Introducció

Us presento una sèrie de tres articles sobre IA agèntica i fluxos de treball, que m’han servit per posar-me al dia sobre una de les evolucions més destacades, i també més comentades,  de la intel·ligència artificial actual. És una tecnologia que està avançant molt ràpidament i que, sens dubte, haurem d’anar observant durant els propers mesos per veure fins on arriba i com s’acaba integrant realment en l’àmbit professional.

En aquest debat hi conviuen dues visions. D’una banda, una part de la indústria de la IA aposta per sistemes cada vegada més autònoms, capaços d’executar processos complets amb una intervenció humana mínima (que depenguem més d’aquestes eines i empreses que les creen) . De l’altra, hi ha una visió més orientada a entendre aquests agents com una evolució de les eines actuals: sistemes pensats per assistir, automatitzar i augmentar les capacitats de les empreses i dels professionals, mantenint la supervisió i el criteri humà.

És una qüestió especialment interessant, que mereix una reflexió pròpia i que desenvoluparé amb més profunditat en un altre article.

Espero que aquesta sèrie us sigui útil i que us ajudi a entendre millor què són els agents d’IA, com funcionen els fluxos de treball agèntics i quines oportunitats —i també quins riscos— poden plantejar. Personalment, preparar aquests articles m’ha servit per ordenar conceptes, actualitzar coneixements i entendre millor cap a on pot evolucionar aquesta tecnologia.

Primera part: Què són els agents d’IA, en què es diferencien dels xatbots i quan té sentit utilitzar-los?

Primera part de la sèrie «IA agèntica: de la teoria a la pràctica»
Actualitzat: 25 d’agost de 2026

Durant els últims anys hem après a conversar amb la intel·ligència artificial. Hem passat de fer cerques tradicionals a demanar a ChatGPT, Gemini, Copilot o altres assistents que resumeixin documents, redactin textos, analitzin informació o ens ajudin a resoldre problemes.

Però el 2026 s’està consolidant un canvi més profund.

La pregunta ja no és només:

Què li podem preguntar a la IA?

Sinó:

Quines parts d’un procés de treball podem delegar a la IA?

Aquesta evolució ens porta als agents d’intel·ligència artificial i als fluxos de treball agèntics (agentic workflows).

Un sistema agèntic pot anar més enllà de generar una resposta: pot interpretar un objectiu, recuperar informació, seleccionar eines, executar diferents passos, comprovar resultats i, dins dels límits establerts, decidir quin és el pas següent.

L’Agència Espanyola de Protecció de Dades (AEPD) descriu la IA agèntica com a sistemes capaços no només de respondre preguntes, sinó també d’interactuar de manera autònoma per assolir objectius, accedint a informació del seu entorn digital i executant tasques complexes – Important: el pilar d’aquest canvi en la IA és que  treballa de forma autònoma. 

Això obre enormes possibilitats de productivitat i reptes, com ara en la seguretat..

Però també introdueix una nova qüestió: si la IA ja no només respon, sinó que també pot actuar, com controlem aquesta capacitat d’acció?

1. Automatització, assistent, workflow i agent: no són el mateix

El terme agent s’utilitza actualment amb molta facilitat. Però no tota automatització que incorpora IA és realment agèntica.

Podem distingir quatre models:

Aquesta distinció és important perquè no tot necessita un agent – aquesta frase es capdaval, està de moda aquesta tecnologia, però no tot necessita un flux agèntic. Un altre punt important, que la IA agèntica i flux de treball son mes costots economicament que la IA generativa, per tant, cal saber on podem treure més profit en els nostres tasques professionals. 

Si cada vegada que arriba una factura hem de guardar-la en una carpeta determinada, no necessitem que un model d’IA “raoni” què ha de fer.

Una regla convencional serà més ràpida, econòmica, predictible i fàcil d’auditar.

En canvi, si hem de determinar si un document correspon a una reclamació, una notificació, una demanda o un requeriment, interpretar-ne el contingut i decidir quin procés s’ha d’iniciar, la IA pot aportar valor.

La tendència més interessant no és substituir tota l’automatització tradicional per agents.

És combinar:

automatització determinista + IA quan realment cal interpretar o decidir.

Microsoft, per exemple, diferencia actualment els workflows deterministes —adequats per a processos repetibles— dels passos en què un agent aporta raonament, coneixement i ús d’eines.

2. Del prompt a l’objectiu

En un xat tradicional solem treballar així:

Prompt → Resposta

En un sistema agèntic el patró pot ser molt més ampli:

Objectiu → Context → Planificació → Eines → Acció → Verificació

Imaginem que un despatx rep una reclamació en PDF.

En lloc de demanar manualment:

«Resumeix aquest document.»

un flux podria:

1. detectar que ha arribat un nou document;
2. identificar-ne la tipologia;
3. extreure les parts;
4. identificar dates i terminis;
5. recuperar l’expedient relacionat;
6. consultar documentació autoritzada;
7. preparar una síntesi;
8. identificar informació que falta;
9. elaborar un esborrany;
10. presentar-lo al professional perquè el revisi.

