Intel·ligència Artificial

Temps de lectura: 2 minutsFins ara hem parlat d’agents d’IA capaços de percebre, pensar i actuar de forma autònoma. Però què passa quan no hi ha un únic agent, sinó diversos col·laborant entre si per assolir un objectiu comú? Això és el que anomenem un sistema multi-agent (MAS, per les seves sigles en anglès). Aquest enfocament s’inspira en equips humans: cada agent té un rol, unes habilitats i una responsabilitat, i junts poden resoldre problemes molt més complexos que un agent en solitari. Què és un sistema multi-agent? Un sistema multi-agent és una arquitectura on diversos agents d’IA treballen de forma coordinada, cadascun amb una funció específica, compartint informació i prenent decisions conjuntament (o de forma distribuïda). Per exemple, en un projecte de recerca, un agent pot buscar informació, un altre pot resumir-la, un tercer pot verificar la font i un quart pot generar l’informe final. Com es comuniquen? Tot això està molt bé, pero cal coordinació i comunicació oi?  Com es fa tot això? Doncs els agents es poden comunicar mitjançant: Missatges en llenguatge natural (si utilitzen LLMs) Protocols d’intercanvi d’estat i accions (en sistemes clàssics) Compartint memòria comuna o accedint a un entorn centralitzat Per tant, una arquitectura típica de sistema multi-agent inclou: Un planificador principal (opcional) Agents especialitzats per tasques concretes Un mecanisme de coordinació o supervisió (pot ser automàtic o semidirigit) Avantatges dels sistemes multi-agent Inicialment pinta molt bé , quines son les avantatges doncs? Especialització: Cada agent pot fer una tasca molt bé, sense haver de ser generalista. Escalabilitat: Es poden afegir nous agents fàcilment si cal ampliar capacitats. Robustesa: Si un agent falla, els altres poden continuar treballant. Paral·lelisme: Diverses tasques poden executar-se simultàniament. Exemples d’aplicació reals Deixem la teòria i pasem a la pràctica doncs, com ho apliquem? Automatització empresarial: Si muntem un sistema per automatizar processos industrials podem fer un agent que llegeix factures, un altre les valida, un tercer actualitza el CRM i finalment, un altre redacta notificacions al client. Recerca científica assistida:  O ho planteixem d’un altre manera per recerca: un agent cerca estudis, un altre resumeix dades clau, un altre genera hipòtesis i per acaqbar, un quart en fa anàlisi crítica. Assistents personals avançats:  I en el terreny pèrsonal, podem tenir un agent que planifica una reunió, un altre que reserva espais, un altre s’encarrega de la logística i per rematar-ho un altre envia resums i seguiments. Multi-agent vs. un sol agent gegant Una de les grans preguntes és: no seria millor tenir un agent molt potent que ho pugui fer tot? No sempre. Els sistemes multi-agent tenen avantatges com: Modularitat: més fàcils de mantenir i escalar Menys costos computacionals per agent Millor control i supervisió I en entorns complexos, distribuir la responsabilitat ajuda a evitar colls d’ampolla i millorar la traçabilitat. Plataformes que ja ho estan aplicant Llistem exemples on ja es pot veure com funcionen: CrewAI: permet definir equips d’agents amb rols i objectius col·laboratius AutoGen (Microsoft): enfocament de multi-agent amb LLMs col·laborant per fer codificació i raonament complex LangGraph: grafs de decisions entre agents amb estats compartits OpenAgents: concepte obert on l’usuari pot orquestrar agents independents amb objectius compartits Els sistemes multi-agent són com equips de treball digitals: especialitzats, coordinats i flexibles. Permeten abordar problemes que un sol agent no podria resoldre amb eficàcia, i representen un pas natural cap a entorns d’IA més modulars, escalables i realistes. Amb el creixent ús de LLMs, la col·laboració entre agents intel·ligents es perfila com una de les grans tendències de l’IA aplicada. No es tracta només de tenir un agent més intel·ligent, sinó de tenir agents que saben treballar junts.

