Cerquem casos d'èxit que apliquin IA

El Call for Projects està adreçat a aquelles organitzacions que hagin desenvolupat o adoptat solucions innovadores basades en intel·ligència artificial i que puguin demostrar el seu impacte.
Un comitè d’experts i expertes, conformat per representants dels socis de CIDAI, revisarà totes les candidatures rebudes i seleccionarà aquelles propostes que s’ajustin millor a les temàtiques del congrés, prioritzant la innovació, la novetat i el grau d’impacte en les empreses i la societat.
Data límit: 27 d’abril de 2026 a les 12:00h CET.
Si tens algun dubte amb aquesta convocatòria, pots enviar un correu a events@eurecat.org

En el programa d'aquest any es tractaran les següents temàtiques.
En quina d'aquestes sessions creus que pot ser rellevant el teu projecte?

MÉS ENLLÀ DELS MODELS DE LLENGUATGE (I): ELS MODELS MULTIMODALS

Els models multimodals representen una nova generació de sistemes d’IA capaços d’integrar i processar simultàniament diferents tipus de dades, com text, imatge, àudio o vídeo. Aquesta capacitat obre noves oportunitats per desenvolupar aplicacions més riques i contextuals en àmbits com, per exemple, la indústria, la salut, els continguts digitals o les interfícies persona-màquina.

Busquem projectes i casos d’ús reals que explorin el potencial dels models multimodals més enllà dels models de llenguatge, mostrant com s’han combinat diferents fonts de dades i quin valor aporten en aplicacions concretes.

MÉS ENLLÀ DELS MODELS DE LLENGUATGE (II): ELS MODELS DE L'ENTORN (WORLD MODELS)

Els world models o models de l’entorn representen una nova línia de desenvolupament en intel·ligència artificial orientada a construir representacions internes del món que permetin als sistemes d’IA anticipar, simular i prendre decisions en entorns complexos.

Aquests models, sovint vinculats a la robòtica, els sistemes autònoms, els bessons digitals o la simulació avançada, obren noves possibilitats per entrenar sistemes d’IA que interactuen amb el món físic o amb entorns simulats.

Busquem projectes i casos d’ús que explorin el desenvolupament o l’aplicació d’aquests world models en diferents sectors, mostrant com s’han utilitzat per millorar la percepció, la planificació o la presa de decisions de sistemes intel·ligents.

DELS MODELS D'IA ALS SISTEMES D'IA: AGENTS, MULTIAGENTS, ORQUESTRACIÓ

La IA està evolucionant des de models capaços d’analitzar dades per predir o prescriure, o de generar nous continguts, cap a sistemes d’IA més complexos formats per agents que interactuen entre ells, amb eines i amb entorns digitals.

Conceptes com els agents autònoms, els sistemes multiagent o l’orquestració de models obren noves possibilitats per construir aplicacions més adaptatives, capaces de planificar, coordinar accions i resoldre tasques complexes.

Busquem projectes i casos d’ús reals que explorin aquesta transició dels models cap als sistemes d’IA, incloent arquitectures basades en agents, entorns multiagent o orquestració de models.

MODELS D’IA VERTICALS SOBIRANS: ESPECIALITZACIÓ VS GENERALITZACIÓ

La IA ha estat marcada per l’aparició de grans models generalistes, però creix també l’interès pels models verticals especialitzats, entrenats per a dominis concrets i desenvolupats amb criteris de control, governança i sobirania tecnològica.

Aquests models poden oferir avantatges en termes de qualitat de les dades, adaptació al context, eficiència computacional i alineament amb requisits reguladors o lingüístics.

Busquem projectes i casos d’ús reals que explorin el desenvolupament o l’aplicació de models d’IA verticals i sobirans en diferents sectors així com iniciatives que analitzin el balanç entre models generalistes i models específics de domini.

LLMOps, O COM OPERAR LLMs A ESCALA EMPRESARIAL

L’adopció de grans models de llenguatge (LLM) en entorns empresarials planteja reptes rellevants més enllà del desenvolupament de prototips: observabilitat, governança, seguretat, control de costos o selecció i enrutat de models.

En aquest context, emergeix el concepte de LLMOps, que agrupa les pràctiques, eines i arquitectures necessàries per desplegar, monitoritzar i operar sistemes basats en LLM de manera fiable i escalable.

Aquesta sessió busca projectes i casos d’ús reals que mostrin com les organitzacions estan integrant LLM en processos de negoci, abordant qüestions com l’observabilitat i assignació dels models, l’optimització de costos d’inferència o la gestió de múltiples models en producció.

Busquem especialment iniciatives que expliquin com s’ha passat del prototip a la producció, quins reptes tècnics i organitzatius s’han afrontat i quin impacte real s’ha obtingut en termes de valor per al negoci.

ESPAIS DE DADES: DEL CONCEPTE A LA REALITAT

Els espais de dades s’han consolidat en els darrers anys com una de les iniciatives clau per facilitar el compartiment segur, governat i interoperable de dades entre organitzacions, sectors i territoris.

Tot i que el concepte ha generat grans expectatives, el repte actual és avançar del disseny conceptual cap a implementacions reals capaces de generar valor a partir de les dades compartides.

