El mànager d'agents d'IA: què és, quina funció compleix i per què serà clau a empreses, startups i pimes

Durant anys, una part decisiva de l'avantatge empresarial ha estat la qualitat del management: saber dirigir equips, ordenar prioritats, assignar recursos, resoldre bloquejos i convertir capacitat en resultats. Aquesta funció no desapareix amb la intel·ligència artificial. Canvia de terreny.

El canvi no és que els directius hagin d'aprendre una altra eina. El canvi és més profund: una part creixent de la feina comença a ser executada per sistemes no humans capaços d'investigar, analitzar, classificar, redactar, programar, dissenyar, preparar escenaris, activar fluxos o assistir-hi decisions.

Quan això passa, l'empresa ja no pot tractar la IA com a suma d'utilitats individuals. Si els agents produeixen treball real, algú ha de decidir què fan, amb quines dades treballen, quins límits tenen, quins outputs poden generar, qui els valida i quines decisions poden condicionar o no.

Aquest article no tracta sobre aprendre prompts, comprar programari o seguir la darrera tendència tecnològica. Tracta sobre una nova competència directiva: governar sistemes híbrids de persones, agents, eines, processos, dades i responsabilitats.

La capacitat tècnica habilita. Però el valor apareix quan algú amb criteri de negoci decideix on aplicar-la, què cal limitar, què validar i què no automatitzar. Per això, la gestió d'agents d'IA no hauria de quedar reduïda a IT, automatització o productivitat personal. És una qüestió de direcció.

1. Què és un mànager d'agents d'IA

Un mànager d'agents d'IA és la persona o funció responsable de convertir agents, eines, dades i automatitzacions en un sistema de treball dirigit. No es limita a fer servir IA, ni a configurar eines, ni a automatitzar tasques aïllades.

La seva funció és més exigent: decidir quina feina es pot delegar en agents, sota quins límits, amb quina informació, amb quin entregable esperat, qui valida el resultat i com es connecta aquest output amb una decisió, una acció o una millora operativa real.

1.1. No és un prompt enginyer ni un perfil tècnic més

Saber formular bones instruccions a un model dIA pot ser útil, però no defineix aquesta funció. El prompt és una eina. La gestió dagents és una responsabilitat de direcció.

La diferència és al nivell de decisió. Un usuari avançat pot millorar una tasca concreta. Un prompt enginyer pot optimitzar la interacció amb un model. Un mànager d'agents ha d'entendre quin procés empresarial es vol millorar, quina part del treball es pot delegar, quin risc apareix i quina validació humana s'ha de mantenir.

1.2. Què gestiona realment un mànager d'agents

Un agent pot produir una anàlisi, una resposta, una classificació, un esborrany, un informe, una proposta o una acció dins un flux. Però no entén per si mateix lestratègia de lempresa, la sensibilitat comercial, el cost dun error, el context del client ni la responsabilitat que hi ha darrere de cada decisió.

Per això, el mànager d'agents actua com una capa de direcció operativa. No substitueix el CEO, IT, legal, operacions o els responsables de negoci. Coordina la relació entre aquestes capes perquè els agents no treballin com a peces soltes, sinó com a part d?un sistema controlat.

La IA aporta capacitat. El management decideix si aquesta capacitat es converteix en treball útil, risc controlat o simple producció addicional.

1.3. Què decideix i què no hauria de decidir

El mànager dagents no ha de convertir-se en propietari absolut de la IA dins de lempresa. El seu paper no és decidir l'estratègia general, assumir riscos legals en solitari ni substituir els responsables funcionals. El seu paper és ordenar el sistema perquè la IA es faci servir amb intenció, límits i responsabilitat.

A la pràctica, pot proposar quins processos són candidats, quines tasques es poden delegar, quins controls calen i quines mètriques s'han de seguir. Però les decisions estratègiques, financeres, legals, comercials o reputacionals han de continuar pertanyent a la direcció o al responsable corresponent.

1.4. Per què aquesta funció pertany al terreny del management

La gestió d'agents té una dimensió tècnica, però el nucli no és tècnic. És directiu. La pregunta central no és quin model fer servir, sinó quina feina ha de canviar, quin procés millora, quin risc s'accepta, quin responsable valida i quin resultat empresarial s'espera.

