El 75% dels projectes d'IA no generen retorn. Com no ser-ne un

Més de 500.000 milions de dòlars anuals. Això és el que la indústria de la intel·ligència artificial inverteix en infraestructura. Meta ha elevat la seva guia de capex a 115.000-135.000 milions. Microsoft supera els 120.000 milions anualitzats. Amazon s’apropa als 200.000 milions.

Només el 5%. Això és el que genera valor real a escala amb IA.

Aquesta dada, publicada per BCG el 2025, hauria de ser la primera diapositiva de qualsevol comitè de direcció que estigui avaluant inversions en intel·ligència artificial. No perquè la IA no funcioni — funciona —, sinó perquè la distància entre “la tecnologia funciona” i “la inversió té retorn” és enorme, i la majoria d’organitzacions la travessen malament.

Els números que la indústria prefereix no ajuntar

El que s’inverteix

La concentració de capital en IA no té precedent en la història de la tecnologia:

• 2023: 75.000 milions de dòlars en capital risc per a IA (~30% del VC global)
• 2024: 131.000 milions (45% del VC global)
• 2025: 258.700 milions (61% del VC global, segons l’OCDE)
• Q1 2026: Només quatre mega-rondes (OpenAI, Anthropic, xAI, Waymo) van acaparar el ~65% de tot el capital risc del trimestre

189.000 milions de dòlars en un sol mes. El febrer de 2026, el 83% d’aquell finançament global es va concentrar en tres empreses. És la concentració més extrema de la història del sector tecnològic.

El que s’obté

• Només el 5% de les empreses genera valor substancial a escala amb IA (BCG, 2025)
• El 75% dels projectes d’IA no assoleix el ROI esperat
• Errors d’estimació: els costos reals de projectes d’IA superen el 500-1.000% del pressupost inicial
• Costos ocults: preparació de dades, manteniment, reentrament, governança — poden representar el 60-80% del cost total de propietat

S’inverteix més que mai. S’obté menys del que s’esperava. La bretxa entre capital i retorn no es tanca — s’eixampla.

Tres corbes a velocitats diferents

El que defineix la situació actual és que tres corbes fonamentals avancen a velocitats molt diferents:

1. Millora tècnica — S’està desaccelerant. Cada salt de rendiment costa més i és més incremental. El pas de GPT-4 a GPT-5 va costar significativament més que el de GPT-3 a GPT-4, amb millores proporcionalment menors.

2. Adopció — És ràpida però superficial. Moltes empreses utilitzen IA, però poques l’integren en processos crítics de negoci. La bretxa d’adopció entre grans empreses i pimes es duplica respecte a altres tecnologies.

3. Monetització sostenible — És la més lenta. La majoria de models de negoci basats en IA generativa encara no demostren marges saludables a escala. El cas de Sora (ingressos totals de 2,1 milions de dòlars davant de costos de 15 milions diaris abans del seu tancament el març de 2026) és un recordatori brutal de com de difícil és convertir capacitat tècnica en negoci viable.

Quan la inversió va per davant de les tres corbes, hi ha un problema. No necessàriament una bombolla — el capital dels hiperescaladors es recolza en efectiu, no en deute —, però sí un desequilibri que tard o d’hora s’ajusta.

Per què fracassa el 75%

Analitzant els patrons de fracàs documentats, les causes es repeteixen amb una consistència reveladora.

1. Dispersió d’esforços

Les empreses que fracassen intenten abordar 6 o més casos d’ús simultàniament. Les que triomfen es concentren en 3-4 i els porten a producció abans d’expandir.

La temptació de “fer alguna cosa amb IA a cada departament” és la manera més cara de no aconseguir res.

2. No mesurar el retorn

Molts projectes d’IA es llancen sense una mètrica clara d’èxit. “Millorar la productivitat” no és una mètrica. “Reduir el temps de processament de reclamacions de 4 hores a 20 minuts” sí ho és.

Sense mesura, no hi ha optimització possible.