Temps de lectura: 2 minuts  Els agents d’intel·ligència artificial no són només interfícies intel·ligents que responen preguntes. Són sistemes autònoms capaços de raonar, decidir i actuar. Però… com estan construïts realment? Quins components fan possible que funcionin? Analitzarem l’arquitectura bàsica d’un agent d’IA, posant especial èmfasi en els agents moderns basats en models de llenguatge (LLMs) i les plataformes que els donen suport. Parlarem dels blocs bàsics, el bucle de funcionament, les arquitectures més populars i les eines que pot fer servir un agent. Els blocs bàsics d’un agent Tot agent funcional sol estar format per quatre grans components: 1. L’observació o percepció És la capacitat de recollir informació del món exterior. Pot venir de: Entrades de text (converses amb usuaris…) Dades d’un sistema (APIs, fitxers, sensors) Resultats d’eines (navegació, cerca, càlculs) 2. El raonament i presa de decisions Aquí és on entra en joc la intel·ligència: LLMs com GPT o Claude processen les dades i avaluen opcions. L’agent decideix què fer a continuació (resoldre, buscar, preguntar més…). 3. L’acció El sistema actua segons el pla: Crida una eina externa (una API, un buscador, un codi). Escriu una resposta. Executa una acció en una interfície (automatització). 4. La memòria Els agents poden tenir: Memòria a curt termini: Manté el context de la conversa o acció actual. Memòria a llarg termini: Recorda dades persistents (preferències, interaccions passades, informació rellevant per a l’usuari).   El bucle de funcionament Els agents segueixen un cicle iteratiu que s’anomena sovint Think → Act → Observe: Think: Processen la informació i decideixen què fer. Act: Fan una acció (busquen, pregunten, calculen…). Observe: Analitzen el resultat de l’acció per decidir el següent pas. Aquest bucle es pot repetir diverses vegades fins que s’arriba a una resposta final o a un objectiu complert. Arquitectures populars: LangChain, Auto-GPT i més Hi ha plataformes que faciliten la construcció d’aquests agents: LangChain: Permet orquestrar LLMs amb eines, memòria i fluxos lògics. Ideal per a agents conversacionals complexos. Auto-GPT / AgentGPT: Agents que s’autogestionen per resoldre tasques amb mínim d’input humà. CrewAI o MultiOn: Orientades a la col·laboració entre agents o l’automatització personal. Aquestes arquitectures combinen els components anteriors amb estratègies avançades de planificació, reflexió i ús d’eines. Quines eines pot fer servir un agent? Els agents poden fer servir una varietat d’eines externes: Cercadors (Google, DuckDuckGo, Bing) Codificadors i intèrprets de codi (Python, JavaScript) Bases de dades i APIs pròpies d’empresa Calculadores, calendaris, traductors, etc. El fet que un agent pugui combinar la generació de text amb accions sobre entorns digitals fa que esdevingui una peça clau en l’automatització intel·ligent. Un agent d’IA és molt més que un model de llenguatge: és una estructura modular, amb capacitats de percebre, raonar, actuar i aprendre. La seva arquitectura permet construir sistemes adaptatius, capaços de treballar en entorns complexos i dinàmics. A mesura que avancem cap a una IA més pràctica i autònoma, entendre com funcionen per dins aquests agents és essencial per aprofitar tot el seu potencial. En seguiré parlant en propers articles!

Temps de lectura: 3 minutsAquesta setmana m’ha impactat especialment una notícia que, si bé pot passar desapercebuda per a molts, marca un abans i un després en el desenvolupament d’agents d’IA: OpenAI ha decidit adoptar el mateix estàndard que fins ara utilitzava el seu rival Anthropic per connectar models amb dades i eines externes. Per a mi, aquest moviment és molt més que una qüestió tècnica. És el primer gran pas real cap a la creació d’un ecosistema d’agents intel·ligents interoperables, i això tindrà un impacte directe en múltiples indústries. Especialment en el món dels negocis, on l’automatització intel·ligent és clau, però també en àrees com el Travel Tech, que ja fa temps que busquen formes de fer més eficients i personalitzades les seves operacions. Per què és tan important aquest moviment? Fins ara, cada empresa desenvolupava els seus propis connectors, eines i maneres d’enllaçar la seva IA amb el món exterior. Això generava fragmentació, dificultats per a la integració i molta feina duplicada. El fet que OpenAI –que podríem dir que és l’empresa més influent en el panorama de la IA generativa– adopti l’estàndard obert del seu rival directe, és un senyal molt clar: el futur de la IA no és en models aïllats, sinó en agents que col·laboren, s’integren i s’orquestren amb facilitat. Aquest tipus d’estàndard permet que diferents models puguin fer servir les mateixes eines, connectar-se a les mateixes fonts de dades i actuar