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.

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.

L’aplicació BYOD transforma les operacions de missatgeria diàries en un flux de treball totalment connectat i basat en dades. Des de la validació dels paquets fins a la prova de lliurament i els informes d’interrupcions, cada acció es registra de manera segura i es transmet a la plataforma central, garantint que els proveïdors de logística estiguin completament informats.

Quan un missatger inicia la sessió, l’aplicació s’adapta automàticament a la configuració del desplegament específic del Living Lab. Les funcions i els fluxos de treball disponibles depenen del model operatiu de cada entorn. L’aplicació BYOD està dissenyada per admetre diferents desplegaments de ciutats amb configuracions personalitzades sense necessitat de canvis a l’aplicació principal.

A l’Athens Living Lab, per exemple, els missatgers poden operar a través de paquets o parades dins del menú principal. Aquesta flexibilitat permet que la mateixa aplicació admeti múltiples escenaris logístics sense alterar el sistema principal.

Funció Parcel

A la funcionalitat Parcel, els missatgers afegeixen paquets escanejant codis QR o introduint manualment els ID dels paquets. Per a una major eficiència, es poden seleccionar diversos paquets alhora escanejant conjunts de codis o introduint un ID de conjunt per al processament per lots.

Un cop validats, els paquets apareixen a la llista de treball actual, confirmant que estan correctament vinculats al missatger. Romanen visibles fins que es completa el lliurament o es retira manualment o un cop es confirma el lliurament al sistema. Una opció d’actualització permet al missatger recuperar la informació més actualitzada del paquet en qualsevol moment.

La selecció d’un paquet proporciona accés a dades essencials de lliurament, com ara el seu número d’identificació, estat, adreça de lliurament, data de lliurament prevista, pes, tipus de servei i ronda associada. Durant el procés de lliurament, els missatgers poden registrar esdeveniments i actualitzar la qualitat del paquet directament dins de l’aplicació.

Com a prova de lliurament, se selecciona un sol paquet i el receptor signa directament al dispositiu. La signatura es registra de manera segura i es notifica immediatament, garantint una confirmació fiable del lliurament i la traçabilitat.

Funció Stop

A través del menú principal, els missatgers poden canviar a la funcionalitat d’aturada, que proporciona una visió general estructurada de les parades planificades i la informació relacionada amb els paquets agrupats per ubicació de lliurament. Les parades es poden visualitzar en un mapa interactiu, oferint una visibilitat clara de la ruta i una millor consciència situacional mitjançant la geolocalització en temps real.

En seleccionar una parada, es revelen els paquets assignats a aquesta ubicació, cosa que permet als missatgers gestionar els lliuraments agrupats de manera eficient. Si es produeix una interrupció, el missatger pot informar-ne directament dins de l’aplicació seleccionant el tipus d’interrupció, afegint comentaris i compartint automàticament la seva posició. Aquesta comunicació en temps real permet ajustaments operatius immediats i una gestió proactiva de problemes.

Impacte del BYOD

L’eina Green-Log BYOD garanteix que cada acció, des de la validació dels paquets fins a la captura de signatures i els informes d’interrupcions, es transmeti de manera segura als operadors logístics. Aquest flux continu d’informació millora:

• La transparència
• Millora la coordinació
• Admet la presa de decisions basada en dades

En combinar flexibilitat, visibilitat operativa en directe i informes segurs, BYOD reforça l’eficiència del lliurament d’última milla alhora que contribueix a operacions logístiques urbanes més sostenibles i optimitzades en diferents entorns urbans.

→ Revisa la nostra solució Digital Twins

La entrada Bring Your Own Device overview se publicó primero en Mosaic Factor.

Dins del projecte AutoMoTIF, aquest repte s’aborda mitjançant el shunting as a service automatitzat, amb Mosaic Factor liderant el desenvolupament del framework de simulació.

Del coll d’ampolla operacional a les operacions ferroviàries coordinades

El shunting té un paper central a les terminals intermodals, vinculant els fluxos de càrrega marítima amb la distribució interior. Tanmateix, les operacions de maniobres tradicionals sovint són reactives, fragmentades entre sistemes, requereixen molta mà d’obra i són ineficients energèticament.

El shunting com a servei reinventa aquestes operacions com una plataforma de servei orquestrada digitalment on les locomotores autònomes, els recursos de les patis i els sistemes de programació operen com un ecosistema integrat. L’objectiu no és simplement l’automatització, sinó l’optimització del servei.

