La cursa per la productivitat és real
Els agents d’IA estan passant del xat a la feina. Els exemples més visibles tenen com a objectiu fer que els usuaris individuals siguin més productius: agents de programació, agents d’ús de l’ordinador, agents de recerca i assistents que poden utilitzar eines en nom d’una persona.
El Codex d’OpenAI mostra una versió d’aquest futur per als equips de programari: un agent de programació basat en el núvol que pot treballar en tasques en paral·lel, inspeccionar un repositori, proposar canvis i retornar resultats per revisar. L’agent de ChatGPT d’OpenAI apunta en la mateixa direcció per al treball general basat en el coneixement, combinant navegació, recerca, ús d’eines i accions a l’ordinador en una única experiència agèntica.
Anthropic ha impulsat una idea similar amb els productes de treball de Claude. Claude Code va portar la programació agèntica al terminal, mentre que l’orientació empresarial d’Anthropic ha posicionat cada vegada més Claude com un col·laborador que pot treballar amb el context, els documents i les eines de l’empresa. Els projectes de codi obert d’ús de l’ordinador, com OpenClaw, apunten a la mateixa ambició subjacent: permetre que la IA operi l’ordinador de manera més eficaç, no només que respongui preguntes.
Això representa un progrés important. Els agents personals estalviaran temps. Ajudaran les persones a escriure, programar, investigar, resumir, analitzar i avançar més ràpidament entre aplicacions. Però hi ha un límit a l’hora de tractar la IA agèntica principalment com una capa de productivitat personal.
Per a les empreses, la pregunta no és només «com pot utilitzar la IA cada empleat?». La pregunta més útil és «quins processos empresarials hauria d’ajudar a executar la IA, i com hauria de controlar, mesurar i millorar aquesta feina l’empresa?».
Els agents personals creen punts cecs organitzatius
Quan els agents viuen principalment al nivell de l’usuari, cada persona es converteix en una petita illa d’automatització. Això pot ser útil per experimentar, però crea problemes quan la feina és important per al negoci.
En primer lloc, l’organització perd el control sobre els objectius. Un empleat pot demanar a un agent que prepari un informe, un altre pot demanar-li que actualitzi registres i un altre pot demanar-li que redacti respostes per als clients. Cada tasca pot ser raonable per si mateixa, però l’empresa té una visibilitat limitada sobre si l’agent ha seguit el procés correcte, ha utilitzat les dades adequades, ha respectat les normes corresponents o ha produït el resultat empresarial esperat.
En segon lloc, l’observabilitat es fragmenta. L’empresa pot saber que els empleats utilitzen IA, però no què han fet els agents pas a pas. Quins documents s’han utilitzat? Quins sistemes s’han consultat? Quines assumpcions s’han fet? Quins resultats s’han acceptat? Quins errors s’han repetit entre equips? Sense traces compartides i seguiment dels resultats, no hi ha cap manera fiable de millorar el procés.
En tercer lloc, els agents personals poden convertir la productivitat en temps d’espera. Un usuari delega una tasca i després mira la pantalla mentre l’agent treballa. Això pot continuar sent millor que fer tota la tasca manualment, però no és el mateix que un procés empresarial que s’executa en segon pla, gestiona els casos rutinaris, escala les excepcions i informa dels resultats.
En quart lloc, l’expertesa no es difon automàticament. Un usuari pot descobrir un bon prompt, un flux de treball eficaç o una manera millor de connectar un agent a un sistema. Si aquest patró no es converteix en infraestructura reutilitzable, continua sent coneixement local. L’organització obté illes d’habilitat en IA en lloc d’una capacitat operativa compartida.
Els agents específics de cada aplicació resolen part del problema
Les plataformes de programari empresarial estan responent amb els seus propis sistemes d’agents. Agentforce de Salesforce n’és un exemple sòlid: ofereix a les empreses una manera de crear agents d’IA al voltant dels fluxos de treball de clients, vendes, servei, màrqueting, comerç i dades de Salesforce. Això és important perquè els agents necessiten accedir al context empresarial, executar accions governades i treballar amb registres fiables.
Aquest enfocament de plataforma és un pas real més enllà dels prompts individuals. Permet als equips definir temes, accions, salvaguardes, accés a les dades i transferències dins d’un sistema empresarial existent. Per a les organitzacions que concentren la major part dels seus processos a Salesforce, pot ser molt potent.
La limitació és que la majoria dels processos operatius no viuen dins d’un únic ecosistema. Un procés d’ingressos pot incloure Salesforce, fulls de càlcul, dades de l’ERP, eines d’aprovació internes, correu electrònic, contractes i una base de dades financera. Un flux de treball hospitalari pot implicar sistemes de comunicació amb pacients, historials clínics, normes de facturació, requisits dels pagadors i revisions internes de qualitat. Un flux de treball normatiu pot incloure literatura pública, fitxers interns d’evidències, control documental, registres d’enginyeria i pistes d’auditoria.
