Si el teu pla d'IA és "fer servir ChatGPT com tothom", no tens cap avantatge, tens una subscripció. La mateixa que la teva competència. L'avantatge competitiu que la IA et pot donar no rau en el model que facis servir, rau en el que només tu tens: les teves dades, el teu històric i el criteri amb què prens decisions. Això és un moat, un fossat, i és l'única cosa de la teva estratègia d'IA que ningú pot copiar.
Aquesta guia explica per què, i com es construeix.
L'essencial en 60 segons
- Els models d'IA són un commodity. Avui en fas servir un, demà un altre de millor i més barat. Ningú construeix un avantatge durador sobre alguna cosa que la seva competència contracta amb una targeta de crèdit.
- El teu avantatge són les teves dades, el teu històric i el teu criteri. El coneixement de com funciona el teu negoci, acumulat durant anys, és el que un competidor no pot descarregar.
- Un moat d'IA converteix aquest coneixement en un sistema que aprèn de la teva operació i millora amb cada dada. És la diferència entre llogar intel·ligència genèrica i tenir la teva.
- Compte amb el lock-in. Un moat és teu. Si la teva "IA" viu dins del producte tancat d'un proveïdor, no has construït cap fossat, t'has ficat en un d'aliè.
- Es construeix en quatre moviments: unifica les teves dades, codifica el teu criteri, tanca el learning loop i assegura't que el sistema és teu.
Què és un moat i per què la IA ho canvia tot
Un moat (fossat, en l'argot d'estratègia que va popularitzar Warren Buffett) és un avantatge competitiu estructural: alguna cosa que fa que el teu negoci sigui difícil de replicar. Una marca forta, un efecte de xarxa, un cost de canvi alt, una patent. Sense moat, qualsevol amb capital copia el que fas i competeix per preu.
Durant anys, la tecnologia va ser un moat en si mateixa. Tenir el millor software, el millor web o el millor sistema intern et diferenciava. La IA trenca aquesta lògica per una raó incòmoda: la capacitat de generar software, text, anàlisi o disseny s'ha tornat abundant i barata. El que abans et distingia, ara ho té tothom gairebé de franc.
Això espanta molta gent, i amb motiu. Però té una lectura molt més optimista. Quan la capacitat de construir deixa de ser escassa, el valor es desplaça al que continua sent escàs: el coneixement específic del teu negoci. La IA no destrueix els moats, canvia on són. I els posa, per primera vegada, a l'abast d'empreses que mai van poder permetre's un departament de dades.
Per què el model d'IA no és el teu avantatge
Aquí hi ha la trampa en què cau gairebé tothom: confondre l'eina amb l'avantatge.
Els models de frontera (GPT, Gemini, Claude i els que vindran) són extraordinaris i cada vegada millors. També són un commodity. El cost per token ha caigut any rere any de manera brutal, i cada pocs mesos apareix un model que supera l'anterior. El que avui sembla màgia, en dotze mesos és la línia base que tothom fa servir.
Pensa-ho així: si el teu avantatge competitiu és "fem servir el millor model d'IA", tens tres problemes. El primer, que la teva competència fa servir exactament el mateix, a un clic de distància. El segon, que el "millor" canvia cada trimestre, així que el teu avantatge caduca sol. El tercer, i el pitjor, que no controles res: depens del full de ruta, els preus i les decisions d'un proveïdor.
La conclusió és alliberadora. Com que el model és intercanviable, deixa de ser el lloc on competeixes. Tria el que millor funcioni avui, canvia'l quan en surti un de millor i no et casis amb cap. A això en diem ser model-agnòstic: el model és el motor, no el cotxe. El que et diferencia és tota la resta.
El teu avantatge real: dades, històric i criteri
Si el model no és l'avantatge, què ho és? Tres coses que has anat acumulant sense adonar-te'n i que cap competidor pot descarregar d'internet.
Les teves dades. Cada comanda, cada tiquet de suport, cada campanya, cada conversa amb un client. És el registre de com es comporta el teu mercat amb tu, i és únic. Un model genèric sap molt del món i res del teu negoci. Les teves dades són justament el que li falta.
El teu històric. No només què va passar, sinó què va funcionar i què no. Les decisions que vas prendre, els seus resultats, els errors que ja no repeteixes. És memòria operativa, i val or perquè és cara de construir: es paga amb anys.
El teu criteri. Això és el més difícil de copiar i el que més se subestima. A la teva empresa hi ha un coneixement que no està escrit en cap manual: per què a aquest tipus de client li dius que sí i a aquest altre que no, com ensumes que un projecte anirà malament, quines excepcions fas i quan. A l'escola de negocis de Wharton en diuen coneixement tàcit: el saber fer que viu al cap de la teva gent i que normalment es perd quan algú se'n va.
La gran oportunitat de la IA no és substituir aquest criteri, és capturar-lo. Convertir el coneixement tàcit, dispers i fràgil del teu equip en un sistema explícit que no se'n va amb la persona. Això és el que cap competidor té: no les teves eines, la teva manera de pensar el negoci, executada a escala.
