L'estratègia d'IA s'escriu l'última
En el model, l'estratègia encapçala la llista. En una empresa mitjana, escriure-la primer produeix un document, no una capacitat.
El motiu és senzill: una estratègia d'IA redactada abans de tenir un sol cas instrumentat és un exercici d'imaginació. Fixa prioritats sobre supòsits que ningú no ha mesurat, compromet pressupost sobre estalvis que ningú no ha vist i envelleix així que el primer pilot real retorna dades. N'hem llegit unes quantes. Gairebé totes s'assemblen entre elles, perquè totes surten del mateix lloc: del que es llegeix, no del que s'opera.
El que sí que funciona és l'ordre invers. Un cas mesurat —un— genera tres coses que cap estratègia sobre el paper no pot generar: una xifra real de cost, una xifra real d'estalvi o de capacitat, i un aprenentatge sobre on és de debò el coll d'ampolla de la teva organització. Amb això, l'estratègia s'escriu sola en dues pàgines i amb números propis.
El matís, que importa: això val per a l'empresa mitjana sense supervisió sectorial severa. Si operes en banca, assegurances de vida i salut o sanitat, la governança i l'estratègia pugen al principi, perquè el cost d'equivocar-se no és un pilot fallit sinó un expedient.
Les set capes, en llenguatge de negoci
Abans de la ruta, el mapa. Aquestes són les set dimensions del model de Gartner (2025), traduïdes a la pregunta que respon cadascuna:
| Capa | La pregunta que respon |
|---|---|
| AI value | Què hi guanyo, quant, i com ho sabré? |
| AI data | Tinc el material amb què es construeix això? |
| AI governance | Què està prohibit, qui decideix i què queda registrat? |
| AI engineering | Com passa de demo a una cosa que aguanta un dimarts qualsevol? |
| AI people and culture | Qui ho farà servir de debò, i per què ho hauria de fer? |
| AI organization | Qui mana en això i amb quin pressupost? |
| AI strategy | Cap a on anem i què no farem? |
Set és un número incòmode. Ningú no ataca set fronts alhora, i menys una empresa mitjana. Per això la part útil del model no és la llista: és entendre que aquestes capes no són igual d'urgents, i que la més urgent gairebé mai no és aquella per la qual es comença.
Per on entra la majoria, i per què falla
L'entrada habitual és per enginyeria: es compra una eina i es llança un pilot. És l'entrada natural perquè és l'única amb un proveïdor que truca a la porta.
I és també on s'acumulen els fracassos. Gartner preveia el juliol de 2024 que almenys el 30% dels projectes d'IA generativa s'abandonarien després de la prova de concepte abans d'acabar el 2025; la seva lectura de 2026 situa aquesta xifra per sobre del 50%. RAND va documentar el 2024 que més del 80% dels projectes d'IA no entreguen el valor de negoci previst. I l'informe The GenAI Divide del MIT (2025) va posar el titular més citat de l'any: el 95% dels pilots d'IA generativa no produeix impacte mesurable al compte de resultats.
Convé tractar aquesta última dada amb cura, perquè gairebé ningú no ho fa. L'estudi del MIT es basa en 153 respostes de directius, 52 entrevistes i la revisió de més de 300 iniciatives públiques entre gener i juny de 2025, i ha rebut crítiques fonamentades pel seu disseny mostral. No és una llei física. Però fins i tot els qui el discuteixen coincideixen en la direcció: hi ha molta més activitat que transformació.
La pregunta interessant no és quants fracassen, sinó on. En la nostra experiència portant IA a producció, el projecte rarament mor a la capa per la qual va entrar. Mor dues capes més avall:
- El pilot d'enginyeria mor perquè ningú no va definir en valor què era guanyar, i als sis mesos no hi ha manera de defensar-ne la continuïtat davant del comitè.
- El cas mor perquè en dades el coneixement que necessitava era al cap de tres persones i en una carpeta de PDF. Gartner estima que el 60% dels projectes d'IA s'abandonaran fins al 2026 per una base de dades inadequada, i que el 63% de les organitzacions no té —o no sap si té— pràctiques de gestió de dades aptes per a IA.
- L'eina mor perquè en persones es va desplegar a 400 empleats sense que ningú canviés ni un sol procés, i al cap de vuit setmanes la feien servir onze.
Aquest és el patró. S'entra per dalt i es mor per baix.
La seqüència que proposem
Davant de les set capes en paral·lel, aquesta és la ruta que apliquem en empresa mitjana. No és l'ordre del dibuix; és l'ordre en què cada capa desbloqueja la següent.
- Valor. Triar un cas i posar-li línia base abans de tocar res. Si no pots dir quant costa avui el procés que vols millorar, no tens un cas: tens una intuïció. És la primera perquè és l'única que desbloqueja pressupost per a les altres.
- Dades. Només les que aquest cas necessita. No una estratègia de dades corporativa: la preparació mínima viable per a un cas concret. La diferència entre les dues coses són divuit mesos.