Simulació que impulsa la transformació

L’entorn de simulació avançat de Mosaic Factor replica la complexitat operativa de les terminals ferroviàries, incloent-hi els moviments de trens, la classificació de vagons, les restriccions de capacitat de les estacions, els cicles de manipulació de contenidors, l’assignació de recursos i els escenaris de disrupció.

Les locomotores de shunting autònomes es modelen com a agents intel·ligents que responen dinàmicament a la congestió, els canvis d’horari i les restriccions d’infraestructura.

Mitjançant la modelització d’escenaris, les simulacions avaluen:

• Temps de maniobres reduït
• Temps de rotació de vagons més ràpids
• Temps d’inactivitat i d’espera més baixos
• Consum d’energia optimitzat
• Augment del rendiment de les estacions
• Millora de la seguretat i costos operatius més baixos

Aquest enfocament basat en dades garanteix que els conceptes d’automatització es validen abans del desplegament al món real.

Plataforma Shunting as a Service

El shunting as a service introdueix un canvi en la manera com s’estructuren les operacions de les estacions. En lloc d’una activitat interna fixa, el shunting es modela com una plataforma orientada al servei on la capacitat s’assigna dinàmicament, les operacions es coordinen digitalment i el rendiment es controla contínuament.

Aquest enfocament admet una major interoperabilitat entre els operadors de terminals, els gestors d’infraestructures ferroviàries, els proveïdors de logística i les autoritats portuàries, alhora que permet la integració amb altres processos automatitzats dins d’AutoMoTIF.

Donant suport a terminals ferroviàries més intel·ligents 

Per garantir resultats realistes, Mosaic Factor calibra simulacions utilitzant dades operatives històriques, entrades de planificació i escenaris de proves d’estrès que reflecteixen la demanda màxima i el creixement futur.

Els models resultants proporcionen eines de suport a la decisió per a la inversió en infraestructura, estratègies d’automatització, models de negoci i alineació normativa, ajudant a reduir el risc i accelerar el desplegament.

Enfortiment de la xarxa ferroviària de mercaderies d’Europa

En millorar l’eficiència ferroviària, les maniobres automatitzades donen suport a objectius logístics més amplis, com ara:

• Canvi modal de carretera a ferrocarril
• Reducció de la congestió de les terminals
• Menors emissions
• Condicions de treball més segures
• Operacions logístiques més fiables

Mitjançant la validació basada en simulació, Mosaic Factor demostra com les maniobres automatitzades poden augmentar el rendiment, reduir els retards, optimitzar l’ús d’energia i millorar la seguretat.

El shunting automatitzat com a plataforma orientada al servei representa més que una actualització tecnològica. Introdueix un nou model operatiu que reforça el paper del ferrocarril en el sistema de transport europeu alhora que dóna suport a una xarxa logística més eficient i sostenible.

→ Revisa la nostra solució en Digital Twins

La entrada Automated Shunting as a Service Platform 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.

Més enllà del RAG tradicional

Els canals del RAG tradicional incorporen una consulta, recuperen context i generen una resposta. Agentic RAG introdueix intel·ligència en el procés. Classificant la intenció abans de decidir si cal recuperar informació, trucar eines o respondre directament, les empreses reporten reduccions de costos de fins al 40% i millores de latència del 35%.

Patrons clau que n’impulsen l’adopció

Els experts de la indústria assenyalen tres patrons arquitectònics que defineixen Agentic RAG:.

• Intent-Based Query Routing: determina si és necessari recuperar informació o si una resposta directa és suficient.
• Orquestració d’eines amb gestió d’errors: coordina APIs, calculadores i bases de dades mentre gestiona els errors de manera eficient.
• Avaluació contínua de costos i latència: controla l’ús de tokens i els indicadors de rendiment en temps real.

Aquests patrons permeten als sistemes decidir, adaptar-se i optimitzar, un requisit crític per a la IA a escala empresaria

Arquitectura en pràctica

Els sistemes Agentic RAG normalment es construeixen sobre tres capes:

• Capa d’Orquestració: el “cervell de decisió” que dirigeix les consultes de manera intel·ligent.
• Capa d’Execució: gestiona la recuperació d’informació, les crides a eines i la inferència LLM.
• Capa d’Infraestructura: proporciona bases de dades vectorials, gestió del desplegament i observabilitat.