Aquí la IA no s’utilitza simplement per produir text, s’utilitza per orquestrar una seqüència de treball.

3. Els sis components d’un sistema agèntic

Per entendre aquests sistemes, és útil separar-ne les principals peces.

3.1. Objectiu i instruccions

L’agent necessita saber:

• què ha de fer;
• què no ha de fer;
• quines fonts pot consultar;
• quines eines pot utilitzar;
• quan s’ha d’aturar;
• quan necessita intervenció humana.

Per exemple:

Analitza la documentació aportada, identifica els fets i terminis i prepara una proposta. Utilitza només les fonts autoritzades. No inventis normativa ni jurisprudència. Si no pots verificar una informació, indica-ho. No enviïs cap comunicació sense aprovació humana.

El prompt continua existint.

Però deixa de ser només una pregunta i passa a formar part de la política operativa de l’agent.

3.2. Context i coneixement

Un agent necessita accedir a informació fiable:

• documents interns;
• expedients;
• protocols;
• manuals;
• contractes;
• bases documentals;
• normativa;
• jurisprudència.

Aquí entra en joc el RAG (Retrieval-Augmented Generation), que permet recuperar informació rellevant abans de generar la resposta.

Però convé evitar una simplificació freqüent:

Utilitzar RAG no elimina les al·lucinacions.

El RAG proporciona context, però el model encara pot interpretar-lo incorrectament.

Per això és preferible combinar:

RAG + fonts identificables + verificació + supervisió.

3.3. Memòria

Podem diferenciar:

Memòria de treball: informació utilitzada durant l’execució actual.

Memòria persistent: informació que pot conservar-se entre execucions.

Base de coneixement: documents i dades que el sistema pot consultar.

La memòria pot ser extraordinàriament útil, però també cal controlar què es conserva, durant quant temps i qui hi pot accedir.

Aquest apart és fonamental,  aportar informació, memòria i base de coneixement determina uns bons resultats en qualsevol tasca que demanem a la IA. 

3.4. Eines

Aquí és on apareix una de les grans diferències respecte d’un xatbot.

Un agent pot disposar d’eines per:

• consultar correu;
• llegir documents;
• fer cerques;
• consultar bases de dades;
• crear tasques;
• generar documents;
• actualitzar sistemes;
• executar APIs.

Sense eines, la IA principalment respon.  Amb eines, pot actuar.

3.5. Orquestració

Si el procés té diversos passos, el sistema necessita gestionar:

• l’ordre d’execució;
• l’estat;
• els errors;
• els reintents;
• les bifurcacions;
• les condicions d’aturada.

No sempre cal que la IA decideixi tot el procés.

De fet, els sistemes més robustos acostumen a combinar parts rígides amb parts flexibles.

3.6. Supervisió humana

En entorns professionals és especialment important el concepte de:

Human-in-the-Loop

IA analitza

     ↓

IA proposa

     ↓

Professional revisa

     ↓

APROVAR · MODIFICAR · REBUTJAR

     ↓

Sistema executa

La IA pot tenir una gran capacitat d’anàlisi sense necessitat de disposar d’una autoritat equivalent per actuar. Aquesta distinció serà fonamental en els sistemes agèntics professionals – Recordeu!  la responsabilitat sempre serà del profesional de la IA. 

4. No comencis per l’eina: comença pel procés

Davant de totes aquestes possibilitats és temptador començar preguntant:

«Quin agent puc crear?»

Però la pregunta adequada és una altra:

Quin procés repetitiu ens consumeix temps i pot millorar-se?

Alguns bons primers candidats són:

• classificació documental;
• extracció de dades;
• triatge de correus;
• resum d’expedients;
• comparació de documents;
• preparació d’informes;
• generació d’esborranys.

Després cal separar el procés en parts.

Per exemple:

Arriba un document

        ↓

Guardar-lo                 → Automatització

        ↓

Identificar-ne el tipus    → IA

        ↓

Extreure les dates         → IA + validació

        ↓

Crear registre             → Automatització

        ↓

Preparar resum             → IA

        ↓

Revisió professional       → Humà

Aquesta arquitectura híbrida acostuma a ser més fiable que donar tot el procés a un únic agent.

5. Quanta autonomia necessita realment?

Podem imaginar diferents nivells:

0 │ IA informa

1 │ IA recomana

2 │ IA prepara

3 │ IA executa després d’una aprovació

4 │ IA executa dins de límits preautoritzats

5 │ IA actua amb un grau elevat d’autonomia

L’objectiu no hauria de ser arribar necessàriament al nivell 5.

En molts processos professionals, els nivells 2, 3 o 4 poden oferir un millor equilibri entre productivitat i control.

Especialment quan existeixen conseqüències:

• jurídiques;
• econòmiques;
• administratives;
• reputacionals.

La pregunta correcta, per tant, no és:

«Quanta autonomia podem donar a la IA?»

Sinó:

«Quanta autonomia necessita realment aquest procés?»