{"id":14070,"date":"2026-06-10T13:34:40","date_gmt":"2026-06-10T13:34:40","guid":{"rendered":"https:\/\/smart-team.io\/costes-ia-empresas-gestion-presupuesto\/"},"modified":"2026-06-10T13:47:53","modified_gmt":"2026-06-10T13:47:53","slug":"costos-ia-empreses-gestio-pressupost","status":"publish","type":"post","link":"https:\/\/smart-team.io\/ca\/costos-ia-empreses-gestio-pressupost\/","title":{"rendered":"Quan la IA deixa de ser tan barata: el veritable repte que est\u00e0 comen\u00e7ant"},"content":{"rendered":"

Fa nom\u00e9s uns mesos, un titular sobre Uber va resumir millor que molts informes el moment que viu la intel\u00b7lig\u00e8ncia artificial dins les empreses: <\/span>la companyia hauria esgotat abans de temps el pressupost anual destinat a IA a causa de l’adopci\u00f3 massiva d’eines de programaci\u00f3 assistida<\/span><\/a>. El titular t\u00e9 for\u00e7a perqu\u00e8 combina dues coses que avui conviuen en tensi\u00f3: d’una banda, la sensaci\u00f3 que la IA multiplica la productivitat; de l’altra, la constataci\u00f3 que aquesta productivitat no \u00e9s gratu\u00efta i que, si no es governa b\u00e9, pot disparar el cost operatiu amb una velocitat terror\u00edfica.<\/span><\/p>\n

Aquest \u00e9s, en realitat, el nucli del problema al que comencen a fer front. Moltes organitzacions han apr\u00e8s a incorporar models generatius als seus fluxos de treball, per\u00f2 encara no han apr\u00e8s a pensar-los econ\u00f2micament. Entenen la promesa, intueixen el retorn i experimenten amb entusiasme, per\u00f2 sovint continuen pressupostant aquestes eines com si fossin programari tradicional. I no ho s\u00f3n. A mesura que creixen els casos d’\u00fas i augmenta la depend\u00e8ncia funcional de la IA, el que entra en joc ja no \u00e9s nom\u00e9s la qualitat dels resultats, sin\u00f3 la sostenibilitat del seu cost tant en el curt como en el mitj\u00e0 i en el llarg termini.<\/span><\/p>\n

Per aix\u00f2 el debat important no \u00e9s si la IA compensa o no compensa. La pregunta rellevant \u00e9s una altra: <\/span>com es dissenya una arquitectura de treball amb IA que sigui \u00fatil, escalable i alhora assumible<\/span><\/a>. \u00c9s aqu\u00ed on el cas Uber esdev\u00e9 interessant, no tant per l’espectacularitat del titular com per la lli\u00e7\u00f3 de fons que deixa entreveure.<\/span><\/p>\n

Uber com a s\u00edmptoma d’un canvi de model<\/b><\/h2>\n

Uber <\/span><\/a>\u00e9s una gran empresa tecnol\u00f2gica de mobilitat, repartiment i serveis digitals amb una estructura corporativa de desenes de milers de treballadors a escala global. Quan una organitzaci\u00f3 d’aquesta mida decideix incorporar eines d’IA al cor de la seva operativa t\u00e8cnica, no est\u00e0 fent una prova de laboratori: est\u00e0 alterant la manera com produeix, desenvolupa i pren decisions.<\/span><\/p>\n

La incorporaci\u00f3 d’eines de programaci\u00f3 assistida per IA va cr\u00e9ixer amb molta rapidesa dins de la companyia fins a arribar a milers d’enginyers de programari fent-ne \u00fas diari. En paral\u00b7lel, l’\u00fas d’aquestes eines no es va limitar a tasques anecd\u00f2tiques o experimentals, sin\u00f3 que es va integrar en processos recurrents de desenvolupament. Quan aquesta mena d’adopci\u00f3 es produeix a gran escala, el cost deixa de dependre del nombre de persones amb acc\u00e9s a una eina i passa a dependre de la intensitat amb qu\u00e8 se’n fa \u00fas.<\/span><\/p>\n

