Quan un CIO, un CTO o un Head of Data obre un RFP d'intel·ligència artificial el 2026, les preguntes del template fa anys que no canvien: nombre de certificacions amb el hyperscaler, partner tier (Select, Advanced, Premier), xifra de negoci dels últims tres anys, casos d'èxit publicats, nombre de professionals dedicats a IA. Són preguntes legítimes — però han deixat de discriminar.
Avui gairebé qualsevol proveïdor mitjanament seriós respon bé a totes elles, i tanmateix la taxa de fracàs dels projectes d'IA empresarial segueix per sobre del 40% segons Gartner. Hi ha un desajust entre el que es pregunta i el que prediu l'èxit. Aquest article proposa els cinc criteris que sí que estan correlacionats amb que un projecte d'IA arribi a producció i generi impacte — i que gairebé mai es demanen en un RFP.
El context de mercat d'IA el 2026
Dades públiques de consolidació i fracàs de projectes d'IA empresarial
Per què els criteris clàssics han deixat de discriminar
Hi ha dues raons estructurals. La primera és tècnica: la frontera de capacitat ja no està a "tenir un equip que entengui d'IA". El 2026, pràcticament qualsevol consultora tecnològica de mida mitjana cap amunt té pràctica d'IA, experiència amb els principals models comercials i equips que poden muntar un pilot sobre un hyperscaler sense gaire fricció. El commodity tecnològic s'ha desplaçat. El que distingeix un projecte que funciona d'un que s'estanca en PoC ja no és l'stack — és com s'entén el context del negoci, com s'opera el sistema en producció i com es conté el cost quan escala.
La segona raó és de mercat. En els últims 18 mesos l'ecosistema de proveïdors AI-native ha viscut una consolidació accelerada. Boutiques de referència europea i americana — Faculty al Regne Unit, NeuraFlash, RANGR i Halfspace en diferents geografies, Keepler a Espanya — han estat absorbides per integradors globals. Al mercat espanyol el patró se suma a operacions anteriors com Bluetab dins d'IBM o Synergic Partners dins de Telefónica Tech.
El resultat és que quan un comprador pregunta "quin partner tier tens amb AWS?" o "quina és la teva xifra de negoci?", la resposta ja no li diu si l'equip que arribarà el dilluns al seu projecte és estable, si l'arquitectura de delivery segueix sent la mateixa d'abans de la integració, o si l'estructura de tarifes es mourà en sis mesos. Preguntes que abans tenien valor informatiu avui retornen dades que ja no prediuen res rellevant.
D'aquí neixen els cinc criteris que segueixen. No són màgics ni són els únics — són els que, en la nostra experiència i en la de diversos dels nostres clients, més correlacionen amb que el projecte d'IA arribi a producció en termini i pressupost.
Els cinc criteris que sí que prediuen l'èxit
No del total de la plantilla. De l'equip nominat pel nom a la proposta, amb FTE declarat i clàusula d'aprovació per a substitucions.
Els millors partners rebutgen casos d'ús. Si mai no ha passat, és una mala senyal.
Entregues verificables en almenys dos hyperscalers i dos proveïdors de models en els últims 18 mesos.
Accés lectura al repo, pipeline d'evals reproduïble, board de tickets i arxiu de post-mortems. Obert des del dia u.
Churn històric, SLA de rotació màxima, finestra de handover mínima i % de plantilla pròpia vs subcontractada.
Criteri 1 · Ràtio senior/junior de l'equip realment assignat
No del total de la plantilla del proveïdor. No de l'"equip d'IA" en abstracte. De l'equip concret que treballarà en el teu projecte, nominat pel nom a la proposta. En un projecte d'IA empresarial, el seniority decideix gairebé tot: la capacitat de dir no a un enfocament equivocat, la velocitat d'iteració, el criteri per triar un model petit davant d'un de gran quan importa el cost, la disciplina de no sobre-enginyar. Un equip amb ràtio senior/junior 1:5 avança més a poc a poc i amb més risc que un amb ràtio 1:2 — encara que sobre el paper el preu per dia sembli millor.
Pregunta concreta per a l'RFP: "Faciliti la llista nominal de l'equip assignat, amb anys d'experiència en projectes d'IA en producció (no pilot), ràtio senior/mid/junior i percentatge de la dedicació que estarà al projecte (FTE)." Demani que aparegui al contracte. Demani aprovació explícita del client per a substitucions.
Criteri 2 · Capacitat demostrada de dir que no a un use case mal definit
Aquest és menys intuïtiu però és potser el que més correlaciona amb èxit. Els millors partners d'IA rebutgen casos d'ús. Ho fan perquè saben que arrencar un projecte sense hipòtesi de valor clara, sense accés a les dades adequades o sense sponsor amb poder de decisió garanteix un final en PoC i una factura pagada sense impacte. Un partner que accepta tot el que li demanes no és més col·laboratiu: és pitjor partner. Et cobra perquè aprenguis alguna cosa que ell ja sabia.
