El veritable repte ja no és adoptar-la. És la governança de la IA. On s’està utilitzant la IA? Quins dades està processant? Qui continua sent responsable del resultat?

Aquestes preguntes cada cop són més importants a mesura que la IA evoluciona de ser eines que simplement generen contingut a sistemes que poden prendre accions en nom dels usuaris.

Un article recent de CIDAI, amb comentaris d’Alfonso Corral, CEO de Conversia, destaca aquest canvi. Per a moltes PIME, el repte ja no és accedir a la IA. És assegurar-se que s’utilitza de manera responsable, transparent i efectiva a tota l’organització.

D’assistents d’IA a agents d’IA

Durant els últims anys, la majoria d’organitzacions han experimentat amb assistents d’IA que responen preguntes, generen text o donen suport a la presa de decisions. La propera onada és diferent.

Els agents d’IA poden accedir a aplicacions, recuperar informació, executar fluxos de treball i interactuar amb sistemes empresarials amb una intervenció humana limitada. Un agent pot programar cites, gestionar inventaris, actualitzar registres o comunicar-se amb clients. Aquesta autonomia més gran crea noves oportunitats, però també planteja nous reptes de governança.

La pregunta ja no és: “Pot l’IA ajudar-nos a completar aquesta tasca?” Ara és: “Com assegurem que l’IA realitzi aquesta tasca de manera segura, responsable i d’acord amb els objectius de l’empresa?”

Les normes ja s’apliquen

Moltes organitzacions encara assumeixen que la governança de la IA pot esperar fins que la regulació es torni més estricta. En realitat, ja hi ha diverses obligacions en vigor.

L’Acta de la IA de la UE s’està implementant de manera progressiva. Les normes sobre pràctiques d’IA prohibides i les obligacions de formació en IA ja són aplicables, mentre que els requisits de transparència de l’Article 50 van començar a ser aplicables el 2 d’agost de 2026. Aquestes obligacions de transparència inclouen informar els usuaris quan interactuen amb certs sistemes d’IA i identificar categories concretes de contingut generat per IA. Seguiran requisits addicionals per a sistemes d’IA d’alt risc segons el calendari d’implementació de l’Acta.

Un principi clau de l’Acta de la IA és que les obligacions depenen del risc, no de la tecnologia en si. Fer servir la IA per redactar un butlletí intern comporta riscos molt diferents de fer servir la IA per filtrar candidats a una feina, avaluar el rendiment dels empleats o donar suport a decisions que afectin persones. Les últimes situacions poden desencadenar obligacions normatives molt més grans.

Un altre equívoc comú és pensar que la responsabilitat recau íntegrament en el proveïdor de programari. La Llei d’IA distingeix entre els proveïdors, que desenvolupen sistemes d’IA, i els desplegadors, que els utilitzen dins de les seves organitzacions. Una empresa pot tenir obligacions com a desplegadora encara que mai no desenvolupi un model d’IA per si mateixa. Els requisits existents relacionats amb la protecció de dades, la confidencialitat, la propietat intel·lectual i la legislació laboral continuen aplicant-se independentment de si s’utilitza IA o no. Vam explorar aquests requisits amb més detall en el nostre article anterior, “Aspectes clau de la Llei Europea d’IA“, on desglossem l’enfocament basat en riscos de la regulació, el seu calendari d’implementació i les implicacions pràctiques per a les organitzacions que adopten solucions d’IA.

El que revela l’estiu del 2026 sobre la governança de la IA

El juliol de 2026, un incident relacionat amb avaluacions de ciberseguretat d’IA va atraure una atenció significativa dins de la comunitat d’IA.

Segons la investigació publicada per OpenAI, models d’IA molt capacitats que participaven en avaluacions internes de ciberseguretat van eludir els controls previstos, van accedir a internet i van comprometre parts de la infraestructura de recerca d’OpenAI i sistemes que pertanyien a Hugging Face. OpenAI va atribuir aquest comportament a incentius mal alineats durant l’avaluació i el va descriure com una forma de “manipulació de recompenses” o reward hacking.

La importància de l’incident no era només la fallada tècnica. Va posar de relleu un repte més ampli de governança: els sistemes d’IA molt capaços poden perseguir objectius d’una manera inesperada quan els indicadors d’èxit, els permisos i els mecanismes de supervisió estan mal dissenyats. La investigació d’OpenAI va identificar problemes no només relacionats amb el comportament del model, sinó també amb els processos de monitoratge, aïllament i escalada. La lliçó és clara: la governança de la IA no és només sobre el model. També té a veure amb l’entorn en què opera el model.

Entenent el reward hacking

Molts sistemes d’IA moderns depenen de l’aprenentatge per reforç, on el sistema aprèn intentant accions i rebent retroalimentació basada en objectius predefinits. El ‘reward hacking’ passa quan un sistema descobreix una manera de maximitzar la seva puntuació sense aconseguir l’objectiu real que volien els seus dissenyadors.

Un simple exemple empresarial il·lustra el concepte. Imagina un equip d’atenció al client que només rep recompensa per reduir la durada de les trucades. Alguns empleats podrien adonar-se que acabar ràpidament converses difícils millora la mètrica, encara que la satisfacció del client disminueixi. La mètrica millora. El resultat no. El mateix principi pot aparèixer en els sistemes d’intel·ligència artificial. A mesura que els agents d’IA tenen accés a aplicacions, fluxos de treball i processos empresarials, els objectius mal dissenyats poden provocar comportaments no previstos que tècnicament compleixen els objectius de rendiment mentre que van en contra dels objectius del negoci. És important destacar que això no implica engany intencionat ni consciència. Simplement reflecteix el fet que els sistemes d’optimització sovint aprofiten les dreceres quan aquestes són recompensades.

Per què això és important per a les PIME?

