Empres IA - PCUV

Com estan adoptant la

intel·ligència artificial

les empreses de la Comunitat Valenciana

Què estan fent hui les empreses valencianes amb la IA, quin impacte estan generant i quins reptes estan trobant.

Estudi realitzat per Pleyad en col·laboració amb la Fundació Parc Científic Universitat de València

Descarregar informe complet

Explorar

L'oportunitat
i la urgència

En pocs anys, la intel·ligència artificial ha passat de ser un camp experimental a convertir-se en una tecnologia que condiciona la competitivitat i

redefinix la manera d'operar de les empreses

.

La inversió, la pressió reguladora i les expectatives del mercat s'acceleren, però l'adopció real en les empreses avança a diferents velocitats: si bé l'ús de ferramentes d'IA s'ha estés ràpidament,

el gran pas ara és integrar la tecnologia

en els processos, models organitzatius i estratègia de les empreses.

EmpresIA naix per a entendre este moment de transició des de dins del teixit empresarial valencià: comprendre com estan incorporant la IA, quin valor estan generant i quines condicions marquen la seua capacitat per a avançar

Un poc d'història

1942

Joseph Schumpeter publica la seua teoria de la destrucció creativa; la innovació disruptiva té la capacitat de transformar sectors sencers.

Se sembra la idea que

la tecnologia avança en “ones”

.

1956

Fundació del camp de la

Intel·ligència Artificial

en la reunió de Dartmouth.

Primeres promeses d'automatitzar el raonament.

1980s–1990s

Primeres aplicacions pràctiques, en indústria, logística i diagnòstic.

Expectatives altes, però limitacions tècniques

.

2000s

Transformació digital com a quinta ona. Les empreses digitalitzen la seua gestió, migren al núvol, i

generen volums massius de dades

.

Es crea la infraestructura que farà possible la IA actual.

2017

The Transformers: Google presenta

“Attention is all you need”

, article que introduïx l'arquitectura que impulsa la IA generativa moderna.

2022

Publicació de ChatGPT: explosió de la IA generativa.

La IA ix del laboratori i entra en l'ús massiu.

Es democratitza l'experimentació

.

2025

Albors de la sexta ona.

La IA comença a

integrar-se en productes, processos i decisions

.

2030

Una finestra d'oportunitat.

Projeccions internacionals estimen que la IA podria afegir almenys un 3–4% al PIB global.

L'oportunitat es concentra en la dècada 2025–2035

.

La IA ja està transformant com competixen les empreses.

L'impacte del futur es decidix hui: en com ens organitzem, en com usem les dades i en com adoptem la tecnologia.

L'anàlisi:

Les sis dimensions del model

L'estudi es recolza en un

model d'anàlisi

articulat en sis dimensions, per a comprendre com les empreses incorporen la intel·ligència artificial en la seua activitat. Estes dimensiones analitzen

l'adopció de la IA com un procés progressiu

, condicionat per factors estratègics, organitzatius i culturals.

L'enfocament no avalua tecnologies concretes, sinó que examina com es prenen decisions, s'implanten les solucions, es genera valor, s'afronten obstacles i s'extrauen aprenentatges, oferint una

visió realista y útil

per a entendre l'adopció de la IA en les organitzacions.

Passa el ratolí pel diagrama per a obtindre més informació

Visió estratègica

Des de quina ambició, propòsit i posició competitiva s'aproxima cada empresa a la IA i com esta tecnologia s'integra en la seua estratègia global.

Motivacions i expectatives

Quins reptes, necessitats o oportunitats activen els primers projectes d'IA i que espera obtindre l'organització a curt i mitjà termini.

Procés d'implantació

Com es passa de la idea a una solució en producció: fases, actors implicats i dinàmiques de decisió

Impacte i resultats

Què està canviant realment amb la IA, combinant indicadors quantitatius i efectes qualitatius.