en entorns compartits. Dit d’una altra manera: obre la porta a una nova generació d’agents d’IA, més útils, més adaptables i més fàcils de desplegar en entorns empresarials reals. Què significa això per al món dels negocis? Imagina’t un agent d’IA que no només entén què necessita un client, sinó que pot accedir a sistemes interns com l’ERP, el CRM o la base de dades de productes i prendre decisions en base a aquestes dades en temps real. Aquesta és la promesa dels nous MCP (Modern Customer Platforms) que integren IA: no només conversar, sinó actuar. Amb aquesta estandardització, es pot crear una única interfície d’agents que funcioni tant amb GPT-4o com amb Claude 3 o altres models. Això redueix la dependència d’un sol proveïdor, facilita les proves entre tecnologies i obre una nova etapa de modularitat i flexibilitat per a les empreses. I en el món del Travel Tech, què pot suposar? El sector del turisme és ideal per ser “agentificat”. Aquí tens alguns exemples pràctics de com això pot canviar les coses: Planificació intel·ligent de viatges: un agent que llegeix preferències de l’usuari, accedeix a sistemes de reserves, verifica la disponibilitat d’activitats i genera itineraris personalitzats en qüestió de segons. Atenció al client contextual: un agent que no només respon preguntes, sinó que sap si un vol s’ha cancel·lat, quina habitació està assignada o si el client té punts acumulats. Automatització d’operacions: des de canvis d’última hora fins a processos interns de reassignació de recursos, els agents poden actuar com una primera capa d’intel·ligència operativa. El fet que aquests agents puguin utilitzar un estàndard comú i ser construïts sobre infraestructures diverses fa que siguin molt més viables per a empreses mitjanes i petites, que podran accedir a solucions d’alt valor sense dependre d’un únic ecosistema tancat. La decisió d’OpenAI de sumar-se a l’estàndard impulsat per Anthropic podria semblar un detall tècnic, però és en realitat un gest de maduresa i visió d’ecosistema. Significa reconèixer que la innovació real no passa només per fer el model més gran, sinó per fer que els models siguin útils i fàcilment integrables al món real. Per als que treballem en la intersecció entre tecnologia, automatització i negocis (i molt especialment en sectors com el turisme), aquest és un pas esperançador. És una mostra que la IA està passant de ser un experiment a convertir-se en una infraestructura compartida, oberta i útil per a tothom. El futur no serà d’un sol model dominant, sinó d’agents capaços d’entendre el món i actuar-hi, construïts sobre estàndards oberts i adaptats a les necessitats de cada negoci. Aquest moviment és només l’inici.

Temps de lectura: 3 minutsEls agents d’IA han evolucionat molt més enllà de simples regles predefinides o sistemes de resposta automatitzada. Avui dia, els models més avançats no només processen informació i actuen, sinó que també raonen sobre els problemes, planifiquen i adapten les seves accions en temps real. Per fer-ho, utilitzen estratègies de raonament que els permeten ser més eficients, precisos i capaços de resoldre tasques complexes. En aquest article explorarem algunes d’aquestes estratègies i aprofundirem en com funcionen models avançats com DeepSeek-V2 i OpenAI-01. Estratègies de raonament en agents d’IA Quan parlem de raonament en IA, ens referim a la capacitat dels agents per prendre decisions basades en informació incompleta, planificar múltiples passos i ajustar-se a l’entorn en temps real. Algunes de les estratègies principals inclouen:  Raonament Pas a Pas (Chain of Thought – CoT): Aquesta tècnica permet als agents descompondre problemes complexos en passos més petits i resoldre’ls seqüencialment. És especialment útil per a problemes matemàtics, lògica o qualsevol tasca que requereixi pensament estructurat. Exemple: Resoldre un problema de càlcul pas a pas, en lloc de donar una resposta immediata sense justificació. Raonament Basat en Plans (Plan-and-Execute): Aquí, l’agent primer crea un pla global abans d’executar qualsevol acció. Ideal per a tasques complexes que requereixen múltiples passos coordinats, com la programació, la robòtica o l’automatització de processos. Exemple: Dissenyar un esborrany d’un document abans de començar a redactar-lo.  Raonament amb Auto-Reflexió (Self-Reflection): Alguns models moderns poden avaluar les seves pròpies respostes, detectar errors i corregir-los abans de donar una resposta final. Això millora la qualitat i fiabilitat de les decisions. Exemple: Revisar les respostes d’un chatbot per detectar contradiccions o errors abans d’enviar-les a l’usuari. Raonament Basat en Experiència (Experience-Based Reasoning): Aquesta estratègia permet als agents aprendre de l’experiència i millorar amb el temps, similar a un humà que aprèn a través de la pràctica. Això es pot fer mitjançant aprenentatge per reforç o tècniques de memòria a llarg termini. Exemple: Recordar les preferències de l’usuari i ajustar les seves respostes en funció d’interaccions prèvies. OpenAI-01 i DeepSeek-V2: models de raonament avançat Aquests dos models d’IA no només responen preguntes sinó que tenen capacitats avançades de raonament. 