Pregunta concreta per a l'RFP: "Descrigui un cas recent (últims 12 mesos) en què hagin recomanat a un client no arrencar un projecte que aquest volia iniciar. Quina era la recomanació alternativa? Què va passar després?" Si la resposta és "mai no ens ha passat", és una mala senyal.
És el mateix raonament que expliquem a per què la majoria de projectes amb LLM fracassen: el problema no sol estar en el model, sinó a arrencar sense haver validat que el cas d'ús tenia hipòtesi de valor, dades i sponsor. Un partner amb criteri tanca aquests tres buits abans d'escriure la primera línia de codi.
Criteri 3 · Neutralitat vendor real, no declarada
En IA empresarial, la capacitat d'operar sense quedar lligat a una plataforma concreta és patrimoni tècnic — no eslògan. Hi ha dues proves.
La primera: l'equip ha entregat en els últims 18 mesos en almenys dos hyperscalers diferents (AWS, Azure, GCP) amb projectes d'envergadura comparable? La segona: ha entregat casos amb models d'almenys dos proveïdors (Anthropic, OpenAI, Mistral, Google, models open en infraestructura pròpia)? Si les dues respostes no són clarament afirmatives, el partner té un biaix tècnic (no necessàriament dolent, però biaix) que convé conèixer abans de signar.
El corol·lari pràctic és que el 2026 la neutralitat no és "no tenim preferències" — és "tenim preferències raonades i capacitat de canviar-les quan el cas ho demana".
Pregunta concreta per a l'RFP: "Quina decisió arquitectònica de plataforma o model han revisat en els últims sis mesos en un projecte viu, i quina dada els va fer canviar?"
És la mateixa lògica que descrivim a LLMs propietaris vs open source: la decisió correcta de model depèn del cas d'ús concret, no d'una aposta estructural del partner. Qui ha entregat amb diversos models té dades per argumentar; qui ha entregat amb un de sol, té una hipòtesi.
Criteri 4 · Traçabilitat del delivery
Aquesta és la pregunta que més incomoda els proveïdors i més informa el comprador:
"Puc tenir accés lectura al repositori del projecte, al pipeline d'evals, al board de tickets i a l'arxiu de post-mortems?"
En un projecte d'IA seriós el 2026, tot això existeix (si no existeix, és un problema). Un partner sòlid l'obre sense fricció: entén que la traçabilitat és part del valor entregat, no un sobrecost.
La pregunta en RFP, desglossada:
- El codi del projecte s'entrega versionat en un repositori accessible pel client des del dia u?
- Les avaluacions de models s'executen en un pipeline reproduïble (amb seeds, datasets congelats, mètriques registrades)?
- Els post-mortems d'incidents es documenten i es comparteixen amb el client?
- Els runbooks d'operació s'entreguen com a part del producte, no com a "fase següent"?
Si el proveïdor es resisteix a obrir això, està dient alguna cosa sobre la seva manera de treballar. Els partners que operen amb disciplina de software tradicional solen sentir-se còmodes aquí; els que vénen d'altres backgrounds, menys.
És un punt proper al que desenvolupem a agents IA en producció: el gap de qualitat: observabilitat sense traçabilitat és teatre. Si el partner no pot ensenyar com avalua i com aprèn iteració rere iteració, el client està finançant un cicle que es repeteix.
Criteri 5 · Estabilitat de l'equip en els propers 12-24 mesos
L'últim criteri és el més difícil de mesurar i el que més pesa. En serveis professionals, la rotació de l'equip assignat sol ser invisible per al client fins que es nota — i quan es nota, ja està a mig projecte i canviar de partner costa més que suportar la degradació. El comprador intel·ligent pregunta per endavant:
- Quin és el churn anual de la plantilla dedicada a IA en els últims 24 mesos?
- Hi ha un SLA contractual de rotació màxima en l'equip assignat al projecte?
- Hi ha una clàusula d'aprovació de substitucions per a rols clau (arquitecte, lead engineer, lead data)?
- Hi ha una finestra mínima de handover si algú deixa l'equip (proposat: 20 dies hàbils)?
- Quin percentatge de l'equip assignat és plantilla pròpia del proveïdor davant de subcontractada?
Aquest criteri pren especial rellevància quan el partner ha estat adquirit recentment. La literatura sobre fusions i adquisicions en serveis professionals coincideix que el període dels 12-24 mesos posteriors a una integració concentra la major taxa de rotació, amb rangs que habitualment es reporten entre el 15% i el 30% del talent senior segons sector i context (per exemple, informes de Deloitte Human Capital i de Bain sobre integració post-adquisició). No és una crítica a cap proveïdor en concret: és una constant sectorial que convé anticipar.
