Durant les últimes dues dècades, poques tecnologies han tingut un impacte tan transformador i transversal com la intel·ligència artificial (IA). Si bé la seva història comença molt abans, el veritable punt d’inflexió va arribar amb l’auge de l’aprenentatge profund, el creixement exponencial del poder computacional i, més recentment, la irrupció de la IA generativa. Per als fons de venture capital, això representa una revolució en temps real, on les oportunitats floreixen, però també requereixen una aguda capacitat d’anàlisi i timing de mercat.

L’auge imparable de la inversió en IA

Les xifres parlen per si soles: segons dades de The Economist, en el 2024 la inversió global en IA va aconseguir 200.000 milions de dòlars, el doble que en el 2023. Això inclou tant capital risc com inversió en infraestructura, centres de dades, i el desenvolupament de xips especialitzats per a tasques d’inferència i entrenament de models. Aquest frenesí d’inversió ha estat liderat per actors com Nvidia, Amazon, Microsoft i Alphabet, que no sols aposten per models propis, sinó també per crear el hardware i la infraestructura necessaris per a escalar la IA.

A Europa, el panorama no es queda enrere. Segons un estudi de IDC citat per Europa Press, la despesa empresarial en intel·ligència artificial a la regió EMEA va augmentar un 61% en el 2024 respecte a l’any anterior. Aquest creixement ha estat estimulat per incentius públics, l’adopció en sectors tradicionals com la banca i la indústria, i una nova generació de startups enfocades en solucions verticals.

En què estan invertint els fons de VC?

1. Apostes en models fundacionals… però amb cautela

Durant la primera onada d’entusiasme generada per models com ChatGPT, Bard o Claude, molts fons van explorar invertir directament en startups centrades en grans models lingüístics (LLMs). No obstant això, l’elevada barrera d’entrada tècnica i el domini de pocs actors (OpenAI, Google, Anthropic, Mistralenc, Cohere) ha redirigit l’interès cap a aplicacions pràctiques i models més lleugers, que poden adaptar-se a contextos locals o necessitats específiques de negoci.

Molts VCs han pres nota que els guanyadors no sempre seran els qui creïn els models més potents, sinó els qui aconsegueixin integrar-los de manera eficaç en fluxos de treball del món real.

2. IA vertical: menys hype, més especialització

La gran promesa està en les solucions verticals. Startups que apliquen IA generativa o predictiva a sectors com legaltech, insurtech, salut, logística, energia o agroalimentació són cada vegada més atractives per als inversors. Aquestes empreses no competeixen per crear el pròxim ChatGPT, sinó per resoldre un problema específic amb avantatges competitius reals: dades propietàries, know-how sectorial, integració amb sistemes legacy, etc.

Alguns exemples:
· IA per a anàlisi de contractes legals amb models entrenats específicament en legislació local.
· Eines de suport clínic per a diagnòstic o documentació mèdica en temps real.
· Plataformes de gestió energètica que optimitzen el consum en temps real combinant IA i sensors IoT.

3. Infraestructura: el “pic i pala” de l’era de la IA

Igual que en la febre de l’or, no sempre guanyen els qui busquen l’or, sinó els qui venen les pales. Així ho han entès molts fons que estan apostant per la infraestructura necessària per a escalar la IA: xips, emmagatzematge, xarxes de distribució, i plataformes middleware per a orquestrar models en producció.

Empreses com Modular, Weights & Biases, Hugging Face o Lambda Labs estan capitalitzant aquesta necessitat d’infraestructura que no depèn d’un cas d’ús concret, sinó de l’avenç general de l’ecosistema.

4. Eines per a l’adopció empresarial

Un dels colls d’ampolla actuals és la implementació efectiva de IA en empreses tradicionals. Aquí estan emergint startups que ofereixen plataformes low-code per a construir fluxos de treball amb IA, solucions de governança de dades, avaluació de biaixos, explainability, i compliment regulador (AI Governance). Aquest serà un dels segments clau especialment a Europa, amb l’entrada en vigor del Reglament de IA de la Unió Europea.

Què busquen els inversors en una startup de IA?

Encara que les mètriques clàssiques com el TAM (mercat total direccionable), la tracció i l’equip continuen sent fonamentals, els VCs hem afegit alguns criteris específics per a avaluar startups de IA:

• Dades propietàries: els models sense dades diferencials tenen cada vegada menys avantatge competitiu. Els fons busquen accés exclusiu a datasets únics o formes innovadores de recol·lectar-los (per exemple, mitjançant aplicacions mòbils o aliances industrials).
• Capacitat de finetuning: no es tracta només d’usar GPT-4, sinó de com s’adapta el model a un domini o necessitat concreta.
• Mecanismes defensius: Què evita que un competidor amb accés als mateixos models públics creï una còpia en setmanes?
• Unit economics clars: el cost computacional de la IA pot reduir marges si no s’optimitza bé. Aquelles startups amb arquitectures eficients tindran avantatges.

I cap a on anirem en el futur?

1. Cap a models més petits, més privats i més locals

Contrari al que sembla, el futur de la IA no és només “més gran”. Ja s’està observant una tendència cap a models petits (com Phi-3 de Microsoft o Gemma de Google) que poden córrer en dispositius edge o ser finetunejats amb menys dades. Això obrirà la porta a aplicacions en sectors on la privacitat, latència o connectivitat són factors crítics.

2. IA multimodal

La combinació de text, imatge, vídeo, àudio i dades estructurades en un mateix sistema (com GPT-4V o Gemini 1.5) transformarà sectors com l’atenció al client, el disseny de producte, la medicina o l’entreteniment. Els inversors estem atents a startups que sàpiguen traduir aquesta multimodalitat en avantatges competitius tangibles.

3. Agents autònoms

Ja no parlem només de IA que respon, sinó de IA que actua: sistemes que poden prendre decisions, executar accions en plataformes externes, interactuar amb APIs i optimitzar processos de manera contínua. Encara que en fase experimental, els “AI agents” seran clau en àrees com operacions, màrqueting automatitzat o logística.

4. IA responsable

Amb la pressió regulatòria en augment, les startups que integrin des de l’inici bones pràctiques de seguretat, ètica i explicabilitat tindran millors oportunitats per a escalar. La IA responsable no serà un extra, sinó un requisit comercial i legal, especialment per a captar clients corporatius o institucionals.

Conclusió

La intel·ligència artificial està marcant el pas d’una nova revolució industrial. Per als fons de venture capital, la clau no és només anticipar quina tecnologia dominarà, sinó entendre com i on s’implementarà de manera eficient i ètica. En aquesta nova era, la diferenciació no vindrà únicament de tenir el model més potent, sinó de la capacitat d’integrar-lo amb propòsit, resoldre problemes reals i escalar de manera sostenible.

En resum, la pròxima generació d’unicorns de la IA no serà necessàriament la més cridanera, sinó la més útil.

Laurent Arens
Director BStartup10