El teu comitè porta sis mesos amb això a l'agenda. Cada vegada que apareix, algú diu «millor esperem que la tecnologia s'assenti» i tothom hi assenteix. I torna a aparèixer el mes següent. És la decisió més ajornada en els comitès directius castellans en el que va de 2026, i ajornar-la no és gratis.
El que segueix és una conversa honesta sense propaganda: quatre situacions on esperar és la decisió correcta, quatre on no, i la pregunta única que tanca el cicle.
Per què adoptar IA és la decisió més ajornada en comitès directius el 2026
La conversa es repeteix amb un guió gairebé idèntic en dotzenes de comitès directius. El director financer pregunta quant costa. El director d'operacions pregunta quin problema resol. El director de sistemes diu que encara cal més claredat. Algú esmenta l'AI Act. Una altra persona recorda un cas d'un competidor. I la conclusió, mes rere mes, és que convé seguir observant.
La fatiga és real i els arguments per esperar tenen mèrit. La tecnologia està canviant ràpid. La regulació europea s'aplica plenament el 2 d'agost de 2026 amb conseqüències encara sense precedent. Els proveïdors s'estan reestructurant — diversos van anunciar a l'abril ajustos de plantilla simultanis a les seves mètriques de creixement en intel·ligència artificial. Qui decideix esperar no està sent mandrós. Està reaccionant a un mercat sorollós amb una resposta raonable.
El problema no és esperar. És esperar sense haver definit què hauria de canviar per no esperar més. Aquesta és la pregunta que la majoria de comitès no s'està fent, i és l'única que tanca el cicle.
Les tres raons legítimes per esperar
Convé començar per reconèixer que esperar pot ser la resposta correcta. Hi ha tres raons de pes que veiem repetides i que en la seva forma forta justifiquen ajornar.
1. Raó regulatòria: alt risc sense anàlisi legal tancada
Si l'activitat de la teva empresa cau dins del catàleg d'alt risc del Reglament Europeu d'Intel·ligència Artificial — banca de crèdit al consum, contractació de personal amb cribratge automàtic, dispositius mèdics, infraestructura crítica, gestió de migracions, justícia, educació amb avaluació automatitzada — i el teu equip legal encara no ha acabat l'anàlisi de l'impacte que això té sobre els teus processos, esperar tres o quatre mesos per saber què et toca fer és prudent, no procrastinació.
2. Raó operativa: dades sense condicions per a producció
Si les teves dades no estan en condicions de ser fetes servir — sis versions de la mateixa taula en sistemes diferents, govern de dades sense propietari clar, integracions que es fan a mà cada mes — el primer projecte d'intel·ligència artificial sobre dades brutes és un fracàs predictible i car de revertir. Començar abans de tenir un mínim d'ordre és construir sobre sorra.
3. Raó organitzativa: ningú amb criteri per liderar
Si ningú a la teva organització té criteri suficient per liderar una conversa seriosa amb un proveïdor d'IA — no cal títol tècnic, cal criteri per distingir promesa d'entrega — començar implica delegar la direcció al proveïdor. El proveïdor acaba decidint què construir, com mesurar-ho i quan declarar-ho un èxit. És la pitjor configuració possible.
Aquestes tres raons, en la seva forma forta, són legítimes. El que no és legítim és invocar versions febles — «no tenim les dades perfectes», «volem esperar a la versió definitiva», «preferim que algú ho faci primer» — com a tapadora d'una decisió que en realitat no s'està prenent.
Les tres raons legítimes per començar ja
A l'altre costat hi ha també tres raons de pes, cap d'elles urgència inventada per un vendor.
1. Corba d'aprenentatge organitzatiu
Una empresa que ha completat un projecte seriós d'intel·ligència artificial — encara que sigui petit, encara que hagi tingut ensopegades — té una cosa que la que només ha llegit sobre el tema no té: comitè format, vocabulari comú, criteris d'avaluació calibrats, un baseline de quant costa i quant retorna. Aquest aprenentatge no es compra; s'acumula. Cada mes que esperes, l'organització del competidor que sí que va decidir està aprenent alguna cosa que tu hauràs d'aprendre més tard, probablement amb pressa.