Per això, aquesta funció exigeix criteri de negoci, comprensió operativa i capacitat de coordinació. IT, dades, legal o compliance poden ser imprescindibles en molts usos, però no substitueixen la direcció del sistema de treball. Habiliten, protegeixen i donen suport. La decisió d'on aplicar agents i com esdevenir valor pertany al management.

1.5. Què cal quedar una empresa d'aquesta definició

El mànager d'agents d'IA no s'ha d'entendre com una moda ni un nou títol per vestir projectes tecnològics. S'ha d'entendre com una funció empresarial emergent: algú ha d'ordenar quins agents es fan servir, per a quina feina, sota quins límits, amb quina validació i amb quin impacte esperat.

En algunes empreses serà un càrrec formal. En altres, serà una responsabilitat assumida per direcció, operacions, tecnologia, màrqueting, vendes o una capa externa de direcció. La manera pot variar. La funció no hauria de quedar buida.

2. Per què aquesta funció comença a ser rellevant ara

La gestió d‟agents d‟IA comença a ser rellevant perquè la intel·ligència artificial està sortint de l‟ús individual i entrant en processos d‟empresa. Ja no parlem només de redactar més ràpid, resumir informació o generar idees. Parlem d'agents capaços d'intervenir en fluxos de treball, preparar lliurables, connectar eines, classificar informació, assistir decisions i executar tasques amb diferents graus d'autonomia.

Aquest canvi obliga una pregunta diferent. La qüestió ja no és si l'empresa fa servir IA, sinó si té capacitat per dirigir-la quan comença a produir treball real.

2.1. La IA deixa de ser assistència individual i comença a ser infraestructura de treball

La primera onada d‟adopció d‟IA en empreses ha estat marcada per la productivitat personal: redactar, resumir, traduir, buscar idees, analitzar documents o preparar esborranys. Aquesta fase continua sent útil, però l'arquitectura del treball no canvia per si sola.

La segona fase és més profunda. Els agents comencen a formar part de processos: atenció al client, vendes, màrqueting, operacions, reporting, documentació, anàlisi competitiva, suport intern o desenvolupament de ferramentes. Aquí la IA deixa de ser una ajuda puntual i passa a ser una capa operativa.

2.2. Les dades ja apunten a una nova capa de treball

Les dades disponibles no indiquen una adopció madura i ordenada a totes les empreses. Indiquen una mica més concret: la conversa sobre agents ja està entrant en decisions de negoci, mercat laboral i transformació organitzativa.

2.3. El senyal important no és només l'adopció, sinó la bretxa de gestió

Que més empreses adoptin agents no vol dir que sàpiguen dirigir-los. De fet, la dada de Gartner sobre possibles cancel·lacions apunta justament al problema que hauria de preocupar una direcció: cost creixent, valor de negoci poc clar i controls de risc insuficients.

Aquest patró no sol resoldre's amb més tecnologia. Es resol amb millor management: processos ben elegits, responsables clars, criteris de validació, mètriques de valor i límits sobre què pot fer cada agent.

El problema no serà manca de IA. Serà manca de capacitat directiva per convertir IA en sistema de treball útil.

2.4. El mercat laboral ja comença a reflectir aquesta transició

L'aparició de termes com AI agent manager, AI workforce manager o agent boss mostra que el mercat comença a anomenar una funció que moltes empreses encara no tenen formalitzada. Microsoft, per exemple, ha utilitzat el concepte de agent boss per descriure professionals que construeixen, deleguen i gestionen agents dins equips híbrids. Veure Microsoft Work Trend Index 2025 .

El terme concret pot variar. El que és rellevant és la funció: dirigir sistemes on part del treball s'executa per persones i part per agents. En alguns organigrames serà un nou càrrec. En altres, serà una competència que hauran d'assumir managers, responsables d'operacions, tecnologia, producte, màrqueting, vendes o direcció general.

2.5. La demanda de management no desapareix: es desplaça

Una lectura simplista diria que, si la IA executa més tasques, caldrà menys management. Però algunes dades apunten a una lectura més matisada. IESE ha analitzat una mostra àmplia d'ofertes d'ocupació i vincula una adopció més gran d'IA amb més demanda de llocs de gestió, no amb la seva desaparició automàtica. Veure anàlisi d'IESE sobre IA i demanda de management .

