Com treballo amb agents d’IA

El punt de partida

Tot va començar amb una necessitat molt concreta: anar més enllà de les eines d'IA que ja feia servir i integrar-les de veritat en la meva manera de treballar.

Feia anys que usava eines com ChatGPT per resoldre dubtes puntuals o GitHub Copilot per autocompletar codi. Funcionaven bé per al que estaven pensades, però jo buscava una altra cosa: un assistent que conegués la meva manera de treballar, els projectes que tinc entre mans, les eines que faig servir i fins i tot el to amb què parlo amb un client.

No vull un chatbot amb qui xerrar. Vull un sistema que treballi amb mi cada dia.

El que hi ha ara

Avui tinc dos agents d'IA (programes que fan feina amb un cert marge d'autonomia) operatius: Lupe i Gizmo, cada un en un ordinador diferent. Tots dos estan connectats a un canal compartit, el Team Hub, on es poden parlar entre ells i amb mi.

Cadascun té accés a eines reals: terminal (la línia de comandes de l'ordinador), navegador, repositoris (els magatzems de codi dels projectes), gestió del correu i l'API del portafolis (la via per llegir-ne i escriure'n dades des de fora) que fa servir la meva web personal.

Lupe es centra en la part editorial i de gestió: redactar i revisar continguts, preparar fitxes de projectes, triar correus, organitzar informació i coordinar tasques.

Gizmo assumeix el rol més tècnic: treballa amb codi, repositoris, servidors i tot el que toca desenvolupament i sistemes. Els desplegaments (publicar canvis al servidor real), però, continuen sent responsabilitat meva.

Quan una tasca afecta diverses àrees, Lupe i Gizmo es coordinen pel canal compartit, cada un aportant el context i les eines pròpies del seu rol.

Què delego i què no

Una de les primeres coses que vaig aprendre és que no tot s'ha de delegar a un agent. Hi ha feina que encaixa molt bé en aquest tipus de sistema, i feina que encara necessita criteri i supervisió humana.

Funcionen especialment bé les tasques amb instruccions clares i resultat verificable. Per exemple: revisar una llista de correus i classificar-ne la brossa, actualitzar el contingut d'un projecte del portafolis a partir d'un text que jo he aprovat, o comprovar que un servidor respon correctament.

En aquests casos l'agent segueix un flux definit i jo puc comprovar el resultat abans que l'acció tingui conseqüències importants.

La cosa es complica quan el context és llarg o ambigu. Un agent no té la memòria ni la comprensió acumulada d'una persona. Si una tasca demana entendre mesos de context, o parteix d'una instrucció massa oberta del tipus «millora això», el resultat acostuma a quedar-se superficial.

També hi ha límits a les decisions creatives. Els textos generats necessiten revisió abans de publicar-se i, quan treballo en català, l'ortografia i certes expressions encara demanen atenció especial.

El model de confiança

Una de les parts més importants del sistema ha estat definir fins on pot arribar cada agent i quines accions necessiten la meva aprovació.

Cap agent actua directament sobre producció sense supervisió. Funcionen una mica com un gos guardià: poden patrullar sols, però no obren la porta a ningú. Qualsevol acció que toqui un servidor en producció, enviï un correu a un client o publiqui contingut a la web passa per una revisió abans d'executar-se.

El sistema funciona per capes de confiança.

Hi ha tasques que els agents fan sols: llegir informació, classificar correus, consultar dades o generar llistats.

N'hi ha d'altres que poden preparar o executar, però que necessiten la meva aprovació: actualitzar contingut, generar imatges o crear esborranys.

I finalment hi ha accions on l'agent només prepara la informació o proposa els passos, i la decisió final és meva: enviar correus, fer desplegaments, modificar producció o aplicar canvis importants de configuració.

Pot semblar un procés més lent, però a la pràctica passa el contrari. L'agent prepara la feina, jo reviso el resultat, i el temps total és molt menor que si ho hagués de fer tot a mà.

Entre agents

Una de les parts més interessants del sistema és la comunicació entre Lupe i Gizmo.

No són dues eines aïllades ni el mateix agent amb dos noms. Són dues instàncies independents, cadascuna amb la seva sessió, la seva memòria, les seves eines i accés a ordinadors diferents.

El Team Hub fa de punt de trobada. Per aquest canal es poden compartir context, demanar-se ajuda, partir una tasca o aportar mirades diferents davant del mateix problema.

Si una tasca editorial necessita una acció tècnica, Lupe demana la intervenció de Gizmo pel canal compartit. I a l'inrevés: Gizmo consulta Lupe quan necessita context sobre continguts, projectes o gestió. Un exemple d'aquesta manera de treballar, amb tot el que es pot torçar en un dia intens, és El dissabte més dens: editor, ingesta i un DNS que es va apagar.

Cada agent manté el seu rol, però pot recórrer a l'altre quan la tasca ho demana. Així la col·laboració no depèn d'un únic agent que vulgui fer-ho tot, sinó de diferents agents especialitzats dins d'un mateix sistema.

El que vindrà

Crec que d'aquí a uns anys tenir agents d'IA integrats al flux de treball serà tan normal com fer servir avui un editor de codi, un sistema de control de versions o eines d'automatització.

Per això el meu objectiu no és simplement fer servir les eines que van sortint, sinó entendre com integrar-les, definir-ne els límits i aprendre en quines situacions aporten valor real.

Si una cosa he après en aquest procés és que el valor d'un agent d'IA no depèn només del model que fa servir. Depèn del context que té, de les eines a què pot accedir, dels límits que li poses i de com s'integra al flux de treball.

La diferència no és tenir una IA que respongui preguntes, sinó construir un sistema on la IA pugui participar de manera útil, controlada i verificable en la feina diària.