En els últims mesos, una pregunta ressona a les sales de juntes, els fòrums d'inversors i les converses de passadís entre desenvolupadors: ¿ha mort el programari com el coneixíem? La resposta curta és no, però el camí per guanyar amb ell s'ha tornat notablement més empinat. El nucli d'aquest debat no és una simple moda tecnològica, sinó una reconfiguració profunda de com es construeix, es finança i es comercialitza el valor digital. Darrere del soroll hi ha una realitat concreta: les grans tecnològiques estan invertint quantitats sense precedents en infraestructura d'intel·ligència artificial, mentre que els ingressos generats per aquests mateixos sistemes encara estan molt per darrere. Aquest desfasament, lluny de significar una bombolla, està creant una finestra d'oportunitat de diversos anys per als qui sàpiguen navegar-la.
La fotografia actual mostra un sector que gasta al voltant de sis-cents mil milions de dòlars anuals en infraestructura relacionada amb IA, però que amb prou feines ingressa una fracció d'aquesta xifra. Els dos principals actors de models fundacionals concentren la major part dels ingressos, i s' estima que el punt d' equilibri entre la despesa acumulada i els ingressos no arribarà fins a principis de la propera dècada. Això implica que estem vivint una fase d'inversió pura: el capital flueix perquè hi ha una convicció ferma que la intel·ligència artificial generativa capturarà una part significativa de la despesa mundial en treball de coneixement. Però aquesta mateixa convicció genera tensions: en algun moment, algú preguntarà per què es gasta molt més del que s'ingressa, i el mercat podria prendre un respir. Per això, qualsevol pla de negoci ha de contemplar aquesta possibilitat.
Per entendre què significa això per a una empresa de desenvolupament de programari, convé separar dos grans mons: el de fer IA i el d'usar IA. El primer abasta des de la fabricació de xips fins a la construcció de centres de dades i l'entrenament de models massius. És un esforç titànic que consumeix la major part del capital, però que no és accessible per a la majoria de les startups: les barreres d'entrada són immenses i els marges, tot i que atractius, estan concentrats en molt poques mans. El segon món és on realment es juga la partida per als creadors de programari. Aquí la pregunta clau és com les empreses consumiran aquest bilió de dòlars de valor generat per la IA en els pròxims anys. Ho faran directament des dels models fundacionals, deixant poc espai per a intermediaris? L'experiència d'anteriors onades tecnològiques suggereix que no: de la mateixa manera que el client-servidor va donar pas a cents d'aplicacions empresarials, o el núvol d'AWS va permetre una generació completa de SaaS, els models d'IA seran la base sobre la qual es construiran solucions verticals amb valor afegit real.
Ara bé, què protegeix aquestes solucions davant el que el propi model fundacional pugui replicar-les? La resposta és a les fosses competitives. Els que realment funcionen són aquells que la intel·ligència artificial pura, per si sola, no pot emular. Per exemple, combinar programari amb sensors físics —visió, tacte, dades del món real— crea una barrera sòlida perquè el gran model no va començar a fabricar càmeres ni a instal·lar sensors. També els mercats amb efectes de xarxa són difícils de replicar: si una plataforma ja connecta compradors i venedors, un desenvolupador amb una interfície de xat no pot arrencar aquesta xarxa de la nit al matí. Les dades propietaris, no públiques, són un altre fossat evident: si el teu negoci es recolza en informació que el model mai ha vist, simplement no pot fer el que tu fas. I, finalment, hi ha l'enfocament full-stack, on en lloc de vendre programari a una empresa, et converteixes en l'empresa mateixa. Un exemple clar són les gestores de patrimonis que fan servir models de llenguatge per assessorar clients; OpenAI no obrirà una oficina d'assessoria fiscal.
Però hi ha dues fosses més subtils, i probablement més rellevants per a les startups de programari: el volant de dades i l'enginyeria desplegada en camp. El primer consisteix a començar amb una aplicació simple i, a mesura que s'aprèn com treballen els usuaris, anar construint un producte cada vegada més especialitzat i diferenciat. El segon implica tenir equips d'enginyeria sobre el terreny que capten el context real del client, una cosa que els models no poden fer per si sols. Ambdós requereixen una execució acurada i una inversió continuada. Aquí és on el paper d'un soci tecnològic com Q2BSTUDIO cobra sentit: en desenvolupar aplicacions a mesura que integrin aquests avantatges, es pot construir una proposta de valor que les grans companyies de models no puguin igualar fàcilment.
