El buit del còmput AI: les empreses compren velocitat sense control
- El 66% de les empreses ja té càrregues de treball d'IA en producció, però la visibilitat econòmica no ha seguit el mateix ritme.
- El rendiment i la disponibilitat de GPUs han superat el cost total de propietat (TCO) com a criteris principals de compra.
- Existeix una subutilització crítica: el 83% de les organitzacions reporten que les seves GPUs funcionen al 50% de la seva capacitat o menys.
- Hi ha una tendència creixent cap a les núvols especialitzats en IA, malgrat que actualment gairebé cap empresa els utilitza.
L'adopció de la intel·ligència artificial generativa ha deixat de ser una fase d'experimentació per convertir-se en una urgència operativa. Les organitzacions s'han llençat a la compra de potència de càlcul per no quedar atrauades en una carrera on la velocitat de desplegament és la moneda de canvi. No obstant això, aquesta pressa ha creat un fenomen perillós que els analistes defineixen com el compute gap: una distància creixent entre la intensitat de la inversió en infraestructura i la capacitat real de les empreses per entendre i controlar els costos associats.
La prioritat del rendiment sobre el pressupost
Segons dades recollides per VentureBeat, la jerarquia de decisions de compra ha canviat radicalment. En el passat, el cost total de propietat (TCO) era un pilar fonamental; avui, la pressió per posar els models en producció ha degradat la importància del preu. Actualment, la integració amb la pila de dades existent és el factor determinant per al 40% dels respondents, seguida immediiatament pel rendiment —latència i rendiment de dades— amb un 35%.
Aquesta reordenació de prioritats és racional per a equips que operen sota una pressió constant per entregar resultats, però oculta una realitat incomode. L'accés a la disponibilitat de GPUs (24%) ara pesa més que el cost total de propietat (22%). En essència, les empreses estan comprant capacitat de càlcul per assegurar-se que el sistema funcioni, sense tenir una visió clara de quant costa cada token o cada hora de processament.
Un ecosistema dominat per els gegants però amb set de canvis
L'infraestructura actual es recolza en un grup reduït de proveïdors. La majoria de les empreses utilitzen una combinació de plataformes, sent Azure, Google Gemini, OpenAI i Google Cloud els noms més recurrents, presents en aproximadament la meitat de les organitzacions analitzades. Azure es posiciona com la plataforma primària per al 26% dels casos.
Malgrat aquest domini dels hyperscalers, la leialtat és fràgil. Un 64% de les empreses preveu canviar o afegir un proveïdor d'infraestructura en els propers dotze mesos, i un 38% planeja fer-ho en el proper trimestre. Aquesta taxa de rotació és inusualment alta per a una categoria tan fonamental, cosa que indica que el mercat encara està buscant el model d'eficiència ideal.
L'inversió en infraestructura d'IA s'està accelerant molt abans que la capacitat de veure o dirigir la seva economia.
El paradox de la subutilització de les GPUs
Un dels dades més alarmants d'aquest escenari és la bretxa entre la capacitat adquirida i la capacitat utilitzada. Mentre les empreses continuen invertint en nou hardware, el que ja tenen instal·lat està, en molts casos, inactiu. El 83% de les organitzacions reporten que la utilització de les seves GPUs és del 50% o inferior.
Aquesta ineficiència es suma a una ceguesa financera: menys de la meitat de les empreses (44%) poden rastrejar rigorosament els costos del seu còmput d'IA. Estem davant d'un escenari on s'adquireixen recursos costosos que no s'aprofiten plenament i dels quals no es sap quant costen exactament en termes d'unitat econòmica. Aquest desconnecta entre l'ambició i l'execució suggereix que moltes organitzacions estan operant a cegues, prioritzant l'uptime i la productivitat dels desenvolupadors per sobre de la sostenibilitat financera del projecte.