Barreres i factors d'èxit

Què frena els projectes i quines condicions crítiques permeten avançar: reptes i factors que marquen la diferència entre escalar o quedar-se en proves.

Aprenentatges i futur

Què han aprés les empreses després dels seus primers cicles d'adopció i cap a on dirigixen ara les seues iniciatives, capacitats, casos d'ús i col·laboracions.

Dimensió 1: Visió

Com s'integra la IA en l'estratègia de les empreses

La integració de la intel·ligència artificial en l'estratègia empresarial no respon a un model únic, sinó

que reforça la forma en què cada empresa ja competix

. La IA actua com un accelerador de prioritats existents i posa en relleu tensions internes.

La diferència no la marca l'ús de la tecnologia, sinó

com es definix el paper que la IA ha de jugar

en el posicionament competitiu de cada organització.

Patrons de posicionament competitiu

Passa el ratolí pel diagrama per a obtindre més informació

Tensions estratègiques

Les empreses operen enmig de tensions que travessen a quasi tot el teixit empresarial: són símptomes d'intentar adaptar-se a un context que evoluciona més ràpid que les seues capacitats internes.

Ambició estratègica

vs

Capacitat real d'execució

Velocitat d'innovació

vs

Estabilitat operativa

Personalització

vs

Escalabilitat

Propòsit i impacte

vs

Resultats a curt termini

Què implica en la pràctica

1.

La IA funciona com a amplificador de l'estratègia prèvia, no com a drecera que substituïx la falta de direcció

2.

Les empreses més sòlides gestionen les tensions per prioritat, no intenten resoldre-les totes alhora

3.

La pregunta estratègica ja no és “si fem IA o no”, sinó quin paper ha de tindre la IA en la forma concreta de competir de cada empresa

Dimensió 2: Motivacions

Per què les empreses decidixen incorporar IA

Les empreses es mouen entre

urgència operativa i ambició estratègica

. . La IA permet tant alleujar friccions concretes com explorar capacitats que abans no estaven al seu abast.

Els projectes que avancen amb major solidesa són aquells que connecten les dos dimensions: partixen de problemes reals del negoci, però utilitzen la IA per a obrir noves possibilitats.

Detonants d'adopció

Passa el ratolí pel diagrama per a obtindre més informació

Need Pull vs Technology Push

Els projectes d'IA s’activen des de

dos impulsos distints

: la necessitat de resoldre problemes concrets del negoci (“need pull”) o l'oportunitat d'explorar el que la tecnologia permet fer (“technology push”)

Esta diferència marca el

punt de partida dels projectes

i condiciona tant el seu enfocament com les seues possibilitats de generar valor.

Need pull
Technology push

No ens podem permetre créixer en personal al ritme que creix la demanda

Hi ha molta informació, però no és fàcil de digerir; reaccionàvem tard i féiem anàlisi post mortem

La càrrega de treball era insostenible, dedicàvem el nostre temps lliure a acabar les tasques

Tenim projectes que fa un any i mig eren inimaginables

Ara després d'una setmana ja li puc ensenyar a l'usuari el que vull fer; així ja sé si té sentit o no

El core de la nostra empresa és directament la IA. No és una estratègia; vam nàixer d'ella, amb eixa visió diferencial

Què implica en la pràctica

1.

Els millors projectes no naixen només de la moda tecnològica, sinó de friccions operatives molt concretes del negoci que la IA pot alleujar

2.

Quan la IA s'impulsa només des de la urgència, es corre el risc de posar pegats; quan s'impulsa només des de l'oportunitat, s'allunya del problema real

3.

Els projectes que millor funcionen defineixen des de l'inici què significa “èxit” i dissenyen la prova de concepte per a generar evidències com més prompte millor.

Dimensió 3: Implantació

Com s'implementen els projectes d'IA

Els projectes d'intel·ligència artificial no avancen de manera lineal, sinó que

recorren etapes experimentals successives.

