En les últimes setmanes, el panorama de la intel·ligència artificial ha mostrat un gir significatiu: la competència ja no se centra únicament en qui assoleix la millor precisió en benchmarks, sinó en qui pot oferir models més eficients, integrar-los en cadenes de subministrament flexibles i reduir els costos operatius de forma sostenible. Aquest canvi de paradigma afecta directament empreses que busquen adoptar IA per a empreses, ja que les decisions de compra ara depenen de factors com el cost per token, la capacitat de desplegament en infraestructures heterogènies i la sobirania de les dades.
OpenAI ha fet un pas endavant al presentar el que molts anomenen una 'super app' que unifica ChatGPT, extensions de navegador i interfícies de tercers en un sol entorn. Però més enllà de la integració, el realment rellevant és la seva afirmació que el seu nou model redueix en un 54% el consum de tokens en tasques de programació amb agents. Aquesta mètrica, per primera vegada, situa l' eficiència econòmica com a eix de la seva proposta de valor. Per als responsables de TI, això significa que el cost per tasca es torna un criteri d' adopció més determinant que la mera precisió. Tanmateix, cal separar l' anunci de la disponibilitat real: el model encara no s' ha alliberat per a ús comercial, i les promeses d' eficiència s' han de validar en entorns de producció reals, no només en proves internes.
Paral·lelament, l'aparició de GLM-5.2, un model de codi obert desenvolupat a la Xina, està generant un intens debat en els cercles tecnològics de Silicon Valley. No es tracta d' un simple avenç acadèmic, sinó d' un sistema que ja es troba en fase de proves en empreses reals, amb càrregues de treball autèntiques. La pregunta que molts es fan és: continua tenint sentit pagar APIs comercials cares quan un model obert ofereix rendiments comparables en tasques específiques? Aquesta disjuntiva està empenyent les companyies a reconsiderar les seves estratègies d'aprovisionament. No obstant això, l' adopció de models descentralitzats comporta reptes no trivials: la integració en la infraestructura corporativa, la gestió de versions, el compliment normatiu i la seguretat. Aquí és on les empreses necessiten companyies especialitzades en intel·ligència artificial per a empreses que puguin orquestrar tot el cicle de vida del model, des de la selecció fins al desplegament en entorns segurs.
Nvidia, per la seva banda, està redefinint el seu paper en l'ecosistema. Ja no es limita a vendre GPUs, sinó que està forjant aliances amb startups d'acceleradors (com Cerebras, SambaNova i d'altres) per convertir-les en part de la seva cadena de subministrament. El fet que SambaNova hagi aconseguit extreure nou rendiment de GPUs antigues de Nvidia demostra que l'arquitectura dels models i el maquinari estan cada vegada més desacoblats. Aquesta tendència té implicacions profundes per als equips d' enginyeria: la dependència d' un sol proveïdor d' inferència es torna un risc estratègic. En els propers mesos, la capacitat d' enrutar tasques entre diferents acceleradors, mantenir la portabilitat dels pesos i estandarditzar formats de quantificació esdevendrà un requisit imprescindible. Les empreses que ja treballen amb serveis cloud AWS i Azure poden aprofitar aquestes plataformes per implementar estratègies multi-proveïdor amb més agilitat.
En aquest context de canvi, la decisió de Microsoft de reduir la seva dependència de models externs d'OpenAI i Anthropic, optant per desenvolupar els seus propis sistemes, és un senyal d'alerta per a tot el sector. No és una qüestió tècnica, sinó financera: quan un gran client pot crear la seva pròpia IA, el poder de negociació dels proveïdors d'APIs s'erosiona. Això reforça la necessitat que les empreses mitjanes i grans avaluïn models híbrids, combinant solucions externes amb desenvolupaments interns. Aquí és on el concepte d' aplicacions a mida i programari a mida cobra tot el seu sentit: cada organització necessita una arquitectura adaptada als seus fluxos de dades, requisits de compliance i objectius de cost.
D'altra banda, la geopolítica està introduint una nova variable. Les restriccions a l'exportació de models avançats des de la Xina, juntament amb les advertències sobre l'ús d'eines com Anthropic Claude Code, estan generant una fragmentació de la cadena de subministrament d'IA. El resultat serà la coexistència de dos ecosistemes: un intern, controlat, i un altre internacional, més obert però subjecte a sancions. Per a les empreses globals, això implica dissenyar estratègies d'aprovisionament que contemplin diferents jurisdiccions, cosa que afegeix complexitat a la gestió de la ciberseguretat i la sobirania de les dades. Un enfocament proactiu seria integrar capes de seguretat des del disseny, tal com ofereixen els serveis de pentesting i auditoria.
La robòtica i els models de món, tot i que encara en fase de laboratori, també mereixen atenció. El recent treball de Nomagic, liderat per un exinvestigador de Google DeepMind, ha aconseguit avenços en un 'cervell artificial' per a robots, però la distància entre un demo i un producte industrial continua sent enorme. Els costos de maquinari, la fiabilitat en entorns reals i la latència d'inferència són barreres que no se superen amb un sol anunci. No obstant això, la tendència a llarg termini és clara: la IA s'està incrustant en els processos físics, i les empreses que ja inverteixen en agents IA i automatització de processos tindran un avantatge competitiu quan aquestes tecnologies madurin.
Per als líders empresarials, la setmana deixa una lliçó fonamental: el cost total de propietat de la intel·ligència artificial ja no es redueix al preu de l'API o al rendiment del model. Inclou la integració, la seguretat, el compliment normatiu, la flexibilitat de la cadena de subministrament i la capacitat de migrar entre proveïdors. En aquest escenari, comptar amb un soci tecnològic que ofereixi serveis intel·ligència de negoci i Power BI per monitoritzar aquests costos, i que a més pugui desenvolupar programari a mida per connectar els models amb els fluxos de dades corporatives, es converteix en un avantatge diferencial. En Q2BSTUDIO entenem que la intel·ligència artificial no és un producte, sinó un procés continu d'optimització. Per això ajudem les empreses a dissenyar i implementar solucions d'IA que s'alineïn amb la seva estratègia de negoci, integrant des del núvol fins a l'analítica avançada.
