El 74% aspira a ingressos amb IA. Només el 20% ho aconsegueix. L'informe Deloitte explica la bretxa.

Cada trimestre apareix un nou informe sobre IA en empreses. La majoria diuen el mateix: "l'adopció creix". El "State of AI in the Enterprise 2026" de Deloitte diu una cosa més incòmoda: la distància entre el que les empreses aspiren a aconseguir amb IA i el que realment aconsegueixen s'està eixamplant. El 74% aspira a augmentar ingressos amb IA. Només el 20% ho aconsegueix. I la raó no és tècnica.

Aquesta anàlisi recorre les dades més rellevants de l'informe i connecta cada troballa amb el que observem en implementacions reals. Els números expliquen exactament la mateixa història que portem veient en equips de desenvolupament: la tecnologia funciona. El sistema organitzatiu no està preparat per aprofitar-la.

Els números que defineixen el 2026: adopció accelerada, resultats desiguals

Abans d'entrar en l'anàlisi, convé dimensionar el moment. L'informe de Deloitte recull dades de centenars d'organitzacions a nivell global, des de startups fins a grans corporacions. Els titulars pinten un escenari d'adopció massiva, però amb matisos que importen:

Els titulars són positius. L'accés a eines d'IA entre treballadors va créixer un 50% el 2025. Les empreses amb més del 40% de projectes en producció es duplicaran en els pròxims sis mesos. El 42% de les organitzacions creu que la seva estratègia està "altament preparada".

Però fixa't en els altres números. Només 1 de cada 5 té governance madur per a IA autònoma. Només el 34% està reimaginant el seu negoci, no només optimitzant processos. I hi ha una dada que és la clau de tot l'informe: el 74% de les empreses aspira a augmentar ingressos amb IA, però només el 20% ho està aconseguint.

Aquesta diferència de 54 punts no és una bretxa tècnica. És una bretxa organitzativa.

54 punts de diferència: la bretxa més gran no és tecnològica

Aquesta és la dada central de l'informe i mereix aturar-s'hi.

En productivitat i eficiència, la bretxa és manejable: el 66% reporta guanys reals. El mateix amb decisions millorades (53%) i reducció de costos (40%). Aquests són beneficis de "fer el mateix, més ràpid".

Però quan passem a resultats de negoci -- generar més ingressos, millorar productes, innovar -- la bretxa es dispara. Només el 20% aconsegueix més ingressos. Només el 20% millora productes o serveis. Només el 38% millora la relació amb clients.

El patró és clar: la IA està servint per optimitzar operacions, però no per transformar el negoci. I això no és un problema de la tecnologia. És un problema de com les organitzacions estan plantejant l'adopció.

La majoria d'empreses fa servir IA per fer més eficient el que ja feien. Només una minoria està reimaginant el que fan.

Això connecta amb una dada que ja vam analitzar en un altre context: el 70% de l'èxit de la IA en equips de desenvolupament és organitzatiu, no tècnic. L'informe de Deloitte ho valida amb dades a escala enterprise.

El 66% optimitza. Només el 34% transforma. La diferència és estructural.

De totes les dades de l'informe, aquesta és potser la que millor explica la bretxa: només el 34% de les organitzacions està "reimaginant veritablement el seu negoci" amb IA. La resta -- dos terços -- la fa servir principalment per a eficiència operativa.

Això no significa que l'eficiència operativa sigui dolenta. El 66% que reporta guanys de productivitat està obtenint valor real. El 53% que millora decisions està traient partit a dades que abans no processava. Aquests resultats són legítims.

El problema és que quedar-se en eficiència té un sostre. I aquest sostre arriba ràpid.

L'informe de Deloitte apunta a una raó clau per a aquesta distribució: les empreses reporten una preparació significativament menor en infraestructura, gestió de dades, frameworks de risc i capacitats de talent que en estratègia.

És a dir: a nivell de PowerPoint, l'estratègia existeix. A nivell d'execució, els fonaments no hi són.

El 42% creu que la seva estratègia està "altament preparada". Però quan baixes al detall operatiu -- la infraestructura per suportar IA en producció, les dades amb la qualitat necessària, els equips amb les competències adequades, els frameworks de risc per gestionar agents autònoms -- la preparació cau en picat.

Hi ha un gap entre preparació estratègica i preparació operativa. I és en aquest gap on es queden atrapades la majoria d'organitzacions: saben què volen fer amb IA, però no tenen els fonaments per fer-ho.

IA agèntica: l'adopció es dispara, el governance no segueix

L'informe assenyala que l'ús d'IA agèntica està preparat per a un creixement abrupte en els pròxims dos anys. I al mateix temps, només 1 de cada 5 empreses té governance madur per a agents autònoms.

Això és un desequilibri preocupant.

La IA agèntica no és una versió més potent d'un chatbot. Són sistemes que prenen decisions, executen accions i operen amb graus variables d'autonomia. Sense governance adequat, això significa codi desplegat sense supervisió suficient, decisions preses sense traçabilitat clara i riscos que ningú ha mapejat.

Ja vam analitzar en detall la situació dels agents d'IA en empreses per al 2026. Les dades de Deloitte confirmen el mateix patró des d'una altra perspectiva: l'obstacle no és desplegar agents. És governar-los.

