![\"\"](\"https:\/\/www.thenetrevenue.com\/wp-content\/uploads\/2026\/05\/Tabla-valores-tokens.jpg\")
<\/p>\n<\/p>\n
Hi ha un concepte que comen\u00e7a a prendre forma en la ind\u00fastria hotelera: el language tax \u2014 un \u00abimpost silenci\u00f3s\u00bb que es paga cada vegada que s\u2019interactua amb un LLM (un gran model de llenguatge capa\u00e7 d\u2019entendre i generar llenguatge hum\u00e0 a gran escala) en una llengua que no \u00e9s l\u2019angl\u00e8s. I no es tracta d\u2019una idea te\u00f2rica ni anecd\u00f2tica. \u00c9s un cost real i mesurable, que s\u2019acumula mes rere mes per als equips que ja han integrat la IA en les seves operacions quotidianes.<\/p>\n
Els grans models de llenguatge \u2014 GPT, Claude, Gemini, Llama \u2014 processen el text mitjan\u00e7ant tokenitzadors. Aquests tokenitzadors fragmenten les paraules en unitats m\u00e9s petites abans del processament. El problema \u00e9s que s\u2019han entrenat majorit\u00e0riament amb textos en angl\u00e8s, cosa que els fa clarament m\u00e9s eficients en aquesta llengua. Quan s\u2019escriu en castell\u00e0, en franc\u00e8s o en alemany, el model necessita m\u00e9s tokens per processar exactament el mateix contingut. M\u00e9s tokens equivalen a un cost m\u00e9s elevat.<\/p>\n
<\/p>\n
<\/p>\n
D\u2019entre tots els prove\u00efdors analitzats, el que presenta el pitjor r\u00e0tio d\u2019efici\u00e8ncia ling\u00fc\u00edstica \u00e9s Anthropic amb el seu model Claude, amb un multiplicador mitj\u00e0 de 2,07x per al castell\u00e0 en comparaci\u00f3 amb l\u2019angl\u00e8s. Tradu\u00eft a la pr\u00e0ctica: si escrius a Claude en castell\u00e0, est\u00e0s pagant \u2014de mitjana\u2014 m\u00e9s del doble en tokens que si li adrecis exactament el mateix contingut en angl\u00e8s.<\/p>\n
Per a un equip que utilitza Claude de manera ocasional, l\u2019impacte \u00e9s irrellevant. Per\u00f2 per a un departament de revenue management o de m\u00e0rqueting que treballa di\u00e0riament amb IA \u2014interpretant informes de pick-up, generant respostes a ressenyes, automatitzant comunicacions amb les OTA o analitzant dades de demanda\u2014, aquest multiplicador es converteix en una partida de cost que ning\u00fa ha aprovat en pressupost i que molt pocs han detectat.<\/p>\n
<\/p>\n
La resposta curta \u00e9s: dep\u00e8n de qu\u00e8 estiguis optimitzant. Si el projecte \u00e9s en llengua castellana \u2014l\u2019equip treballa en castell\u00e0, la documentaci\u00f3 \u00e9s en castell\u00e0 i el resultat final \u00e9s en castell\u00e0\u2014, canviar a l\u2019angl\u00e8s per estalviar tokens introdueix friccions reals: m\u00e9s risc d\u2019errors de traducci\u00f3, p\u00e8rdua de context i revisions addicionals. Aquest cost operatiu pot superar perfectament l\u2019estalvi en tokens.<\/p>\n
El language tax \u00e9s un cost rellevant principalment quan el volum d\u2019\u00fas \u00e9s molt elevat i l\u2019angl\u00e8s \u00e9s viable com a llengua de treball. Per a la majoria d\u2019equips hotelers a Espanya, no ho \u00e9s. El que realment val la pena \u00e9s con\u00e8ixer aquest cost abans de decidir, no necess\u00e0riament canviar a l\u2019angl\u00e8s. La conclusi\u00f3 pr\u00e0ctica no \u00e9s \u201cescriu-li en angl\u00e8s\u201d, sin\u00f3 \u201ctria el prove\u00efdor i el model amb criteri, sabent quant et costa cada un en la teva llengua\u201d.<\/p>\n
<\/p>\n
![\"\"](\"https:\/\/www.thenetrevenue.com\/wp-content\/uploads\/2026\/05\/modelos-ia.jpg\")
<\/p>\n
<\/p>\n
Els equips de revenue i de m\u00e0rqueting han estat durant anys els early adopters de la tecnologia dins del sector hoteler. Els equips de revenue van ser els primers a integrar solucions de RMS, els primers a connectar els PMS amb eines de tarifaci\u00f3 din\u00e0mica, i avui es troben entre els primers a incorporar fluxos de treball basats en IA generativa. Per la seva banda, els departaments de m\u00e0rqueting i e\u2011commerce van ser els primers a integrar les xarxes socials en l\u2019estrat\u00e8gia hotelera, a crear i gestionar webs mitjan\u00e7ant CMS, a treballar amb eines d\u2019automatitzaci\u00f3 de campanyes i de segmentaci\u00f3 d\u2019audi\u00e8ncies, i actualment lideren la personalitzaci\u00f3 de l\u2019experi\u00e8ncia digital del client, fins i tot abans que arribi a recepci\u00f3.<\/p>\n
