IA pública o IA privada? Per què la millor resposta és la barreja

Hi ha una conversa que tenim gairebé cada setmana. Una empresa ha fet la seva prova pilot amb IA, ha funcionat, tothom content… i llavors arriba la factura del mes. La pregunta deixa de ser «això funciona?» per passar a ser «això ho puc pagar cada mes, per sempre?».

Aquesta segona pregunta és la que quasi ningú es fa abans de començar. I és la que decideix si un projecte d'intel·ligència artificial acaba en producció o acaba en un calaix. A Alterego fa temps que hi donem voltes, i la conclusió és poc èpica però molt rendible: la millor solució d'IA per a una empresa gairebé mai és una sola IA. És una barreja.

El problema no és la intel·ligència, és la factura

Els models de frontera —Claude, GPT i companyia— són extraordinaris. Fan coses que fa dos anys eren ciència-ficció. Però es paguen per ús: mentre la IA és un experiment de tres persones, pagues poc perquè uses poc. El problema apareix exactament quan el projecte té èxit. Si agrada, s'usa. I si s'usa, la factura creix.

Hi afegim un segon factor: hi ha informació que simplement no pot sortir de casa. Historials, expedients, contractes, dades de clients. No és només RGPD —que també—, és dormir tranquil. Davant d'això el mercat sol oferir dues respostes dolentes: tot al núvol «i ja pagaràs», o tot a casa amb un model mediocre. Nosaltres treballem la tercera.

Línia 1: IA pública, per quan cal el màxim

Integrem models de frontera en processos reals de client: anàlisi documental, atenció, generació de contingut i automatització d'oficina. Quan una tasca demana raonament complex, matisos, creativitat o context llarguíssim, un model de frontera guanya. Intentar substituir-lo per un model petit només perquè és més barat és l'estalvi que acaba sortint caríssim.

El nostre paper no és vendre tokens: és dissenyar el flux de treball, connectar-lo als sistemes que l'empresa ja té i mesurar què passa de debò. Una IA que ningú sap què fa és una IA que ningú pot optimitzar.

Línia 2: IA privada, de cost variable a cost fix

La segona línia consisteix a muntar infraestructura d'inferència pròpia i executar-hi models de pesos oberts. Per a bona part de les tasques d'empresa —classificar, extreure, resumir, respondre amb context, cercar dins la documentació interna— ja rendeixen perfectament.

El canvi econòmic és el que importa: amb IA pública el cost és variable i puja amb l'ús; amb IA privada el cost és fix i previsible, i escalar l'ús baixa el cost unitari. Les dades sensibles no surten mai de l'organització. Quan passes de pagar per cada consulta a una quota d'infraestructura, la conversa interna canvia: deixa de ser «com limitem la IA?» i passa a ser «on més la podem posar?».

La tesi: no triar, combinar

No creiem en la disjuntiva. Creiem en l'arquitectura híbrida: una capa d'encaminament decideix, per a cada tasca, quin model l'ha de resoldre. El gruix del volum —classificacions, extraccions, resums, cerques internes— se'n va al model privat. La minoria exigent —el cas difícil, el document ambigu, la decisió delicada— escala cap al model públic de frontera.

El resultat manté el nivell d'intel·ligència allà on cal i un cost que l'empresa pot pressupostar. No és el més barat ni el més potent possible: és el millor equilibri. Que, a la vida real d'una empresa, és exactament el que necessites.

Connectors MCP: la IA que toca els sistemes reals

Un model brillant aïllat del teu ERP és un becari molt car tancat en un despatx sense finestres. Per això desenvolupem solucions MCP (Model Context Protocol): connectors perquè un model —públic o privat— consulti el CRM, llegeixi documentació interna, escrigui a la base de dades o llanci un procés. És la peça que converteix un xat en una eina de treball.

Construir la integració una vegada i que funcioni amb qualsevol model i client és protecció de la inversió: si d'aquí a sis mesos canvies de model, la feina d'integració no es llença.

IA aplicada, no IA de fira

La nostra manera de treballar no canvia: primer entendre quin procés de l'empresa fa mal, després decidir quina tecnologia toca i, només al final, parlar de models. A l'inrevés —començar per la tecnologia i buscar-li un problema— és com es cremen pressupostos sencers sense que canviï res.

Si a la teva empresa esteu en el punt d'«ens agrada, però els números no surten» o d'«això no ho podem pujar al núvol», probablement la resposta no sigui triar millor el proveïdor. Sigui combinar-los bé.