporaci\u00f3 de la IA en l\u2019empresa no \u00e9s un proc\u00e9s de venda a l\u2019\u00fas, sin\u00f3 de transfer\u00e8ncia tecnol\u00f2gica que requereix la transmissi\u00f3 de coneixement per a la capacitaci\u00f3 de l\u2019empresa. Per aix\u00f2, proposem un model en qu\u00e8 la innovaci\u00f3 funcioni com a motor central (vegeu la figura 1) que generi un cicle continu d\u2019innovaci\u00f3.<\/p>\n<\/p>\n
\n
\n1<\/span> Ministeri d\u2019Economia, Comer\u00e7 i Empresa (2023). \u00abCrece el n\u00famero de empresas que incorporan la inteligencia artificial y el big data en su transformaci\u00f3n digital\u00bb. 23 de mar\u00e7. Disponible a: https:\/\/portal.mineco.gob.es\/es-es\/comunicacion\/Paginas\/Informe_ONTSI.aspx
\n2<\/span> IDC (2025). \u00abIDC Futurescape Summit. Creating the Sustainable AI-fueled Business of the Future\u00bb. Disponible a: https:\/\/www.idc.com\/eu\/events\/71805-idc-futurescape-summit
\n3<\/span> SHARMA, Asha (2025). \u00abDeepSeek R1 is now available on Azure AI Foundry and GitHub\u00bb. 29 de gener. Disponible a: https:\/\/azure.microsoft.com\/en-us\/blog\/deepseek-r1-is-now-available-on-azure-ai-foundry-and-github\/
\nDAVE, P.; KNIGHT, W. (2024). \u00abMeta\u2019s Next Llama AI Models Are Training on a GPU Cluster \u2018Bigger Than Anything\u2019 Else\u00bb. Wired, 30 d\u2019octubre. Disponible a: https:\/\/www.wired.com\/story\/meta-llama-ai-gpu-training\/?utm_source=chatgpt.com.<\/p>\n","protected":false},"excerpt":{"rendered":"