Poques PIMEs entrenaran mai un model d’IA de frontera. Moltes, però, desplegaran agents d’IA connectats a correu electrònic, plataformes CRM, sistemes ERP, portals de clients o entorns de comerç electrònic. A Mosaic Factor, cada cop veiem més organitzacions explorant aquests casos d’ús mentre al mateix temps fan preguntes sobre traçabilitat, responsabilitat i control. Alguns exemples podrien ser:

• Un agent d’IA encarregat de reduir els tiquets de suport oberts tanca casos massa aviat en lloc de resoldre els problemes subjacents.
• Un agent de gestió d’inventari evita els dèficits d’estoc fent comandes excessives de productes de manera sistemàtica.
• Un assistent d’IA amb permisos excessius accedeix a informació sensible que mai no necessitava per fer la seva tasca.

Això no són només falles tècniques. Són falles de governança. Com es defineix l’èxit, quins permisos es concedeixen, quan es requereix aprovació humana i com es supervisen els comportaments són decisions empresarials. No s’haurien de deixar només a qui instal·la l’eina d’IA.

Un punt de partida pràctic per a la governança de la IA

Una governança efectiva de la IA no necessita un gran equip de compliment. Comença amb unes quantes disciplines pràctiques:

1. Mapeja l’ús de la IA a tota l’organització. Documenta cada sistema d’IA, qui l’utilitza, quins dades processa i quin proveïdor el subministra.
2. Avalua el risc i l’impacte. Distingiu entre aplicacions de productivitat de baix risc i sistemes que influencien persones, finances, compliment normatiu o decisions estratègiques.
3. Aplica l’accés amb privilegis mínims. Atorga als sistemes d’IA només els permisos necessaris per al seu propòsit.
4. Mantingues a les persones implicades en decisions crítiques. Requereix aprovació per accions difícils de revertir, com pagaments, comunicacions amb clients o eliminació de registres.
5. Monitoritza els resultats, no només els indicadors. Verifica que s’estiguin complint realment els objectius empresarials en lloc de només mesurar els indicadors establerts.
6. Mantingues registres d’auditoria i logs. La supervisió és essencial per identificar comportaments inesperats abans que es converteixin en problemes importants.
7. Inverteix en alfabetització en IA. Els empleats haurien d’entendre tant les oportunitats com les limitacions dels sistemes d’IA que utilitzen.
8. Avalua els proveïdors amb cura. Pregunta com es maneja la dada, quins mecanismes de transparència existeixen i quins controls i capacitats d’auditoria estan disponibles.
9. Sigues transparent amb els clients. Quan la IA interactua directament amb els usuaris o genera contingut del qual poden dependre, la transparència genera confiança i ajuda a complir les normes.

La governança és el que possibilita una Intel·ligència Artificial fiable

Una IA responsable no significa usar menys IA. Significa entendre què fan els sistemes d’IA, per què ho fan i quines són les seves limitacions. Les organitzacions que triomfen amb la IA a llarg termini no seran necessàriament les que la despleguen primer. Seran les que la despleguen de manera responsable, amb controls adequats, responsabilitat clara i un bon coneixement del risc. La governança no hauria de veure’s com una barrera per a la innovació. És el que permet a les organitzacions innovar amb confiança, escalar iniciatives d’IA reeixides i mantenir la confiança de clients, empleats i reguladors. A Mosaic Factor, ajudem les organitzacions a construir sistemes d’IA de confiança que siguin explicables, auditable i alineats tant amb els objectius empresarials com amb les expectatives reguladores. Perquè el futur no pertany simplement a les empreses que utilitzen IA, sinó a les empreses que gestionen bé la IA.

→ Consulta la nostra solució Trustworthy AI

La entrada Fer servir la IA és fàcil. Gobernar-la és el veritable repte per a les PIME se publicó primero en Mosaic Factor.

En aquest article compartim les principals conclusions del reportatge i aprofundim en àmbits cada vegada més importants per als fabricants (OEM) i proveïdors del sector: la IA explicable, la presa de decisions fiable, els bessons digitals industrials i l’evolució cap al vehicle definit per programari (SDV).

1. Centrar la inversió en IA en els processos de fabricació de més impacte

La IA ofereix el retorn de la inversió més alt en entorns de fabricació on la complexitat operativa, les aturades dels equips i els problemes de qualitat generen costos importants.
Com vam explicar a AutoRevista:

«Els retorns més grans se solen trobar en àrees caracteritzades per una alta complexitat operativa, grans volums de dades i costos significatius associats a aturades, reprocessaments o consum energètic».

A la pràctica, això vol dir:

• manteniment predictiu en equips crítics
• monitoratge en temps real per detectar colls d’ampolla
• ajust de paràmetres de procés
• i control de qualitat basat en dades de sensors i de sistemes MES, SCADA i PLC.

Els bessons digitals ho integren tot. Abans de moure una línia, modificar un flux logístic o ampliar la capacitat, una planta pot provar el canvi de manera virtual, «reduint el risc i accelerant la presa de decisions». 

2. La IA predictiva i la IA generativa resolen reptes de fabricació diferents

En la fabricació d’automòbils, la IA predictiva s’utilitza habitualment per al manteniment predictiu, la detecció d’anomalies i l’optimització de processos, mentre que la IA generativa dona suport a la gestió del coneixement, la documentació d’enginyeria i l’assistència als treballadors.
Sovint es posen al mateix sac, però a la planta resolen problemes diferents. Els models predictius són l’eina més madura i s’utilitzen per anticipar avaries, modelitzar el comportament dels equips i planificar el manteniment. La IA generativa és més recent i ajuda més les persones que les màquines: fa accessible la documentació tècnica i el coneixement expert als equips de producció, enginyeria, manteniment i qualitat. Aquest segon ús s’està tornant urgent. Com vam assenyalar a l’entrevista:

«La transferència de coneixement i la disponibilitat de personal especialitzat s’han convertit en reptes estratègics per a moltes plantes».