L'aposta per els núvols especialitzats en IA
Malgrat la subutilització del hardware actual, el flux de capital no s'està frenant, sinó que està canviant de direcció. El 45% de les empreses planeja avaluar el pròxim any els núvols especialitzats en IA. El fet curiosu és que, actualment, menys d'una de cada vint organitzacions utilitza realment aquests serveis.
Aquesta tendència indica un intent de sortir de la dependència dels hyperscalers tradicionals per buscar solucions més optimitzades per a càrregues de treball d'IA. No obstant això, comprar més infraestructura especialitzada sense haver resolt primer el problema de la visibilitat dels costos podria ampliar encara més el compute gap, convertint l'ineficiència en un problema estructural.
Mètriques de success: el preu ja no és el rei
Quan les empreses evaluen si la seva implementació d'IA és un èxit, el cost per milió de tokens ha passat a un pla secundari, sent la mètrika principal només per al 31% dels casos. En canvi, la fiabilitat i el temps de disponibilitat (uptime) són els indicadors clau per al 51% dels respondents, mentre que la productivitat dels desenvolupadors pesa per al 39%.
Aquesta priorització reflecteix que l'IA ha passat de ser un projecte de R&D a ser una part crítica de l'operativa. Si el sistema cau, la pèrdua de productivitat és molt més costosa que el sobrecost del còmput. Però, com detalla Beyond Market Intelligence, aquesta pressa cap a la producció sense control econòmic pot generar una volatilitat considerable a medium termini.
Impacte en el mercat espanyol i l'ecosistema català
Per a les empreses de Catalunya i Espanya, aquest escenari presenta reptes i oportunitats específiques. Barcelona s'ha consolidat com un hub d'IA a Europa, amb un ecosistema d'empreses tecnològiques i startups que pressionen per integrar l'IA en processos industrials i de serveis. No obstant això, la cultura empresarial local, tradicionalment més cautiosa amb el flux de caixa que les corporates nord-americanes, pot trobar-se en un dilema: seguir el ritme de la velocitat global o prioritzar la sostenibilitat econòmica.
L'entrada en vigor de l'AI Act de la Unió Europea adds una capa de complexitat. El compliment normatiu requerirà no noments de transparència en els models, sinó també un control més estricte sobre on i com es processen les dades, cosa que podria incentivar la migració cap a núvols especialitzats o infraestructures locals per evitar la dependència total de proveïdors no europeus. Per a l'empresari català, el risc no és no adoptar l'IA, sinó fer-ho sense eines de governança financera. El compute gap és un avís: la capacitat de mesurar el retorn de la inversió (ROI) serà el que separi les empreses que escalen amb èxit d'aquelles que simplement cremen capital en GPUs subutilitzades.
Preguntes freqüents
Què és exactament el compute gap?
És la distància que existeix entre la velocitat a la qual les empreses inverteixen en infraestructura d'IA i la seva capacitat real per mesurar i controlar els costos econòmics d'aquest còmput.
Per què les empreses ignoren el cost total de propietat (TCO)?
Per la pressió de producció. Actualment, el rendiment, la latència i la disponibilitat de GPUs són prioritats superiors al preu per assegurar que els serveis d'IA siguin operatius i fiables.
Quina és la situació actual de l'ús de GPUs en les empreses?
Hi ha una ineficiència notable; el 83% de les organitzacions reporten que les seves GPUs funcionen al 50% de la seva capacitat o menys.
Quin és el proveïdor d'infraestructura més utilitzat?
Microsoft Azure lidera com a plataforma primària per al 26% de les empreses, tot i que moltes utilitzen un mix que inclou Google Cloud i OpenAI.
Fonts: Venturebeat (2), Beyondmarketintelligence ·
glacom · Intel·ligència artificial per a empreses: els models corren als teus servidors, les dades no surten →Scrivila qui: Susanna, l assistente AI di glacom, ti risponde via email con un approfondimento gratuito.
Nessuna consulenza personalizzata (finanziaria, legale o medica): solo informazione e fonti. Email usata solo per rispondere.
oppure scrivile su: WhatsApp · Telegram · SimpleX · Delta Chat · Email
