Els models xinesos d’intel·ligència artificial milloren cada setmana. Ja no es poden despatxar com a còpies barates o productes de segona divisió. Alguns raonen bé, programen bé, escriuen bé i, per a moltes tasques quotidianes, són més que suficients. Poden corregir un correu, resumir un informe, traduir una nota interna o preparar una primera versió d’un text.

I, tanmateix, gairebé ningú els fa servir.

Aquesta és la paradoxa interessant. Se’n parla molt, sovint amb admiració i amb una certa satisfacció geopolítica: “Mireu com els xinesos ja han atrapat els americans”. Però després, quan arriba el moment d’escriure un correu delicat, revisar un document, preparar una classe, fer codi o prendre una decisió empresarial, la majoria d’usuaris tornen als mateixos noms: OpenAI, Anthropic, Google o Microsoft Copilot.

La pregunta, doncs, no és si els models xinesos són bons. Alguns ho són molt. La pregunta és per què, si són tan bons i sovint més barats, no s’han convertit en l’opció habitual. La resposta ens diu molt sobre com s’està configurant el mercat de la intel·ligència artificial. I també sobre les possibilitats reals d’Europa.

En IA, ser “prou bo” pot no ser suficient

En molts mercats, ser prou bo és suficient. Un restaurant no ha de ser el millor del món per omplir-se. Un cotxe no ha de ser el millor del mercat per vendre’s. Una eina de gestió no ha de ser perfecta per ser adoptada per milers d’empreses. Hi ha espai per a moltes opcions.

Però la intel·ligència artificial generativa no s’està comportant exactament així. Una petita diferència de qualitat pot tenir conseqüències enormes. Un model una mica millor pot escriure un correu més persuasiu, trobar un error més difícil, proposar una estratègia més subtil o evitar una al·lucinació en un moment crític. I aquesta petita diferència pot ser tota la diferència.

Això és especialment important en tasques professionals. Una resposta lleugerament millor pot ajudar a guanyar un client. Una síntesi més precisa pot evitar una mala decisió. Una proposta comercial més ben formulada pot acabar en contracte. En activitats amb resultats no lineals —guanyar o perdre, vendre o no vendre, encertar o equivocar-se—, el millor model no val només una mica més: pot capturar gairebé tot el valor.

Aquí apareix una dinàmica coneguda com a mercats de superestrelles, o economies winner-takes-all o winner-takes-most. No tots els futbolistes cobren igual, no tots els cantants cobren igual, no tots els actors cobren igual i no tots els advocats cobren igual. Diferències relativament petites de talent, carisma, qualitat percebuda o capacitat d’execució poden convertir-se en diferències enormes de captura de valor.

En activitats amb resultats no lineals, el millor model no val només una mica més: pot capturar gairebé tot el valor

Un davanter una mica més decisiu pot cobrar deu, vint o cinquanta vegades més que un altre jugador excel·lent. Un cantant una mica més reconeixible o un actor una mica més capaç d’arrossegar públic pot concentrar una part desproporcionada dels ingressos del seu sector. No perquè sigui cinquanta vegades millor en un sentit tècnic, sinó perquè en mercats amb escala i resultats molt sensibles a petites diferències, el valor s’acumula de manera desproporcionada al capdamunt.

Amb la IA passa una cosa semblant. No puc substituir fàcilment un model molt bo amb deu models mitjans. Si una tasca exigeix raonament, fiabilitat, context o capacitat de combinar moltes decisions petites correctament, la qualitat acumulada importa. Un model més feble pot anar bé en una part del procés, però pot fallar just en el punt on el cost de l’error és més alt.

Per això, el “prou bo” és una categoria enganyosa. Pot ser suficient per a tasques rutinàries i de baix risc. Però quan la tasca té valor, incertesa o conseqüències, l’usuari tendeix a preferir el millor model disponible. Encara que sigui més car. Encara que l’alternativa barata sigui molt bona.

El mercat no és només el model: és l’ecosistema

Hi ha una altra raó encara més simple: la gent no vol pensar quin model ha d’utilitzar cada vegada. Si ja pago una subscripció a ChatGPT, Claude o Gemini, el cost marginal de fer una pregunta més és zero. Per què hauria d’obrir una altra eina, crear un altre compte, aprendre una altra interfície i decidir en cada moment quin model és més adequat?

Aquest cost de canvi sembla petit, però és enorme. En tecnologia, moltes vegades no guanya el millor producte aïllat, sinó el que s’integra millor en els hàbits, les eines i els processos existents. La IA no és només una finestra on escrivim prompts. És la integració amb el correu, els documents, el navegador, el mòbil, les eines de programació, les plataformes de dades, els sistemes corporatius i els entorns de seguretat de l’empresa.