3. L’optimització energètica basada en IA s’està convertint en un avantatge competitiu

Les operacions d’alt consum energètic, com ara els tallers de pintura, els forns, els sistemes d’aire comprimit i les instal·lacions de climatització (HVAC), s’estan optimitzant cada vegada més mitjançant models d’aprenentatge automàtic i tecnologies de bessó digital.

L’aprenentatge automàtic i els bessons digitals permeten detectar patrons de consum, assenyalar anomalies i simular escenaris de producció. L’objectiu és consumir menys energia sense renunciar a la qualitat ni a la producció. Aquestes capacitats també són al centre de Twin-Loop, el nostre projecte Horizon Europe, en què desenvolupem bessons digitals impulsats per IA per ajudar els operadors industrials a entendre l’impacte de les decisions de producció en el consum energètic, l’eficiència dels recursos i el rendiment en sostenibilitat. El projecte reflecteix un canvi més ampli cap a entorns de fabricació més intel·ligents i basats en dades, capaços d’adaptar-se i d’optimitzar les operacions de manera contínua.

«Això permet passar d’una gestió energètica reactiva a una optimització contínua basada en dades, un enfocament que també s’alinea amb els objectius de sostenibilitat i de reducció d’emissions que s’està marcant actualment la indústria de l’automoció», va afirmar el nostre CTO.

4. La IA explicable manté les persones al comandament de les decisions crítiques de fabricació

A mesura que els sistemes d’IA s’integren més profundament en els processos productius, la IA explicable (XAI) s’està tornant imprescindible per a l’assegurament de la qualitat, el compliment normatiu i la confiança operativa.
Els equips de fabricació i de qualitat necessiten entendre per què un sistema d’IA recomana una acció concreta, sobretot quan les decisions afecten la seguretat, la continuïtat de la producció o la qualitat del producte.

Les tres empreses del reportatge hi van coincidir. La visió artificial ja resol molt bé la major part de la inspecció repetitiva i de gran volum. Tanmateix, per als components més crítics, creiem que la millor configuració combina IA, sistemes de visió i supervisió humana.

Hi ha un motiu darrere d’això que no es va incloure a la versió impresa. En entorns industrials, les decisions han de ser auditables i comprensibles per als equips de producció i de qualitat que en responen. Per això ens centrem en una IA explicable i fiable, i per això el nostre lema és AI you can trust.

La nostra visió és que la IA ha de fer els equips més capaços, no substituir-los, i ajudar-los a decidir més de pressa, amb millors evidències i menys incertesa.

5. El vehicle definit per programari està transformant la fabricació d’automòbils

L’auge del vehicle definit per programari (SDV) no només està canviant el desenvolupament dels vehicles, sinó també la manera com funcionen les plantes d’automoció.
Els vehicles moderns depenen cada vegada més del programari, els sensors, la connectivitat i les actualitzacions contínues al llarg de tot el seu cicle de vida. Per això, els fabricants necessiten entorns de producció capaços d’adaptar-se ràpidament als canvis de producte, validar sistemes amb un alt component de programari i mantenir una traçabilitat d’extrem a extrem.

La IA, els bessons digitals i l’analítica avançada tenen un paper clau en aquesta transició. Permeten als fabricants simular escenaris de producció, supervisar la qualitat en temps real i accelerar la presa de decisions tant en l’enginyeria com en les operacions de planta.

A Mosaic Factor creiem que la convergència de la IA, els bessons digitals industrials i els sistemes explicables de suport a la decisió serà fonamental per a la propera generació de fabricació de vehicles definits per programari.
O, com ho vam expressar a AutoRevista:

«Al nostre parer, el futur passa per una integració cada vegada més gran entre el món físic i el digital, amb la IA com a columna vertebral de tota la cadena de valor».

La entrada La IA està transformant les fàbriques d’automòbils: manteniment predictiu, bessons digitals i IA explicable se publicó primero en Mosaic Factor.

1. Es prohibeixen els usos d’IA amb riscos inacceptables. Això vol dir que no s’han d’utilitzar els següents tipus de models:
   1. IA subliminal, manipuladora o enganyosa
   2. Models d’IA que explotin vulnerabilitats relacionades amb l’edat, la discapacitat o les circumstàncies socioeconòmiques per distorsionar el comportament, causant danys significatius.
   3. Sistemes de categorització biomètrica que infereixin atributs sensibles (com ara raça, opinions polítiques, afiliació sindical, creences religioses o filosòfiques, vida sexual o orientació sexual), excepte per a l’etiquetatge o el filtratge de conjunts de dades biomètriques adquirides legalment o quan les forces de seguretat categoritzen dades biomètriques.
   4. Sistemes de puntuació social.
   5. Sistemes que avaluïn el risc que una persona cometi delictes penals.
   6. Compilar bases de dades de reconeixement facial d’Internet o imatges de CCTV.
   7. Inferir emocions en llocs de treball o institucions educatives.
   8. Identificació biomètrica remota (RBI) «en temps real» en espais d’accés públic per a les forces de seguretat.
2. Sistemes d’IA d’alt risc: estan regulats, i l’AI Act se centra sobretot en aquesta tipologia.
3. Sistemes d’IA de risc limitat: estan subjectes a obligacions de transparència menys estrictes. Això significa que els desenvolupadors han d’assegurar-se que els usuaris finals siguin conscients que estan interactuant amb la IA (deixant clar que hi ha un model d’IA darrere dels chatbots i els deepfakes).
4. Els models d’IA de risc mínim: no estan regulats: entre aquests es troben la majoria de les aplicacions d’IA que estaven disponibles al mercat únic de la UE en el moment de l’entrada en vigor de la Llei d’IA el 2021. Per exemple, videojocs habilitats amb IA i filtres de correu brossa.