2. Finestra competitiva
Si al teu mercat ja hi ha un competidor visible amb un cas d'intel·ligència artificial de cara al client — chatbot, recomanador, cotització automàtica, atenció conversacional — la finestra per entrar en paral·lel es compta en trimestres, no en anys. La diferència entre arribar tercer i arribar setè és estructural; la diferència entre arribar segon i arribar tercer sol ser anecdòtica. Si la finestra està oberta, esperar la tanca.
3. Talent
Els professionals amb experiència real en intel·ligència artificial — no certificacions, experiència operativa mesurable — trien empreses actives. Una companyia que ajorna durant un any la decisió IA té un missatge implícit per a qualsevol candidat amb criteri: aquí no es fa. La lluita pel talent no es guanya amb paquet salarial; es guanya amb projecte reconeixible. Esperar contrau l'oferta de qui podria portar el primer projecte seriós.
El registre empíric: el que reporten les empreses que van començar a temps
Hi ha una asimetria empírica rellevant en aquesta conversa, i convé mirar-la de cara. L'evidència publicada en el que va de 2026 afavoreix materialment els qui van decidir començar a temps i bé — sobretot quan el primer projecte es va aplicar a processos corporatius interns, on el soroll vendor és menor i els retorns es mesuren amb la comptabilitat de la mateixa empresa.
Els casos concrets publicats aquest trimestre apunten en la mateixa direcció i comencen a tenir volum per no ser anecdòtics. Un integrador europeu de gran mida va reportar en els seus resultats del primer trimestre que l'11% del total de la seva contractació signada ja ve de projectes basats en agents — la primera vegada que una mètrica financera dura de l'agentic es reporta a inversor. Un integrador americà va comunicar la mateixa setmana que el cost del seu programa intern de transformació amb intel·ligència artificial — aplicat primer als seus 350.000 empleats abans de vendre'l fora — retorna entre 200 i 300 milions de dòlars anuals en eficiència operativa mesurada.
Una boutique global va publicar un cas de modernització de codi heretat bancari en què un procés que històricament prenia tres mesos es tanca ara en quatre hores, i un pilot en una indústria diferent on automatitzar l'1% del flux de reclamacions de garantia retorna aproximadament un milió de dòlars a l'any. Una altra firma va reportar projectes d'automatització de processos administratius on el temps de tancament cau de mesos a setmanes i el percentatge de tasques que el sistema resol sense intervenció humana arriba al 70%.
Aquests casos no són material de màrqueting. Són xifres publicades en informes de resultats a inversors, comunicats oficials i cobertura de premsa especialitzada — verificables si el teu equip vol llegir-les.
La conclusió que un comitè prudent ha d'extreure no és «tothom està guanyant amb intel·ligència artificial»: el mateix informe de Bain registra que la majoria segueix en pilot sense retorn clar, i la consultora Gartner anticipa que més del 40% dels projectes basats en agents es cancel·laran abans de finals de 2027 per costos que escalen o per valor de negoci difús. La conclusió correcta és més matisada i més útil: les organitzacions que comencen bé i a temps capturen avantatges operatius estructurals; les que comencen malament o tard paguen el cost sense el retorn. Les quatre condicions que detallem a continuació són precisament les que separen començar bé de començar malament.
Els quatre contextos on esperar és la decisió correcta
Combinant les tres raons per esperar amb la realitat de cada empresa, hi ha quatre contextos on la resposta és objectivament «encara no».
Alt risc regulatori sense anàlisi legal completada
La sanció mitjana per incompliment de l'AI Act en sistemes d'alt risc es compta en milions — fins al 7% de la facturació global anual o 35M€, el que sigui més gran. Començar abans de saber quina classificació et toca és assumir un risc que no compensa.