Això encaixa amb la tesi de fons de larticle: quan augmenta la capacitat dexecució, augmenta també la necessitat de direcció qualificada. No necessàriament més capes jeràrquiques, però sí més capacitat per dissenyar sistemes, validar resultats, prioritzar usos i respondre per les decisions.

2.6. Per què aquest canvi importa especialment a pimes, startups i scaleups

En una gran empresa, la gestió dagents pot acabar repartida entre tecnologia, dades, operacions, legal, compliance, recursos humans i àrees funcionals. En una pime o startup, la realitat sol ser més directa: menys estructura, menys especialistes i menys marge per absorbir iniciatives mal dissenyades.

Això converteix els agents en una oportunitat i en un risc. Poden permetre accés a capacitats que abans exigien més equipament, més proveïdors o més temps. Però també poden crear una nova capa d'activitat si s'implanten sense focus, sense cap responsable i sense mesurament.

Per una PiME, els agents poden ser un avantatge estructural. Però només si algú els dirigeix com a part del negoci, no pas com una col·lecció d'eines.

2.7. Què cal quedar una adreça d'aquest canvi

Aquesta funció comença a ser rellevant ara perquè els agents estan entrant a la feina real de l'empresa abans que moltes organitzacions hagin definit com governar-los. La bretxa no està només en tecnologia. Està en direcció, processos, dades, responsabilitat i mesura de valor.

Per això el debat no hauria de limitar-se a quina eina utilitzar. La pregunta directiva és més exigent: quina capacitat necessita construir l?empresa per dirigir agents sense perdre focus, control ni responsabilitat.

3. Del manager tradicional al manager d'agents

El mànager tradicional dirigia principalment persones que produïen feina. El mànager dagents haurà de dirigir sistemes on la feina es reparteix entre persones, agents, dades, automatitzacions, eines i proveïdors.

Aquest és el punt dʻinflexió. No parlem només de fer servir IA per ser més productius. Parlem d´una nova forma d´organitzar l´execució: qui fa què, amb quina informació, sota quins criteris, amb quina validació i amb quina responsabilitat.

3.1. El canvi no és enviar menys, sinó dissenyar millor

En una organització tradicional, bona part del treball directiu consisteix a assignar tasques, resoldre bloquejos, coordinar equips, revisar lliurables i mantenir focus sobre prioritats. Aquesta funció continuarà sent necessària.

El que canvia és el disseny del sistema. Si una part de la feina passa a ser executada per agents, el mànager ha de decidir quines tasques es deleguen, quins outputs s'accepten, quins criteris de revisió s'apliquen i quines decisions continuen depenent exclusivament de persones.

3.2. Manager tradicional vs. mànager d'agents

La comparació útil no és “persones davant IA”. Aquesta lectura és pobra. La comparació rellevant és el tipus de sistema que cada mànager ha de governar.

La diferència no és que el mànager d'agents “usi IA”. És que sap convertir IA en capacitat operativa governada.

3.3. L'empresa no necessitarà menys management, sinó management més qualificat

Una lectura superficial diria que, si els agents executen més tasques, caldrà menys managers. En alguns àmbits es pot reduir supervisió operativa bàsica. Però quan una empresa vol escalar agents de manera seriosa, la conclusió és diferent: necessita management més qualificat.

Igual que una empresa no escala només per contractar bons professionals, tampoc escalarà només per incorporar-hi agents. La diferència estarà en la qualitat dels que sàpiguen dirigir aquesta nova capacitat: triar processos, fixar límits, validar outputs, mesurar valor i protegir la responsabilitat empresarial.

3.4. La competència crítica no és tècnica: és negoci, procés i risc

Gestionar agents exigeix comprensió tecnològica, però no es redueix a la tecnologia. El mànager d'agents ha d'entendre què mou el negoci, on es genera valor, quins processos són crítics, quines decisions no es poden automatitzar i quines conseqüències pot tenir un output incorrecte.

IT, dades, legal, compliance i seguretat seran peces importants en molts usos. Però la direcció d'agents no hi pot quedar tancada, perquè els agents no impacten només en sistemes: impacten en clients, operacions, vendes, màrqueting, finances, suport, reputació i presa de decisions.