Aquest mat\u00eds \u00e9s essencial. El problema no \u00e9s que Uber fes servir IA, sin\u00f3 que la seva adopci\u00f3 efectiva va desbordar el model mental amb qu\u00e8 probablement s’havia pensat el pressupost. Si una empresa calcula la despesa en termes de llic\u00e8ncies o seients, per\u00f2 el cost real dep\u00e8n del volum de tokens consumits, de la longitud del context processat i del nombre de crides executades pels agents, tard o d’hora es produeix el desalineament. I quan l’eina funciona b\u00e9, aquest desalineament encara s’accelera m\u00e9s. En realitat, el que est\u00e0 fent UBER \u00e9s vendre un cas d’\u00e8xit, no ens enganyem.<\/span><\/p>\n

Per qu\u00e8 un LLM no es gestiona com un software convencional<\/b><\/h3>\n

Durant anys, les empreses han apr\u00e8s a conviure amb un ecosistema de software relativament previsible. Es contracten eines, s’assignen usuaris, es negocien llic\u00e8ncies i es treballa amb uns costos mensuals o anuals raonablement estables. Aquest esquema ha funcionat b\u00e9 per a CRMs, ERPs, eines de creativitat, recursos d’ofim\u00e0tica, plataformes de col\u00b7laboraci\u00f3 i la majoria de solucions habituals de productivitat corporativa.<\/span><\/p>\n

La IA generativa, en canvi, trenca aquesta l\u00f2gica. Aqu\u00ed no es paga nom\u00e9s per tenir acc\u00e9s a una plataforma, sin\u00f3 per cada proc\u00e9s d’infer\u00e8ncia, per cada fragment de context processat i per cada output que es genera. Dit d’una manera molt simple: <\/span>no paguem nom\u00e9s per entrar a l’eina, sin\u00f3 per cada vegada que la fem pensar, llegir, calcular o escriure<\/span><\/a>.<\/span><\/p>\n

Aquesta difer\u00e8ncia \u00e9s decisiva perqu\u00e8 introdueix tres fonts de tensi\u00f3 pressupost\u00e0ria. La primera \u00e9s la mida del model i de la finestra de context: com m\u00e9s informaci\u00f3 es carrega a cada consulta, m\u00e9s recursos es consumeixen. La segona \u00e9s el pas del simple assistent conversacional cap a agents que operen de manera m\u00e9s aut\u00f2noma, encadenant accions, consultant fonts i executant processos complexos. La tercera \u00e9s la variabilitat extrema de l’\u00fas: dues persones amb la mateixa eina poden generar costos mensuals radicalment diferents segons la naturalesa del que li demanen.<\/span><\/p>\n

Des del punt de vista financer, aix\u00f2 s’assembla menys a comprar software d’oficina i m\u00e9s a gestionar infraestructura de computaci\u00f3. Cal pensar en pics d’\u00fas, en efici\u00e8ncia operativa, en c\u00e0rregues de treball i en l\u00edmits de consum. \u00c9s una altra cultura pressupost\u00e0ria i cal que ens en fem a la idea molt aviat.<\/span><\/p>\n

Quan la productivitat tamb\u00e9 encareix l’operaci\u00f3<\/b><\/h2>\n

La idea que ens estem tornant dependents de la IA descriu una realitat for\u00e7a tangible i que no es nega als despatxos i oficines. Quan una eina redueix friccions, escur\u00e7a terminis i eleva la capacitat de producci\u00f3, els equips la incorporen a la seva rutina amb una rapidesa sorprenent. Al principi \u00e9s una ajuda puntual; poc despr\u00e9s es converteix en una pe\u00e7a central de la manera de treballar. Genera depend\u00e8ncia i qualsevol sap que tornar a enrere, a treballar com fa 4 o 5 anys, \u00e9s mentalment impossible d’assumir per a tots aquells que ja portem unes quantes hores de vol acumulades treballant de la ma de LLMs.<\/span><\/p>\n

Aix\u00f2 est\u00e0 passant tant en grans corporacions com en empreses mitjanes. Redactar, sintetitzar, analitzar, programar, documentar, investigar o preparar entregables s\u00f3n activitats que avui ja es poden accelerar de manera significativa amb IA. El que sovint s’infravalora \u00e9s que cada millora percebuda en productivitat tendeix a generar m\u00e9s \u00fas, i m\u00e9s \u00fas significa m\u00e9s consum de recursos computacionals.<\/span><\/p>\n