Què demanar per escrit quan el teu partner acaba de ser adquirit
Aquest últim any el mapa europeu de boutiques de dades i IA s'ha consolidat ràpidament. Accenture va tancar la compra de Keepler Data Tech a Espanya el 8 d'abril de 2026, sumant-la a una cadena que ja incloïa Faculty, NeuraFlash, RANGR i Halfspace. Al mercat espanyol l'operació no és aïllada: Bluetab està dins d'IBM, Synergic dins de Telefónica Tech, i altres proveïdors locals es mouen en la mateixa lògica. Des del costat del client, això significa que la terna de partners considerada fa 18 mesos probablement ja no reflecteix la foto actual.
Davant d'aquest escenari, convé demanar per escrit quatre coses al partner que travessa una integració — o a qualsevol partner en una renegociació:
Amb clàusula d'aprovació del client per a substitucions en rols clau (arquitecte, lead engineer, lead data).
Per als propers 12-24 mesos, amb conseqüències contractuals si s'incompleix.
I quines passen a estàndards de l'integrador, amb terminis concrets de transició.
Aplicable en els propers 6 mesos. És una petició raonable quan el proveïdor ha canviat substancialment les seves condicions societàries i operatives.
Aquestes quatre coses es demanen amb respecte i es responen per escrit. Un partner que les veu com una agressió està dient més de si mateix que del client.
On encaixa cada tipus de partner
Un apunt final, perquè aquest article no pretén empènyer cap perfil concret. El mercat d'IA empresarial el 2026 se sosté amb tres arquetips diferents de partner, i cadascun té sentit en el seu context.
Boutique tècnica independent
Firmes especialistes amb equip senior estable, no dependents d'un únic hyperscaler.
Encaixa en: projectes on el criteri decisiu és la composició concreta de l'equip assignat, la neutralitat multi-cloud/multi-model, la velocitat d'iteració i la capacitat d'acompanyar el pas del pilot a l'operació amb cost predictible. A Espanya el 2026 en queden diverses amb perfil rellevant; el comprador informat les identifica i les manté a la terna.
Proveïdor de plataforma amb xarxa de partners de delivery
Databricks, Snowflake, Anthropic via partners certificats.
Encaixa en: decisions fortament ancorades en una plataforma concreta i una implementació relativament predictible, on el partner afegeix capacitat de delivery sobre un stack ja triat pel client.
Cada projecte té el seu perfil. L'error més comú és intentar que el mateix tipus de partner serveixi per als tres contextos. Un programa multi-país regulat amb abast global no s'executa igual que un sprint de 12 setmanes per portar un model de recomanació a producció amb cost predictible. Confondre els arquetips sol acabar en sobrecost (si es contracta un integrador global per a alguna cosa petita) o en bloqueig operatiu (si es contracta una boutique petita per a alguna cosa massiva).
L'insight operatiu: la primera decisió d'un RFP d'IA el 2026 no és a qui trucar, sinó quin arquetip de partner encaixa en el teu projecte. Només després tenen sentit els cinc criteris de selecció. Canviar l'ordre és el que fa que ternes mal construïdes derivin en avaluacions impossibles entre proveïdors que no competeixen pel mateix.
Tancament
Triar un IA partner el 2026 no és més fàcil que fa tres anys — és diferent. Els criteris que discriminaven (certificacions, partner tier, xifra de negoci) avui retornen informació més sorollosa que útil. Els cinc criteris proposats aquí — ràtio senior/junior de l'equip assignat, capacitat de rebutjar casos mal definits, neutralitat vendor verificable, traçabilitat del delivery i estabilitat de l'equip — no són secrets ni proprietary. Qualsevol comprador amb criteri pot incorporar-los al template del seu proper RFP i convertir una conversa comercial en una conversa tècnica de veritat.
El millor partner d'IA no és el que té més certificacions. És el que estarà entregant el dilluns el mateix que va prometre el divendres — amb el mateix equip, la mateixa traçabilitat i els mateixos criteris de rebuig que va aplicar a la proposta.
Fonts i referències: Gartner Research — AI Project Success Rates 2026; MIT NANDA — State of AI in Business 2026; notes de premsa públiques sobre operacions de M&A (Accenture-Keepler abril 2026, IBM-Bluetab, Telefónica Tech-Synergic Partners, Accenture-Faculty, Accenture-NeuraFlash, Accenture-RANGR, Accenture-Halfspace); Deloitte Human Capital i Bain — informes sobre rotació en integracions post-adquisició en serveis professionals.
Lectura complementària: Per què la majoria de projectes amb LLM fracassen | LLMs propietaris vs open source | Agents IA en producció: el gap de qualitat | Compliance-First AI Design (EU AI Act)
Metodologia onext: onext AI-Accelerated Development és la metodologia amb què acompanyem empreses mitjanes i grans en el pas de pilot a producció. Equip senior estable nominat pel nom, neutralitat multi-cloud i multi-model, traçabilitat del delivery des del dia u i cost predictible. Sense paralitzar lliuraments.
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 →