El learning loop: per què cada dada et fa més fort
Un moat estàtic no és un moat, s'erosiona. El que converteix les teves dades en un avantatge que creix és el learning loop: el bucle d'aprenentatge.
Funciona així. El teu sistema d'IA pren decisions o fa recomanacions. Aquestes decisions produeixen resultats. Els resultats es mesuren i tornen al sistema com a dades noves. El sistema millora. I com que parteix de millors dades, millora més ràpid que qui comença de zero. L'avantatge es compon, com l'interès.
Satya Nadella, el CEO de Microsoft, ho resumeix en una idea que repeteix sovint: la clau no és fer servir la IA d'un altre, és ser amo de la teva pròpia propietat intel·lectual i del teu bucle d'aprenentatge. Qui controla el loop, controla l'avantatge. Qui només consumeix el model d'un altre, lloga una capacitat que el seu proveïdor pot apujar de preu, canviar o donar també al seu competidor demà.
La conseqüència pràctica és clara: no mesuris el teu progrés en IA per quantes eines has adoptat, sinó per quant aprèn la teva operació d'ella mateixa cada mes. Aquest és l'únic indicador que es tradueix en fossat.
Moat o tap: la trampa del lock-in
Hi ha una diferència enorme entre construir el teu moat i ficar-te en el d'un altre.
Quan adoptes una eina d'IA tancada (un SaaS que fa alguna cosa amb IA per tu), obtens una millora, sí. Però la intel·ligència, les dades entrenades i el sistema són del proveïdor, no teus. Si te'n vas, te'n vas amb les mans buides. Això no és cap fossat que et protegeix, és un tap: et tanca a tu. I com millor funciona, més car és sortir-ne.
El moat de veritat té una propietat que el tap mai tindrà: és teu. Les teves dades són teves, el sistema que les aprèn és teu, i si demà canvies de proveïdor de tecnologia, el teu avantatge se'n va amb tu. Aquesta és la línia que separa "fem servir IA" de "tenim una IA". La primera la té qualsevol. La segona no es pot copiar, perquè està feta del teu negoci.
Per això, quan avaluïs qualsevol iniciativa d'IA, fes-te una sola pregunta: si demà m'emporto això a un altre lloc, m'emporto l'avantatge o el perdo? Si el perds, no estàs construint cap moat.
Com es construeix a la pràctica
Un moat d'IA no es compra, es construeix. I no cal ser una multinacional per començar. Aquests són els quatre moviments.
1. Unifica les teves dades
El coneixement del teu negoci sol estar trossejat: el CRM per una banda, l'ecommerce per una altra, el suport en un tercer, i mig criteri al cap de tres persones. El primer pas és connectar-lo. No necessites un data lake de milions, necessites que les teves dades deixin de viure en silos incomunicats. Un sistema d'IA només és tan bo com el context al qual accedeix.
2. Codifica el teu criteri
Aquí és on es guanya o es perd. Seu amb qui pren les decisions i captura el perquè: les regles, les excepcions, els llindars, els senyals d'alarma. Aquest coneixement tàcit, escrit i estructurat, és el que fa que la teva IA pensi com el teu millor empleat, no com un chatbot genèric. És el pas que gairebé ningú fa i el que més diferencia.
3. Tanca el learning loop
Que el sistema mesuri els resultats de les seves pròpies decisions i n'aprengui. Sense aquest bucle tens una foto fixa que envelleix. Amb ell, tens un avantatge que millora sol cada setmana.
4. Assegura't que és teu
Dades, models, sistema: sota el teu control. Model-agnòstic per disseny, per poder canviar el motor sense refer el cotxe. Si un proveïdor desapareix o apuja el preu, el teu fossat continua dret. Aquesta és la decisió d'arquitectura que separa un actiu d'una dependència.
Senyals que ja tens (o no) un moat d'IA
Una manera ràpida de saber per on vas. Tens un moat en construcció si:
- Les teves dades de negoci estan connectades i accessibles, no en silos.
- Algú ha escrit el criteri amb què preneu les decisions clau.
- Podries canviar de model d'IA sense refer tot el teu sistema.
- Cada mes la teva operació aprèn alguna cosa d'ella mateixa que abans no sabia.
No el tens, per molt avançat que sembli el teu ús d'IA, si:
- La teva única IA és una subscripció a una eina genèrica que fa servir tothom.
- El teu avantatge depèn de "fer servir el millor model" a cada moment.
- Si te n'anessis del teu proveïdor d'IA, no t'emportaries res.
- Ningú ha capturat el coneixement tàcit del teu equip.
Com ho fem a Kiwop
No parlem d'això en abstracte. És la manera com treballem, primer amb nosaltres mateixos.
Governem Kiwop sobre un cervell d'IA propi que hem construït, Nexo: un sistema que coneix el nostre històric, els nostres projectes i el nostre criteri, i que millora amb cada tasca que hi passa. No és una eina que vam comprar, és el nostre moat, i és la credencial que sabem construir-ne un perquè el fem servir abans de vendre-te'l.