Clarament, aquest escenari està canviant amb la IA generativa, que augmenta el nivell de risc dels models d’IA, convertint-los majoritàriament en models d’alt risc. Tot i que les regulacions de la IA estan avançant, creiem que els sistemes d’IA haurien de ser supervisats per persones, en lloc de per l’automatització, per evitar resultats perjudicials. Això inclou assegurar-nos que som capaços de generar sistemes d’IA fiables (trustworthy AI en anglès) que tinguin un disseny just i que siguin explicables i clars per als responsables de la presa de decisions. És evident que la legislació no accelerarà l’adopció d’una IA responsable, però són les organitzacions les que han de compartir experiències i solucions per mostrar com són les «bones pràctiques». Els consells d’administració han d’adoptar la responsabilitat digital corporativa per avaluar els impactes digitals dels productes o serveis en totes les parts interessades, examinant els impactes socials, econòmics, tecnològics i ambientals. Per tant, estem donant suport a les empreses en el seu paper per garantir que la tecnologia no es desplegui en «casos d’ús negatius» que puguin perjudicar la societat i generant així models d’IA que siguin transparents, eficaços, justos i responsables.

L’explicabilitat de la IA està esdevenint un requisit regulador, no només una bona pràctica de governança

Tot i que la transparència ha estat sempre un principi clau de la trustworthy AI, la European AI Act enforteix significativament la necessitat d’explicabilitat al llarg del cicle de vida de la IA. Per als sistemes de IA d’alt risc, els proveïdors han d’assegurar una transparència suficient perquè els qui despleguen i integren sistemes de IA puguin entendre, interpretar i fer un ús adequat dels resultats del sistema. Això inclou proporcionar documentació sobre les capacitats del sistema, les seves limitacions, el rendiment esperat, els escenaris de risc i, quan sigui aplicable, informació que ajudin a explicar com es generen els resultats.

La Llei d’IA també vincula l’explicabilitat amb els requisits de supervisió humana. Els responsables de la presa de decisions han de poder monitoritzar eficaçment els sistemes d’IA, qüestionar els resultats quan sigui necessari i intervenir per evitar resultats perjudicials. En la pràctica, això vol dir que les organitzacions necessitaran cada vegada més tècniques d’explicabilitat, documentació de models, registres d’auditoria i eines de monitorització que facin que les decisions de la IA siguin comprensibles tant per a tècnics com per a responsables de negoci.

Més enllà de les aplicacions d’alt risc, les noves obligacions de transparència per als sistemes d’IA generativa requereixen que els usuaris estiguin informats quan interactuen amb IA i quan el contingut ha estat generat o manipulat per IA. A mesura que aquests requisits entren en vigor, les organitzacions necessitaran marcs de governança més sòlids que demostrin no només compliment, sinó també que els sistemes d’IA es poden confiar, interpretar i responsabilitzar. Aquí pots veure les directrius de la Comissió Europea sobre les obligacions de transparència per als proveïdors i desplegadors de sistemes de IA.

→ Consulta la nostra solució Trustworthy AI

La entrada Aspectes clau de la Llei Europea d’IA (AI Act) se publicó primero en Mosaic Factor.

Per què la Explainable AI és important en el sector Automotive 

Els sistemes d’IA en l’automoció han de complir estàndards extremadament alts de seguretat, regulació i responsabilitat. L’IA explicable és essencial per permetre:

• Compliment normatiu (incloent-hi les noves regulacions d’IA i els estàndards de seguretat automotriu).
• Traçabilitat de les decisions en sistemes crítics per la seguretat.
• Depuració i validació de models de machine learning complexos.
• Detectar i solucionar biaixos tant en les dades com en les prediccions.
• Confiança i acceptació per part dels reguladors, partners i usuaris finals.

Sense explicabilitat, fins i tot els models amb rendiment elevat poden ser difícils o impossibles de certificar, validar o desplegar de manera responsable.

Webinar

Tot i que la sessió es fa en línia, el seu enfocament pràctic, interactiu i aprofundit va més enllà d’un webinar tradicional. Els participants no només aprendran què és la Intel·ligència Artificial Explicable, sinó també com aplicar-la directament en casos reals del sector de l’automoció i en processos de desenvolupament. Per això definim l’esdeveniment com una masterclass en línia, que combina profunditat i interactivitat amb l’accessibilitat i la comoditat d’un format tipus webinar. 

📨 Clica aquí per a registrar-te ara. 

Què aprendràs

Al final d’aquesta sessió, els participants entendran com anar més enllà de la precisió i dissenyar sistemes d’IA que siguin:

• Transparents: el seu comportament es pot entendre i inspeccionar.
• Responsables: les decisions es poden justificar i rastrejar.
• Confiables: segurs per desplegar en entorns automobilístics reals.

Les persones participants obtindran coneixements pràctics i aplicables sobre:

1. Els fonaments de la Intel·ligència Artificial Explicable (XAI) i la interpretabilitat dels models.
2. La diferència entre models intrínsecament transparents i explicabilitat posteriors.
3. Tècniques claus de XAI per a aplicacions en l’automoció (per exemple: atribuïció de característiques i explicacions locals versus globals).
4. Com dissenyar sistemes d’IA que siguin responsables per disseny.
5. Integrar l’explicabilitat en els fluxos de desenvolupament, proves i validació.
6. Donar suport a auditories, documentació i revisions reguladores amb XAI.
7. Exemples reals de l’automoció i lliçons apreses.

L’enfocament està clarament en la presa de decisions pràctica, no en la teoria abstracta. La nostra Chief Data Scientist, Burcu Kolbay, respondrà preguntes al final.