Fusió, adquisició o reestructuració important en curs
La intel·ligència artificial és un projecte de canvi organitzatiu a més d'un projecte de tecnologia. Apilar-lo damunt d'un altre canvi organitzatiu en marxa multiplica la probabilitat de fracàs de tots dos.
Mercat sense competidor visible encara en IA de cara al client
Si ningú al teu sector ha mogut fitxa visible i el teu client final no està preguntant, la finestra competitiva no s'està tancant. Esperar tres o sis mesos per començar més ben preparat és perfectament racional.
Zero persones amb criteri per liderar
No és el mateix «no tenim un equip dedicat» que «no tenim ningú amb criteri». El segon es resol incorporant una persona — externa, contractada per al primer projecte, o un membre del comitè amb interès genuí que es formi — abans de començar.
Els quatre contextos on començar ja és la decisió correcta
Per simetria, hi ha quatre contextos on la resposta és «ja».
Les dues trampes que invaliden la decisió
Trampa 1: esperar sense data de revisió ni disparador concret
La trampa més freqüent quan es decideix esperar és no fixar data de revisió ni senyal que activi la decisió. La conversa queda com «ho reprenem al seu moment» i es renova sola cada mes. Al cap de mig any la situació és idèntica. Esperar és legítim només quan ve amb una data — tres mesos, sis mesos — i amb un disparador concret: «si apareix un competidor amb cas visible, si un client important pregunta, si el legal tanca l'anàlisi de l'AI Act, comencem abans de la data».
Trampa 2: començar sense mètrica de sortida del pilot
La trampa simètrica quan es decideix començar és no fixar mètrica de sortida. El pilot s'aprova amb entusiasme, s'executa amb dificultats raonables, es va prolongant. Al cap d'un any hi ha un pilot perpetu que ningú vol matar i que no produeix resultat clar. Començar és legítim només quan ve amb un pilot petit, una mètrica concreta — reducció de temps a producció, millora de temps de resposta, ràtio entre cost i estalvi verificat — i una data d'avaluació.
La pregunta que tanca el cicle
La conversa honesta que el teu comitè necessita tenir no és «esperar o començar?». És:
Si la resposta és «res concret, ho veiem el pròxim trimestre», la decisió no s'està prenent. El que s'està prenent és l'opció per defecte, que és esperar un altre mes. I el mes que ve tornarà a aparèixer a l'agenda. I tornarà a ajornar-se.
Si la resposta és «esperem fins al juny perquè el legal tanca llavors l'anàlisi de l'AI Act, i comencem abans només si el nostre major competidor llança alguna cosa pública abans», la decisió està presa. La incertesa futura està acotada. El comitè té llibertat per treure el punt de l'agenda fins que passi una de les dues coses.
Aquesta és la pregunta que més comitès s'estan saltant en el que va d'any. No és una qüestió d'intel·ligència artificial. És una qüestió de com decideix el teu comitè.
T'ha estat útil?
Hem preparat una matriu d'una pàgina amb els vuit contextos de decisió que pots imprimir i portar al teu pròxim comitè.
Fonts i referències: Bain & Company, enquesta a directors financers de grans empreses i mid-cap, abril 2026; Gartner, predicció sobre cancel·lació de projectes agentic abans de finals de 2027; Reglament Europeu d'Intel·ligència Artificial (Regulation (EU) 2024/1689) — entrada en aplicació plena d'obligacions d'alt risc el 2 d'agost de 2026; informes de resultats Q1 2026 d'integradors europeus i americans sobre mètriques agentic; experiència onext en dotze transformacions d'equips IT.
Lectura complementària: Sovereign AI: split de control en 8 eixos | Com triar un IA partner el 2026 | Cost real d'IA en producció | Agents IA en empreses: retorn i obstacle organitzatiu
Metodologia onext: onext AI-Accelerated Development és la metodologia amb què acompanyem els comitès directius a aterrar la decisió IA amb un primer projecte petit, mètrica clara i campió intern des del primer dia.
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 →