Per a equips de desenvolupament, això es tradueix en preguntes molt concretes:

• Si un agent genera codi i el desplega, qui és responsable de la qualitat?
• Si un agent pren decisions arquitectòniques, hi ha traçabilitat de per què?
• Si un agent opera amb autonomia en un pipeline de CI/CD, quins límits té?
• Si alguna cosa falla en producció i l'ha generat un agent, com es diagnostica?

Sense un sistema de treball que respongui a aquestes preguntes, la IA agèntica passa de ser un avantatge competitiu a ser un risc operatiu no gestionat.

Lectura relacionada: A la nostra anàlisi d'Agentic AI detallem què significa que un agent sigui veritablement autònom i com es diferencia d'una automatització convencional. I a qualitat de codi en l'era de l'AI coding, abordem els criteris de revisió específics per a codi generat per agents.

El skills gap és real. Però la solució no és formació puntual.

L'informe de Deloitte identifica la bretxa de competències en IA com la principal barrera d'adopció. Fins aquí, res de nou. El rellevant és com les empreses hi estan responent.

Segons Deloitte, les organitzacions prioritzen educació i formació per sobre del redisseny de rols i workflows. És a dir: la resposta dominant al skills gap és fer cursos, no canviar com treballen els equips.

I això explica per què, tot i que l'accés a eines d'IA va créixer un 50% el 2025, l'impacte en la força de treball continua sent baix. Més gent té accés. Menys gent sap què fer amb aquest accés dins del seu flux de treball diari.

Això és un patró que ja vam abordar en profunditat: per què els equips no adopten les eines IA que els compres. L'accés no és el problema. La integració en el flux de treball sí.

El skills gap és un símptoma, no una causa. La causa és que les organitzacions estan intentant ficar noves capacitats en vells sistemes de treball. És com donar un cotxe de carreres a algú i esperar que vagi més ràpid per la ciutat sense canviar les rutes, els semàfors ni les normes de trànsit.

Les competències que falten no són tècniques en el sentit tradicional. No és que la gent no sàpiga escriure un prompt. És que no existeixen els rols, els processos i els criteris de qualitat adaptats perquè aquestes competències s'apliquin de manera sistemàtica.

De diagnòstic a sistema: com SDD i els Centres d'Excel·lència aborden cada bretxa

L'informe de Deloitte descriu tres dèficits principals: preparació operativa per sota de l'estratègica, governance insuficient per a IA agèntica i un skills gap que es tracta amb formació en lloc de amb redisseny. Cadascun d'aquests dèficits té un correlat directe en com treballem a onext.

1. La bretxa estratègia-execució es tanca amb un sistema de treball, no amb un roadmap.

El 42% de les empreses diu que la seva estratègia està preparada. Però quan baixes al detall operatiu -- dades, infraestructura, talent -- la preparació s'enfonsa. Això passa perquè l'estratègia es queda en el nivell de "què volem fer" sense aterrar en "com treballarem diferent".

Spec-Driven Development (SDD) existeix per tancar aquesta bretxa. En lloc d'estratègies genèriques, SDD defineix especificacions concretes: la "constitució" del projecte estableix regles que la IA ha de respectar, els templates d'especificació estandarditzen com es defineixen features per a agents, i el playbook de prompts converteix bones intencions en pràctiques repetibles. No és una estratègia. És un sistema operatiu per a equips que treballen amb IA.

2. El governance d'IA agèntica comença per traçabilitat i límits clars.

Només 1 de cada 5 empreses té governance madur. Per a la resta, el risc no és abstracte: és codi en producció sense revisió adequada, decisions sense traçabilitat i responsabilitats difuses.

La resposta no és afegir una capa de burocràcia. És integrar governance en el flux de treball. En SDD, cada línia de codi generada és traçable a una especificació. El flux de code review té criteris específics per a l'output d'agents. I el context engineering garanteix que els agents operen amb el context correcte, no amb context genèric o incomplet. Governance no com a burocràcia, sinó com a arquitectura del sistema.

3. El skills gap es resol amb Centres d'Excel·lència, no amb cursos.

Deloitte assenyala que les empreses prioritzen educació per sobre del redisseny de rols. Un Centre d'Excel·lència d'IA fa el contrari: primer redissenya el sistema de treball i després capacita l'equip dins del nou sistema. La formació no és l'objectiu. És una conseqüència d'un flux de treball que exigeix noves competències de manera natural.

No és casualitat que les tres bretxes convergeixin en el mateix. El denominador comú és organitzatiu: falta un sistema de treball dissenyat per a IA. Les eines hi són. Els models són prou bons. El que falta és la capa intermèdia entre "tenim una estratègia d'IA" i "el nostre equip treballa de manera diferent gràcies a la IA".

L'informe confirma la tesi. L'execució depèn del sistema.

El "State of AI in the Enterprise 2026" de Deloitte no diu res que els equips que ja estan en producció amb IA no sabessin intuïtivament. Però ho quantifica. I els números són difícils d'ignorar.

54 punts de diferència entre aspiració i ingressos reals. Dos terços de les empreses estancades en eficiència operativa. Només 1 de cada 5 amb governance per a agents autònoms. Un skills gap que es tracta amb cursos en lloc de amb canvi estructural.

La bona notícia: res d'això és un problema sense solució. És un problema de sistema. I els sistemes es redissenyen.

La tecnologia ja hi és. Els models són suficients. La pregunta que queda és organitzativa: el teu sistema de treball està dissenyat perquè la IA generi impacte real, o només perquè la gent tingui accés a eines?