L’any 2006, Tricia Wang va conviure durant mesos amb famílies de pobles rurals a la Xina treballant per a Nokia. El que va observar era inequívoc: aquelles persones volien telèfons intel·ligents. Ho va explicar a la direcció amb tot el detall possible. No li van fer cas. Per què? Perquè es basava en “només” 100 persones, mentre que el Big Data de Nokia deia una altra cosa: creixement, quota de mercat sòlida i grans marges. En una sala de directius, quan un número gran entra en conflicte amb una observació humana, guanya el número. Sempre. La dada quantitativa dona seguretat, i la seguretat és addictiva.
El cost d’haver confiat només en el Big Data: van passar de ser el número u en telefonia, a tenir un 3% de quota de mercat i ser malvenuts a Microsoft en pocs anys. Tens o coneixes algú que tingui un Nokia avui? Exacte.
En una sala de directius, quan un número gran entra en conflicte amb una observació humana, guanya el número
El problema mai no va ser la quantitat de dades
20 anys després, continuem gairebé igual. El que he vist treballant, especialment en corporates, és sempre semblant: una inversió desproporcionada en infraestructures de dades quantitatives i una inversió simbòlica o nul·la en entendre el perquè darrere d’aquests números.
El Big Data ens diu què està passant. Però el què sense el perquè és, en el millor dels casos, un mapa enorme sense la creu del tresor. Com més dades tens, més còmode et sents. I aquesta comoditat és precisament el que et fa vulnerable.
Ara arriba l’All Data. I tenim un mapa molt millor i més detallat
L’All Data (o Huge Data) ens permet saber molt més perquè alguna cosa ha canviat estructuralment: el cost de l’emmagatzematge s’ha desplomat, les arquitectures del núvol permeten processar qualsevol tipus de dada —text, àudio, imatge, comportament en temps real, entre d’altres— de manera unificada, i la IA generativa ha convertit en analitzable allò que abans era invisible: tiquets de suport, transcripcions de trucades, ressenyes de clients, contractes en PDF acumulats durant anys.
El 90% de les dades globals no estan estructurades. Fins fa poc, eren foscor pura. Ara ja no. I el millor de l’All Data és que no són “dades més grans”, sinó totes les dades que importen per decidir, integrades per generar senyals accionables que IAs entrenades converteixen en lògica i presenten a persones capaces d’actuar-hi. Però més dades no equival automàticament a millors decisions. El mapa és necessari, però inútil sense la creu del tresor.
Què és, doncs, la creu del tresor?
Els insights de valor. Un insight real té una estructura concreta: és específic (no “els usuaris abandonen al checkout”, sinó “els usuaris abandonen al pas tres quan veuen el preu total per primera vegada, perquè el perceben com a excessiu en comparació amb les alternatives X, Y i Z”), és accionable i revela una veritat no òbvia sobre el comportament del client. Alguna cosa que no hauries deduït només mirant els números.
El millor de l’All Data és que no són “dades més grans”, sinó totes les dades que importen per decidir
Extreure aquests insights depèn d’una investigació d’usuari sistemàtica. Cap IA te’ls dona directament. Pot oferir informació de moltes fonts i hipòtesis a validar, però seràs tu, l’humà, qui les validi, els doni sentit i decideixi què iterar. I aquest procés no s’acaba mai, perquè l’usuari no deixa de canviar i el mercat és més competitiu que mai.
Disney ho va descobrir quan un directiu va observar pares confeccionant disfresses casolanes per als seus fills a la cua d’un parc. Això no apareixia en cap dashboard. En creuar aquella observació amb dades de comportament de compra, van crear una línia de negoci de 3.000 milions de dòlars. L’insight no va venir del Big Data, sinó d’algú que va prestar atenció al que les dades no podien veure.
El Moat real el 2026
I en plena era de l’All Data, apareix el vibe-coding. Crear una app de complexitat mitjana costa avui 20 euros i unes hores. Ho he provat: aquest mes he creat quatre webs i apps sense saber programar. Les xifres ho confirmen: Lovable va ser la primera empresa a assolir 100 milions d’ARR en vuit mesos amb 40 empleats. OpenAI va trigar més de 20 mesos, encara no és rendible i té 4.000 treballadors.
Si la barrera d’entrada gairebé desapareix, el mercat s’omple de competidors i el producte deixa de ser l’avantatge. La tecnologia, tampoc. Has de fer-ho molt millor, competint contra molts més i molt més ràpids. Què queda? Tornar al que realment importa: qui et compra. La capacitat (Humana + IA) d’extreure els insights del client millor que ningú. I només els qui entenguin això trobaran el tresor.