1. OpenAI-01: model basat en raonament i planificació OpenAI-01 és un model d’última generació que combina diverses estratègies de raonament, amb un enfocament fort en Plan-and-Execute i Self-Reflection. Com funciona? Desglossa problemes complexos en múltiples passos. Ajusta les seves respostes revisant possibles errors abans de respondre. Utilitza planificació explícita per a tasques de llarg abast. Útil per a: El raonament científic i tècnic.  La generació de codi i assistència en programació.  L’automatització de processos empresarials complexos. Exemple: OpenAI-01 pot generar un pla detallat per implementar un nou sistema informàtic en una empresa, ajustant els passos segons els requisits de l’usuari. 2. DeepSeek-V2: El model de raonament computacional avançat DeepSeek-V2 és un model enfocat en problemes matemàtics, ciències i lògica, amb una gran capacitat per fer deduccions complexes. Utilitza un enfocament de Chain of Thought combinat amb memòria a llarg termini, cosa que li permet recordar informació clau i utilitzar-la en processos de raonament seqüencials. Com funciona? Segueix una estructura de raonament clar i pas a pas. Pot realitzar càlculs complexos mantenint contextos de llarga durada. Utilitza memòria per aprendre de les seves pròpies respostes i millorar amb el temps. Útil per a: La resolució de problemes científics i matemàtics avançats. La deducció lògica i planificació estratègica. Aplicacions en intel·ligència financera i dades empresarials. Exemple: DeepSeek-V2 pot analitzar grans volums de dades financeres per detectar patrons ocults i predir tendències econòmiques. Per què aquests models marquen un abans i un després?   Els models com OpenAI-01 i DeepSeek-V2 representen un canvi de paradigma perquè: No només generen text o respostes immediates, sinó que planifiquen i raonen com un humà. Són capaços d’adaptar-se a tasques complexes i d’autocorregir-se per millorar la seva precisió. Fan que els agents d’IA siguin més autònoms i capaços de gestionar problemes reals. Aquests avanços obren la porta a sistemes d’IA més confiables i intel·ligents, capaços de prendre decisions estratègiques i gestionar processos complexos sense intervenció humana, on els agents d’IA han passat de ser simples generadors de text a veritables sistemes de raonament intel·ligent.

Temps de lectura: 3 minuts  L’Intel·ligència Artificial (IA) està evolucionant ràpidament, i cada cop sentim més a parlar dels agents d’IA. Però, què són exactament? I com prenen decisions? En aquest article explorarem el funcionament dels agents d’IA, el seu cicle de pensament, acció i observació, i introduirem el concepte de ReAct Approach, una de les metodologies més avançades en aquest àmbit. Què és un agent d’IA? Un agent d’IA és un sistema que pren decisions de manera autònoma per aconseguir un objectiu. A diferència dels models tradicionals d’IA (com el machine learning clàssic, que només classifica o fa prediccions), un agent pot interactuar amb el seu entorn, adaptar-se a noves situacions i millorar les seves accions basant-se en l’experiència. Podem trobar agents d’IA en moltes aplicacions del dia a dia: Assistents virtuals (com Siri o Alexa) Chatbots intel·ligents Sistemes de recomanació personalitzats Agents de videojocs i simulacions Robots físics autònoms (com els cotxes autònoms) El punt clau és que un agent d’IA no només processa informació, sinó que actua sobre l’entorn i aprèn d’aquestes accions. El cicle de pensament, acció i observació Per entendre com funciona un agent d’IA, hem de veure el seu cicle de presa de decisions, que es basa en tres fases:  Observació (Perception) : L’agent percep el seu entorn mitjançant sensors, càmeres, text o dades digitals. Aquesta informació li permet entendre què està passant. Exemple: Un cotxe autònom detecta que hi ha un semàfor vermell i un vianant creuant.  Pensament (Reasoning) : L’agent processa la informació rebuda i decideix què fer basant-se en algoritmes, regles o models d’aprenentatge. Exemple: El cotxe autònom analitza si ha de frenar o si pot seguir avançant segons el trànsit i les normes de circulació.  Acció (Action) : L’agent realitza una acció sobre l’entorn per complir el seu objectiu. Aquesta acció pot ser física (moure un robot) o digital (respondre en un xat). Exemple: El cotxe frena per evitar una col·lisió. Aquest procés es repeteix contínuament, creant un bucle de millora constant on l’agent va aprenent i optimitzant les seves accions.   