La diferència entre pilots aïllats i solucions que escalen resideix a comptar amb

models de governança i desenvolupaments coherents

que connecten l'experimentació amb l'operació diària.

Fases d'implementació de projectes d'IA

Des de la prova de concepte a l'escalat, els projectes d'IA tendeixen a adoptar un

enfocament àgil i experimental

, com a resposta a la incertesa

Passa el ratolí pel diagrama per a obtindre més informació

1. Prova de concepte

Funciona a escala menuda?

Prototips ràpids i barats
Valida hipòtesi amb dades
Destapa límits

2. Pilot

Genera impacte?

Entorn real, usuaris reals
MVP amb KPIs
Revela dependències i dependències
Comporta redissenys

3. Desplegament

S'opera de manera estable?

Integració amb sistemes corporatius
Ajust de processos i rols

4. Escalat

Com s'amplia i es manté?

Afegir nous casos d'ús
Estendre a més equips i processos
Mantindre i actualitzar models

Governança i desenvolupament

No existix un únic model de governança i desenvolupament de la IA:

cada empresa configura el seu propi equilibri

entre control tècnic, alineació amb el negoci i velocitat d'execució

Qui governa els projectes d'IA

1/3

Opció 1

TI / Transformació Digital

Control tècnic

Coherència arquitectònica

Seguretat

Colls de botella

Menor marge d'experimentació

2/3

Opció 2

Innovació / Negoci

Alineació estratègica dels casos d'ús

Proximitat al problema real

Dispersió

Solucions aïllades o no integrades

3/3

Opció 3

Models híbrids

Decisions compartides

Criteris comuns

Coordinació transversal

Major complexitat

Ritme més lent

Bloqueig d'experimentació

1/3

Opció 1

TI / Transformació Digital

Control tècnic

Coherència arquitectònica

Seguretat

Colls de botella

Menor marge d'experimentació

2/3

Opció 2

Innovació / Negoci

Alineació estratègica dels casos d'ús

Proximitat al problema real

Dispersió

Solucions aïllades o no integrades

3/3

Opció 3

Models híbrids

Decisions compartides

Criteris comuns

Coordinació transversal

Major complexitat

Ritme més lent

Bloqueig d'experimentació

Qui desenvolupa les solucions

1/3

Opció 1

Desenvolupament intern

Major control sobre dades

Major encaix amb el negoci

Requerix capacitats tècniques sòlides

2/3

Opció 2

Desenvolupament externalitzat

Accés ràpid a capacitats avançades

Acceleració en l'arrancada

Falta de coneixement del negoci

Dependència del proveïdor

3/3

Opció 3

Models híbrids

Control de negoci i de la dada

Major velocitat en components especialitzats

Risc de dependències múltiples

Governança del projecte més complexa

1/3

Opció 1

Desenvolupament intern

Major control sobre dades

Major encaix amb el negoci

Requerix capacitats tècniques sòlides

2/3

Opció 2

Desenvolupament externalitzat

Accés ràpid a capacitats avançades

Acceleració en l'arrancada

Falta de coneixement del negoci

Dependència del proveïdor

3/3

Opció 3

Models híbrids

Control de negoci i de la dada

Major velocitat en components especialitzats

Risc de dependències múltiples

Governança del projecte més complexa

Què implica en la pràctica

1.

Els projectes que millor funcionen definixen una prova de concepte per a reduir incertesa, no sols per a provar la tecnologia

2.

Les empreses que aconsegueixen escalar integren la IA en processos i sistemes reals des de fases primerenques

3.

La implementació fluix molt millor quan existeix una governança mínima clara

4.

La qualitat i la disponibilitat de la dada es converteixen en el principal coll de botella, les empreses que el preparen abans d'arrancar eviten bloquejos posteriors

Dimensió 4: Resultats

Impacte i resultats

L'impacte inicial de la IA en les empreses es manifesta, de manera predominant, en

millores d'eficiència i en l'organització interna

, més que en increments immediats de facturació.