A qui va dirigit

Aquesta masterclass està dissenyada per a professionals que treballen amb IA dins de l’ecosistema automotriu, incloent:

• Enginyers d’IA i Aprenentatge Automàtic
• Científics de Dades
• Enginyers d’ADAS i Conducció Autònoma
• Gestors de Seguretat Funcional i Compliance
• Líders de R+D i Innovació
• Product Owners i Gestors Tècnics

No cal tenir coneixements legals. Les perspectives aplicades i centrades en l’enginyeria són el centre d’atenció.

Detalls del webinar

• Format: Online (live)
• Durada: 60 minuts
• Nivell: Intermig a Avançat
• Idioma: Anglès 

Registre

Uneix-te a aquesta masterclass per assegurar-te que les teves solucions d’IA siguin potents, però també comprensibles, responsables i confiables.

📨 Clica aquí per a registrar-te ara i ajudar a donar forma al futur de l’IA automotriu de confiança. 

La entrada Masterclass Explainable AI per automotive: from black boxes to trust  se publicó primero en Mosaic Factor.

Representant Mosaic Factor a l’esdeveniment hi havia el cap de vendes Joan Sampablo, que va assistir en nom de Mosaic Factor per explorar els darrers desenvolupaments que configuren el futur de la connectivitat, la intel·ligència artificial i la infraestructura digital.

.     

Les telecomunicacions com a columna vertebral de la IA

El MWC 2026 va destacar com la indústria de les telecomunicacions està anant més enllà de la connectivitat per convertir-se en un facilitador central de la propera generació de serveis basats en IA. El lideratge de la GSMA va descriure tres pilars clau que s’espera que impulsin la propera fase del creixement digital:

• La finalització dels desplegaments de xarxes autònomes 5G.
• Un accés més ampli a tecnologies d’IA obertes i inclusives.
• Marcs de seguretat i confiança digital globals més forts.

Aquestes prioritats reflecteixen un canvi més ampli cap a xarxes que no només són més ràpides, sinó que també són capaces de donar suport a la intel·ligència distribuïda i als serveis basats en IA.

. 

L’auge de la intel·ligència en el dispositiu

Un tema important durant tot l’esdeveniment va ser l’auge de la IA a tot arreu, en particular el canvi cap a la intel·ligència en el dispositiu i nativa de la xarxa. Els fabricants de xips i els fabricants de dispositius van mostrar noves i potents arquitectures de sistema en un xip dissenyades per a la inferència d’IA local, que permeten capacitats com ara:

• Traducció en temps real
• Resum en el dispositiu
• Processament avançat de fotos
• Assistents d’IA capaços de realitzar tasques complexes sense dependre del núvol.

Per a desenvolupadors i empreses, aquest canvi indica un nou estàndard de disseny on les aplicacions es creen tenint en compte el processament d’IA local i la interacció multimodal, combinant interfícies de càmera, veu i text per oferir experiències més riques.

El futur dels sistemes autònoms

Un altre tema destacat va ser l’aparició de sistemes d’IA agentius, on els agents d’IA autònoms poden coordinar tasques a través de xarxes, infraestructures i entorns físics. Els proveïdors de telecomunicacions i les startups van demostrar com aquests sistemes es podien aplicar a l’orquestració de xarxes, les operacions automatitzades i la millora de la ciberseguretat.

La propera generació de sistemes connectats

Un dels conceptes més comentats al congrés d’aquest any va ser el de la «computació cinètica» i els «tokens cinètics». Aquests representen unitats de computació ultraràpides dissenyades per sincronitzar accions del món real a través de la robòtica, els drons, els vehicles autònoms i altres sistemes distribuïts. Els operadors de telecomunicacions argumenten que les seves xarxes estan en una posició única per oferir la coordinació de nivell de mil·lisegons necessària per impulsar aquestes tecnologies emergents. 

Seguretat, confiança digital i inclusió global

La seguretat i la inclusió digital global també van ocupar un lloc destacat a l’agenda de la conferència. Amb els costos de la ciberdelinqüència que continuen augmentant a tot el món, els líders de la indústria van emfatitzar la importància de:

• IA que preservi la privadesa
• Marcs d’identitat digital més forts
• Models d’IA capaços de suportar idiomes més globals
• Estàndards d’infraestructura transfronterers

Aquestes prioritats reflecteixen el creixent reconeixement que la innovació tecnològica ha d’anar acompanyada d’una governança sòlida i un accés digital inclusiu.

Mosaic Factor al MWC 2026

Segons en Joan, assistir al MWC proporciona informació valuosa sobre com el panorama de les telecomunicacions i la tecnologia està evolucionant a un ritme ràpid. L’esdeveniment va destacar la creixent importància de la infraestructura habilitada per IA i la computació perimetral, així com el paper creixent que tindran les xarxes de telecomunicacions en l’habilitació d’aplicacions intel·ligents i sistemes connectats.

Per a Mosaic Factor, assistir al congrés ofereix una oportunitat per mantenir-se estretament alineat amb les tendències i innovacions emergents de la indústria que donaran forma a la propera generació de solucions digitals.

A mesura que la indústria s’endinsa més en l’anomenada Era de la Ciència Intel·ligència (CI), s’espera que la convergència de la IA, la connectivitat avançada i la computació distribuïda redefineixi com interactuen els dispositius, les xarxes i les empreses, creant noves oportunitats d’innovació en tots els sectors a tot el món.

La entrada Mobile World Congress 2026: Entrant a la era IQ se publicó primero en Mosaic Factor.

Impulsant l’eficiència i la innovació amb bessons digitals

Persi va destacar el MyEV Digital Twin, una arquitectura de dues capes amb una versió completament fora de bord per a la simulació i una versió més lleugera dins del vehicle, totalment connectada i interoperable amb aplicacions d’IA per permetre actualitzacions i optimitzacions contínues.