L’evolució : el ReAct Approach: Raonament + Acció Una de les metodologies més avançades en agents d’IA és el ReAct Approach (Reasoning + Acting). Aquesta estratègia combina raonament explícit i acció immediata, en lloc de simplement seguir regles predefinides.  Com funciona? L’agent no només observa i actua, sinó que també explica i justifica les seves accions, i pot revisar i ajustar la seva estratègia en temps real basant-se en nous inputs de l’entorn. Això fa que sigui més flexible i adaptatiu en situacions complexes. Exemple: Un chatbot d’atenció al client no només respon preguntes, sinó que pot deduir quin problema té l’usuari i ajustar les seves respostes en conseqüència. Com que això és un tema que te molt de suc, en parlaré en propers articles. Per què són importants els agents d’IA? Els agents intel·ligents són clau per a moltes aplicacions actuals i futures: Automatització intel·ligent: Redueixen la necessitat d’intervenció humana en tasques repetitives. Adaptabilitat: No només segueixen regles fixes, sinó que aprenen i milloren. Interacció més natural: Fan que la comunicació home-màquina sigui més fluida i intuïtiva. Amb l’evolució de tècniques com el ReAct Approach, els agents d’IA seran cada cop més autònoms i eficients, obrint la porta a un futur on la IA no només executa ordres, sinó que també raona, aprèn i decideix per si mateixa. Aquests agents doncs representen un gran pas cap a sistemes autònoms capaços de prendre decisions, actuar i millorar-se contínuament. El seu cicle de pensament, acció i observació els permet interactuar amb el món de manera intel·ligent, i enfocaments com el ReAct Approach els fan encara més versàtils i adaptatius. En els propers anys, aquests agents es convertiran en part fonamental de l’automatització, la robòtica i la intel·ligència empresarial. La IA no només respondrà preguntes o generarà text, sinó que prendrà decisions estratègiques en temps real!

Temps de lectura: 2 minutsEl Mobile World Congress 2025 ha arribat amb un aire diferent. Si en edicions passades el MWC es caracteritzava pel seu espectacle tecnològic, grans anuncis i presentacions gairebé teatrals, aquest any l’ambient ha estat més pragmàtic. L’objectiu sembla clar: anar per feina. Menys show, menys rebombori mediàtic i més contingut de valor per als professionals del sector. Les grans empreses hi són, com sempre. Samsung, Huawei, Qualcomm, Google, Microsoft i les telecos tradicionals han mantingut la seva presència amb estands imponents i novetats, però sense aquella exageració visual i mediàtica d’altres anys. Menys focus en conceptes futuristes i més en solucions concretes. Les conferències han guanyat en profunditat i enfocament professional. En lloc d’esdeveniments plens de promeses abstractes sobre el futur, els ponents han parlat de casos d’ús reals, aplicacions empresarials i models de negoci viables. Això fa que el MWC 2025 sigui més útil per a les empreses que volen entendre cap on va la tecnologia i com aplicar-la avui, no d’aquí 10 anys. Com sempre, les grans marques tenen un lloc privilegiat. Però hi ha un contrast notable: o ets molt gran o ets molt petit. He vist startups i empreses emergents intentant fer-se un forat al 4YFN, però la presència de mitjanes empreses ha estat escassa. Aquesta absència fa pensar en com d’exigent és avui dia el mercat tecnològic: o jugues en la lliga dels grans o busques la teva oportunitat des de baix. El 4YFN continua sent el gran espai per a la innovació emergent. Aquí és on hi ha molt més moviment, on les startups busquen inversors i on es veuen idees fresques. Però competir aquí no és fàcil: el soroll de la innovació fa que sigui complicat destacar. Talent Arena: el nou espai que guanyarà pes : No he pogut assistir a l’espai Talent Arena, però tothom en parla com una de les àrees més interessants del congrés. És evident que el tema del talent tecnològic serà un dels grans reptes dels pròxims anys i, si segueix la mateixa trajectòria que el 4YFN fa uns anys, segurament veurem aquest espai guanyant protagonisme en futures edicions. El sector no només busca tecnologia, sinó també professionals capaços de fer-la realitat. En resum, crec que el MWC 2025 s’ha professionalitzat. Ja no es tracta tant de generar titulars espectaculars sinó de donar eines reals al sector tecnològic i empresarial. Les grans marques continuen dominant, les startups busquen el seu lloc i el talent comença a fer-se un espai propi. Potser el Mobile ha deixat enrere aquella època de grans espectacles tecnològics, però el que hem vist aquest any podria marcar una nova direcció més enfocada a la realitat del sector. I això, en el fons, potser és el que realment necessitem.