- Governança. El mínim exigible, que el 2026 ja no és opcional: les obligacions de transparència del Reglament Europeu d'IA s'apliquen des del 2 d'agost de 2026. Tres preguntes: què està prohibit, qui decideix, què queda registrat.
- Enginyeria. Ara sí. Construir o comprar per a aquest cas, amb criteri de cost de sortida.
- Persones i cultura. L'equip que l'operarà. No formació genèrica: el redisseny de la feina de les persones concretes que tocaran aquest procés.
- Organització. Quan hi ha dos o tres casos vius, i no abans. Muntar un comitè d'IA per a un pilot és burocràcia; muntar-lo per a una cartera és govern.
- Estratègia. Amb evidència pròpia sobre la taula. Dues pàgines i números teus.
Al mid-market, la maduresa correcta és desigual
Hi ha un consell implícit en gairebé tots els models de maduresa: avançar parell en totes les dimensions. És un bon consell per a una empresa de vint mil persones i un mal consell per a una de tres-centes.
Una empresa mitjana no té amplada de banda directiva per a set fronts. El que sí que pot fer —i el que veiem funcionar— és una forma deliberadament desigual: profunditat real en dues capes, mínim viable a les altres cinc, i consciència de quina és quina. Ser deliberadament immadur en organització mentre ets molt bo en valor i dades no és una mancança: és una assignació de recursos.
L'error no és la desigualtat. L'error és que sigui accidental.
Com saber en quina capa estàs encallat
Tres preguntes separen bastant bé les empreses que avançaran de les que acumularan pilots:
- Pots dir, en euros o en hores, quant costa avui el procés que vols millorar? Si no, estàs encallat en valor, encara que creguis que estàs en enginyeria.
- Si demà volguessis que un sistema respongués amb el criteri de la teva empresa, d'on sortiria aquest criteri? Si la resposta és «de la gent», estàs encallat en dades.
- Qui firma que una sortida d'IA es pot fer servir amb un client? Si no hi ha nom, estàs encallat en governança, i és qüestió de temps que aparegui un incident que ho demostri.
Cap de les tres és tècnica. Les tres són de negoci. Aquest és exactament el punt d'aquesta sèrie.
Abans d'això, i després d'això
Si encara estàs decidint si arrencar, i no com, la peça prèvia és les tres raons legítimes per esperar sis mesos. Aquesta sèrie assumeix que aquesta decisió ja està presa.
I si el que busques no és el mapa sinó la llista d'accions del primer trimestre, és a per on comença un CEO: els 5 eixos del primer trimestre. Aquella peça respon «què faig ja»; aquesta respon «on soc i en quin ordre avanço».
Conclusió
El model de maduresa de Gartner respon bé a «quin aspecte té fer-ho bé?». No respon a «què faig jo, amb la meva mida, el meu equip i el meu pressupost?». Aquesta traducció és la feina, i no es fa llegint: es fa mesurant un cas.
Si ets al punt de saber que cal arrencar però no de saber en quina de les set capes és el teu coll d'ampolla, aquest diagnòstic és exactament per on comencem nosaltres.
Preguntes freqüents
Quines són les 7 capes del model de maduresa en IA?
Estratègia, valor, organització, persones i cultura, governança, enginyeria i dades. És el marc publicat per Gartner el 2025. Descriu les dimensions en què una organització madura; no prescriu l'ordre en què una empresa concreta les ha de recórrer.
Per on ha de començar amb IA una empresa mitjana?
Per la capa de valor: triar un cas d'ús i mesurar-ne la línia base abans de comprar res. És l'única capa que desbloqueja pressupost per a les altres, i l'absència de línia base és el motiu més comú perquè un pilot no sobrevisqui al primer comitè.
Quant triga una empresa a assolir maduresa en IA?
No hi ha una xifra honesta. El que sí que és mesurable és el primer tram: un cas d'ús instrumentat, amb línia base i decisió de continuar o parar, es resol en un trimestre. Qualsevol que doni un termini per «ser madur en IA» sense conèixer les teves dades està venent.
Cal avançar en les set capes alhora?
No, i en empresa mitjana intentar-ho és contraproduent. La forma que funciona és desigual a propòsit: profunditat en dues capes, mínim viable a la resta, sabent quina és quina.
Per què fracassen tants projectes d'IA?
Perquè s'entra per la capa equivocada. Gartner situa per sobre del 50% els projectes d'IA generativa abandonats després de la prova de concepte, i atribueix al 60% dels abandonaments fins al 2026 una base de dades inadequada. El projecte rarament mor on va començar: mor a la capa que es va saltar.
Jordi García és Tech Lead a onext. Treballa a portar la IA a producció governada en equips de desenvolupament i de producte —amb Spec-Driven Development, enginyeria de context i verificació humana a cada pas— i signa els insights tècnics d'onext sobre mètode, qualitat i cost de la IA aplicada.
LinkedIn →