Una altra dimensió crítica és l'estructura de costos. Abans de la irrupció de la IA generativa, la majoria de les empreses SaaS tenien perfils de despesa similars. Ara la dispersió és enorme: hi ha companyies que dediquen el 70% dels seus ingressos a computació (models propis), mentre que d'altres a penes empren un 10% en el consum de models de tercers. La clau està en no caure en el parany de finançar simultàniament un equip de vendes massiu i un consum elevat de tokens. O el producte es ven sol, gràcies a una experiència d'usuari imparable, o es necessita un equip comercial que l'impulsi. El que no funciona és intentar pagar totes dues coses amb marges ajustats. En aquest sentit, la intel·ligència artificial pot actuar com el nou màrqueting: si el producte és tan bo que els usuaris l'adopten de forma orgànica, es pot permetre una despesa més gran en computació, però només si s'ha eliminat el cost d'adquisició tradicional.
L'ecosistema també està veient com els antics models de creixement es trenquen. Les valoracions públiques de les empreses de programari van caure perquè el creixement mitjà va passar del 30% anual a aproximadament el 10%. Això no significa que el programari hagi mort, sinó que els inversors han ajustat les seves expectatives. Per a un fundador, això implica que necessita tenir una convicció de categoria molt sòlida. Si el seu producte es confon amb la massa indiferenciada de programari de baix creixement, l' operació no tindrà sentit. En canvi, una empresa que lideri una categoria amb un creixement real, encara que sigui més lent, pot continuar generant rendibilitats atractives a llarg termini. El que ja no funciona és assumir que els múltiples de fa cinc anys tornaran.
I aquí sorgeix una altra pregunta: què passa amb el programari creat abans del 2022? La resposta és que aproximadament un 10% va quedar obsolet de la nit al matí, perquè resolia un problema d'IA que de sobte costava cinc dòlars per milió de tokens en lloc de trenta milions de dòlars en desenvolupament. La resta es divideix en tres grups: un terç està a fora perquè la seva proposta és prou diferent (per exemple, predicció basada en dades propietaris), un altre terç es beneficia en afegir IA com a funcionalitat addicional sobre un producte sòlid, i l'últim terç està directament amenaçat i necessita reinventar-se o desaparèixer. L'honestedat a l'hora de diagnosticar en quin grup s'està és crucial per prendre decisions d'inversió i producte. Des de la perspectiva d'una empresa de tecnologia, oferir ia per a empreses amb un enfocament en la integració contextual i el valor real de negoci és el que marca la diferència entre ser commodity o ser imprescindible.
Un altre fenomen que mereix atenció és el dels anomenats agents IA. Davant la visió que tot serà controlat per un únic model general, està emergint un model més modular: sistemes autònoms que realitzen tasques específiques, sovint combinant diferents models i fonts de dades. Això obre un espai enorme per construir solucions verticals que orquestin aquests agents de forma intel·ligent. Però també planteja desafiaments de ciberseguretat i governança: com assegurar-se que un agent no actuï de forma imprevista o exposi informació sensible? La ciberseguretat es converteix llavors en un habilitador clau, no en un afegit posterior. De la mateixa manera, la gestió de la infraestructura on s' executen aquests agents és fonamental: els serveis cloud aws i azure proporcionen l' escalabilitat i elasticitat necessàries, però requereixen una arquitectura ben dissenyada per no disparar els costos.
En el pla analític, la intel·ligència de negoci també està vivint una transformació. Els informes tradicionals de Power BI ja no n'hi ha prou quan es disposa de models de llenguatge que poden respondre preguntes en llenguatge natural. Però el veritable avantatge no està en substituir els quadres de comandament, sinó a combinar-los amb sistemes que aprenguin dels patrons d'ús. Aquí, els serveis intel·ligència de negoci evolucionen cap a plataformes que integren dades, models i automatització. Una empresa que aconsegueixi unir totes aquestes peces —desenvolupament d'aplicacions a mida, intel·ligència artificial, núvol, ciberseguretat i BI— tindrà una posició immillorable per aprofitar l'onada actual.
Per acabar, convé recordar que la pregunta inicial sobre la mort del programari no és més que un símptoma d'una transformació molt més profunda. El programari no ha mort; el que ha mort és la ingenuïtat que construir una aplicació amb una base de dades i un parell de formularis era suficient per construir un negoci durador. Avui, el programari ha de ser intel·ligent, s'ha d'integrar amb el món físic, s'ha de protegir d'amenaces i ha de proporcionar informació accionable. En Q2BSTUDIO, entenem que la clau està en combinar totes aquestes capes amb una visió estratègica i una execució tècnica impecable. El repte és més gran, però les recompenses també ho són per als qui sàpiguen adaptar-se.
.jpg)