Temps de lectura: 3 minutsSi fa només un any parlàvem d’actualitzacions d’IA cada mes o cada trimestre, avui sembla que cada setmana hi ha nous anuncis d’OpenAI, Perplexity, Anthropic, Google i Meta. Funcions noves, millores en els models, integracions amb serveis populars, i fins i tot reestructuracions internes en aquestes empreses. Aquesta allau de novetats ens fa preguntar: per què la velocitat d’innovació en IA és tan alta? És realment el mercat qui l’està forçant? Quin serà el final d’aquesta cursa accelerada? Les grans empreses d’IA semblen competir no només per qui ofereix el millor model, sinó per qui acapara més titulars. OpenAI llança una funció nova? Perplexity respon amb una millora en la cerca web. Anthropic presenta Claude 3? Google s’afanya a llançar Gemini 2.0. Aquesta lluita no és casual: vivim en un moment on l’atenció del públic i la percepció de lideratge tecnològic són tan importants com el producte en si mateix. Això genera una pugna informativa, on cada empresa intenta marcar el ritme i establir l’agenda del sector. Però, més enllà de la comunicació, també és cert que la IA està vivint un dels seus moments de desenvolupament més accelerats. Els models milloren ràpidament gràcies a més dades, més potència computacional i nous enfocaments en el disseny de xarxes neuronals. Això fa que els avenços siguin constants i tangibles, no només una qüestió de màrqueting. Per què la velocitat d’innovació és tan alta? Hi ha diversos motius que expliquen per què les empreses d’IA estan en una cursa constant per innovar: Competència ferotge En un mercat encara obert i sense un líder absolut, qualsevol avantatge pot marcar la diferència. OpenAI no vol que Google es posi al capdavant, Google vol evitar que OpenAI i Microsoft li prenguin la posició, Anthropic i Perplexity intenten fer-se un lloc i Nvidia busca impulsar tota la indústria des de la infraestructura. Pressió dels inversors Les empreses d’IA han captat milions de dòlars en finançament i els seus inversors esperen resultats ràpids. Això força les empreses a mantenir un ritme de llançaments alt per demostrar que segueixen liderant la innovació i que tenen futur comercial. Adopció massiva i demanda empresarial Cada cop més empreses volen integrar IA als seus serveis. Això fa que les companyies d’IA hagin de llançar nous productes i millores per no perdre oportunitats de mercat. Si OpenAI no ofereix una funció útil per empreses, ho farà Google o Microsoft. Evolució tecnològica exponencial La combinació de millores en hardware (xips més eficients com els d’Nvidia) i en software (millors algorismes d’entrenament) està fent que els models d’IA millorin a una velocitat sense precedents. Així, el que veiem no és només una lluita per cridar més l’atenció, sinó una competició real per liderar el futur d’una indústria que pot redefinir-ho tot. És el mercat qui provoca aquesta pressió? Sí, i en gran part perquè les empreses encara no saben quin serà el model de negoci dominant en la IA. Hi ha moltes apostes obertes: Subscripcions premium? (ChatGPT Plus, Copilot Pro) Models d’IA integrats en serveis de pagament? (Microsoft 365 amb IA, Google Workspace AI) Monetització indirecta a través de recerca i publicitat? (Google Search amb Gemini, Perplexity AI) Les empreses han d’experimentar ràpidament per veure què funciona i no poden permetre’s quedar-se enrere en aquesta exploració. El resultat és una situació on la innovació no s’atura perquè ningú vol ser el que frena primer. Com acabarà aquesta cursa? Ara mateix crec que hi ha dos escenaris possibles: Consolidació i estabilització Algunes empreses es quedaran al capdavant i el ritme de novetats es reduirà a mesura que es consolidin models de negoci clars. Serà quan la IA es converteixi en una tecnologia més madura i integrada en el dia a dia de manera més estable. Fragmentació i especialització En lloc d’un líder absolut, podríem veure que les empreses d’IA es diversifiquen segons casos d’ús: OpenAI dominant la conversa i assistents virtuals, Google especialitzat en cerca, Anthropic en assistents empresarials, Perplexity en cerca alternativa, etc. Sigui com sigui, el que és segur és que el 2025 encara serà un any de creixement i novetats constants. Potser no veurem una frenada fins que la tecnologia s’estabilitzi o el mercat comenci a saturar-se. La velocitat amb què arriben noves funcions i models d’IA no és casualitat: és el resultat d’una competició ferotge entre les grans tecnològiques per liderar una indústria que encara està prenent forma. Aquesta pugna informativa i tecnològica respon a la necessitat de marcar el ritme del sector, captar inversions i trobar models de negoci sostenibles. Encara no sabem com acabarà aquesta cursa, però el que sí que està clar és que el ritme de canvis no afluixarà a curt termini. Si el 2023 va ser l’any en què la IA generativa es va popularitzar, i el 2024 el de la seva adopció massiva, el 2025 serà l’any en què es comencin a definir les regles del joc. Mentrestant, nosaltres només podem fer una cosa: estar atents i intentar entendre cap a on es mou aquest tsunami tecnològic.