A diferència del RAG tradicional, que sempre realitza recuperació d’informació, l’Agentic RAG avalua si la recuperació és necessària, organitzant la combinació òptima de recuperació, eines i generació.

Flexibilitat del proveïdor a través de capes de gateway

Una altra tendència clau és l’auge de les abstraccions de gateway que permeten als desenvolupadors canviar sense problemes entre proveïdors com OpenAI, Anthropic, Google i Bedrock. Aquest enfocament permet:

• Encaminament de reserva quan els proveïdors tenen temps d’inactivitat;
• proves A/B sense canvis de codi;
• optimització de costos dirigint les consultes al model més eficient;
• llibertat respecte a la dependència d’un proveïdor.

Les empreses estan adoptant cada cop més passarel·les unificades per equilibrar velocitat, cost i fiabilitat entre els proveïdors.

Conclusió

L’Agentic RAG ja no és un experiment de nínxol, sinó el model per als sistemes d’IA de producció. En combinar la recuperació amb la presa de decisions, l’orquestració i l’observabilitat, la tècnica estableix nous estàndards d’eficiència i adaptabilitat en l’IA empresarial.

“L’IA de producció no tracta només de la recuperació. Tracta d’intel·ligència: saber quan recuperar, quan utilitzar eines i quan respondre directament. L’Agentic RAG ofereix aquesta intel·ligència”.

La entrada Agentic RAG per IA 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.

Aquí hi ha les tendències i desenvolupaments clau que van destacar.

Digital Twins com a protagonistes

La tecnologia Digital Twin (DT) ha estat un dels temes més destacats als estands dels expositors. Les ciutats estan adoptant cada cop més els DT per simular i gestionar sistemes urbans complexos. Les aplicacions més comunes mostrades inclouen:

• Emergency and disaster management
• Human behaviour modelling
• Traffic and parking optimisation
• Energy demand forecasting
• Urban planning, com identificar àrees on calen noves instal·lacions de cura infantil

Diverses empreses també van presentar l’evolució del concepte Citiverse, part d’una iniciativa europea que integra Digital Twins amb ciberseguretat, IoT i altres tecnologies avançades (Projecte Citiverse de la Comissió Europea). Un altre punt destacat va ser la introducció dels 4D Digital Twins, que incorporen la dimensió temporal per permetre simulacions urbanes predictives (Nfold ROI).

Smart Cities i visual Language Models

La innovació en IA va ser un altre dels grans focus. NVIDIA va presentar la seva plataforma de Model de Llenguatge Visual (VLM) per a ciutats, dissenyada per transformar les dades d’imatges capturades per sensors en un “cervell de la ciutat” intel·ligent capaç d’interpretar escenaris urbans actuals i potencials. Es van demostrar aplicacions pràctiques a Leipzig, on s’estan utilitzant DTs impulsats per IA per optimitzar els aparcaments i la infraestructura per a bicicletes. Mentrestant, la Universitat d’Hamburg va mostrar projectes d’IA col·laboratius i de codi obert, posant èmfasi en el seu interés per unir-se a iniciatives finançades per Europa (DCS Intro 2024).

Cybersecurity i Global Engagement

La ciberseguretat ha estat un tema recurrent durant tota l’exposició, subratllant el seu paper crític en la protecció de les infraestructures de les ciutats intel·ligents. Cal destacar que el Banc Mundial hi va participar activament, reflectint la importància global dels ecosistemes digitals segurs.

La nostra contribució: Open Innovation Challenges

Com a part de la nostra participació, vam participar en reptes d’innovació oberta, presentant propostes que aprofiten els grans Models de Llenguatge Gran (LLM) i els Bessons Digitals per a aplicacions corporatives. Aquestes iniciatives demostren el nostre compromís amb superar els límits de la intel·ligència artificial i la tecnologia urbana, assegurant que les ciutats del futur siguin no només més intel·ligents, sinó també més resilients i inclusives.

La nostra presència a la Smart City Expo de Barcelona va reafirmar el nostre paper com a proveïdor de tecnologia amb visió de futur. Contribuint a les discussions sobre Digital Twins, IA, ciberseguretat i innovació oberta, continuem donant forma al futur de la vida urbana, impulsant solucions que fan que les ciutats siguin més adaptatives, eficients i centrades en les persones.

La entrada Smart City Expo Barcelona 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.