3.5. L'error: tractar-los com a empleats o com a eines aïllades

Un agent no és una persona. No té criteri propi de negoci, no assumeix responsabilitat, no interpreta cultura interna i no respon per les conseqüències de la feina. Tractar-ho com un empleat pot portar a delegar massa.

Però tampoc no s'ha de tractar com una eina passiva més. Si es fa servir només com una utilitat aïllada, l'empresa pot acumular assistents, automatitzacions i connectors sense canviar realment la seva manera de treballar.

El punt correcte és al mig: un agent pot executar parts rellevants del treball, però necessita context, límits, supervisió i validació humana.

3.6. El salt real: de supervisar tasques a governar sistemes de treball

El canvi més important no és que el mànager tingui noves eines. És que haurà de governar sistemes on les tasques es reparteixen entre persones, agents, automatitzacions i proveïdors. Això exigeix una mirada diferent: menys centrada en qui executa cada tasca i més centrada en com es produeix, es valida i es decideix.

En aquest context, el mànager d'agents ha de respondre preguntes que abans no existien: quin agent intervé en cada fase, quina informació pot utilitzar, quin marge d'autonomia té, quin output es considera acceptable, qui revisa errors i quin registre queda si alguna cosa falla.

3.7. Què s'ha de quedar una empresa d'aquest canvi de rol

El pas del mànager tradicional al mànager d'agents no s'ha de llegir com a substitució directa. S'ha de llegir com a evolució de la funció directiva. Les empreses seguiran necessitant lideratge humà, coordinació, criteri i responsabilitat, però ho hauran d'aplicar a un entorn operatiu més complex.

L?empresa que entengui aquest canvi abans tindrà avantatge. No perquè utilitzi més IA, sinó perquè podrà convertir-la en estructura: tasques més ben dissenyades, outputs més ben validats, processos més ràpids, menys fricció i decisions més traçables.

4. Què pot assumir un agent avui i què ha de continuar validant una persona

Per implantar agents amb criteri, una empresa ha d'evitar dues errades. El primer és infravalorar-los i tractar-los com a simples assistents per a tasques menors. El segon és sobredimensionar-los i assumir que poden substituir sense més professions, àrees funcionals o responsabilitat empresarial.

La lectura correcta és al nivell de tasca. Els agents poden absorbir parts rellevants del treball: recopilar informació, preparar esborranys, classificar dades, analitzar patrons, documentar processos, proposar escenaris o executar passos dins un flux. Però això no equival a delegar criteri, responsabilitat ni decisió final.

4.1. La pregunta no és què pot fer la IA, sinó què cal delegar

Que un agent pugui redactar, analitzar, respondre, classificar o programar no vol dir que ho hagi de fer en qualsevol context ni amb qualsevol autonomia. La capacitat tècnica no és suficient. Cal valorar el risc, l'impacte, la qualitat de la dada, la possibilitat de revisió i la conseqüència de l'error.

Per això la pregunta directiva no hauria de ser “quin agent podem fer servir”, sinó quina feina és repetible, documentable, revisable i suficientment controlable com per delegar-se totalment o parcialment.

4.2. Matriu pràctica: què pot fer un agent i què ha de validar una persona

Aquesta matriu no vol tancar el debat. La tecnologia evoluciona ràpidament. Però serveix com a referència actual per a empreses que volen començar a treballar amb agents sense convertir la IA en automatització desordenada.

L'agent pot preparar més bé el terreny. Però la decisió empresarial continua necessitant context, criteri i responsabilitat humana.

4.3. Tres tipus de tasques: delegables, assistides i no delegables

L'empresa no hauria de decidir cas per cas de manera improvisada. Necessita una classificació senzilla per evitar tant la infrautilització com la delegació excessiva. Una primera divisió útil és separar tasques delegables, tasques assistides i tasques no delegables.

4.4. L'autonomia ha de créixer segons la capacitat de govern

La gestió dagents no funciona com un interruptor dencesa o apagat. Una empresa pot començar amb autonomia baixa, avançar cap a autonomia mitjana i només valorar autonomia alta en processos molt acotats, amb dades adequades, regles clares, permisos definits i supervisió suficient.

Aquesta escala evita dos errors: deixar la IA reduïda a un ajut menor o concedir autonomia abans que l'empresa pugui controlar l'impacte de l'agent sobre processos reals.

