Com els grans models de llenguatge estan redibuixant silenciosament la cadena de valor d'Internet — i què haurien de fer les empreses a continuació
La Aggregation Theory de Ben Thompson (Stratechery, 2015 i 2017) va explicar per què les empreses que controlen la demanda — Google, Facebook, Amazon — van acabar acumulant tot el poder un cop la web va fer la distribució gratuïta.¹ Avui, els grans models de llenguatge (LLMs) porten aquesta lògica un pas més enllà: fan que la producció de text genèric, imatges i fins i tot codi sigui pràcticament gratuïta. Aquest canvi obliga cada web, servei i marketplace a fer-se una pregunta directa:
Som un input fàcilment reemplaçable per a algú, o som l'endpoint insubstituïble al qual una IA necessita cridar?
1. De "el contingut és el rei" a "el contingut és context"
Durant un quart de segle, els motors de cerca van recompensar el volum. Publica un altre listicle de "10 millors CRMs", aconsegueix uns quants backlinks, compra anuncis de cerca o retargeting — i ja tenies negoci. Els LLMs trenquen aquest pacte. Quan ChatGPT, Gemini o Perplexity poden sintetitzar una resposta convincent sota demanda, el valor marginal d'un article més cau cap a zero.
Això no mata la informació; simplement desplaça el valor cap amunt, cap a actius que els models no poden al·lucinar ni reemplaçar fàcilment:
- Dades úniques i dinàmiques — ubicacions de trens en temps real, inventari d'hotels per hora, futurs de blat de demà.
- Relacions directes amb el client — reserves, logins, pagaments que el model no pot completar per si sol.
- Serveis físics o altament especialitzats — un dentista, un electricista, un restaurant amb tres estrelles Michelin.
Qualsevol altre intermediari corre el risc de ser absorbit per la caixa de respostes.
2. Quatre categories en un món de LLMs
Pensa en els negocis de la web com quatre categories aproximades. Les etiquetes són meves, però la lògica subjacent segueix el marc de Thompson.
Categoria
Rol davant dels LLMs
Exemples típics
Perfil de risc
A. Llocs de contingut estàtic
Alimenten els conjunts d'entrenament; les respostes se sintetitzen directament
Blogs genèrics de salut, explicacions evergreen
Extrem — el tràfic i els ingressos publicitaris decauen primer, els ingressos després
B. Hubs de dades i opinions
Proporcionen senyals frescos i rastrejables que els models no poden inferir
Capterra, Glassdoor, Reddit, puntuacions d'IMDb
Moderat — han de mantenir-se com els més frescos i fiables
C. Agregadors transaccionals
Complementen el model executant la reserva, compra o contractació
Booking.com, OpenTable, StubHub, apps del marketplace de Shopify
Manejable — la intenció es concentra; la competència s'intensifica
D. Productes i serveis finals
En última instància compleixen el job-to-be-done de l'usuari
Netflix, Figma, un quiropràctic local, un hotel boutique
Variable — els serveis físics són duradors; les utilitats digitals s'enfronten al risc de còpia (vegeu Stack Overflow)
La categoria D no és un port segur permanent. Stack Overflow és el producte — però Claude Code o l'autocompleció tipus Copilot li van erosionant la raó de ser. En canvi, un restaurant de barri s'enfronta a una pressió diferent: la IA pot redistribuir la demanda ("Reserva'm el bar de tapes millor valorat a menys de dos quilòmetres"), però un model de llenguatge no fregirà calamars de moment.
3. Una mini-història: quan el formulari de registre es muda a ChatGPT
Vercel — una empresa d'eines per a desenvolupadors adorada per la seva plataforma de hosting Next.js — va compartir recentment al seu blog que un de cada deu nous registres arriba directament des de les respostes de ChatGPT. Un deu per cent de nous usuaris arriba a través d'una interfície conversacional que no existia fa més de 18 mesos. Aquesta única dada captura la reordenació:
- La fase de recerca s'està comprimint dins del chatbox.
- El traspàs ja no passa per Google Search, sinó que anirà a través d'una crida MCP.
- El guanyador és el servei en què el model confia per complir la intenció.
Si una empresa tan tècnica com Vercel veu un 10% de conversions desviades cap a la capa d'IA tan ràpidament, qualsevol marca de consum, B2B o serveis locals hauria d'assumir que el seu funnel és el següent.
4. Per què la frescor supera la mera autoritat
El SEO clàssic venerava el PageRank. Les respostes dels LLMs premien la recència més estructura. Per això els commits de GitHub, els preus de vols en temps real o un fil de Reddit publicat fa trenta minuts apareixen a les respostes amb més freqüència que una entrada polsegosa de l'Encyclopaedia Britannica.