3. Subestimar els costos ocults

El preu de l’API és la part visible de l’iceberg. Per sota hi ha tot el resta:

• Preparació de dades: 100.000-380.000 dòlars per a un projecte mitjà
• Manteniment anual: 15-30% del cost d’infraestructura
• Reentrament: cada vegada que canvien les dades o el context
• Governança: compliment normatiu, biaix, privacitat
• Deute tècnic: integracions fràgils que acumulen cost amb el temps

La factura de l’API pot ser el 20% del cost real. L’altre 80% no apareix en cap pitch deck.

4. Automatitzar sense pla humà

La IA que elimina tasques sense oferir alternatives a les persones afectades genera resistència interna, pèrdua de coneixement institucional i risc reputacional.

Les empreses exitoses usen la IA per alliberar temps dels seus equips, no per prescindir d’ells.

5. Usar el model equivocat

Hi ha una tendència a usar el model més potent disponible per a qualsevol tasca. Però usar GPT-5 per classificar correus electrònics és com usar un camió de 40 tones per anar a comprar el pa.

La diferència de consum — i de cost — entre un model flash i un frontier pot ser de x10 per al mateix resultat.

Què fan diferent les empreses del 5%

Les empreses que sí generen valor a escala amb IA comparteixen un patró consistent. No és sort — és mètode.

Es concentren. 3-4 casos d’ús ben definits, amb mètriques clares, portats a producció completa abans d’afegir-ne més.

Mesuren obsessivament. No només mesuren el rendiment del model — mesuren l’impacte de negoci. Temps estalviat. Errors evitats. Ingressos incrementals. Cost total de propietat.

Inverteixen en persones. El 70% dels seus recursos van a persones i processos, no a tecnologia. La IA és l’eina; l’equip és qui la fa funcionar.

Comencen petit. Prototip en setmanes, pilot en mesos, escala en trimestres. No intenten transformar tota l’organització de cop.

Trien el model adequat. No el més potent — el més apropiat per a cada tasca. Un model de 3.000 milions de paràmetres ben afinat pot superar un de 400.000 milions mal aplicat.

El patró d’èxit no és gastar més. És concentrar, mesurar i escalar només el que funciona.

Bombolla o transformació? La pregunta dels mig bilió

La pregunta “Està la IA en una bombolla?” no té una resposta binària. La realitat és més matisada:

• La tecnologia funciona. Els models són capaços, els casos d’ús són reals, el valor potencial és enorme.
• Els ingressos existeixen. Les empreses d’IA generen milers de milions en facturació real.
• Però el capital va molt per davant. La inversió en infraestructura supera amb escreix la demanda demostrada. La bretxa entre capex i ingressos de l’ecosistema IA és de gairebé 600.000 milions de dòlars anuals.

L’analogia més útil és la bombolla de la fibra òptica de 1998-2000: la infraestructura va resultar valuosa a llarg termini, però els inversors originals van perdre diners. La IA probablement seguirà un patró similar — la tecnologia es queda, però no tot el capital invertit tindrà retorn.

No és moment de no invertir en IA. És moment d’invertir amb criteri. Cada euro ha de tenir una mètrica de retorn clara, un termini realista i un pla B.

Què puc fer jo?

• Si dirigeixes una empresa: Abans d’aprovar una inversió en IA, exigeix resposta a tres preguntes: Quina mètrica de negoci millora? Quin és el cost total de propietat (no només l’API)? Què passa amb les persones les tasques de les quals s’automatitzen? Si no hi ha resposta clara a les tres, el projecte no està a punt.

• Si estàs avaluant proveïdors de IA: Demana dades de consum energètic per servei. Sota el marc CSRD europeu, la teva petjada de carboni inclou els serveis que contractes. Si un proveïdor no pot dir-te quant consumeix el seu servei, pregunta’t per què.

• Si ets CTO o responsable tècnic: Comença amb el model més petit que resolgui la tasca. Escala només quan les dades ho justifiquin. Mesura el cost total — no només la latència i la precisió, sinó també l’energia i el manteniment.

• Si ets professional preocupat per la teva feina: La IA no substitueix tots els professionals, però sí transforma la majoria de les professions. Invertir en entendre les eines — què poden fer, què no, quant costen realment — és la millor inversió professional que pots fer ara mateix.

• Per a tothom: Fes el nostre test de maduresa en IA sostenible per avaluar on és la teva organització i quins passos fer.