Setanta-set per cent de les petites empreses ja utilitzen la IA amb regularitat. Fa divuit mesos, aquesta xifra era del 48%. Si diriges una petita empresa i encara no has provat cap eina d'IA, ara ets a la minoria — i la bretxa s'eixampla ràpidament.
Però hi ha un parany amagat en les mateixes dades. Quan els investigadors van analitzar on es concentra realment aquest ús de la IA, el màrqueting ocupava el primer lloc (45% de les empreses), l'atenció al client el segon (37%) i la comptabilitat el tercer (35%) — un tercer lloc clarament rere els altres, i envoltat de més reticència que qualsevol altra categoria. Pregunta als propietaris de petites empreses per què no han cedit més feina financera a la IA, i les respostes giren entorn de tres paraules: privadesa, precisió i confiança.
Aquesta combinació — adopció ràpida a tot arreu excepte al llibre major — és la veritable història de l'Informe d'Impacte de la IA 2026 d'Intuit, i val la pena desgranar-la abans de decidir què automatitzaràs a continuació.
Què ha trobat realment l'informe
L'Informe d'Impacte de la IA 2026 es basa en respostes d'enquesta de més de 34.000 propietaris de petites i mitjanes empreses dels Estats Units, el Canadà, el Regne Unit i Austràlia, combinades amb dades d'ús anonimitzades de més de 5,3 milions de comptes de QuickBooks, i es va desenvolupar amb economistes de la Universitat de Chicago. Algunes xifres destacades:
- El 77% de les petites empreses dels EUA utilitzen la IA amb regularitat a data de gener del 2026, davant del 48% d'un any i mig abans.
- El 78% dels usuaris d'IA informen d'una millora de la productivitat, i aproximadament 1 de cada 4 diu que la IA ha escurçat la seva jornada laboral real.
- L'impacte en els ingressos s'inclina fortament cap al positiu: el 43% de les empreses que utilitzen IA informen d'un augment d'ingressos que atribueixen a la IA, davant de només un 2% que informa d'una disminució — una proporció superior a 20 a 1.
- Les tres principals barreres per als qui no l'han adoptada són idèntiques als quatre països: preocupacions sobre privadesa i seguretat de les dades (36% als EUA), no entendre què pot fer realment la IA (28%), i por a resultats inexactes o esbiaixats (26%).
Dit clarament: les empreses que han adoptat la IA n'estan majoritàriament satisfetes, i les que no ho han fet estan preocupades exactament per les tres coses — privadesa, capacitat i precisió — que més importen quan la tasca en qüestió és els teus llibres.
Per què la comptabilitat va per darrere del màrqueting i l'atenció al client
No és casualitat que la comptabilitat quedi rere el màrqueting i l'atenció al client en adopció. Una publicació social mal categoritzada és un embaràs. Una transacció de $15.000 mal categoritzada és un problema fiscal, un problema de finançament, o el motiu pel qual els teus números de tancament d'any no quadren.
Les eines d'IA són detectores de patrons, no comptables. Un error habitual: un assistent de comptabilitat amb IA veu un pagament de $15.000 i l'etiqueta com a "Despesa general" perquè l'import sembla una despesa — no perquè entengui que el pagament era en realitat un dipòsit d'equipament de capital que cal capitalitzar i amortitzar, no carregar com a despesa d'un sol cop. El model no té cap concepte de la intenció del teu pla de comptes, només de la forma de la transacció.
Aquesta és exactament la bretxa que recullen les xifres de confiança de l'informe. Els propietaris d'empreses no s'equivoquen en ser prudents — reaccionen racionalment davant una limitació real. L'error seria concloure que la IA no té cap lloc als llibres. Les dades diuen el contrari: el 35% de les empreses ja l'utilitzen allà, i les que ho fan bé no li cedeixen tota la feina — li cedeixen el tros que li correspon.
Una rèplica escèptica: mesuren bé les empreses aquesta xifra?
No totes les lectures de l'informe són celebratòries. Una crítica àmpliament comentada assenyalava que, quan els investigadors preguntaven com mesuraven realment les empreses els seus guanys de productivitat o d'ingressos atribuïts a la IA, més de la meitat no van saber articular cap mètode — informaven d'una sensació de millora, no d'una xifra abans/després.
És un repte raonable, i s'aplica doblement a la comptabilitat, on "la IA ens ha estalviat temps" és fàcil de creure i difícil de demostrar sense una línia de base. Normalment falten tres coses:
- Una línia de base. Cap registre de quant trigava el tancament mensual, la conciliació o la categorització abans d'introduir la IA.