I això és exactament el que construïm per als clients amb el nostre servei d'intel·ligència artificial aplicada: la seva IA, entrenada amb les seves dades, el seu històric i el seu criteri, model-agnòstica per disseny i, sobretot, seva. Sense lock-in. Si demà se la volguessin emportar, se l'emporten sencera, perquè el valor no viu en el nostre producte, viu en el seu negoci.
El mateix aplica a la visibilitat. La manera més sòlida que la IA parli bé de la teva marca no és cap truc, és tenir alguna cosa que només tu pots explicar. Ho desenvolupem a la nostra guia de GEO i AEO: els motors d'IA citen qui aporta dades i experiència propis, és a dir, qui té moat.
Errors freqüents
Perseguir el model perfecte. Canviar de model cada vegada que en surt un de nou, sense construir res a sobre, és córrer en una cinta. El model és el que és intercanviable, no gastis allà el teu avantatge.
Llogar el teu cervell. Ficar tot el teu coneixement dins d'una plataforma tancada que no controles. Funciona fins que apuja el preu o el donen a la teva competència.
Deixar les dades en silos. La IA més potent no serveix de res si no pot veure el context del teu negoci. La feina avorrida de connectar dades és la meitat de l'avantatge.
Oblidar el criteri humà. Automatitzar sense capturar el perquè produeix un sistema ràpid i ximple. La IA accelera l'execució, però el criteri de què fer continua sent teu, i és el que cal codificar, no descartar.
Preguntes freqüents
Per què es diu que els models d'IA són un commodity?
Perquè són intercanviables i accessibles per a qualsevol. GPT, Gemini o Claude són a un clic i a un preu que cau cada any. La teva competència fa servir els mateixos. Un avantatge competitiu no es pot basar en alguna cosa que tothom contracta igual, així que el model no és el teu fossat: ho és el que construeixes a sobre amb les teves dades.
Què significa que una IA sigui "impossible de copiar"?
Que el seu avantatge està fet d'alguna cosa única del teu negoci: les teves dades, el teu històric i el teu criteri. Un competidor pot comprar el mateix model i les mateixes eines, però no pot descarregar vint anys de saber operar la teva empresa. Aquest és el moat, i per això és impossible de copiar.
Necessito ser una empresa gran per construir un moat amb IA?
No. Abans, convertir dades en avantatge exigia un equip de científics de dades que només les grans es permetien. La IA ha abaixat aquest cost de manera radical. Avui una pime amb dades ordenades i criteri clar pot construir un sistema que aprèn de la seva operació. La barrera ja no és la mida, és començar.
Què és el learning loop i per què importa tant?
És el bucle pel qual el teu sistema pren decisions, mesura els seus resultats i n'aprèn per millorar. Importa perquè converteix un avantatge estàtic, que s'erosiona, en un que creix i es compon amb el temps. Qui controla el seu learning loop millora més ràpid que qui parteix de zero cada vegada.
Què és el lock-in i com l'evito?
El lock-in és la dependència d'un proveïdor tancat del qual no pots sortir sense perdre el teu avantatge. S'evita amb dues decisions: que les teves dades i el teu sistema siguin teus, i un disseny model-agnòstic que et deixi canviar de tecnologia sense refer-ho tot. La prova: si en anar-te'n d'un proveïdor perds l'avantatge, estàs en lock-in.
Això substitueix el criteri del meu equip?
No, l'amplifica. La IA captura el criteri de la teva gent i l'executa a escala, però no decideix per tu què és correcte per al teu negoci. L'objectiu no és reemplaçar el judici humà, és que no es perdi quan algú se'n va i que s'apliqui de manera consistent a tota l'operació.
Glossari
- Moat (fossat competitiu): avantatge estructural que fa difícil de replicar el teu negoci.
- Coneixement tàcit: el saber fer no escrit que viu en l'experiència del teu equip.
- Learning loop: bucle pel qual un sistema aprèn dels resultats de les seves pròpies decisions.
- Model-agnòstic: disseny que permet canviar el model d'IA subjacent sense refer el sistema.
- Lock-in: dependència d'un proveïdor tancat que encareix o impedeix el canvi.
- Commodity: bé intercanviable i àmpliament disponible, sense capacitat de diferenciació.
- Propietat intel·lectual (IP): els actius de coneixement que són teus i controles.
Comença pel que ja tens
No necessites una gran estratègia d'IA per començar. Necessites mirar el que ja tens (les teves dades, el teu històric, el criteri de la teva gent) i decidir convertir-ho en un sistema abans que l'abundància d'IA iguali tothom per baix. La finestra és oberta ara mateix, mentre la majoria encara confon fer servir IA amb tenir-ne una.
Si vols construir el cervell d'IA del teu negoci, un que sigui teu i que la teva competència no pugui copiar, parlem-ne. T'expliquem com ho hem fet amb el nostre i com s'aplicaria al teu.
Referències:
- Warren Buffett, concepte d'"economic moat" (avantatge competitiu estructural)
- Wharton School, sobre coneixement tàcit i la seva conversió en sistemes
- Satya Nadella (Microsoft), sobre la propietat de la IP i el learning loop propi davant del consum de models de tercers
- Tendència de mercat: caiguda sostinguda del cost per token dels models de frontera (2023-2026)