Per això la batalla no es decidirà només als benchmarks. Es decidirà també a Microsoft 365, Google Workspace, Slack, Notion, Salesforce, SAP, GitHub, Cursor, als navegadors, als IDEs, als agents interns de les empreses i als fluxos de treball que cada organització ja té en marxa.

Si ja pago una subscripció a ChatGPT, Claude o Gemini, el cost marginal de fer una pregunta més és zero. Per què hauria d’obrir una altra eina?

Un model xinès pot ser excel·lent en abstracte. Però si no està integrat en el dia a dia de l’empresa, si no té una política de dades clara, si no genera confiança regulatòria, si no disposa de suport empresarial, si no encaixa amb els processos interns, si no té connectors, API robustes, auditories, garanties i una comunitat de desenvolupadors al voltant, la seva qualitat tècnica és només una part de la decisió.

A les empreses, l’adopció tecnològica no funciona com una competició de laboratori. No es tria una IA només perquè treu millor nota en un test. Es tria perquè es pot desplegar, governar, integrar, auditar i escalar. Es tria perquè el departament legal no la bloqueja, perquè IT la pot controlar, perquè els empleats ja la coneixen i perquè l’ecosistema la converteix en una opció segura.

Això és el que sovint oblidem quan parlem de “models”. El model és important, però el producte real és el sistema que l’envolta. I avui aquest sistema està molt més desenvolupat al voltant dels grans actors nord-americans que no pas al voltant dels models xinesos, europeus o oberts.

La trampa del “catch-up”

Hi ha encara una tercera qüestió, més profunda. En IA, semblar a prop de la frontera no és el mateix que estar a la frontera.

Molts models alternatius semblen espectacularment competitius perquè han après dels millors. En alguns casos, directament o indirectament, han estat entrenats, afinats o destil·lats a partir de les sortides dels models capdavanters. Això permet reduir la distància aparent. Si el líder ja ha explorat el camí, els perseguidors poden aprendre observant-ne les respostes.

Però aquesta estratègia té un límit evident: pots acostar-te al líder, però no necessàriament superar-lo. La destil·lació és útil per posar-se a prop, però difícilment et dona la capacitat de descobrir el següent salt. És com copiar els apunts del millor estudiant de la classe. Pots treure bona nota, però això no vol dir que siguis tu qui està generant el coneixement nou.

A les empreses, no es tria una IA perquè treu millor nota en un test. Es tria perquè es pot desplegar, governar, integrar, auditar i escalar

Aquesta és la diferència entre estar prop de la frontera i moure la frontera. Els models capdavanters no només tenen més usuaris i més ingressos; tenen també més dades d’ús, més talent, més capacitat computacional, més productes, més distribució i, sobretot, més capacitat de reinvertir els beneficis en la següent generació de models.

Aquest punt és essencial. En IA, capturar valor no és només una recompensa empresarial; és la condició per poder continuar competint. Si una empresa no aconsegueix convertir la qualitat del seu model en ingressos, tampoc no pot finançar el següent salt: més entrenament, més compute, millors investigadors, més integració, més producte i més distribució. I si no pot finançar el següent salt, el fet d’estar avui relativament a prop de la frontera es converteix en una il·lusió temporal.

Així es crea un cercle acumulatiu. Els líders capturen més valor perquè tenen millors models, i poden construir millors models perquè capturen més valor. Els perseguidors poden acostar-se puntualment, però si no generen ingressos suficients, cada nova generació de models els exigeix més capital extern, més subsidis o més paciència estratègica. Sense captura de valor, no hi ha reinversió; sense reinversió, no hi ha frontera; i sense frontera, la competència es degrada ràpidament cap a segments de baix marge.

Aquesta és la dinàmica pròpia d’una economia de power law. El primer no guanya una mica més que el segon; guanya molt més. I com que guanya molt més, pot invertir molt més. I com que pot invertir molt més, té més opcions de continuar sent el primer. El mercat no només premia el lideratge; el reforça.

Quan el gratis surt car

I aquí apareix una última paradoxa: el “gratis” pot ser una gran estratègia de difusió, però només si acaba generant valor. Si no hi ha adopció real, si no hi ha ingressos i si no hi ha capacitat de finançar el següent salt tecnològic, el “free” simplement s’acaba. Pot servir per entrar al mercat, per guanyar notorietat i per pressionar els preus, però no substitueix la necessitat de construir un model econòmic sostenible.

Alhora, el “gratis” també pot impedir que altres desenvolupin alternatives pròpies: per què invertir en un model europeu, sectorial o local si ja n’hi ha un de prou bo i gratuït? Aquesta és la tensió de fons. Individualment, tots preferim utilitzar la millor eina al menor cost possible. Col·lectivament, però, aquesta decisió pot deixar-nos sense capacitat pròpia per competir, innovar i capturar valor. La IA xinesa ens recorda que el problema no és només qui té el millor model, sinó qui aconsegueix construir al seu voltant un mercat que el faci viable.