En el món vertiginós de la intel·ligència artificial empresarial, les decisions sovint es presenten com a dilemes binaris: xat o interfície gràfica? reconstruir des de zero o afegir IA a allò existent? contractar superenginyers o apostar per equips júnior? Tanmateix, tres referents del sector —Atlassian, Anthropic i Scale Venture Partners— van coincidir recentment en un missatge contundent: el parany està a triar un bàndol. L’encert veritable consisteix a operar simultàniament als dos extrems, i l’element que ho fa possible és una capa d’“skills” o habilitats que transforma un model bàsic en un sistema fiable per al negoci. Aquest és el playbook que qualsevol empresa hauria d’adoptar per integrar IA de manera efectiva, i que companyies com Q2BSTUDIO apliquen en desenvolupar aplicacions a mida amb IA, ciberseguretat i cloud AWS/Azure.
Atlassian, amb més de vint aplicacions i cinc milions d’usuaris d’IA, va aprendre que el xat no és un fi en si mateix sinó un motor de descobriment. En llançar la seva interfície conversacional Rover, van observar usuaris intentant accions que el xat no suportava —agrupar notes adhesives per tema, per exemple— i van convertir aquelles sol·licituds recurrents en funcions específiques. La lliçó: el xat revela el roadmap del producte. Però també van descobrir que no n’hi havia prou de construir sobre allò antic; necessitaven un principi de disseny que tractés els agents d’IA com als humans. Tot allò que un humà pot fer, un agent ho ha de poder fer, amb eines, context i responsabilitat. Això va obligar a exposar cada funcionalitat com una skill reutilitzable. En paral·lel, Anthropic, la companyia creadora de Claude, va afrontar un creixement explosiu de demanda. En lloc de contractar massivament, van decidir teixir Claude a través del seu stack existent (Salesforce, Slack, Gong, Clay) i convertir els patrons dels seus millors comercials en cinc skills diàries: briefing matutí, preparació de trucades, seguiment de clients, intel·ligència competitiva i creació d’actius. El resultat: els agents van recuperar el 70% del seu temps dedicat a tasques internes i el 54% dels nous logos empresarials van arribar per autoservei. La clau no va ser una nova pila tecnològica, sinó la intencionalitat amb què van connectar les eines.
Per la seva banda, Rory O’Driscoll, soci de Scale Venture Partners, va desmuntar el mite que “el programari ha mort”. Amb 30 anys invertint en programari, va explicar que la despesa en infraestructura d’IA (688.000 milions de dòlars aquest any) supera amb escreix els ingressos (110.000 milions), cosa que implica cinc o sis anys més d’inversió neta. Però això no vol dir que les aplicacions desapareguin; al contrari, la capa de skills —l’“arbés” que embolcalla el model— és on es genera la veritable diferenciació. Els models base es converteixen en commodities; les dades propietàries, els efectes de xarxa i la integració amb sensors i processos del món real són els nous fossats. O’Driscoll compara aquesta situació amb la pila LAMP: tots els negocis B2B es construeixen sobre el mateix framework, però cada aplicació és única. El mateix passa amb la IA: el model és el fonament, però el programari que l’orquestra, el governa i el connecta amb el negoci és el veritable valor.
Aquest playbook té implicacions directes per a qualsevol organització que vulgui adoptar IA de manera competitiva. Primer, cal acceptar la contradicció: utilitzar xat i UI dedicada, reconstruir i afegir, contractar júniors i sèniors. Segon, cal construir una capa de skills reutilitzables que capturi el coneixement del negoci. Tercer, cal invertir en la infraestructura adequada: cloud AWS/Azure per escalar, ciberseguretat per protegir les dades i BI/Power BI per mesurar l’impacte. Empreses com Q2BSTUDIO ofereixen precisament això: desenvolupament d’aplicacions a mida amb IA, integració al núvol, automatització de processos i anàlisi de negoci, tot amb un enfocament pragmàtic que evita els extrems dogmàtics.
En la pràctica, això significa que un equip de producte ha de dissenyar tant per a humans com per a agents. Un comercial ha de poder delegar tasques repetitives a un agent d’IA entrenat amb les skills dels millors venedors. Un analista ha de tenir accés a un panell de BI que consolidi dades de múltiples fonts sense dependre de consultes manuals. I tot això s’ha d’executar sobre una plataforma segura i escalable, ja sigui a AWS, Azure o una combinació híbrida. La temptació d’esperar que els models s’estabilitzin o d’apostar-ho tot a una única tendència és comprensible, però els casos d’Atlassian, Anthropic i Scale demostren que l’èxit arriba a qui abraça la complexitat i construeix una capa d’habilitats pròpia.
El playbook d’IA no és un receptari tancat; és una mentalitat. Consisteix a deixar de preguntar-se “quin bàndol triar?” i començar a preguntar-se “com puc córrer ambdós carrils alhora?”. La resposta és al programari que embolcalla el model: les skills, els fluxos de treball, la integració amb l’stack existent. I per això no cal començar de zero; n’hi ha prou de ser intencional amb allò que ja es té i saber on afegir valor amb aplicacions a mida, IA, ciberseguretat i cloud. Aquest és el camí que segueixen les empreses més intel·ligents, i el que qualsevol organització pot recórrer amb el soci adequat.