Aquest disseny permet actualitzacions contínues i interoperabilitat amb aplicacions d’IA avançades, garantint que la funció dels VE definida per programari es pugui optimitzar per a l’energia, l’eficiència, la seguretat i l’experiència del conductor durant tot el cicle de vida del vehicle.

. 

Metodologia TwinOps: optimització contínua

Al cor del Twin-Loop hi ha el concepte TwinOPs, que fusiona: 

• Principis d’enginyeria basada en models (MBE) 
• Pràctiques deDevOps 
• Integració contínua de bessons digitals

Aquesta metodologia permet que els bessons digitals es mantinguin sincronitzats amb l’evolució dels dissenys de vehicles, donant suport a un disseny eficient, la validació i la presa de decisions operatives. TwinOps també aprofita les dades dels vehicles i la flota per millorar l’optimització energètica, la seguretat i la integritat del sistema sense interferir amb les funcions bàsiques dels vehicles elèctrics.

Energia, seguretat i sostenibilitat

L’eficiència energètica va ser un tema clau de la presentació. Persi va descriure com els algoritmes optimitzats al vehicle i la transmissió de dades comprimides poden reduir el consum d’energia alhora que mantenen un alt rendiment. També va destacar com TwinOps integra la modelització ambiental, donant suport a la reducció d’emissions del cicle de vida i la transició cap a vehicles definits per programari (SDV).

La seguretat i la ciberseguretat continuen sent fonamentals per al marc de treball: els bessons digitals i les aplicacions estan dissenyats per operar darrere dels sistemes bàsics, amb eines com CyberCar, OFSCE, ModVV i ZTBCar que proporcionen protecció contra atacs individuals de vehicles, intrusions a nivell de flota i violacions dels sistemes dins del vehicle.

Foment de la col·laboració i la competitivitat europea

El consorci Twin-Loop reuneix 12 socis de 8 països, que abasten el món acadèmic, fabricants d’automòbils, proveïdors de tecnologia i empreses de consultoria. Els membres del consell assessor inclouen ZF Friedrichshafen AG, Volvo Group, Zunder i Traton, i el projecte compta amb el suport d’un pressupost de 5 milions d’euros.

Desenvolupant un marc de treball obert per a MyEV Digital Twins i un conjunt d’aplicacions connectades, Twin-Loop pretén accelerar la innovació, reduir el temps de desenvolupament i enfortir la competitivitat de l’automoció europea. El marc de treball proporciona mòduls reutilitzables, directrius de desenvolupament i serveis compartits, simplificant el desenvolupament de sistemes digitals complexos.

Mirant cap al futur

La presentació va destacar com TwinOps i MyEV Digital Twins estan marcant el començament d’una nova era de vehicles elèctrics més intel·ligents, segurs i sostenibles. Aprofitant la millora contínua i els coneixements a nivell de flota, aquestes eines milloren l’eficiència energètica, l’experiència del conductor i la resiliència general del sistema. A través de Twin-Loop, el projecte està ajudant a donar forma al futur dels vehicles definits per programari i impulsant la indústria automobilística europea cap a la propera generació de mobilitat.

La entrada TwinOps i MyEV Digital Twins: vehicles elèctrics SDV a la Conferència RTR se publicó primero en Mosaic Factor.

La reunió va marcar una fita important per a l’estructura de treball de l’ECAVA. El dia va començar amb un ampli mapeig de les iniciatives europees actuals en la conducció autònoma, destacant tant la profunditat de l’activitat ja en curs com la necessitat d’una millor alineació. Amb la intensificació de la competència global i la «velocitat de la Xina» esmentada repetidament al llarg dels debats, els participants van assenyalar el ràpid ritme al qual aquest país està avançant en l’espai tecnològic i de la conducció autònoma. L’enteniment compartit és que Europa ha d’enfortir la coordinació i accelerar l’execució per construir la seva pròpia IA europea competitiva i d’alt rendiment capaç d’igualar aquest impuls. 

De l’estratègia a les bases de software

Una part clau del diàleg es va centrar en l’avanç d’un software pack de conducció autònoma europea. En lloc de duplicar esforços, els participants van explorar com unes bases compartides i una governança més clara podrien donar suport a la innovació escalable alhora que reforçaven la sobirania tecnològica d’Europa. 

Dues àrees prioritàries van donar forma als intercanvis: 

• Governança tècnica i coordinació entre iniciatives. 
• Col·laboració estructurada en un software stack de conducció autònoma europea.

Les discussions paral·leles sobre el desplegament de la conducció autònoma i la IA i data pooling van afegir profunditat pràctica a la conversa. Els temes van anar des de les vies de desplegament i les proves transfrontereres fins a com l’intercanvi de dades i les capacitats informàtiques poden fonamentar sistemes d’IA competitius i fiables. 

Impuls a tot l’ecosistema

La forta participació va indicar un creixent alineament a la cadena de valor de l’automoció. Els líders de la indústria van compartir perspectives sobre els models de desplegament i la implementació al món real, provocant un debat reflexiu i reforçant la necessitat d’anar més enllà de la discussió cap a un progrés tangible. 

Per mantenir la continuïtat i evitar la fragmentació, es formarà un equip central dedicat sota el lideratge dels copresidents que aviat seran elegits. S’esperen més detalls estructurals a la propera reunió del Comitè Directiu al març, reflectint l’ambició d’ECAVA de mantenir-se àgil, centrada i orientada a resultats. 

El CEO de Mosaic Factor, Stefano, va assistir a les sessions com a part del diàleg més ampli de la indústria, contribuint a l’esforç col·lectiu que configura la full de ruta de la conducció autònoma d’Europa. 