Temps de lectura: 3 minutsLa intel·ligència artificial (IA) ha avançat a una velocitat impressionant, però aquest creixement ha portat amb si una pregunta incòmoda: com es gestionen els drets d’autor quan els models d’IA es basen en continguts creats per altres? Aquest 2025, les grans tecnològiques com OpenAI, Anthropic, Meta i Google s’enfronten a una onada de demandes que podrien establir precedents importants sobre l’ús de material protegit per a l’entrenament d’IA. Aquest article analitza el perquè d’aquestes disputes legals, què està en joc per a la indústria i com podria canviar el panorama de l’IA en els pròxims mesos. Per què ara? l’escalada de demandes contra les tecnològiques Durant els darrers anys, empreses com OpenAI han desenvolupat models cada cop més sofisticats com ChatGPT, utilitzant quantitats massives de dades per entrenar-los. Aquestes dades provenen de textos, imatges, vídeos i altres continguts de la web, però en molts casos, aquest material està protegit per drets d’autor. El problema és simple, però complex de resoldre: si una IA genera un text basat en un article de pagament d’un diari, una il·lustració inspirada en l’estil d’un artista concret o un resum d’un llibre sense permís, s’està vulnerant el dret d’autor d’aquella obra? El 2024 ja es van interposar diverses demandes contra OpenAI i altres companyies per aquest motiu, però aquest any la situació ha escalat. Els creadors de contingut exigeixen compensacions per l’ús del seu material, mentre que les empreses d’IA argumenten que el seu ús entra dins dels límits legals d’ús legítim (“fair use”). Els casos més rellevants del 2025 OpenAI vs. The New York Times El famós diari nord-americà The New York Times ha denunciat OpenAI per l’ús del seu contingut sense permís per entrenar models com ChatGPT. Aquest cas podria ser clau, ja que si el diari guanya, altres mitjans podrien seguir el mateix camí i demanar compensacions milionàries. Artistes i creadors contra les IA generatives Molts artistes visuals han denunciat empreses com Stability AI i Midjourney per haver creat models generatius d’imatges basant-se en obres protegides. Alguns han demanat que les seves obres siguin retirades de les bases de dades d’entrenament, però la pregunta és: és possible “desentrenar” una IA? Autors i editors lluiten pels drets dels llibres Diverses editorials han interposat denúncies contra OpenAI i Anthropic per haver utilitzat llibres protegits per copyright en l’entrenament dels seus models. Un cas interessant és el de George R.R. Martin (autor de “Joc de Trons”), que ha denunciat l’ús no autoritzat de les seves novel·les en IA generativa. Què hi ha en joc per a les empreses d’IA? Si aquestes demandes prosperen, les empreses tecnològiques podrien veure’s obligades a: Pagar compensacions massives als autors i propietaris de contingut utilitzat en l’entrenament. Modificar la manera en què entrenen els models, limitant les fonts de dades i reduint-ne l’eficàcia. Crear sistemes per “desentrenar” les IA quan es detecti que han utilitzat contingut protegit sense permís. Aquestes mesures podrien ralentir el desenvolupament de nous models d’IA i incrementar els costos d’entrenament, fent que només les grans corporacions puguin seguir avançant. Cap a una nova regulació global? El 2025 també serà un any clau per veure com els governs intervenen en aquesta qüestió. La Unió Europea ja treballa en noves normatives dins de l’AI Act, mentre que als Estats Units i al Regne Unit hi ha pressió per regular l’ús de continguts protegits en IA. Una de les possibles solucions que es discuteix és un sistema de llicències, on les empreses d’IA haurien de pagar per accedir a certs continguts protegits. Això podria semblar una solució justa, però també generaria desigualtats, ja que només les empreses amb més capital podrien entrenar models amb informació de qualitat. El 2025 serà un punt d’inflexió per a la indústria de la intel·ligència artificial. La manera com es resolguin aquestes disputes sobre drets d’autor determinarà si els models d’IA continuen evolucionant ràpidament o si la regulació i les demandes frenen el seu creixement. Sigui com sigui, les empreses d’IA hauran d’adaptar-se a un nou escenari on ja no podran entrenar models sense considerar les implicacions legals. Estem davant d’un dels debats més importants sobre IA i drets digitals del nostre temps, i només el temps dirà cap a on ens porta.

