Tres dies de debats a l’AI Congress 2026, celebrat a Barcelona, van reforçar un missatge que connecta profundament amb la nostra visió a Mosaic Factor: ja no n’hi ha prou amb construir models d’IA més potents.
A mesura que la intel·ligència artificial passa de l’experimentació a integrar-se en les operacions empresarials quotidianes, el veritable repte consisteix a transformar les capacitats tecnològiques en solucions que generin un valor mesurable. Al llarg de les sessions sobre agents d’IA, governança de dades, dades sintètiques, aprenentatge automàtic i adopció empresarial, va emergir un tema comú. Les organitzacions ja no es pregunten què pot fer la IA, sinó com implementar-la de manera responsable, escalar-la eficientment i garantir que produeixi resultats significatius.
A Mosaic Factor, molts dels temes tractats al Congrés reflecteixen de prop els reptes que abordem en els nostres projectes, des de la IA fiable i l’analítica avançada fins a la governança de dades, els bessons digitals i els sistemes de suport a la presa de decisions basats en IA.
Aquestes són algunes de les principals conclusions que ens enduem de l’esdeveniment.
1. L’adopció reeixida de la IA comença pel problema, no per la tecnologia
Els agents d’IA evolucionen ràpidament i obren noves oportunitats per automatitzar fluxos de treball, abordar tasques complexes i millorar la presa de decisions. Tanmateix, amb l’aparició de nous models, plataformes i eines cada setmana, les organitzacions s’enfronten a una pregunta fonamental:
Per on hauríem de començar?
Un dels missatges més pràctics del Congrés va ser sorprenentment senzill: començar pel problema. Abans de seleccionar un model o adoptar una plataforma, les organitzacions han d’entendre:
- Qui utilitzarà la solució?
- Quin repte intenta resoldre?
- Quina part del procés necessita millorar?
- Com es mesuraran els resultats?
El context sovint és el factor decisiu entre una iniciativa d’IA reeixida i una altra que té dificultats per aportar valor. Els sistemes d’IA necessiten informació rellevant sobre els objectius, els usuaris, les restriccions i els entorns operatius per generar resultats útils.
Igualment important és que la IA s’adapti als fluxos de treball existents i a la realitat empresarial. Una implementació eficaç rarament consisteix a substituir les persones. Es tracta d’identificar on la tecnologia pot ampliar les capacitats dels professionals, millorar l’eficiència i facilitar decisions més encertades.
Per a nosaltres, això reforça un principi fonamental: la innovació significativa en IA comença amb una necessitat empresarial clarament definida, no amb la tecnologia en si mateixa.
2. Una IA fiable depèn de dades fiables
La governança de dades va ser un dels temes més recurrents al llarg del Congrés.
A mesura que els sistemes d’IA adquireixen més capacitats, la seva eficàcia depèn cada vegada més de la qualitat, l’accessibilitat i la governança de les dades que els sustenten. Diverses sessions es van centrar en els espais europeus de dades i en la importància creixent d’establir mecanismes fiables per compartir informació i col·laborar.
Iniciatives com l’espai de dades de la UPC van demostrar com les organitzacions poden compartir i reutilitzar informació mantenint normes clares sobre l’accés, la propietat i l’ús de les dades.
Entre els sectors abordats durant l’esdeveniment hi havia:
- Agricultura
- Energia
- Mobilitat
- Construcció
En un dels exemples, es va integrar informació geoespacial i mediambiental en un marc comú, cosa que facilitava que els sistemes d’IA avaluessin les condicions agrícoles, analitzessin riscos i donessin suport a les decisions d’inversió.
La lliçó general va molt més enllà de qualsevol sector concret. Connectar conjunts de dades és només una part del repte. Les organitzacions també han de garantir que la informació conservi el seu significat dins del context per al qual està destinada i que els mecanismes de governança defineixin clarament com es pot utilitzar.
Aquest debat està estretament relacionat amb el concepte de sobirania digital i amb l’evolució del marc regulador europeu, inclosos el RGPD, el Reglament de governança de dades i el Reglament europeu d’IA.
Per a les empreses, la governança no s’ha de considerar únicament una obligació de compliment normatiu. És una base essencial per generar confiança, fomentar la col·laboració i adoptar la IA de manera responsable.
3. Les dades sintètiques poden obrir noves oportunitats
Molts projectes d’IA s’enfronten a un obstacle comú: les dades necessàries per desenvolupar, provar o validar una solució poden ser incompletes, estar fragmentades o no estar disponibles.
Les dades sintètiques ofereixen una possible via per abordar aquest repte.
Un exemple especialment interessant presentat durant el Congrés es va centrar en la planificació de la mobilitat en entorns rurals. A diferència de les grans àrees urbanes, les comunitats rurals sovint tenen poblacions disperses i opcions de transport limitades. Això dificulta la recopilació de dades completes sobre mobilitat, alhora que fa més important una planificació eficient del transport.
El cas d’ús de mobilitat de Nemi va mostrar com les simulacions basades en IA poden generar demanda de mobilitat sintètica i matrius d’origen-destinació combinant informació com ara:
- Àrees d’interès
- Possibles orígens i destinacions dels desplaçaments
- Patrons temporals i restriccions
Aquests conjunts de dades simulades permeten als planificadors avaluar possibles serveis de transport i explorar patrons de mobilitat fins i tot quan no es disposa de dades completes del món real.
L’exemple va posar en relleu una qüestió important sobre les dades sintètiques: el seu valor depèn de com i on s’utilitzin.
