En el món del desenvolupament de programari, poques decisions resulten tan difícils com rebutjar un contracte de 200.000 dòlars. Sembla irracional, gairebé temerari, sobretot quan l'estudi és petit i cada projecte compta. No obstant això, per a un estudi boutique especialitzat en intel·ligència artificial, aquesta renúncia pot ser la decisió més estratègica. La història que compartim a continuació no és només una anècdota financera: és una lliçó sobre enfocament, posicionament i el veritable cost d'oportunitat. Analitzar aquesta situació amb perspectiva ens ajuda a entendre per què, en ocasions, dir 'no' als diners fàcils és el camí més rendible a llarg termini.
Imaginem l'escena: un estudi amb enginyers sènior que han construït sistemes d'IA en producció —agents conversacionals que gestionen milers de trucades, pipelins de processament de documents mèdics o models d'inferència en temps real— rep una oferta temptadora. Una startup fintech ben finançada (14 milions de dòlars en la seva sèrie B) necessita reconstruir la seva plataforma des de zero: una eina amb avaluació de riscos mitjançant IA, processament automatitzat de documents i un panell de control per a l'equip operatiu. Pressupost: 200.000 dòlars. Termini: sis mesos. Condicions ideals: tarifa pròpia, arquitectura lliure, equip de confiança.
El problema sorgeix en desglossar el treball real. Després de setmanes d'abast i trucades, l'estudi descobreix que de les aproximadament 2.400 hores estimades d'enginyeria, només un 15% correspon a treball genuí d'intel·ligència artificial: els models de risc, el pipeline de documents i la capa d'inferència. El 85% restant és desenvolupament web estàndard: fluxos d'autenticació, panells d'administració, operacions CRUD, integracions de pagaments, frontend responsive, sistemes de notificacions i gestió d'usuaris. En altres paraules, el que qualsevol taller de desenvolupament web competent podria entregar a 80-100 dòlars l'hora, en lloc dels 150 dòlars que l'estudi cobra per la seva experiència en IA.
Aquí rau la primera lliçó: un estudi boutique ha de calcular el desglossament real de l'esforç abans d'acceptar un projecte. Si més del 40% de les hores cauen fora de l'especialitat principal, el client no està contractant el que fa valuós a l'estudi, sinó la seva disponibilitat. Això converteix l'estudi en un proveïdor de recursos commodity, condemnat a competir per preu. En el món del programari a mida, la diferenciació no està a fer de tot, sinó a ser excel·lent en un nínxol concret. De fet, moltes empreses que busquen aplicacions a mida prefereixen especialistes que entenen el seu domini, no generalistes que abasten molt i constrenyen poc.
El següent factor crític és el cost d' oportunitat en termes de posicionament. Acceptar aquest projecte significava rebutjar aproximadament tres o quatre projectes centrats en IA durant el mateix període. Segons el pipeline de l'estudi, aquestes oportunitats incloïen un sistema de veu per a una cadena dental (entregable en vuit setmanes), un pipeline de processament de documents clínics per a una startup de salut i dos petits agents d'IA. La suma d'ingressos d'aquests projectes rondava els 180.000-220.000 dòlars. Financerament, el resultat era similar. Però l'impacte en la cartera de clients i en la narrativa de marca era completament diferent.
Quan un estudi accepta un projecte majoritàriament genèric, la seva producció intel·lectual se'n ressent. Els articles tècnics s'assequen perquè l'equip està depurant estils CSS o gestionant webhooks de Stripe. Els casos d'estudi es debiliten perquè el component d'IA no destaca. Els clients potencials pregunten què s'ha estat fent, i senten respostes com 'una plataforma fintech' en lloc d''un sistema d'IA que processa 3.000 trucades automatitzades al mes'. I això té conseqüències: es perden oportunitats de venda, el pipeline es refreda i la marca es dilueix. En el cas real que inspira aquesta reflexió, aquest refredament va costar uns 150.000 dòlars en retards de vendes i acords perduts durant el trimestre següent.
Per a una empresa com Q2BSTUDIO, que ofereix serveis que van des de ia per a empreses fins a solucions de ciberseguretat, serveis cloud aws i azure, i serveis intel·ligència de negoci, la lliçó és clara: cada projecte ha de reforçar la proposta de valor central. No es tracta de créixer a qualsevol preu, sinó de créixer en la direcció correcta. Quan es rep una sol·licitud que barreja un 15% d'intel·ligència artificial amb un 85% de desenvolupament estàndard, l'opció intel·ligent no és acceptar el projecte complet, sinó oferir una alternativa: construir exclusivament la capa d'IA (models de risc, pipeline de documents, infraestructura d'inferència) com un engagement independent de 8 setmanes, deixant que el client contracti un altre equip per a la part web a un cost menor.
Aquesta proposta respecta les necessitats del client i protegeix el posicionament de l'estudi. Tot i que en aquest cas el client va acabar triant una agència full-service, la valuosa lliçó és que aquest enfocament alternatiu ha funcionat en altres ocasions. No es tracta només de dir 'no', sinó d'oferir una solució que encaixi amb les fortaleses pròpies. En l' àmbit d' agents IA o power bi, per exemple, l' especialització permet als estudis oferir resultats mesurables en terminis més curts, la qual cosa sol ser més atractiu que un projecte llarg i genèric.
La temptació de 'contractar més gent' per absorbir projectes grans és comprensible, però perillosa. Per a un estudi boutique, cada enginyer ha de ser sènior i haver lliurat sistemes d' IA en producció. El procés de contractar un nou enginyer sènior porta de tres a quatre mesos, i un altre mes d'onboarding. Quan el projecte ha d'arrencar en tres setmanes, no hi ha temps per escalar sense diluir la qualitat. Si l'estudi cedeix i contracta desenvolupadors menys experimentats o subcontracta, es converteix en un 'body shop' amb una web bonica. El mercat ja té prou empreses de 15 desenvolupadors; el que escasseja són equips de 4 enginyers que hagin construït sistemes d'IA manejant milers de trucades.
Per això, les decisions estratègiques s' han de basar en un càlcul complet que inclogui el cost de posicionament. Cada trimestre dedicat a treball fora de marca no només resta ingressos immediats, sinó que debilita el pipeline durant els dos trimestres següents. L'evidència és recurrent: estudis que accepten grans projectes genèrics veuen com els seus casos d'estudi es tornen irrellevants, el seu contingut de màrqueting s'estanca i la seva reputació es difumina. Recuperar el rumb costa mesos i oportunitats perdudes.
A la pràctica, una eina senzilla ajuda a prendre aquestes decisions: portar un document que registri tot el que s'ha lliurat en el temps que s'hauria invertit en el projecte rebutjat. Al cap de sis mesos, la comparació sol ser aclaparadora. Projectes purament d' IA, amb terminis més curts, clients més satisfets i contingut que reforça l' especialitat. Els ingressos poden ser similars, però el valor de marca acumulat és molt superior.
En conclusió, rebutjar un projecte de 200.000 dòlars no és una decisió romàntica ni temerària. És una decisió d' enfocament calculat, basada en dades i en la comprensió profunda del propi mercat. Per a qualsevol estudi boutique, especialment aquells que ofereixen serveis d'intel·ligència artificial, aplicacions a mida o serveis cloud aws i azure, recordar aquesta lliçó pot marcar la diferència entre ser un commodity o un referent. Perquè boutique no significa petit: significa enfocat. I l'enfocament requereix dir no als diners bons quan et desvia del rumb.
.jpg)