Per\u00f2 en aquesta onada d\u2019adopci\u00f3, hi ha una variable que gaireb\u00e9 mai no s\u2019analitza: la llengua amb qu\u00e8 ens adrecem a la m\u00e0quina. Un revenue manager a Espanya que cada mat\u00ed demana a Claude que interpreti l\u2019informe de demanda, que proposi ajustos tarifaris, que redacti una resposta a una ressenya negativa a Booking i que generi un resum executiu per al comit\u00e8 de direcci\u00f3 consumeix tokens a un ritme molt superior al del seu hom\u00f2leg angl\u00f2fon que fa exactament la mateixa feina. I aix\u00f2 t\u00e9 un cost que, si esdev\u00e9 massa elevat, pot acabar limitant l\u2019\u00fas de l\u2019eina a causa d\u2019un increment pressupostari inesperat.<\/p>\n
Un escenari concret: imaginem un equip de revenue que fa 50 interaccions di\u00e0ries amb una IA. Si cada interacci\u00f3 en castell\u00e0 consumeix, de mitjana, 300 tokens m\u00e9s que en angl\u00e8s, aix\u00f2 representa 15.000 tokens addicionals al dia. En un mes, 450.000 tokens extres. En un any, m\u00e9s de 5 milions de tokens que no existirien si la mateixa feina es fes en angl\u00e8s. Als preus actuals dels principals prove\u00efdors, aquest volum pot suposar centenars, fins i tot milers d\u2019euros l\u2019any. Un cost que no apareix en cap compte de resultats (P&L), per\u00f2 que existeix \u2014i que pot ser dif\u00edcil de justificar davant d\u2019una direcci\u00f3 poc receptiva a les tecnologies m\u00e9s recents del mercat.<\/p>\n
<\/p>\n
La bretxa es redueix, i els models de nova generaci\u00f3 mostren millores clares en l\u2019efici\u00e8ncia multiling\u00fce. Alguns prove\u00efdors fins i tot han convertit la paritat ling\u00fc\u00edstica en una prioritat t\u00e8cnica expl\u00edcita. A m\u00e9s, ja existeixen estrat\u00e8gies concretes per limitar-ne l\u2019impacte: redactar els prompts en angl\u00e8s quan el lliurable final tamb\u00e9 pot ser-ho, utilitzar models biling\u00fces per a les interaccions m\u00e9s recurrents, avaluar quin prove\u00efdor ofereix el millor r\u00e0tio d\u2019efici\u00e8ncia per a la llengua de treball del teu equip i \u2014sobretot\u2014 mesurar. Molt pocs equips disposen d\u2019una visibilitat real sobre el consum de tokens per tasca. Aconseguir-la \u00e9s el primer pas cap a l\u2019optimitzaci\u00f3.<\/p>\n
En Revenue Management, estem acostumats a optimitzar cada variable: el preu, el canal, el segment, el timing. Per\u00f2 poques vegades analitzem el cost de les eines amb el mateix nivell de detall que el cost d\u2019adquisici\u00f3 del client. El language tax \u00e9s un recordatori que la IA no \u00e9s neutral i que cada decisi\u00f3 d\u2019implementaci\u00f3 \u2014quin model, en quina llengua, per a quina tasca\u2014 t\u00e9 un cost associat. Con\u00e8ixer aquest cost forma part de l\u2019ofici, perqu\u00e8 en revenue cada euro compta, inclosos els que es gasten en tokens.<\/p>\n
<\/p>\n","protected":false},"excerpt":{"rendered":"
Hi ha un concepte que comen\u00e7a a prendre forma en la ind\u00fastria hotelera: el language tax \u2014 un \u00abimpost silenci\u00f3s\u00bb que es paga cada vegada que s\u2019interactua amb un LLM (un gran model de llenguatge capa\u00e7 d\u2019entendre i generar llenguatge hum\u00e0 a gran…<\/p>\n","protected":false},"author":1,"featured_media":8372,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[63],"tags":[166,126,180],"class_list":["post-8501","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-marqueting","tag-inteligencia-artificial","tag-marketing","tag-tokens"],"yoast_head":"\n