En aquest sentit, el cas Uber \u00e9s \u00fatil perqu\u00e8 posa damunt la taula una veritat inc\u00f2moda: l’\u00e8xit d’una eina tamb\u00e9 pot convertir-se en un problema de cost. Quan la tecnologia \u00e9s prou bona perqu\u00e8 els equips la facin servir per a gaireb\u00e9 tot, la q\u00fcesti\u00f3 deixa de ser l’adopci\u00f3 i passa a ser la governan\u00e7a. \u00c9s aqu\u00ed on moltes empreses encara no han arribat per\u00f2 s’hi estan dirigint costa avall i sense frens. El problema apareixer\u00e0 i hi hauran de fer-hi front m\u00e9s d’hora que tard.<\/span><\/p>\n

Els pressupostos ja no es poden fer comptant nom\u00e9s usuaris<\/b><\/h3>\n

Si una empresa vol escalar l’\u00fas de la IA, ha d’aprendre a pressupostar d’una manera diferent. La unitat de mesura rellevant ja no \u00e9s nom\u00e9s el nombre d’usuaris, sin\u00f3 el volum de tokens que es consumeixen i el tipus de c\u00e0rrega de treball que s’est\u00e0 executant. No costa el mateix una consulta breu que un proc\u00e9s que analitza documentaci\u00f3 extensa, fa diverses passes interm\u00e8dies i genera una resposta complexa. No \u00e9s el mateix que demanis un markdown que un PDF, per il\u00b7lustrar el cas amb un exemple molt concret.<\/span><\/p>\n

Aix\u00f2 obliga a treballar en base a nous i diversos escenaris. Cal distingir entre usos lleugers i usos intensius, entre fluxos puntuals i automatitzacions recurrents, entre assistents simples i agents capa\u00e7os d’orquestrar m\u00faltiples accions. Aquesta manera de pensar encara \u00e9s nova per a moltes organitzacions, per\u00f2 \u00e9s imprescindible si es vol evitar que un pilot exit\u00f3s es converteixi en una p\u00edfia operativa cara i dif\u00edcil de sostenir. Qui estigui lliure de pecat pot llen\u00e7ar la primera pedra i segurament el que ens estar\u00e0 indicant \u00e9s que realment no t\u00e9 hores de vol reals barallant-se amb models de IA.<\/span><\/p>\n

La situaci\u00f3 tamb\u00e9 ens obliga a revisar el mix de models utilitzats. No totes les tasques necessiten el millor model disponible ni la m\u00e0xima finestra de context. En molts casos, una part molt important del cost neix d’haver sobredimensionat la soluci\u00f3. Quan es generalitza l’\u00fas del model m\u00e9s potent per defecte, el pressupost comen\u00e7a a degradar-se sense que l’organitzaci\u00f3 sempre obtingui un retorn proporcional.<\/span><\/p>\n

Efici\u00e8ncia d’\u00fas: on es decideix bona part del marge<\/b><\/h3>\n

Una part considerable del sobrecost associat a la IA no prov\u00e9 tant de la tecnologia en si com de males decisions de disseny. A les empreses \u00e9s habitual prioritzar que un proc\u00e9s funcioni r\u00e0pid i demostrar que el cas d’\u00fas \u00e9s viable. El problema \u00e9s que, un cop el sistema ja est\u00e0 en marxa, sovint no es dedica prou temps a optimitzar-lo.<\/span><\/p>\n

Aquest \u00e9s un error comprensible per\u00f2 car. Hi ha moltes tasques rutin\u00e0ries que poden funcionar perfectament amb models m\u00e9s econ\u00f2mics, contextos m\u00e9s delimitats i fluxos m\u00e9s simples. En canvi, tendim a operar amb el m\u00e0xim de pot\u00e8ncia per defecte, com si qualsevol petici\u00f3 requer\u00eds el m\u00e0xim nivell de sofisticaci\u00f3. Aquesta in\u00e8rcia \u00e9s c\u00f2moda i genera inevitablement sensacions molt agradables, per\u00f2 acostuma a ser ineficient.<\/span><\/p>\n

Dissenyar patrons d’\u00fas intel\u00b7ligents vol dir, entre altres coses, reservar els models m\u00e9s exigents per als casos que realment ho demanen, limitar el context quan no aporta valor clar i reutilitzar resultats intermedis sempre que sigui possible. Tamb\u00e9 vol dir ordenar millor la documentaci\u00f3, delimitar b\u00e9 els projectes i construir entorns on l’eina no hagi de redescobrir cont\u00ednuament el mateix coneixement. Quan aix\u00f2 es fa b\u00e9, no nom\u00e9s baixa el cost: tamb\u00e9 millora la coher\u00e8ncia del sistema i la qualitat del treball.<\/span><\/p>\n