Si l’agent està massa lligat a una aplicació, pot automatitzar una part del procés mentre deixa que siguin les persones qui connectin la resta de la feina.
El canvi: l’automatització amb IA és una qüestió empresarial
El canvi útil consisteix a deixar de pensar en els agents només com a eines de productivitat dels usuaris i començar a considerar-los infraestructura dels processos empresarials.
Això vol dir que és l’empresa, i no cada usuari individual, qui defineix el procés:
- Quina és l’entrada?
- Qui és el responsable del procés?
- Quins sistemes i fonts de coneixement estan aprovats?
- Què ha de poder fer l’agent?
- Quan cal que una persona revisi o aprovi?
- Quin és el resultat esperat?
- Quines mètriques mostren que el procés ha millorat?
- Què ha de passar quan l’agent no està segur o s’equivoca?
Un cop respostes aquestes preguntes, l’agent es converteix en part d’un flux de treball gestionat. Encara pot ajudar les persones, però el seu valor ja no es limita a la pantalla d’una sola persona. L’empresa el pot reutilitzar, supervisar, millorar i connectar amb resultats reals.
És aquí on l’adopció reeixida de la IA comença a assemblar-se menys a una col·lecció de prompts enginyosos i més al disseny d’operacions.
Els processos necessiten entrades, sortides, controls i evidències
Un procés basat en IA s’hauria de dissenyar com qualsevol altre procés de producció.
Necessita entrades definides. L’agent ha de saber quins documents, registres, sistemes, formularis, tiquets, missatges o esdeveniments poden activar la feina.
Necessita sortides clares. Un agent útil no es limita a «ajudar». Actualitza un registre, prepara una oferta, crea un informe, classifica una sol·licitud, assigna un cas, redacta una resposta, programa un seguiment o produeix evidències per revisar.
Necessita controls. L’accés ha d’estar limitat segons l’abast necessari. Les dades sensibles s’han de gestionar d’acord amb la política corresponent. Algunes accions haurien de requerir aprovació. Alguns fluxos de treball només s’haurien d’executar dins d’un entorn controlat pel client.
Necessita observabilitat. Els equips han de poder veure què ha passat: la sol·licitud, el context recuperat, el model utilitzat, les eines invocades, el recorregut de decisions, el resultat final i el resultat empresarial.
I necessita un bucle de retroalimentació. Si l’agent falla, l’organització ha de poder identificar-ne el motiu, corregir el procés i mesurar si la correcció ha funcionat.
El guany real és la capacitat compartida
La principal oportunitat no és que una persona pugui treballar més ràpid. És que una empresa pugui convertir la feina repetitiva en una capacitat d’IA compartida.
Una bona implementació de processos ensenya a l’organització. Captura allò que funciona. Fa que els patrons reeixits siguin reutilitzables. Ofereix als responsables i als operadors una manera d’entendre el rendiment. Redueix la dependència dels prompts privats o de la sessió del navegador d’una sola persona. Permet a un equip millorar el procés sense haver de començar de zero cada vegada.
Aquesta és també la manera com les empreses eviten el parany de la productivitat. En lloc de demanar als empleats que esperin mentre els agents executen tasques aïllades, l’empresa pot traslladar la feina rutinària a una execució gestionada en segon pla. Les persones dediquen més temps a revisar excepcions, millorar les regles, prendre decisions i dissenyar processos millors.
És un model de productivitat diferent. No és «cada empleat té un ordinador més intel·ligent». És «l’empresa construeix operacions més intel·ligents».
On encaixa Guanta
Guanta està construïda al voltant d’aquest segon model.
Pensa-hi com una via empresarial per al moviment de l’ús de l’ordinador i l’automatització agèntica: automatitzar amb IA, però fer-ho amb seguretat, control i observabilitat a escala organitzativa.
Guanta ajuda els equips a crear agents connectats al coneixement, els sistemes i els fluxos de treball de l’empresa. Quan un procés necessita aplicacions personalitzades, integracions, dades estructurades, execució programada o desplegament en un entorn controlat, Guanta ajuda a construir-lo i executar-lo en producció.
L’objectiu no és substituir les eines personals d’IA. Aquestes eines són útils i molts equips continuaran utilitzant-les. L’objectiu és fer que la feina important sigui visible, reutilitzable, mesurable i governable.
Per a la IA empresarial, aquest és el pròxim horitzó. Els agents no només haurien de fer que els usuaris fossin més ràpids. També haurien d’ajudar les empreses a executar processos millors.