Projectes que abans superaven els llindars avaluatius estan sent sistemàticament reclassificats com a innovació tecnològica. Què busca avui un avaluador, com detectar si el teu projecte està en zona de risc i quan acceptar que no és R+D.
Fins a la primera meitat de 2025, presentar un projecte que incorporés intel·ligència artificial, machine learning o processament de llenguatge natural era pràcticament sinònim de tenir un argument sòlid per accedir a ajuts públics a l'R+D, tant en convocatòries estatals com autonòmiques o europees. Les memòries que descrivien models predictius, sistemes de scoring basats en aprenentatge automàtic, motors de recomanació personalitzada o plataformes d'anàlisi multimodal rebien valoracions positives amb certa regularitat. La taxa de qualificació favorable en aquest tipus de projectes era raonable, i l'argument de "estem aplicant IA avançada" funcionava com a ancoratge tècnic suficient.
A partir del segon semestre de 2025, i amb plena consolidació durant el primer trimestre de 2026, aquest patró ha canviat de forma profunda. Projectes substancialment similars als que un any abans haurien estat qualificats com a R+D estan sent sistemàticament reclassificats com a innovació tecnològica. La transformació no és una qüestió administrativa ni un enduriment conjuntural de criteris. És un canvi de paradigma en com els organismes avaluadors defineixen què constitueix recerca i desenvolupament en el context tecnològic actual.
Què es qualificava com a R+D fins a mitjans de 2025
Per entendre el canvi, convé caracteritzar primer el tipus de projecte que tenia bona recepció en la fase anterior. Les memòries que prosperaven aleshores compartien diverses característiques.
- Descrivien el desenvolupament de models predictius basats en tècniques de machine learning supervisat i no supervisat, presentant-los com a innovació tecnològica per se. La sola menció de xarxes neuronals recurrents, models LSTM, arquitectures Transformer o processament de llenguatge natural funcionava com a argument de novetat, sense necessitat de demostrar que la combinació específica proposada superés un estat de l'art concret.
- Construïen l'estat de l'art sobre comparatives amb competidors comercials, no sobre literatura científica. Una memòria podia dedicar cinc pàgines a explicar per què el producte resultant seria superior al d'empreses concretes del mercat, i això s'acceptava com a justificació suficient del posicionament tècnic.
- Incorporaven plans de treball orientats a producte: recerca prèvia, disseny d'arquitectura, desenvolupament de models, integració, validació amb pilot i desplegament. L'estructura era més pròpia d'un procés de desenvolupament de programari que d'un projecte de recerca experimental, però això poques vegades es penalitzava.
- Justificaven pressupostos rellevants incloent llicències de programari comercial, serveis cloud, eines SaaS de tercers i, en alguns casos, costos d'ús d'APIs d'IA. Aquests costos s'assumien com a infraestructura legítima d'R+D i s'incorporaven a les bases de càlcul dels ajuts sense més qüestionament.
- I, sobretot, presentaven com a innovació tecnològica central la integració de capacitats d'IA disponibles al mercat, assumint que la seva incorporació a un domini sectorial específic (finances, salut, educació, retail, logística) constituïa per si mateixa un acte d'R+D defensable.
Aquest tipus de projecte rebia habitualment qualificacions positives, amb valoracions tècniques suficients per superar els llindars aplicables en cada instrument, especialment quan el bloc comercial o d'impacte estava ben construït.
Per què ha canviat: la maduresa dels LLM com a fenomen disruptiu
La causa subjacent del canvi no és reguladora sinó tecnològica. La irrupció i consolidació dels models de llenguatge grans comercials (GPT-4, Claude, Gemini, DeepSeek, Qwen i els seus equivalents de codi obert) ha desplaçat massivament la frontera del que requereix investigació.
Capacitats que fins al 2024 eren investigació d'avantguarda (comprensió semàntica multilingüe, extracció d'entitats en text especialitzat, classificació contextual, anàlisi de sentiment, generació de resums coherents, comprensió d'imatges i vídeo, transcripció d'àudio, traducció especialitzada, raonament sobre dades estructurades) són avui commodities accessibles via API per uns cèntims per consulta. El raonament implícit que aplica l'avaluador és directe: si la capacitat tècnica que es proposa construir està disponible comercialment, no hi ha incertesa tècnica a justificar. No hi ha novetat a demostrar. I per tant no hi ha R+D en sentit estricte. Hi ha integració avançada, hi ha innovació tecnològica, hi ha desenvolupament comercial sofisticat. Però no investigació.
Aquest canvi no és exclusiu d'un únic organisme ni propi del marc espanyol. Reflecteix una transformació general en com les agències públiques d'innovació, els programes autonòmics, els marcs europeus i la pròpia interpretació administrativa del Manual de Frascati estan recalibrant què consideren finançable com a R+D en projectes d'IA aplicada.