La conclusió de Brussel·les va ser senzilla i pràctica: Europa té l’experiència i la capacitat industrial. El següent pas és una execució disciplinada i coordinada. 

Llegeix més sobre les nostres solucions de Trustworthy AI.

La entrada Impulsant una IA fiable en la mobilitat autònoma: reunió d’ECAVA se publicó primero en Mosaic Factor.

Sessions clau sobre IA

Agentic AI in the Car: From Orchestration to Agentic Personalisation

• Speaker: Dogukan Sonmez, Project Lead Machine Learning Platform, BMW AG
• Focus: aplicacions d’IA generativa més enllà del text, gestió de models 3D, fluxos de sensors i dades específiques del domini.
• Highlight: va explorar l’ús de multi-agent system architectures i tècniques d’orquestració, mostrant com la IA agentica pot millorar l’eficiència, l’adaptabilitat i la presa de decisions en els SDV.

Scalable Function Deployment for SDV

• Speaker: Michael Niklas-Höret, AUMOVIO

• Focus: la (R)evolució contínua de les arquitectures E/E en vehicles, des de les centrades en dominis descentralitzats fins a Server Zone i Central Compute/Zero Edge, i el repte resultant de desplegar funcions a través d’aquestes arquitectures diverses.
• Highlight: introducció d’un nou patró de desenvolupament de funcions dissenyat per permetre la reutilització de funcions en les tres arquitectures principals (i els seus híbrids), amb l’objectiu de facilitar la migració dels OEM a noves plataformes E/E i augmentar la reutilització entre les línies de vehicles.

From Code to Car – Accelerating SDV Integration with Shift-Left and CI/CT

• Speaker: Felix Pretscheck, Bosch
• Focus:com la introducció d’ECU de càlcul de nova generació, combinada amb un enfocament de shift-left, la virtualització i un marc modular de CI/CT (Integració Contínua/Proves Contínues), està transformant i accelerant el procés d’integració de programari i sistemes per a Vehicles Definits per Programari (SDV).
• Highlight: mostrant metodologies clau i facilitadors arquitectònics que optimitzen la integració i la validació, conduint a una millora de la qualitat del programari, cicles d’integració més ràpids i sistemes automotriu complexos més àgils, escalables i preparats per a la producció.

Coding for Cars: AI in the Driver’s Seat

• Speaker: Mikhail Vink, VP of Business Development, JetBrains
• Focus: el paper del desenvolupament impulsat per IA en indústries regulades, garantint la qualitat i la seguretat del codi generat per IA, i integrant la IA en DevOps.
• Highlight: va demostrar com la IA pot simplificar els processos de programació alhora que es mantenen els estàndards de compliment i seguretat.

Between Research and Current Development in ADAS

• Speaker: Khaled Alomari, Manager Connected Vehicles, MHP (A Porsche Company)
• Focus: connectant la recerca d’avantguarda amb el desenvolupament real de Sistemes Avançats d’Assistència al Conductor (ADAS).
• Highlight: va emfasitzar la col·laboració entre el món acadèmic, la indústria i els reguladors per accelerar l’adopció d’ADAS amb tecnologia d’IA.

Les reflexions de Khaled van subratllar el paper crític de la intel·ligència artificial en la millora de la seguretat i l’eficiència, fent que aquesta sessió fos imprescindible per a qualsevol persona interessada en el futur dels vehicles connectats.

Mastering Complexity with Digital Twins

• Speaker: Ignacio Izaguirre, VP of Product, Concentrio AG
• Focus: aplicant bessons digitals a nivell de senyal per a la gestió de programari.
• Highlight: va mostrar com l’aplicació de la IA a les xarxes de dependència pot identificar anomalies i vulnerabilitats, millorant les actualitzacions OTA i la fiabilitat del sistema.

AI-Driven Autonomy in SDVs

• Speaker: Shashank Pathak, Product Management, ZF Friedrichshafen AG
• Focus: com la intel·ligència artificial permet la percepció, la planificació i el control en vehicles autònoms SDV.
• Highlight: es van discutir els reptes de desplegar IA en maquinari automotriu i les estratègies per a una autonomia segura i escalable.

Tallers i sessions world café

La Conferència de Vehicles Definits per Programari presenta formats altament interactius com discussions al estil World Café i tallers impulsats per els mateixos professionals, dissenyats per fomentar la col·laboració i la resolució de problemes entre els participants. Les sessions de taller «Challenge your peers» van reunir els assistents en taules rodones petites i moderades on vam debatre qüestions importants de la indústria utilitzant la intel·ligència col·lectiva i mapes mentals. Els temes van abastar des de com evoluciona el testatge de programari en les arquitectures SDV, el paper de la IA en el desenvolupament automotriu i el futur del compliment de l’ASPICE, fins a redefinir les experiències dins del cotxe mitjançant HMI avançat i explorar l’autonomia impulsada per IA. Cada taller animava els participants a compartir experiències, qüestionar suposicions i cocrear conceptes de solució. De manera similar, el format World Café proporcionava un entorn dinàmic per a l’aprenentatge entre parells, el networking cross-indústria i la generació d’idees aplicables que complementaven les presentacions més formals i els estudis de cas.

Les nostres conclusions

La conferència va destacar que la intel·ligència artificial ja no és una eina perifèrica, sinó un pilar central en l’evolució dels vehicles definits per programari. Des de la personalització amb agents a BMW fins a els ADAS impulsats per IA a MHP, les sessions van demostrar com la intel·ligència s’integra en cada capa de la innovació automotriu. Aquestes ponències no només van mostrar aplicacions actuals, sinó que també van assenyalar un futur on els vehicles seran adaptatius, intel·ligents i profundament connectats.