4.5. Què cal quedar una empresa d'aquesta matriu

La gestió d'agents comença per una separació bàsica: produir no és validar; validar no és decidir i decidir no és respondre. Una empresa es pot recolzar en agents per accelerar moltes tasques, però ha de mantenir clar quina part del procés requereix intervenció humana.

Aquesta separació és especialment important en pimes i startups. Precisament perquè els agents permeten internalitzar més capacitat, també augmenten la temptació de delegar més del que està preparada l'empresa per controlar.

5. Direcció augmentada a la pràctica: el cas de Rumbo & Resultats

La gestió d'agents d'IA no és una hipòtesi futurista per a Rumbo & Resultados. Fa marxada de la seva forma real de treballar. No com a empresa dirigida per IA, sinó com a firma dirigida des de criteri sènior que utilitza agents per ampliar capacitat, accelerar producció i reduir fricció operativa.

Aquest matís és important. La IA no defineix el rumb, no decideix prioritats i no assumeix cap responsabilitat. Actua com una capa de suport per investigar, estructurar, contrastar, prototipar, produir primeres versions i preparar materials que després passen per criteri, revisió i decisió humana.

5.1. No és una empresa automatitzada: és una adreça augmentada

Una empresa automatitzada delega massa aviat. Una direcció augmentada fa una altra cosa: fa servir agents per ampliar capacitat sense desplaçar el judici directiu. La diferència no és utilitzar més IA, sinó mantenir clar quina part del treball es pot accelerar i quina part segueix depenent d'experiència, context i responsabilitat.

A R&R, els agents ajuden a preparar feina que abans hauria exigit més temps, més proveïdors o més capes de suport. Però l'arquitectura del servei, el posicionament, la lectura comercial, les prioritats i la validació final continuen depenent de la direcció humana.

5.2. Què permet aquesta forma de treballar

Fa pocs anys, una firma com R&R hauria necessitat més estructura externa per sostenir el mateix nivell de recerca, producció, prototipat, documentació i desenvolupament de materials. La diferència no està només a produir més ràpid, sinó a poder convertir criteri sènior en treball operatiu sense dependre de tantes capes intermèdies des del començament.

Els agents no eliminen tots aquests perfils ni en substitueixen el valor quan calen. El que canvien és la fase inicial del treball: permeten arribar abans a una hipòtesi, una estructura, un esborrany, un prototip, una matriu, una peça visual o una primera versió operativa sobre la qual aplicar criteri sènior.

L'avantatge no és produir una primera versió més ràpid. És arribar abans a una versió que mereix ser revisada, millorada i convertida en decisió.

5.3. Reduir dependència no significa substituir criteri expert

La direcció augmentada redueix la dependència d'algunes capes externes en fases inicials: research preliminar, primeres versions de contingut, prototips visuals, documentació, anàlisi d'escenaris o estructuració de materials. Això millora velocitat i control.

Però no vol dir negar el valor d'especialistes. Hi ha situacions on continuarà sent necessari comptar amb dissenyadors, programadors, assessors legals, experts financers, tècnics sectorials o proveïdors especialitzats. La diferència és que l?empresa arriba a aquestes converses amb més preparació i menys dependència de començar des de zero.

5.4. Què demostra aquest cas per a una pime o startup

El cas de R&R no vol ser un model universal. Serveix per demostrar una idea concreta: una petita organització pot operar amb més capacitat si combina criteri sènior, mètode, agents d'IA i validació humana.

Aquesta combinació permet competir altrament. No pas perquè la IA ho faci tot, sinó perquè redueix fricció entre idea, anàlisi, producció, prototip i execució. En una pime o startup, aquesta reducció de fricció pot ser diferencial si es governa amb criteri.

5.5. Què cal quedar una empresa d'aquest exemple

La gestió dagents no comença quan una empresa compra una eina. Comença quan aprèn a dirigir una nova capa de capacitat artificial sense perdre focus, control ni responsabilitat.

Aquesta és la lliçó útil. Els agents poden accelerar molta feina. Però només generen avantatge quan s'integren en una manera d'operar on algú decideix què demanar, revisar, descartar, millorar i convertir en acció.

