La cursa per la productivitat és real
Els agents d’IA estan passant del xat al treball. Els exemples més visibles es dirigeixen a fer que els usuaris individuals siguin més productius: agents per programar, agents que operen l’ordinador, agents de recerca i assistents que poden fer servir eines en nom d’una persona.
L’Codex d’OpenAI mostra una versió d’aquest futur per als equips de programari: un agent de programació basat al núvol que pot treballar en tasques en paral·lel, inspeccionar un repositori, proposar canvis i tornar resultats per a la revisió. L’agent de ChatGPT d’OpenAI apunta en la mateixa direcció per al treball de coneixement general, combinant navegació, recerca, ús d’eines i accions a l’ordinador en una sola experiència d’agents.
Anthropic ha impulsat una idea similar a través dels productes de Claude. Claude Code ha portat la codificació amb agents al terminal, mentre que l’orientació empresarial d’Anthropic ha posicionat cada cop més Claude com un col·laborador que pot treballar amb el context, documents i eines d’una empresa. Projectes d’accés obert per a l’ús de l’ordinador com OpenClaw apunten a la mateixa ambició subjacent: deixar que la IA operi l’ordinador de manera més efectiva, no només respongui preguntes.
Això és un progrés important. Els agents personals estalviaran temps. Ajudaran les persones a escriure, programar, investigar, resumir, analitzar i moure’s més ràpidament entre aplicacions. Però hi ha un límit a tractar la IA agentiva principalment com una capa de productivitat personal.
Per a les empreses, la qüestió no és només “com pot cada empleat utilitzar la IA?” La millor pregunta és “quin procés de negoci hauria d’ajudar la IA a executar, i com hauria l’empresa de controlar, mesurar i millorar aquest treball?”
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 a l’experimentació, però crea problemes quan la feina té importància per al negoci.
Primer, l’organització perd el control sobre els objectius. Un empleat pot demanar a un agent que prepari un informe, un altre pot demanar que actualitzi registres i un altre que redacti respostes a clients. Cada tasca pot ser raonable per si sola, però l’empresa té visibilitat limitada sobre si l’agent va seguir el procés correcte, va fer servir les dades adequades, va respectar les regles pertinents o va produir el resultat empresarial esperat.
Segon, l’observabilitat es fragmenta. L’empresa pot saber que els empleats fan servir IA, però no què va fer l’agent pas a pas. Quins documents es van utilitzar? Quins sistemes es van tocar? Quines suposicions es van fer? Quines sortides es van acceptar? Quins errors es van repetir entre equips? Sense rastres compartits i seguiment dels resultats, no hi ha una manera fiable de millorar el procés.
Tercer, els agents personals poden convertir la productivitat en temps d’espera. Un usuari delega una tasca i després mira la pantalla mentre l’agent s’executa. Això pot ser encara millor que fer tota la tasca manualment, però no és el mateix que un procés de negoci que s’executa en segon pla, gestiona casos rutinàries, escala les excepcions i informa dels resultats.
Quart, l’expertesa no es difon automàticament. Un usuari pot descobrir un bon prompt, un bon flux de treball o una millor manera de connectar un agent a un sistema. A menys que aquell patró es converteixi en infraestructura reutilitzable, romandrà coneixement local. L’organització obté bosses d’habilitat en IA en comptes d’una capacitat operativa compartida.
Els agents específics per aplicació resolen part del problema
Les plataformes de programari empresarial estan responent amb els seus propis sistemes d’agents. Agentforce de Salesforce és un bon exemple: ofereix a les empreses una manera de crear agents d’IA al voltant dels fluxos de dades de clients, vendes, servei, màrqueting, comerç i dades de Salesforce. Això importa perquè els agents necessiten accés al context empresarial, accions regides i registres de confiança.
Aquest tipus d’enfocament per plataforma és un veritable pas endavant respecte del prompting individual. Permet als equips definir temes, accions, salvaguardes, accés a dades i transicions dins d’un sistema empresarial existent. Per a organitzacions en què el procés és principalment dins de Salesforce, això pot ser molt potent.
