GPT-6 Sol i Luna: quan la IA baixa de preu, què pot automatitzar una pime?

OpenAI ha presentat GPT-6 Sol i GPT-6 Luna, dos models pensats per portar més capacitat d’IA a un cost més baix. La dada més cridanera és que, segons la companyia, els preus d’API de Sol i Luna baixen un 50% respecte als preus promocionals de GPT-5.6 Sol i Luna. Però la part interessant per a una pime no és el nom del model. És què passa quan fer servir IA deixa de ser una prova cara i comença a ser una peça assumible dins d’un procés de negoci.

Per a moltes empreses, el fre no és només tècnic. És econòmic i operatiu: si cada consulta costa massa, si cada flux llarg consumeix molts tokens, o si cada agent que treballa amb documents, correus, CRM i fulls de càlcul dispara la factura, el projecte es queda en demostració. Una baixada de cost pot canviar aquesta equació.

Menys cost no vol dir barra lliure

La temptació és pensar: si el model és més barat, posem IA a tot arreu. Mala idea. Que una tecnologia baixi de preu no elimina la necessitat de dissenyar bé el procés, controlar riscos i mesurar resultats.

El que sí que permet és provar automatitzacions amb més marge. Per exemple, un assistent intern que classifica consultes comercials, resumeix converses, prepara esborranys de resposta i actualitza el CRM pot passar de ser un experiment limitat a ser una eina diària. També pot fer viable revisar lots de documents, generar informes recurrents, detectar incidències en tiquets de suport o preparar propostes comercials a partir d’informació ja existent.

La clau és no confondre “més barat” amb “gratis”. Cal continuar calculant cost per tasca, no només cost per token. Si una automatització estalvia 15 minuts però consumeix massa passos, massa context o massa revisions humanes, potser no surt a compte.

Els agents seran més realistes per a empreses petites

OpenAI posa molt d’èmfasi en tasques d’agents: fluxos llargs, treball entre aplicacions i ús d’eines. Això és important perquè la majoria de casos útils en una empresa no són una pregunta i una resposta. Són seqüències: llegir informació, decidir què falta, consultar una eina, redactar, validar, guardar i avisar.

Per a una pime catalana, això pot traduir-se en casos molt concrets:

• preparar un resum setmanal de vendes i incidències;
• convertir correus entrants en tasques classificades;
• revisar contractes o pressupostos buscant camps que falten;
• ajudar administració a conciliar informació entre factures i fulls de càlcul;
• generar primeres versions de comunicacions a clients amb dades internes.

Aquest tipus de fluxos solen necessitar context llarg i diverses crides al model. Si el cost baixa i la caché de prompts millora, com també explica OpenAI, hi ha més marge per construir sistemes que reutilitzen instruccions, documents base i criteris interns sense pagar sempre el mateix cost de context.

On començar sense cremar pressupost

El millor punt de partida no és “quin model fem servir?”, sinó “quina tasca repetida té prou volum i prou valor?”. Una bona candidata acostuma a tenir cinc característiques: passa sovint, consumeix temps humà, segueix criteris relativament clars, té dades accessibles i admet supervisió.

A partir d’aquí, recomanaria començar amb una prova petita però mesurable. Per exemple: durant dues setmanes, fer que la IA prepari esborranys de resposta per a un tipus concret de consulta, però que una persona els revisi abans d’enviar-los. Es mesura temps estalviat, qualitat, errors, cost i satisfacció de l’equip. Si funciona, s’amplia. Si no, s’ajusta o es descarta.

Això evita dos extrems habituals: comprar una eina gran sense saber quin problema resol, o quedar-se eternament fent proves que no arriben mai al dia a dia.

Control, dades i criteri humà

Models més eficients no substitueixen la governança. De fet, com més fàcil sigui automatitzar, més important és decidir què no s’ha d’automatitzar encara. Informació sensible, decisions que afecten persones, dades de clients o processos crítics han de tenir límits clars.

També convé documentar quin model s’utilitza, per a quina finalitat, amb quines dades, qui revisa el resultat i què passa quan hi ha un error. Aquesta documentació no és burocràcia inútil: és la manera d’evitar dependències opaques i preparar l’empresa per un entorn regulador cada cop més exigent.

La lectura pràctica és aquesta: si GPT-6 Sol i Luna fan baixar el cost real dels fluxos amb IA, moltes pimes podran passar de “jugar amb xatbots” a automatitzar parts concretes del negoci. Però l’avantatge no serà per a qui provi més eines. Serà per a qui sàpiga triar processos, mesurar retorn i posar controls senzills des del principi.

Font: OpenAI, “Introducing GPT-6 Sol and Luna”.

A Automatitza.cat ajudem pimes catalanes a identificar quines automatitzacions tenen sentit, calcular-ne el retorn i desplegar-les amb criteri. Si vols revisar per on començar, podem fer una primera consulta gratuïta.