En aquesta sessió busquem projectes i casos d’ús reals que mostrin com s’estan desplegant espais de dades en diferents sectors, com la indústria, la mobilitat, la salut, l’energia, el sector públic o altres, i quin impacte real estan generant en termes d’innovació i creació de valor, i quin paper hi juga la IA ja sigui per explotar les dades compartides, desenvolupar nous serveis basats en dades o facilitar mecanismes d’anàlisi i presa de decisions.

DE L’ESCASSETAT DE DADES A LES DADES SINTÈTIQUES: PROJECTES I CASOS D’ÚS EN IA

Les dades sintètiques són una alternativa potent per superar limitacions d’accés a dades reals, protegir la privacitat i accelerar el desenvolupament de sistemes d’intel·ligència artificial.

Busquem projectes o casos d’ús reals de qualsevol sector que mostrin el valor de les dades sintètiques: com s’han generat, en quines condicions i com s’han utilitzat en l’entrenament, la validació o el desplegament de models i aplicacions d’IA.

ENTRENAR IA SENSE CENTRALITZAR DADES: EXPERIÈNCIES D’APRENENTATGE FEDERAT

L’aprenentatge federat està emergint com una aproximació clau per desenvolupar models d’intel·ligència artificial quan les dades no es poden centralitzar, ja sigui per motius de privacitat, regulació o governança.

Aquesta sessió busca identificar projectes i casos d’ús reals que demostrin el potencial de l’aprenentatge federat per entrenar models d’IA de manera col·laborativa mantenint les dades als seus orígens.

IA, REGULACIÓ I SOBIRANIA TECNOLÒGICA: CONSTRUINT ARQUITECTURES PER A SISTEMES AUDITABLES

Amb l’entrada en vigor en el context europeu de regulacions al voltant de la IA, és clau dissenyar sistemes d’IA que incorporin el compliment regulatori europeu des de l’arquitectura mateixa. Conceptes com AI governance, traçabilitat de dades i models (data lineage), observabilitat, explicabilitat, gestió del risc o supervisió humana són elements clau per garantir sistemes d’IA auditables i fiables.

En aquest context, emergeix també la qüestió de la sobirania tecnològica, incloent l’ús d’infraestructures i models desenvolupats a Europa.

Busquem projectes i casos d’ús reals que mostrin com s’estan dissenyant i desplegant arquitectures d’IA que facilitin el compliment regulador. Són d’especial interès iniciatives que il·lustrin aproximacions del concepte compliance by design, monitorització de models i mecanismes de governança algorítmica en entorns reals o iniciatives vinculades al concepte de sandbox regulatori.

DADES, MODELS I CLIMA: POT LA IA AJUDAR REALMENT A ENTENDRE EL CANVI CLIMÀTIC?

El canvi climàtic és un fenomen complex que requereix analitzar grans volums de dades ambientals i desenvolupar models capaços de descriure i anticipar processos a escala global i local. Darrerament la IA ha esdevingut una eina prometedora per complementar els models climàtics tradicionals, facilitant noves formes d’analitzar dades, identificar patrons i millorar la predicció de fenòmens climàtics.

Busquem projectes que mostrin com la IA s’està aplicant per comprendre millor el sistema climàtic, integrant diferents fonts de dades ambientals, millorant la modelització i predicció de processos relacionats amb el clima, i en la mesura del possible il·lustrar-ho amb casos reals.

MODELS DE RAONAMENT: CAP A UNA NOVA GENERACIÓ DE SISTEMES D’IA

L’aparició d’una nova generació de models orientats al raonament i la planificació, capaços d’afrontar problemes complexos mitjançant processos d’inferència més estructurats, marca un nou camí d’evolució de la IA. Models recents —com les sèries orientades al raonament o iniciatives obertes com DeepSeek R1— apunten cap a sistemes d’IA que poden descompondre tasques, explorar diferents camins de solució i millorar la qualitat de les respostes en problemes que requereixen múltiples passos de raonament.

Busquem projectes exemplificats amb casos d’ús reals que explorin el potencial dels models de raonament en entorns aplicats, ja sigui en àmbits com l’anàlisi de dades complexes, la planificació d’operacions, la presa de decisions o l’automatització de processos intel·ligents. Ens interessen especialment iniciatives que mostrin com aquests models s’integren en sistemes d’IA més amplis, quins avantatges ofereixen respecte als models generatius convencionals i quins reptes tècnics i operatius planteja el seu desplegament en entorns reals.

Procés de selecció de candidatures

01.

Presenta la teva proposta abans del 27 d'abril

El Call for Projects està adreçat a organitzacions que hagin desenvolupat o adoptat solucions innovadores basades en IA.
El període per presentar candidatures va finalitzar el dia 27 d’abril de 2026 a les 12h CET

02.

Quins projectes cerquem?

Casos d’èxit innovadors en els quals l’ús de tecnologies basades en IA juguin un paper central. Busquem projectes aplicats a qualsevol sector els resultats dels quals s’hagin validat en entorns operatius.

03.

Revisió de les candidatures

Un comitè d’experts i expertes del CIDAI revisarà totes les candidatures rebudes i seleccionarà les propostes que s’ajustin més a les temàtiques del congrés.

04.

Confirmació de participació

Durant el mes de maig de 2026, comunicarem quines candidatures han estat seleccionades per participar en el congrés.
Tant si has estat seleccionat/da com si no, t’enviarem un correu per comunicar-te els resultats. Molta sort!