Les dades sintètiques poden ser molt eficaces per crear prototips, fer simulacions i dur a terme proves abans de la posada en producció. Tanmateix, les organitzacions han d’entendre’n les limitacions i avaluar acuradament si cal una validació addicional abans d’implementar solucions en entorns operatius.
Com passa amb qualsevol sistema d’IA, l’èxit depèn de triar l’eina adequada per a cada finalitat.
4. La IA ha de ser escalable, eficient i sostenible
Un altre missatge recurrent durant el Congrés va ser que el rendiment tècnic, per si sol, no és suficient. Una prova de concepte reeixida no es converteix automàticament en un sistema de producció reeixit.
A mesura que les solucions d’IA s’escalaen, les organitzacions s’enfronten a nous reptes relacionats amb la infraestructura, la complexitat operativa, els costos i el consum de recursos.
Durant els debats van aparèixer repetidament tres dimensions de l’eficiència:
- Eficiència econòmica. Entendre les implicacions financeres d’implementar, operar i escalar sistemes d’IA.
- Eficiència en l’ús dels recursos. Seleccionar els models i les arquitectures adequats per a cada cas d’ús, en lloc d’optar per defecte per la solució més gran o complexa.
- Eficiència mediambiental. Tenir en compte els requisits energètics i de recursos associats al desplegament de la IA.
L’eficiència operativa és igualment important. Les organitzacions han de determinar:
- Quines tasques s’han d’automatitzar.
- En quines situacions continua sent necessària la supervisió humana.
- Com han de gestionar els sistemes les excepcions i les situacions inesperades.
- Com s’han d’estructurar els fluxos de treball per equilibrar el rendiment, la governança i els costos.
Aquesta distinció és important. L’objectiu no és simplement implementar IA, sinó crear solucions que continuïn generant un valor empresarial mesurable al llarg del temps.
5. La governança, la seguretat i la rendició de comptes no es poden deixar per al final
A mesura que la IA s’integra en processos empresarials cada vegada més importants, la governança i la seguretat esdevenen factors essencials per a una adopció sostenible. Diversos debats van destacar que els sistemes d’IA no són estàtics:
- Els models evolucionen.
- Les configuracions canvien.
- Les instruccions o prompts s’actualitzen.
- S’incorporen noves dades.
Per aquest motiu, el rendiment, el compliment normatiu i els riscos no es poden avaluar una sola vegada i oblidar-los després.
Les organitzacions necessiten processos estructurats per:
- Supervisar el comportament dels sistemes.
- Documentar les decisions.
- Avaluar els riscos de manera contínua.
- Respondre als problemes emergents.
- Demostrar el compliment normatiu quan sigui necessari.
Aquests requisits són especialment importants en sectors regulats, on les organitzacions poden haver d’explicar com funcionen els sistemes d’IA i aportar proves que existeixen controls adequats.
Els debats també van destacar la importància de les persones que treballen al costat de la IA.
- Proporcionar als empleats accés a eines d’IA no garanteix automàticament una adopció reeixida.
- La formació, la gestió del canvi, les polítiques internes i el suport continu tenen un paper fonamental.
- Per tant, una IA fiable no és una fita puntual. Requereix una atenció contínua a la governança, la seguretat, la rendició de comptes i la supervisió humana.
6. Més enllà de la IA generativa: l’aprenentatge automàtic tradicional continua aportant valor
Tot i que la IA generativa i els agents d’IA van dominar moltes converses, el Congrés també va oferir un recordatori important: l’aprenentatge automàtic tradicional continua resolent problemes empresarials reals.
Molts casos d’ús relacionats amb la predicció, la classificació, la detecció d’anomalies i l’anàlisi de dades estructurades continuen sent molt eficaços sense necessitat de recórrer a grans models de llenguatge.
Al mateix temps, la IA multimodal està creant noves oportunitats en combinar text, imatges i altres tipus d’informació en sistemes integrats. Tots dos enfocaments tenen valor.
La lliçó fonamental és que l’elecció tecnològica ha d’estar determinada pel problema que es vol resoldre. El model més recent no és necessàriament el més adequat.
Les estratègies d’IA reeixides requereixen una comprensió clara de les tecnologies disponibles, els objectius empresarials i les restriccions operatives.
En definitiva, la innovació s’ha de mesurar pel valor que genera, no per la sofisticació de la tecnologia en si mateixa.
La pròxima fase de l’adopció de la IA
Si analitzem els debats de l’AI Congress 2026, la nostra principal conclusió és que el futur de la IA no estarà definit únicament per models més grans, un nombre més elevat de paràmetres o noves capacitats.
Estarà determinat per la capacitat de les organitzacions per:
- Identificar problemes empresarials rellevants.
- Construir sobre dades fiables i ben governades.
- Implementar la IA de manera eficient i sostenible.
- Mantenir la seguretat, la rendició de comptes i la supervisió humana.
- Generar resultats mesurables més enllà de la fase de prova de concepte.
Aquests reptes estan profundament interconnectats. Abordar-los requereix més que coneixements tècnics. Cal la col·laboració entre experts del domini, responsables empresarials i especialistes en IA per garantir que les solucions no només siguin tècnicament capaces, sinó també útils, fiables i alineades amb les necessitats del món real.
A Mosaic Factor, creiem que l’adopció reeixida de la IA es produeix quan les capacitats tecnològiques es combinen amb una governança sòlida, dades d’alta qualitat i una comprensió clara de les persones que finalment utilitzaran la solució.
Aquesta va ser, potser, la lliçó més valuosa de l’AI Congress 2026, i és una idea que continua guiant la nostra feina en àmbits com la salut, la indústria, la mobilitat i camps emergents com els vehicles definits per programari (Software-Defined Vehicles).