- Atribució. Cap manera de separar l'efecte de la IA d'altres canvis que passaven alhora — una nova contractació, una temporada baixa, un nou sistema de punt de venda.
- Una mètrica d'èxit predefinida. L'eina es va adoptar perquè semblava prometedora, no perquè s'hagués fixat prèviament un objectiu ("reduir el temps de categorització un 30%", "reduir a la meitat les transaccions mal categoritzades").
Forrester ha estimat que la majoria de projectes d'IA no assoleixen els seus objectius — no perquè la tecnologia falli, sinó perquè ningú va definir com era l'èxit abans d'activar-la. La solució no és complicada: fes una prova de 30 dies amb cronòmetre. Cronometra el teu procés actual de tancament mensual una vegada, activa la funció d'IA, torna a cronometrar-lo el mes següent, i compta quantes categoritzacions suggerides per la IA has hagut de corregir. Això és una xifra real sobre la qual pots actuar, en lloc d'una sensació.
Com adoptar realment la IA als teus llibres (sense perdre el control)
Si vols el guany de productivitat sense el risc de precisió, les empreses que ho fan bé solen seguir el mateix patró — tractar la IA com un assistent de primera passada, no com qui decideix, i mantenir una persona al circuit en els punts que més importen:
Deixa que la IA gestioni la feina d'alt volum i baix criteri. Les importacions de moviments bancaris, la categorització de factures recurrents (lloguer, subministraments, subscripcions) i l'aparellament de rebuts amb transaccions són tasques repetitives i basades en patrons on la taxa d'error de la IA en transaccions "netes" és realment baixa — són habituals xifres de precisió del 85–95% en categorització rutinària a les plataformes de comptabilitat.
Reserva les decisions de criteri per a una persona. Qualsevol cosa que impliqui capitalització versus càrrec com a despesa, transaccions inusuals o puntuals, complexitat de nòmines, o una xifra que sembli estranya hauria de passar a una persona. Això no és una crítica a la tecnologia — és el reconeixement que "és una despesa o una millora" requereix un context que la IA no té.
Utilitza puntuacions de confiança, si la teva eina les ofereix. Les bones eines de comptabilitat amb IA marquen la seva pròpia incertesa: les categoritzacions d'alta confiança es poden publicar automàticament, mentre que les de baixa confiança queden en cua de revisió abans d'arribar al teu llibre major. Si la teva eina no mostra aquesta distinció, tracta cada suggeriment de la IA com un esborrany, no com un assentament final.
Mesura abans d'escalar. Abans de desplegar la IA a tot el teu pla de comptes, prova-la en un compte o un tipus de transacció durant un període definit, fes seguiment de la taxa d'error, i amplia-la només quan coneguis la xifra — no la sensació.
Aquí també importa el format dels teus llibres. És molt més fàcil revisar puntualment la feina d'una IA, fer una comparació entre "abans" i "després", i mantenir un rastre d'auditoria net de cada canvi automatitzat quan el teu llibre major és en text pla i està controlat per versions, en lloc de quedar enterrat dins d'una interfície de caixa negra on no pots veure fàcilment què ha canviat ni per què.
El panorama general
La xifra del 77% d'adopció no és una moda passatgera — és un canvi generalitzat en com les petites empreses fan la feina rutinària, i no s'atura. Però les mateixes dades sobre barreres de l'informe són un bon punt de comprovació: la privadesa, la precisió i la comprensió són les coses correctes sobre les quals ser prudent, i la comptabilitat és exactament el terreny on aquesta prudència compensa. Les empreses que guanyen amb la IA no són les que hi confien cegament — són les que li van donar les tasques en què realment és bona, van mantenir una persona en les decisions de criteri, i van mesurar el resultat en lloc de donar-lo per suposat.
Mantén els teus llibres transparents mentre adoptes la IA
Si la IA arribarà a tocar els teus registres financers, vols poder veure exactament què ha canviat, quan i per què — no confiar en una caixa negra. Beancount.io ofereix comptabilitat en text pla que és transparent, controlada per versions i preparada per a la IA: cada assentament és auditable, cada canvi és rastrejable, i no passa res als teus llibres que no puguis inspeccionar línia a línia. Comença gratis i mantén el control dels teus números mentre l'automatització assumeix més de la feina rutinària.