Això estableix les bases organitzatives i de dada necessàries perquè, més avant, puguen materialitzar-se

resultats econòmics.

Impacte i resultats

Passa el ratolí pel diagrama per a obtindre més informació

El tangible enfront de l'intangible: més enllà de les mètriques

Indicadors quantitatius

Hores estalviades o tasques automatitzades
Major volum de treball gestionat amb el mateix equip
Reducció de temps de resposta en processos clau

El que les dades no capturen

Decisions més informades i ràpides
Menor fricció interna per a accedir a la informació
Major capacitat d'experimentació
Millor qualitat i traçabilitat de la dada

En els relats de les empreses apareix de manera recurrent la idea d'un “ROI bla”, associat a aquelles millores que encara no impacten en resultats financers, però que creen les condicions necessàries per a generar valor econòmic a mitjà termini

Què implica en la pràctica

1.

Les empreses que millor estan aprofitant la IA entenen que els impactes operatius i organitzatius arriben abans que els resultats financers

2.

Els projectes que millor funcionen defineixen des del principi uns pocs indicadors senzills i els connecten amb millores qualitatives en dada, decisions i experiència de client o usuari

3.

Les organitzacions que no han definit com mesurar estos efectes es troben amb més dificultats per a justificar noves inversions i escalar els projectes més enllà del pilot

Dimensió 5: Barreres

Barreres i factors crítics

Els frens als projectes d'IA no són principalment tecnològics, sinó

organitzatius i econòmics.

Estes dificultats es concentren en la cultura interna, la qualitat i governança de la dada i l'estimació realista dels costos d'implantació i manteniment.

Barreres organitzatives i culturals

1/4

Sitges i immaduresa organitzativa

Els equips treballen per separat i els projectes queden desconnectats del negoci o de l'organització

2/4

Resistència a noves maneres de treballar

Part de l'organització defén processos i mètodes heretats i alentix l'adopció

3/4

Expectatives unflades i delegació incorrecta

S'espera que la IA resolga tot “màgicament”

4/4

Por al desplaçament professional

La IA es percep com a risc i es reacciona amb cautela i desconfiança

Barreres tècniques

1/4

Qualitat i accés a la dada

Els projectes d'IA es converteixen en projectes de sanejament i governança de la dada

2/4

Integració amb sistemes heretats

Les solucions funcionen en pilot, però s'embossen en implantar-les en producció i integrar-les amb els sistemes actuals

3/4

Ritme del canvi tecnològic

Les tecnologies, com a models i APIs, s'actualitzen massa ràpid

4/4

Seguretat i compliment

La gestió de dades sensibles i les exigències reguladores afigen complexitat

Barreres econòmiques

1/4

Cost real d'implantació

L'esforç està en el desenvolupament a mesura i la integració, no en les llicències

2/4

Costos de núvol i còmput

El consum pot disparar-se si no es preveu o s'optimitza des de l'inici

3/4

Manteniment i evolució

Sorgeixen costos recurrents, per exemple associats a monitoratge, reentrenament i actualització

4/4

Dependència de proveïdors

Arquitectures poc modulars poden dificultar el canvi de proveïdor o de components

Què implica en la pràctica

1.

Les empreses que millor avancen ajusten l'ambició a la seua capacitat organitzativa real, en lloc de forçar fulls de ruta difícils de complir

2.

Preparar i governar la dada per endavant evita retards i bloquejos tècnics durant l'execució dels projectes

3.

L'adopció millora quan el canvi cultural es treballa explícitament (comunicació, formació, participació), i no es delega només en TI

4.

Les decisions són més sòlides quan es calcula des de l'inici el cost total de propietat, incloent-hi manteniment, integració i consums

Dimensió 6: Aprenentatges

Cap a on anem i com

Després dels primers cicles d'adopció, les empreses projecten una

segona fase d'IA més selectiva i estratègica.

