El 88% dels pilots d'IA no arriba a producció a Espanya

Espanya lidera l’adopció d’IA generativa a Europa, amb un 60,5% d’empreses que ja la integra a la seva estratègia, però només un 17,3% aconsegueix un retorn alt, i fins a un 88% de les proves de concepte no arriba mai a producció, segons la segona edició de l’informe “Data and AI Impact Report” de SAS i IDC (SAS/IDC, recollit per El Mundo El Salvador). A Evicron, estudi d’IA i programari a mida de Barcelona fundat el 2019 amb més de 200 projectes entregats en 12 sectors, veiem aquesta mateixa bretxa en consultes reals: empreses que ja han provat IA, tenen un pilot que funciona en una demo, i no aconsegueixen convertir-lo en un sistema que faci servir tot l’equip cada dia. La mateixa setmana en què es coneixia aquesta dada, Anthropic anunciava una inversió de 100 milions de dòlars per formar 10.000 enginyers capaços de resoldre precisament aquest problema. No és casualitat: el coll d’ampolla de la IA a l’empresa ja no és el model, és el que hi ha entre el model i el dia a dia del negoci.

Les xifres que preocupen els directius

L’informe de SAS i IDC, elaborat a partir d’enquestes a responsables d’IA i dades en diversos països, confirma que Espanya no té un problema d’adopció: la majoria de les empreses ja fa servir o està provant IA generativa. El problema és a la fase següent. De cada deu pilots que arrenquen, menys de dos acaben generant un retorn mesurable, i gairebé nou de cada deu ni tan sols arriben a convertir-se en un sistema en producció. Les causes que assenyala l’informe no són el model triat ni el seu cost: són la manca d’infraestructura adequada, l’absència d’un redisseny real dels processos de treball i una governança de dades fragmentada entre departaments.

On s’encalla realment un projecte d’IA

En els projectes que revisem a Evicron, aquest encallament es repeteix en tres punts molt concrets:

• El pilot es construeix sobre dades netes i triades a mà, i falla tan bon punt es connecta a les dades reals de producció, disperses entre diversos sistemes i amb formats inconsistents.
• Ningú va redissenyar el procés de treball al voltant de la IA: es va afegir un chatbot o un agent a un flux que seguia pensat perquè l’executés una persona, i el resultat és una capa més, no una millora.
• No hi ha qui mantingui el sistema després de la demo: el pilot el va muntar un equip extern o una prova interna puntual, i quan cal corregir un cas límit o escalar el volum, no hi ha ningú amb el coneixement ni el mandat per fer-ho.

Cap dels tres és un problema tècnic d’intel·ligència artificial. Són problemes d’implementació, i per això un model millor no els resol.

L’aposta d’Anthropic: pagar pel talent que falta

El 2 d’octubre, Anthropic va anunciar la Claude Frontier Academy, un programa de 100 milions de dòlars per formar 10.000 “Frontier Deployed Engineers” abans que acabi el 2027 (Anthropic). Els primers equips que passen pel programa pertanyen a consultores i grans empreses com Accenture, Bain, Capgemini, Deloitte, McKinsey o Morgan Stanley, que envien els seus enginyers a una formació intensiva seguida de dotze setmanes liderant un cas d’ús real de Claude dins la seva organització. La justificació que dona la mateixa Anthropic és explícita: “les persones amb les habilitats per fer que la IA funcioni dins un negoci real s’han convertit en el talent més difícil de trobar”. Dit d’una altra manera: l’empresa que construeix alguns dels millors models del món està invertint a formar persones, no a millorar el model, per resoldre el mateix problema que descriu l’informe de SAS i IDC.

Què significa això per a una pime espanyola

Una pime no enviarà ningú a la Claude Frontier Academy, però el diagnòstic li aplica igual: contractar accés a un bon model d’IA —Claude, GPT o Gemini— és la part fàcil i ja la resol qualsevol proveïdor. El que decideix si un projecte arriba a producció és qui dissenya la integració amb els teus sistemes, qui redissenya el procés de treball al voltant de la IA i qui es queda mantenint el sistema després de la primera demo. Això és exactament el que ofereix una consultoria d’IA per a empreses quan es fa bé: no vendre accés a un model, sinó portar un cas d’ús concret des del pilot fins que el faci servir tot l’equip.

Què fa que un projecte d’IA arribi a producció

A partir del que observem en els nostres propis projectes d’IA aplicada, els que sí que escalen comparteixen tres trets davant els que es queden en pilot:

1. Es validen contra dades reals des de la primera setmana, no contra una mostra triada que amaga els casos límit que apareixeran en producció.
2. El procés de treball es redissenya, no es decora: la IA canvia qui fa cada pas, no es limita a afegir un botó nou a un flux que segueix sent manual.
3. Hi ha un responsable intern clar des del primer dia, amb accés al codi i a les dades, que no depèn per sempre del proveïdor que ho va muntar.

A la nostra consultoria d’IA comencem precisament per aquí: abans d’escriure una línia de codi, identifiquem si el cas d’ús té les dades, el procés i el responsable intern que necessita per sobreviure a la fase de pilot. Si en falta algun dels tres, ho diem abans de començar, no després de facturar.

En resum

Espanya adopta IA més ràpid que la resta d’Europa, però l’informe de SAS i IDC confirma el que Anthropic acaba de posar 100 milions de dòlars sobre la taula per arreglar: el problema no és quin model fas servir, és qui porta aquest model fins a la teva operativa diària i el manté viu. Abans de llançar un altre pilot, val la pena preguntar-se si tens resolts les dades, el procés i el responsable que decidiran si arriba a producció o es queda en una demo més.

Tens un pilot d’IA que no acaba d’arrencar a la teva empresa? Escriu-nos: la primera consultoria és gratuïta i responem en menys de 24 hores.