Aquesta és també la raó per la qual xAI s'està associant amb Telegram en un acord que sembla no tenir sentit. Els front-ends amb alt engagement tenen una gran demanda en el món dels LLMs. X és clau per a la informació en temps real, però té pocs usuaris.
Si les teves dades canvien, la capa de recuperació t'ha de consultar cada cop (de fet ho fan, revisa els teus arxius de log). Si no canvien mai — cites d'Aristòtil, la review de matalassos de l'any passat — s'absorbeixen un cop i s'obliden.
5. Estratègia, categoria per categoria
5.1 Editors de contingut estàtic
Deixa de produir píxels indiferenciats. Pivota cap a dades propietàries (enquestes originals, tests de laboratori, col·laboracions acadèmiques) i llicencia'ls o exposa'ls a través d'una API.
5.2 Hubs de dades i opinions
Monetitza el valor indirecte: les cites són els nous backlinks. Cobra als proveïdors per "salut de visibilitat en LLMs" fins i tot quan els clics d'enllaços blaus es redueixen. Afegeix eines interactives que els chatbots no poden replicar inline.
5.3 Agregadors transaccionals
Aprofundeix la complexitat de l'"última milla" — nivells de fidelització, assegurances complementàries, devolucions sense fricció. Negocia inventari o preus exclusius perquè l'assistent hagi de derivar cap a tu.
5.4 Productes i serveis finals
Instrumenta la percepció pública: documentació estructurada, changelogs, podcasts de thought-leadership i pàgines de Wikipedia són matèria primera per a les respostes. Ofereix MCPs oficials perquè els LLMs els consumeixin i així el teu servei sigui l'executor per defecte.
6. "Però nosaltres som el producte — segur que estem a salvo, oi?"
No necessàriament. Stack Overflow s'enfronta a una substitució existencial; Shutterstock combat Midjourney. El món físic és més segur però no immune — la compressió de preus arriba fins i tot quan el servei en si segueix sent irreemplaçable.
Pensa en el risc així:
- Risc de substitució per a utilitats purament digitals.
- Risc de marge per a proveïdors físics o especialitzats (restaurants, lampistes, arquitectes) a mesura que els assistents comparen preus en nom de l'usuari.
- Risc de distribució per a tothom — perquè el front-end s'ha mogut.
7. El canvi d'interfície: els models d'IA són el teu nou front-end
Fa uns anys, als congressos de SEO es deia: "Algun dia passarem totes les nostres dades estructurades directament al motor de cerca via Schema.org." Teníem raó a mitges. Sí estem lliurant dades a les màquines — però via scraping 24/7, no només amb JSON-ld net. Schema.org segueix ajudant, però el que realment importa és que el teu contingut sigui llegible, rastrejable i actualitzable per al LLM que ara rep l'usuari.
L'assistent és l'aparador; la teva pàgina és el magatzem.
Tracta cada paràgraf com una resposta d'API, cada actualització de preu com un feed, cada ressenya com una puntuació de reputació.
8. Checklist per al dilluns al matí
Això és el que pots fer a continuació:
- Obre el teu robots.txt al navegador — si veus Disallow: / per a GPTBot, CCBot o Anthropic-ai, corregeix-ho.
- Revisa els logs del teu servidor o dashboard buscant user-agents d'IA. Identifica límits de rate, errors i més.
- Assegura't que els XML sitemaps estiguin citats al teu robots.txt i que reflecteixin els canvis en qüestió d'hores.
- Passa les pàgines crítiques a renderitzat del costat del servidor (o generació estàtica). Sí, els bots d'IA no poden veure contingut renderitzat al client de moment.
- Fes una llista dels teus actius de dades propietàries ordenats per freqüència d'actualització; crea feeds per als tres primers.
- Crea i publica un MCP per a assistents. L'espai inicial encara importa.
- Segmenta el tràfic d'IA a analytics per poder demostrar el ROI d'aquests esforços.
Si vols aprofundir, pots llegir la meva guia completa sobre SEO per a chatbots d'IA.
Reflexió final
La història d'Internet és una d'abstracció imparable. Primer vam abstraure les impremtes, després els camions de repartiment, després els aparadors. Els grans models de llenguatge abstrauen l'última milla de l'atenció — l'acte mateix de llegir, buscar, comparar.
Si els usuaris cada cop més comencen (i de vegades acaben) els seus recorreguts dins d'un diàleg, la qualitat del teu marcatge schema és el mínim exigible. La supervivència depèn de si el model et necessita: dades úniques, execució de confiança o experiència al món real.
Tot la resta està en joc.
¹ Tot el crèdit per la terminologia i la idea original de l'Aggregation Theory per a Ben Thompson, Stratechery.