Agents d'IA per a empreses: què són i quines tasques reals poden assumir

Un agent d’IA és un sistema en què un model de llenguatge decideix els passos que fa i les eines que utilitza per complir una tasca. No segueix un guió tancat: tria què consultar, què fer després i quan ha acabat.

Dada: Així ho planteja Anthropic en la seva guia tècnica sobre agents: els workflows són sistemes en què els models i les eines s’orquestren “a través de camins de codi predefinits”. Els agents, en canvi, són sistemes en què el model “dirigeix dinàmicament els seus propis processos i l’ús d’eines”. La diferència és qui decideix el pas següent.

Per a una pime industrial, la pregunta pràctica és una altra: quines tasques reals pot assumir un agent i quines no? Anem per parts.

Chatbot, automatització i agent

Són tres coses diferents i sovint es barregen.

• Chatbot. Respon preguntes. Conversa. No actua sobre els teus sistemes, tret que algú el connecti.
• Automatització. Executa passos fixos. Si arriba una factura, n’extreu els camps i els carrega. És previsible i barata de mantenir.
• Agent. Rep un objectiu i decideix com complir-lo. Consulta l’ERP, busca un document, compara dades, prepara una resposta i, si cal, demana confirmació a una persona.

Un mateix projecte pot combinar els tres. El chatbot és la interfície, l’automatització mou les dades, l’agent decideix què fer quan el cas no és l’habitual.

Quines tasques pot assumir en una pime industrial

Un agent serveix per a tasques amb diversos passos, amb informació repartida en llocs diferents i en què cada cas és una mica distint. Exemples del catàleg de casos d’ús que 77 Delta publica:

• Processos de back-office. Agents que executen processos administratius del client, amb registre de cada acció (audit log) per poder-los auditar.
• Consulta d’indicadors en llenguatge natural. Un agent que consulta les bases de dades operatives i retorna indicadors a qui pregunta, sense haver de demanar un informe a un altre departament.
• Consulta de normativa. Un agent conversacional que consulta el BOE i la normativa sectorial, distingeix la norma vigent de la derogada i cita els articles.
• Proves de programari. Agents de QA que generen tests, detecten regressions i validen patrons de seguretat sobre codi existent.

En tots, la feina repetitiva passa a l’agent i la decisió continua en una persona.

Què necessita un agent per ser fiable

Un agent actua. Per això necessita límits que un chatbot no necessita.

1. Traça de cada pas. Què ha consultat, què ha decidit i què ha fet. Sense traça no es pot auditar ni corregir.
2. Permisos mínims. Només accedeix als sistemes i dades que la tasca requereix. Si només ha de llegir, no pot escriure.
3. Persona al circuit. El dubtós, el car i l’irreversible ho confirma una persona.
4. Proves amb casos reals. Abans de posar-lo en marxa, es prova amb casos de l’últim període i es comparen resultats amb els d’una persona.
5. Una tasca clara. Un agent amb un objectiu concret i mesurable funciona millor que un que “ajuda amb tot”.

Si fas servir IA amb dades de clients o d’empleats, afegeix també la revisió de quines dades pot veure i on es guarden.

Quan no cal un agent

Compte: Anthropic ho diu sense embuts: convé buscar “la solució més simple possible” i augmentar la complexitat només quan cal. Això pot significar “no construir sistemes agèntics en absolut”.

Si els passos de la tasca són sempre els mateixos, n’hi ha prou amb una automatització. Si només necessites que un model llegeixi un text i n’extregui dades, una consulta ben feta al model amb la informació correcta sol bastar. Un agent compensa quan el camí canvia segons el cas.

Pregunta’t tres coses:

• Els passos són sempre els mateixos? Llavors, automatització.
• N’hi ha prou amb una resposta a partir d’uns documents? Llavors, un assistent sobre documentació.
• El camí depèn del cas i cal consultar diversos sistemes? Llavors, un agent.

Un exemple il·lustratiu del flux

Exemple: Aquest exemple és hipotètic, per entendre la mecànica. Un client escriu demanant l’estat d’una comanda i una modificació de la data de lliurament.

1. L’agent identifica el client i la comanda.
2. Consulta l’ERP: estat, data prevista, estoc.
3. Comprova si la data demanada és possible segons el pla de producció.
4. Redacta la resposta i proposa el canvi.
5. Com que modificar una data té conseqüències, demana confirmació a la persona responsable abans d’escriure a l’ERP.

Cada pas queda registrat. Si alguna cosa va malament, es veu en quin.

Riscos que convé conèixer

• Errors versemblants. Un model pot donar una resposta que sembla correcta i no ho és. Per això la persona confirma l’important i l’agent cita d’on treu les dades.
• Dependència de les dades. Si l’ERP està desactualitzat, l’agent treballa amb dades desactualitzades.
• Costos que creixen. Un agent que fa moltes voltes consumeix més. Es limita el nombre de passos i es mesura el cost per tasca.

Com començar

Tria una tasca amb diversos passos que avui faci una persona i que es repeteixi cada setmana. Descriu els passos tal com els fa aquesta persona, incloses les excepcions. Decideix quina part pot fer l’agent sol i quina part confirma la persona. Mesura les hores abans de començar.

Amb això es pot provar en petit, amb un període curt i una sola persona. Si funciona, s’amplia. Per ordenar les tasques candidates tens la guia per decidir què automatitzar primer, i per veure les àrees de l’empresa on aplicar IA, la guia d’IA a la pime industrial.

Si vols valorar amb nosaltres si una tasca de la teva empresa necessita un agent o alguna cosa més simple, reserva amb el botó de sota una reunió de 20 minuts.