6. El risc d'implantar agents sense govern

La implantació d'agents d'IA no falla només per manca de tecnologia. Falla quan l'empresa no ha definit quin procés vol millorar, quines dades pot fer servir l'agent, quins límits té, qui revisa els seus outputs i quin valor ha de generar.

Aquest és el risc real: incorporar agents com una capa més de producció sense haver creat abans una capa mínima de direcció, control i traçabilitat. En aquest cas, lempresa pot produir més, respondre més ràpid i automatitzar més tasques, però no necessàriament treballar millor.

6.1. L'advertiment ja és a sobre de la taula

Gartner ha advertit que més del 40% dels projectes d'agentic AI podrien cancel·lar-se abans de finals del 2027 per costos creixents, valor de negoci poc clar o controls de risc insuficients. Veure nota de Gartner sobre agentic AI .

La dada no diu que els agents no tinguen recorregut. Diu una mica més útil per a una direcció: molts projectes no fallaran per manca d'IA, sinó per manca de focus, integració, mètriques i control.

6.2. Agent washing: trucar agent a qualsevol automatització

El primer risc és conceptual: anomenar agent qualsevol automatització, assistent o flux parcialment intel·ligent. Aquest agent washing pot inflar expectatives, justificar compres febles i fer que l'empresa cregui que està incorporant intel·ligència operativa quan només hi afegeix una capa d'automatització bàsica.

Abans d'implantar agents, una empresa ha de saber si està incorporant capacitat operativa real, automatització bàsica o només una interfície més còmoda.

6.3. Shadow AI: quan la IA ja es fa servir, però l'empresa no ho sap bé

El segon risc és el shadow AI: eines d'IA usades fora del mapa formal de l'empresa. Equips que proven solucions sense revisió, empleats que pugen informació a serveis externs, departaments que automatitzen tasques sense criteris comuns o dades sensibles que passen per sistemes no controlats.

ISACA i altres informes de risc ja adverteixen de l'impacte de l'ús no autoritzat d'IA en exposició de dades, bretxes de seguretat i manca de traçabilitat. Per a una empresa, la conclusió pràctica és clara: allò que no està mapejat no es pot governar. Veure anàlisi d'ISACA sobre shadow AI .

6.4. Outputs sense amo: el risc més silenciós

Una empresa pot tenir un problema seriós encara que cap agent falli de manera evident. Només cal que els outputs comencin a circular sense amo clar: informes que ningú valida, respostes que ningú revisa, anàlisis que es prenen com a certs o propostes que avancen sobre hipòtesis febles.

Aquest risc és perillós perquè la IA produeix material amb aparença de solidesa. Un text pot sonar bé. Una taula pot semblar precisa. Una anàlisi pot estar ben estructurada. Però la forma no garanteix que l'output sigui correcte, suficient o útil per decidir.

6.5. Dades, permisos i traçabilitat: el punt on el risc canvia d'escala

El risc augmenta quan els agents deixen de generar només text i es comencen a connectar amb documents, CRM, ERP, bases de dades, correu, atenció al client, reporting o eines internes. En aquell moment ja no parlem només de productivitat. Parlem d'accés a informació, permisos, accions i impactes possibles en processos reals.

Per això, una empresa necessita regles mínimes abans de connectar agents a sistemes rellevants. No cal burocratitzar cada prova, però sí establir controls proporcionals al risc.

6.6. Mapa simple de riscos en implantar agents

Abans d'escalar agents, l'empresa hauria de construir com a mínim un mapa bàsic de riscos. No pas per frenar l'adopció, sinó per saber què ha de vigilar des del primer dia.

6.7. Què cal quedar una empresa d'aquest bloc

Implantar agents sense govern pot semblar ràpid al principi i car després. El cost no apareix només en llicències o tecnologia. Apareix en retreball, errors, dades mal utilitzades, decisions febles, manca de traçabilitat i pèrdua de control sobre processos que comencen a dependre d'IA.

La resposta no és frenar l‟adopció. És fer-la governable: processos concrets, responsables clars, límits definits, validació humana i mètriques de valor. Aquesta és la diferència entre experimentar amb IA i començar a dirigir agents.