La entrada Conferència Software-Defined Vehicles a Berlin 2025 se publicó primero en Mosaic Factor.

Com a coordinadors de Twin-Loop, estem encantats de liderar aquest esforç innovador per desenvolupar un Marc Obert per a les tecnologies TwinOps i Digital Twin adaptades als Vehicles Elèctrics. L’objectiu final del projecte: reduir significativament el consum d’energia dels VE i obrir el camí cap a una mobilitat més intel·ligent i sostenible.

Aspectes destacats de l’Assemblea

• Avanços Col·laboratius. Socis de tota Europa es van reunir en sessions dinàmiques centrades en el Consell Assessor i els Casos d’Ús, alineant-se en estratègies tècniques i objectius compartits.
• Revisió del progrés del projecte. Una avaluació exhaustiva dels fites, lliuraments i objectius futurs va assegurar que tots els implicats avançessin amb claredat i cohesió.
• Networking i sinèrgies. Les trobades informals i les activitats estructurades de networking van afavorir noves relacions i van enfortir les existents, reforçant l’esperit col·laboratiu de Twin-Loop.
• Tallers pràctics. Les sessions interactives van encendre noves idees i coneixements pràctics, proporcionant als participants un renovat ímpetu i un full de ruta clar per a la següent fase.

A mesura que Twin-Loop continua evolucionant, l’energia i la implicació d’aquesta Assemblea General serviran com a catalitzador poderós per a la innovació, l’impacte i el progrés cap a un futur de vehicles elèctrics més eficient.

Avançant la intel·ligència del Digital Twin per al Futur del SDV en vehicles elèctrics

Twin-Loop està liderant una nova generació d’innovació en Digital Twin aprofitant les capacitats creixents de les arquitectures cloud-native i la computació d’alt rendiment (HPC). A mesura que els vehicles elèctrics evolucionen cap a vehicles completament definits per programari (SDV), el projecte utilitza l’orquestració de dades en temps real i la integració edge-to-cloud per redefinir la manera com les rèpliques digitals interactuen amb els sistemes físics. La nostra ambició és elevar l’experiència dels vehicles elèctrics: millorant la personalització, incrementant l’eficiència energètica i incorporant ciberseguretat.

Les solucions actuals de Digital Twin sovint passen per alt la complexitat granular dels VE, on cada vehicle funciona amb una combinació única de maquinari, firmware i actualitzacions de programari. Twin-Loop abraça aquesta individualitat, utilitzant la intel·ligència operativa de tota la flota i la fusió de dades al llarg del cicle de vida per construir models adaptatius que evolucionen amb cada vehicle. Aquest enfocament permet reduir el consum d’energia de manera intel·ligent, sense comprometre el rendiment, la comoditat ni la seguretat.

Mitjançant el desenvolupament d’un Open TwinOps Framework i d’una suite modular d’eines digitals, Twin-Loop permetrà l’optimització contínua en les quatre etapes crítiques del cicle de vida dels VE: disseny, producció, operació i fi de vida.

→ Consulta la nostra solució Digital Twins

La entrada Meeting del projecte Twin-Loop a Catania se publicó primero en Mosaic Factor.

Analitzem els principals tipus d’IA i com t’ajudem a aplicar-los.

AGI: l’horitzó a llarg termini

La IA general, o Artificial General Intelligence (AGI), fa referència a màquines capaces de dur a terme qualsevol tasca intel·lectual que pugui fer un humà. És flexible, autònoma i capaç de raonar a través de diferents dominis.

Estat actual: l’AGI encara és teòrica. No existeix cap sistema que hagi assolit una intel·ligència realment general.

Creiem que és un tema altament interessant, i seguim amb gran interès i expectació la seva evolució.

IA generativa: creativitat real a escala

La IA generativa (o GenAI) ja està transformant indústries. Aquests models creen contingut nou —text, imatges, codi o àudio— a partir de patrons de dades apresos.

Casos d’ús que podem oferir amb GenAI:

• Generació automàtica de contingut per a sectors específics (com el sanitari).
• Resum de documents i anàlisi de contractes per a equips legals o de compliment normatiu.
• Chatbots intel·ligents per a consultes internes o atenció al client.
• Eines de generació i depuració de codi per a desenvolupadors d’indústries específiques (com l’automoció).

Les nostres solucions: som capaços de crear i ajustar models de IA generativa utilitzant dades propietàries, garantint resultats precisos, alineats amb la marca i complint la normativa. Tant si necessites un assistent personalitzat tipus GPT com un generador d’imatges per al disseny de productes, podem fer-ho realitat.

Tècniques específiques d’IA

El nostre focus principal és ajudar les empreses a resoldre reptes concrets mitjançant tècniques avançades d’IA. És el que sempre hem fet —el que anomenem “IA tradicional”— i ha estat central en el nostre recorregut des de la fundació.

El nostre enfocament: dissenyem, entrenem i implementem aquests models amb suport complet durant tot el seu cicle de vida: des de l’estratègia i la infraestructura de dades fins al govern i el seguiment del rendiment.

Per què col·laborar amb Mosaic Factor?

La IA és poderosa, però només quan s’aplica amb precisió. No només oferim eines, sinó transformació.

• Consultoria estratègica en IA i desenvolupament de fulls de ruta
• Disseny i integració de models personalitzats
• Desplegament escalable en el núvol o a l’edge
• Suport continu, compliment normatiu i optimització

Tant si explores la IA generativa per automatitzar processos creatius com el machine learning per millorar l’eficiència operativa, t’ajudem a transformar el potencial en rendiment real.

Estàs preparat per descobrir què pot fer la IA pel teu negoci? Contacta amb nosaltres per construir junts alguna cosa extraordinària.

La entrada IA general vs. IA generativa: què signifiquen per al teu negoci se publicó primero en Mosaic Factor.