El focus es desplaça

de l'exploració cap a la consolidació

dels casos que ja han demostrat valor i el reforç de capacitats internes, abans d'obrir nous fronts o multiplicar iniciatives.

Lliçons apreses

Ajustos plantejament inicial

Delimitar el cas d'ús
Integrar UX des de l'inici
Preparació prèvia

Evitar aproximacions àmplies sense marc clar

Ajustos metodològics

Cicles curts i àgils
Prototipatge ràpid
MVPs iteratius

Validació i capacitat de pivotar abans que planificació exhaustiva

Ajustos tecnològics

Arquitectura escalable
IA Generativa-First
Modernització del Stack Core

Decisions primerenques impacten evolució

Ajustos operatius i organitzatius

Focus en dominis delimitats
Acompanyament pròxim
Reforçar rol de PM/Analista

Alineació, acompanyament i focus són decisius

Condicionants
per a l'èxit

Qualitat de la dada

Retorn clar

Capacitat d'integració

Compliance i seguretat

Estimació de cost total (TCO)

De l'experiment a l'escalat

Aprofundiment

Automatització back-office
Analítica predictiva
Integració ferramentes corporatives

Noves capacitats

Copilots interns
Agents autònoms
Multimodalitat (Veu/Xat)

Extensió horitzontal

Mateixos processos, altres unitats
Noves geografies/sedes
Àmbits amb alta repetibilitat

Integració extrem a extrem

Connectar fluxos complets
Orquestrar automatitzacions
Monitoratge temps real

El full de ruta de les empreses no consisteix únicament a multiplicar casos d'ús d'IA, sinó a escalar aquells que han demostrat generar valor.

L'enfocament canvia de projectes aïllats a decisions estratègiques, on la IA deixa de ser un experiment tecnològic per a convertir-se en un actiu de les empreses.

Què implica en la pràctica

1.

El següent pas no és multiplicar casos d'ús, sinó escalar de manera selectiva allí on ja existeix evidència clara de valor

2.

Les decisions d'inversió s'orienten cada vegada més per criteris com estafe-to-value, disponibilitat i qualitat de les dades, i capacitat interna per a sostindre la solució

3.

El talent i l'aprenentatge continu es converteixen en factors fonamentals: sense equips capaços d'absorbir el canvi, els projectes es frenen

4.

La relació amb l'ecosistema d'innovació es torna més pragmàtica, centrada en complementar les capacitats internes amb expertise especialitzat

Conclusió

Tancant el cercle: de les troballes a l'acció

Les troballes de l'estudi dibuixen un patró clar sobre

com les empreses estan incorporant la IA

i quines condicions expliquen el seu avanç o bloqueig.

Més enllà dels casos concrets, els resultats permeten extraure

aprenentatges transversals i criteris pràctics

per a orientar decisions futures.

Aprenentatges clau

La IA funciona millor quan es recolza en processos ordenats, no quan intenta substituir-los
Els impactes que arriben primer són operatius i organitzatius; els financers arriben després i depenen de consolidar els anteriors
La maduresa no es mesura per nombre de pilots, sinó per quants arriben a producció i se sostenen en el temps

Condicions per a avançar

Partir d'un cas d'ús que connecte amb un problema de negoci concret
Comptar amb un mínim de preparació tècnica: dades accessibles i de qualitat, arquitectura flexible i un model de costos realista
Alinear expectatives internes: què pot aportar la IA hui i què encara no

EmpresIA és un punt de partida: una base comuna de llenguatge, experiències i evidències perquè cada empresa puga construir el seu propi full de ruta en IA, amb menys soroll i més criteri.

El valor de l'estudi no està només en les conclusions, sinó en les preguntes que deixa obertes dins de cada empresa: quin sentit té la IA en el nostre context, on aporta valor de veritat i què no estem preparats encara per a abordar.