Sense visibilitat del consum no hi ha control real<\/b><\/h3>\n

Un altre error habitual \u00e9s pensar que la despesa en IA es podr\u00e0 revisar amb la mateixa calma amb qu\u00e8 es revisen altres partides de software. No \u00e9s aix\u00ed. La variabilitat d’\u00fas pot ser tan alta que un canvi aparentment menor en un flux de treball pot duplicar o triplicar el consum en poques hores.<\/span><\/p>\n

Per aix\u00f2 la monitoritzaci\u00f3 en temps real no \u00e9s un luxe, sin\u00f3 una necessitat. Les empreses que vulguin operar amb IA de manera madura necessiten quadres de comandament que permetin veure cost per usuari, per equip, per projecte i fins i tot per agent. No per afany de control excessiu, sin\u00f3 perqu\u00e8 sense visibilitat \u00e9s molt dif\u00edcil corregir desviacions abans que siguin problem\u00e0tiques.<\/span><\/p>\n

Aquesta monitoritzaci\u00f3 hauria d’anar acompanyada de l\u00edmits concrets. L\u00edmits de despesa, alertes de consum, auditories peri\u00f2diques de prompts, revisi\u00f3 de fluxos i control sobre quins processos estan generant valor i quins simplement consumeixen recursos. La IA pot ser molt rendible, per\u00f2 nom\u00e9s quan l’organitzaci\u00f3 sap distingir entre \u00fas intensiu i \u00fas intel\u00b7ligent.<\/span><\/p>\n

Un repte que no \u00e9s exclusiu dels grans\u00a0<\/b><\/h2>\n

Aquest repte pot ser encara m\u00e9s rellevant en empreses mitjanes o petites. Una gran corporaci\u00f3 pot assumir millor una desviaci\u00f3 pressupost\u00e0ria important perqu\u00e8 t\u00e9 m\u00e9s m\u00fascul financer, m\u00e9s marge d’error i m\u00e9s capacitat per absorbir econ\u00f2micament el cost d’aprenentatges cars. <\/span>En canvi, en organitzacions m\u00e9s compactes, un mal dimensionament del cost pot afectar directament la rendibilitat d’un servei, el marge d’un projecte o la viabilitat d’una l\u00ednia sencera de treball<\/span><\/a>.<\/span><\/p>\n

Els riscos, en ess\u00e8ncia, s\u00f3n els mateixos. \u00c9s f\u00e0cil subestimar qu\u00e8 passa quan un pilot es converteix en desplegament real. Tamb\u00e9 \u00e9s habitual que els equips, un cop descobreixen la utilitat pr\u00e0ctica de la IA, incrementin l’\u00fas de manera org\u00e0nica i cont\u00ednua. I a tot aix\u00f2 s’hi afegeix una altra dificultat: els models evolucionen molt de pressa, canvien les seves capacitats, es modifiquen els patrons d’\u00fas i el perfil de cost pot variar en molt poc temps.<\/span><\/p>\n

Per aix\u00f2 qualsevol empresa que vulgui integrar la IA amb seriositat necessita alguna cosa m\u00e9s que entusiasme i eines atractives. <\/span>Necessita criteri operatiu, disciplina de seguiment i una visi\u00f3 realista del que costa produir amb intel\u00b7lig\u00e8ncia artificial quan aquesta deixa de ser una prova i es converteix en infraestructura de treball<\/span><\/a>.<\/span><\/p>\n

La lli\u00e7\u00f3 de fons \u00e9s clara. Implantar IA en una empresa no consisteix nom\u00e9s a obrir comptes, provar models i celebrar els guanys inicials de productivitat. Consisteix a entendre que cada proc\u00e9s automatitzat<\/a>, cada agent desplegat i cada capa d’intel\u00b7lig\u00e8ncia afegida amplia tamb\u00e9 la necessitat de governar millor el consum. En aquest terreny, els tokens no s\u00f3n un detall t\u00e8cnic: s\u00f3n una variable central del negoci.<\/span><\/p>\n<\/div><\/div><\/div>

Continguts en aquest article<\/h3><\/div>