La limitació és que la majoria de processos operatius no viuen dins d’un sol ecosistema. Un procés de facturació pot tocar Salesforce, fulls de càlcul, dades 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, registres clínics, regles de facturació, requisits de pagadors i revisions internes de qualitat. Un flux de treball regulatori pot implicar literatura pública, fitxers d’evidència interns, control de documents, registres d’enginyeria i pistes d’auditoria.
Si l’agent està massa lligat a una aplicació, pot automatitzar una part del procés deixant la resta del treball perquè les persones l’enganxin a mà.
El canvi: l’automatització amb IA és una qüestió de negoci
El canvi útil és deixar de pensar en els agents només com a eines de productivitat personal i començar a pensar-hi com a infraestructura de procés de negoci.
Això vol dir que l’empresa, no cada usuari individual, defineix el procés:
- Quin és l’input?
- Qui és el propietari del procés?
- Quins sistemes i fonts de coneixement estan aprovats?
- Què se li ha de permetre fer a l’agent?
- Quan cal que un humà revisi o aprovi?
- Quin és l’output esperat?
- Quines mètriques mostren que el procés ha millorat?
- Què hauria de passar quan l’agent està incert o equivocat?
Un cop respostes aquestes qüestions, l’agent passa a formar 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 a resultats reals.
Aquí és on l’adopció d’IA amb èxit comença a semblar menys una col·lecció de prompts enginyosos i més un disseny d’operacions.
Els processos necessiten inputs, outputs, controls i evidència
Un procés impulsat per IA hauria de ser dissenyat com qualsevol altre procés de producció.
Necessita inputs definits. L’agent ha de saber quins documents, registres, sistemes, formularis, tiquets, missatges o esdeveniments poden activar la feina.
Necessita outputs clars. Un agent útil no es limita a “ajudar”. Actualitza un registre, prepara un pressupost, crea un informe, classifica una sol·licitud, redirigeix un cas, redacta una resposta, programa un seguiment o genera evidència per a la revisió.
Necessita controls. L’accés s’ha d’acotar. Les dades sensibles s’han de tractar segons la política. Algunes accions haurien de requerir aprovació. Alguns fluxos de treball haurien d’executar-se només dins d’un entorn controlat pel client.
Necessita observabilitat. Els equips han de poder veure què va passar: la sol·licitud, el context recuperat, el model utilitzat, les eines cridades, la ruta de decisió, l’output final i el resultat empresarial.
I necessita un bucle de retroalimentació. Si l’agent falla, l’organització ha de poder identificar per què, arreglar el procés i mesurar si la correcció ha funcionat.
El veritable benefici és la capacitat compartida
La major oportunitat no és que una persona treballi més ràpid. És que una empresa pugui convertir treball repetit en una capacitat d’IA compartida.
Una bona implementació de procés ensenya l’organització. Captura el que funciona. Fa que els patrons exitosos siguin reutilitzables. Dona als gestors i 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.
Així també les empreses eviten la trampa de la productivitat. En lloc de demanar als empleats que esperin mentre els agents fan tasques aïllades, l’empresa pot moure el treball rutinari a una execució de fons gestionada. Les persones passen més temps revisant excepcions, millorant regles, prenent decisions i dissenyant millors processos.
Aquest és un model diferent de productivitat. No és “cada empleat té un ordinador més intel·ligent.” És “l’empresa construeix operacions més intel·ligents.”
On encaixa Guanta
Guanta es construeix al voltant d’aquest segon model.
Pensa-hi com una via empresarial per al moviment d’automatització agentiva i d’ús de l’ordinador: automatitza amb IA, però fes-ho amb seguretat, control i observabilitat a nivell d’organització.
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-ho i a executar-ho en producció.
L’objectiu no és reemplaçar les eines d’IA personals. Aquestes eines són útils i molts equips seguiran fent-les servir. L’objectiu és fer que la feina important sigui visible, reutilitzable, mesurable i governable.
Per a la IA empresarial, aquesta és la propera frontera. Els agents no només haurien de fer que els usuaris siguin més ràpids. Haurien d’ajudar les empreses a executar millors processos.