Temps de lectura: 3 minutsLa intel·ligència artificial (IA) està canviant la manera com consumim i produïm continguts audiovisuals. Aquesta tecnologia, que fins fa poc semblava una eina futurista, ja és una realitat en l’entreteniment, la producció de vídeo i la creació de continguts interactius. Aquest any, la fira Integrated Systems Europe (ISE), celebrada a Barcelona, ha servit d’escenari per presentar algunes de les innovacions més impressionants en aquest àmbit, moltes de les quals incorporen IA per oferir experiències més immersives i personalitzades. Després de veure de prop algunes d’aquestes novetats, és evident que la IA no només està millorant la qualitat tècnica dels continguts audiovisuals, sinó que també està redefinint com interactuem amb ells. Les tecnologies més impactants presentades a l’ISE 2025 L’ISE d’aquest any ha deixat clar que la IA és clau en el futur de l’audiovisual. Aquests són alguns dels avenços més destacats: Reconeixement facial i personalització de continguts Un dels grans protagonistes de la fira ha estat la tecnologia de detecció facial impulsada per IA. Aquesta eina permet analitzar en temps real les emocions i reaccions d’un espectador davant una pantalla o anunci, ajustant el contingut segons el seu estat d’ànim o preferències. Això pot ser una revolució per a la publicitat digital i els espais comercials, on es podran mostrar anuncis altament personalitzats segons el perfil de cada usuari. Generació de vídeos i efectes especials en temps real La IA també està entrant en el món del cinema i la producció de vídeo. Durant la fira, es van presentar sistemes que generen efectes visuals en temps real, reduint costos i temps de postproducció. Un exemple és la capacitat d’aplicar filtres avançats, canvis de fons i animacions sense necessitat d’una gran infraestructura tècnica. Això facilitarà la producció de continguts d’alta qualitat per a empreses i creadors independents, afegint un component democratitzador a l’industria. Traducció i doblatge automàtic amb IA Una altra innovació destacada ha estat la integració d’IA en traducció i doblatge automàtic. Algunes eines ja són capaces de sincronitzar perfectament la veu d’un actor en diversos idiomes sense perdre la seva expressió original. Això representa un gran avanç per a plataformes de streaming i productors de continguts globals, reduint costos i fent que les produccions siguin més accessibles. Realitat augmentada i hologrames interactius L’ISE 2025 també ha mostrat com la IA pot potenciar la realitat augmentada i els hologrames. Empreses tecnològiques han presentat pantalles hologràfiques que permeten interactuar amb personatges generats per IA, la qual cosa podria tenir un gran impacte en sectors com l’entreteniment, l’educació i el màrqueting. Què significa tot això per al futur de l’audiovisual? L’adopció de la IA en la indústria audiovisual no és només una millora tècnica; representa un canvi de paradigma en la manera com es creen i consumeixen continguts. Creadors més independents i més qualitat : Fins fa poc, produir contingut d’alta qualitat requeria grans pressupostos i equips especialitzats. Ara, amb la IA, fins i tot els creadors independents poden generar vídeos professionals amb eines automatitzades, reduint temps i costos.  Publicitat i entreteniment més personalitzats: La capacitat de la IA per analitzar el públic en temps real permet que els continguts s’adaptin millor a les necessitats de cada espectador. Això farà que tant la publicitat com l’entreteniment siguin més personalitzats i rellevants.  Nous formats d’interacció: Amb la realitat augmentada, els hologrames i els assistents virtuals generats per IA, la manera com interactuem amb continguts audiovisuals serà molt més immersiva i dinàmica. L’ISE 2025 ha deixat clar que la intel·ligència artificial no només està optimitzant processos dins del sector audiovisual, sinó que està redefinint com es creen i es consumeixen els continguts. Des de la personalització en temps real fins a l’automatització de la producció, la IA està democratitzant l’accés a eines audiovisuals d’alta qualitat. El futur de l’entreteniment serà més interactiu, més accessible i més intel·ligent, i la IA en serà la peça clau.