Agents d'IA a l'empresa: del pilot a producció el 2026

Durant dos anys, els “agents d’IA” van ser sobretot una demo. Una demo impressionant —un model capaç de cridar una eina, buscar a internet, escriure una mica de codi— però una demo. El 2026 això ha canviat. Els agents ja fan feina real dins d’empreses reals: classifiquen tiquets de suport, concilien factures, redacten contractes, vigilen sistemes i actuen segons el que troben.

La diferència entre una prova de concepte vistosa i alguna cosa en què un negoci pot confiar de debò no és el model. És tot el que envolta el model. I això és precisament el que la majoria d’equips subestima quan intenta portar un agent del pilot a producció.

Què és realment un agent d’IA

Un chatbot respon una pregunta. Un agent persegueix un objectiu. Davant d’una meta —“resol aquesta sol·licitud de devolució del client”— un agent pot dividir la tasca en passos, decidir quines eines fer servir, executar accions en diversos sistemes, comprovar si el resultat és correcte i tornar-ho a provar quan no ho és. Itera en bucle fins a complir l’objectiu o decidir que necessita una persona.

Aquest bucle és justament el punt clau. I també és on tot es complica, perquè un agent que pot actuar també pot actuar malament, de manera repetida i a velocitat de màquina. Un agent preparat per a producció no es defineix tant per la seva intel·ligència com per com de bé s’acoten les seves accions.

On estan aportant valor primer

En els desplegaments que funcionen, el patró es repeteix: els agents guanyen allà on la feina és de gran volum, plena de regles i feixuga per a les persones, però encara demana un criteri que un simple script no pot resoldre.

• Finances i back-office. Quadrar factures amb comandes, marcar anomalies, reclamar documents que falten. Un motor de regles falla en els casos límit; un agent els resol i passa a una persona els que són realment ambigus.
• Atenció al client. No només respondre preguntes, sinó resoldre-les —fer la devolució, actualitzar l’adreça, refer la comanda— actuant directament en els sistemes de l’empresa.
• Sistemes i operacions internes. Vigilar registres i panells, diagnosticar incidències habituals i, o bé resoldre-les, o bé deixar-les ben preparades perquè les agafi un tècnic.
• Vendes i prospecció. Completar les dades de clients potencials, resumir comptes, preparar un resum abans d’una trucada.

Res d’això és ciència-ficció. Són les capes avorrides i repetitives d’un negoci —i per això automatitzar-les surt a compte. Si vols identificar quins dels teus processos estan a punt per a un agent, aquest diagnòstic és el nucli de com abordem l’automatització de processos.

Per què els pilots s’encallen abans de producció

La majoria de pilots d’agents fan molt de goig a la demo i després moren en silenci. Els motius són previsibles:

Sense accés a sistemes reals. Un pilot que funciona amb captures de pantalla i text copiat no és un agent: és un chatbot amb passos extra. El valor real exigeix que l’agent llegeixi i escrigui a les teves eines de debò: el teu CRM, el teu ERP, el teu sistema de tiquets. Connectar tot això de manera segura és un problema d’integració, i acostuma a ser la part difícil. Per això tractem les integracions d’IA com a enginyeria, no com a retoc de prompts.

Sense barreres de seguretat. En una demo, una acció equivocada fa riure. En producció és una devolució mal feta o un registre esborrat. Els agents necessiten límits de permisos, topalls de despesa, passos d’aprovació per a accions crítiques i un registre auditable de tot el que han fet.

Sense observabilitat. Quan un agent pren una mala decisió, necessites veure exactament per què: quines entrades, quines crides a eines, quin raonament. Els equips que se salten els registres i la traçabilitat no poden depurar els seus agents, i per això no hi confien mai prou per ampliar-ne l’ús.

Sense un traspàs clar. Els millors agents saben el que no saben. Un agent en producció ha de saber passar el cas a una persona, amb tot el context, en lloc d’endevinar com si n’estigués segur.

Com portar un agent a producció

Els equips que se’n surten ho tracten com un projecte d’enginyeria normal amb un component poc habitual, no com un truc de màgia.

1. Comença per un únic flux, estret i valuós. No “automatitzar suport”, sinó “automatitzar devolucions de menys de 50 € de comandes enviades els darrers 30 dies”. Un abast estret dona criteris d’èxit clars i risc acotat.
2. Dona-li accés real però limitat. Connecta els sistemes que necessita, en només lectura primer quan sigui possible, i afegeix escriptura de manera deliberada.
3. Mantén una persona al bucle — i retira-la a poc a poc. Posa l’agent en mode “suggerir” primer. Quan els seus suggeriments siguin fiables, deixa’l actuar sol en els casos de poc risc i que passi la resta a una persona.
4. Mesura sense descans. Taxa de resolució, taxa d’error, casos derivats a una persona i temps estalviat. Aquestes xifres són les que et donen dret a ampliar l’abast.
5. Amplia amb cap. Afegeix fluxos adjacents d’un en un, reutilitzant la mateixa base d’integració i de barreres de seguretat.

Aquesta és la diferència entre un agent que automatitza una sola tasca i una plataforma que va acumulant valor. Això darrer és el que construïm dins la nostra feina d’automatització amb IA: la infraestructura avorrida que fa que la part espavilada sigui segura.

Què podem esperar l’any vinent

Convé planificar tres canvis. Primer, l’accés estandarditzat a eines (protocols com MCP) està facilitant molt connectar agents a sistemes sense haver de programar una connexió a mida per a cada integració. Segon, els sistemes multiagent —agents especialitzats que es passen feina entre ells— passen de la recerca a la producció en fluxos complexos. Tercer, la governança s’està posant al dia: a mesura que els agents fan accions de més pes, les capes d’auditoria, permisos i compliment normatiu esdevenen imprescindibles, sobretot en sectors regulats.

Les empreses que s’avancen no són les que tenen els models més avançats. Gairebé tothom té accés a models semblants. Són les que han fet la feina poc lluïda de connectar agents als seus sistemes amb seguretat, acotar el que poden fer i mesurar si de debò ajuden.

Aquesta feina és perfectament abordable el 2026 —i com més aviat es comença, més aviat s’acumula el que s’aprèn.

---

Rumies on un agent d’IA podria estalviar feina real al teu equip? Contacta amb nosaltres i t’ajudem a trobar el punt de partida de més valor.