La nova lògica d'avaluació: què ve avui un avaluador
L'avaluador disposa avui de capacitats d'anàlisi tècnica que fa dos anys no tenia. Pot contrastar en minuts si una tècnica descrita en una memòria és realment nova o una aplicació estàndard. Pot verificar si la combinació d'algorismes proposada apareix a la literatura recent. Pot demanar una anàlisi de l'estat de l'art sobre qualsevol subdomini tècnic. El que abans requeria una expertesa específica escassa és ara trivialment verificable.
El resultat és que l'aparença de sofisticació tècnica ha deixat de funcionar com a argument. Llistar tecnologies impressionants ja no genera credibilitat. Genera, paradoxalament, sospita. Quan una memòria esmenta deep learning, xarxes neuronals, Transformers, PNL avançat, arquitectures cloud escalables i motors de decisió automatitzats, l'avaluador es pregunta on és el desenvolupament propi. Si tot això està disponible comercialment, què s'està investigant exactament?
Hi ha tres elements que l'avaluador busca activament per confirmar si un projecte és realment R+D o integració avançada.
- Primer, mira el pressupost. Si apareixen partides per a serveis d'OpenAI, Anthropic, Gemini, APIs d'IA en general, costos de tokens, costos d'inferència, llicències de plataformes comercials que ja resolen el problema (motors de scoring, eines de verificació d'identitat, plataformes d'IA preconstruïdes), el projecte es delata a si mateix com a integració. L'aritmètica és brutal: si el cor intel·ligent del producte s'executa en infraestructura aliena i es paga per consum, no s'està construint capacitat tècnica pròpia.
- Segon, mira la descripció tècnica. Si la memòria esmenta explícitament proveïdors d'IA comercials com a tecnologia a integrar, si descriu arquitectures multiproveïdor per orquestrar diversos LLM comercials, si planteja com a innovació l'ús combinat de serveis externs, el projecte se situa automàticament fora del marc d'R+D.
- Tercer, mira la formulació d'objectius. Si els objectius són del tipus "desenvolupar un sistema que...", "implementar una plataforma per a...", "integrar capacitats de...", el projecte és de producte. Els objectius vàlids com a R+D tenen forma d'hipòtesi: "validar si la combinació X supera el benchmark Y publicat a la literatura, assolint un valor Z en la mètrica W sota les condicions C".
Com detectar si un projecte està en zona de risc
Abans d'invertir esforç a redactar una memòria d'R+D, ja sigui per a una convocatòria competitiva, una ajuda directa, un programa europeu o qualsevol altre instrument d'incentivació pública, convé aplicar un filtre intern de quatre preguntes. Si la resposta honesta a tres o més d'elles és afirmativa, el projecte no prosperarà com a R+D en el context actual i convé replantejar l'estratègia.
El nucli tècnic del projecte s'executa cridant a APIs d'IA comercials? Si el sistema funciona enviant dades a OpenAI, Anthropic, Google o qualsevol proveïdor similar i rebent el resultat processat, el valor tècnic no es construeix internament. Es lloga. Això és, per definició, innovació aplicada, no recerca.
Les "tecnologies innovadores" que es llisten són tècniques accessibles amb documentació pública? Si un desenvolupador competent pot implementar el que es descriu llegint tutorials i documentació oficial, no hi ha frontera tècnica a creuar. Random forest, gradient boosting, BERT preentrenat, Kubernetes, Apache Kafka, xarxes neuronals convolucionals estàndard: tot això és enginyeria, no recerca, el 2026.
El pressupost inclou partides significatives de programari comercial que resol per si mateix el problema tècnic plantejat? Quan apareixen llicències de plataformes que ja fan el que la memòria presenta com a repte, el projecte es contradiu a si mateix. Si la memòria proposa investigar scoring creditici i simultàniament pressuposta llicències de bureaus de scoring comercial, l'avaluador detecta la inconsistència immediatament.
La diferència entre el resultat del projecte i el que un competidor podria fer comprant els mateixos serveis és operativa, no tècnica? Si la resposta és que sí, que la diferència rau en el go-to-market, en l'experiència d'usuari, en la integració amb fluxos de negoci o en la captació de clients, el projecte és legítim però pertany a la categoria d'innovació aplicada. La diferenciació competitiva basada en producte i mercat no és el mateix que la diferenciació tècnica basada en recerca.
Com reorientar un projecte perquè sigui R+D viable
Reorientar un projecte des d'"integració d'IA comercial" cap a "recerca amb nucli tècnic propi" no sempre és possible. De vegades el projecte, simplement, és d'innovació aplicada i convé presentar-lo com a tal, assumint que les condicions financeres seran menys avantatjoses però realistes. Però quan hi ha un nucli tècnic genuí ocult sota capes de descripció de producte, hi ha vies concretes per fer-lo aflorar.
- Identificar la restricció de domini que invalida la solució comercial. Molts projectes que semblen integració de LLMs comercials tenen, en realitat, una raó tècnica per la qual aquesta integració no funciona o no és legalment viable. La regulació sanitària que impedeix enviar dades clíniques a servidors de tercers. El requisit de latència en temps real que les APIs no suporten. El domini especialitzat on els models generals fallen sistemàticament per manca d'entrenament en aquest vocabulari o aquestes estructures. Quan aquesta restricció existeix, la proposta correcta és desenvolupar capacitats tècniques pròpies precisament perquè les comercials no serveixen, i això sí que constitueix R+D.
- Centrar el projecte en el dataset propietari, no en les tècniques. Si l'empresa disposa de dades úniques (per anys d'operació, per integracions físiques, per accés privilegiat, per tipus de client, per sensors propis), el projecte ha d'articular com a hipòtesi central si aquestes dades contenen senyal predictiu suficient i com extreure-la mitjançant metodologia específica. Les tècniques poden ser estàndard, però la novetat rau en la combinació dataset-metodologia-resultat, que cap competidor pot replicar comprant APIs.
- Construir l'estat de l'art sobre literatura científica, no sobre competidors. Les memòries d'R+D viables citen papers d'IEEE, ACM, revistes especialitzades, preprints recents a arXiv. No es construeixen sobre anàlisis de mercat d'empreses competidores. Aquesta disciplina, aparentment formal, transmet a l'avaluador que l'equip ha situat la seva proposta respecte a la frontera tècnica real, no respecte al panorama comercial.
- Eliminar les partides pressupostàries que delaten integració. Les APIs d'IA comercials, les llicències de plataformes SaaS que resolen el problema, els costos de tokens i d'inferència: tot això ha de sortir del pressupost vinculat a R+D. Si són imprescindibles per al producte final, són costos operatius posteriors al projecte, no costos de recerca. Mantenir-los en el pressupost és regalar a l'avaluador la prova que el projecte és integració.
- Fer explícit el risc tècnic genuí. Un projecte d'R+D viable conté riscos creïbles que poden fer fracassar tècnicament el desenvolupament. "És possible que les variables proposades no aportin capacitat predictiva incremental significativa un cop controlades per les variables tradicionals". "No està clar si l'arquitectura proposada pot mantenir latències per sota del llindar requerit en condicions de càrrega real". "La generalització del model entre subpoblacions pot no ser vàlida i requerir reentrenament específic". Aquests riscos transmeten que hi ha incertesa real que la recerca pretén reduir.
- Considerar la cooperació amb centres de recerca. Una col·laboració formal amb una universitat, organisme públic de recerca o centre tecnològic afegeix credibilitat al projecte com a R+D autèntica, especialment quan aporta capacitat metodològica que l'empresa per si sola no té. Aquest tipus de cooperació puntua favorablement en pràcticament tots els instruments públics.
Quan acceptar que el projecte és innovació, no R+D
Hi ha un punt que convé assumir amb honestedat: la majoria dels projectes empresarials que incorporen IA el 2026 no són R+D, i això no els resta valor ni legitimitat. Els instruments dissenyats per a innovació tecnològica i innovació aplicada existeixen precisament per a projectes que incorporen tecnologies madures a processos productius o productes comercials amb un risc tècnic moderat, com per exemple la línia LIC del CDTI.
Insistir a presentar com a R+D el que el sistema ja ha decidit que és innovació aplicada produeix un desgast de recursos en la redacció de memòries que no prosperaran, retard en l'obtenció de finançament, perquè cada cicle de rebuig i nova presentació afegeix mesos; i deteriorament de la credibilitat davant d'organismes avaluadors quan s'acumulen reclassificacions a la baixa.
La tendència de futur
L'enduriment del criteri d'R+D en projectes d'IA no és conjuntural ni reversible. Els models comercials continuaran millorant, cosa que significa que la frontera de "allò que es considera recerca" continuarà desplaçant-se cap amunt. Capacitats que avui encara són frontera (fine-tuning especialitzat, agents autònoms en dominis complexos, raonament sobre dades multimodals) es convertiran en commodities en divuit a vint-i-quatre mesos.
L'estratègia sostenible per a empreses que depenen de finançament públic en projectes d'IA passa per construir actius tècnics no replicables mitjançant el consum d'APIs. Això significa fonamentalment dades úniques, coneixement de domini profund que es tradueix en metodologia específica, integracions físiques amb maquinari o sensors, presència en sectors regulats amb restriccions que impedeixen l'ús de models comercials, o capacitat de fer ciència computacional que vagi més enllà del prompt engineering. La resta, per sofisticat que sembli el resultat final, serà cada vegada més qualificat com a innovació tecnològica i cada vegada menys com a R+D.
Si tens dubtes sobre si el teu projecte encaixa com a R+D o innovació tecnològica, o vols avaluar com reorientar la memòria abans de presentar-te a una convocatòria, podem revisar-ho amb tu. A Intelectium fa 21 anys que gestionem aquest tipus de projectes i coneixem de primera mà com estan avaluant els organismes avui dia. Escriu-nos a dealflow@intelectium.com