7. Model R&R per dirigir agents d'IA a l'empresa

Una empresa no hauria de començar la implantació dagents preguntant quina eina comprar. Aquesta pregunta arriba després. Primer ha d'entendre quina feina vol redissenyar, quines tasques pot delegar, quins riscos apareixen, qui valida i com es mesurarà si el nou sistema aporta valor real.

El Model R&R per dirigir agents d'IA ordena aquesta transició en set fases. El seu objectiu no és convertir l'adopció d'IA en un procés pesant, sinó evitar que l'empresa comenci pel final: eines, pilots i automatitzacions abans de definir feina, criteri i govern.

7.1. Les set fases del model

El model funciona com una seqüència de decisió. Cada fase respon a una pregunta directiva i ha de produir un resultat concret. Si una fase queda feble, la part següent d'una base incompleta.

El valor del model no és afegir complexitat. Està a impedir que una empresa confongui provar agents de dirigir-los.

7.2. Del treball al sistema: la lògica del model

La seqüència importa. Si l'empresa comença per dissenyar agents sense haver mapejat la feina, probablement automatitzarà tasques visibles, però no necessàriament les més rellevants. Si delegueu sense classificar riscos, podeu concedir autonomia abans d'hora. Si integreu sense validació, podeu utilitzar outputs que ningú ha revisat amb criteri suficient.

Per això el model avança de forma progressiva: primer entén la feina, després decideix què es pot delegar, després dissenya agents concrets, defineix validació humana, els integra en processos, mesura valor i estableix govern.

7.3. Què ha de produir cada fase

Un model només és útil si genera lliurables operatius. En gestió d'agents, aquests lliurables no han de ser documents extensos. Poden ser mapes, matrius, criteris, checklists, fluxos i mètriques suficients per prendre decisions.

7.4. Com s'aplica a una pime, startup o empresa mitjana

El model no exigeix de començar amb una arquitectura complexa. En una pime o startup es pot aplicar sobre un únic procés: preparació de propostes, classificació de leads, anàlisi de campanyes, atenció al client, documentació interna, reporting comercial o generació de continguts.

L'important és respectar la lògica: procés concret, tasca ben triada, agent definit, responsable humà, validació suficient, mesura simple i decisió sobre si escalar, corregir o aturar el flux.

7.5. Per què el model és directiu, no tècnic

El model pot requerir suport tècnic, especialment quan hi ha dades internes, integracions, permisos, seguretat o automatitzacions connectades a sistemes empresarials. Però la seva lògica no neix de la tecnologia. Neix d'una pregunta de direcció: quina feina ha de canviar i sota quines condicions.

Per això, el model ha d'estar governat per criteri de negoci i operatiu. IT habilita. Dades alimenta. Legal i compliance protegeixen. Les àrees funcionals coneixen el procés. Però algú ha de coordinar aquesta relació perquè els agents no avancin com una suma de proves aïllades.

7.6. Què cal quedar una empresa d'aquest model

El Model R&R no pretén burocratitzar la IA. Pretén convertir-la en capacitat governada. Una empresa pot començar de manera petita, però no hauria de començar de manera desordenada.

Si el primer agent ja té procés, objectiu, límits, responsable, validació i mètrica, lempresa aprèn a dirigir IA des de linici. Aquesta disciplina serà més important a mesura que els agents passin de tasques aïllades a fluxos més integrats.

8. On encaixa aquesta funció a l'organigrama

Un cop definida la funció, apareix una pregunta pràctica: on cal ubicar la gestió d'agents d'IA dins de l'empresa. La resposta depèn de la mida, la maduresa digital, els processos afectats i el nivell de risc. No hi ha un únic organigrama vàlid.

El que sí que cal evitar és que la funció quedi sense amo. Si els agents comencen a produir feina, accedir a dades, donar suport a decisions o interactuar amb processos reals, l'empresa necessita saber qui coordina, qui valida i qui respon per aquesta nova capacitat.

8.1. No hauria de quedar tancada només a IT

IT serà una peça necessària. Haurà d'intervenir en seguretat, integracions, permisos, arquitectura tècnica, proveïdors, accés a dades i control d'eines. Però la gestió d'agents no es pot reduir a un projecte tecnològic.

La raó és simple: els agents no només afecten sistemes. Afecten feina, clients, processos, decisions, costos, productivitat, reputació i responsabilitat. Per això la pregunta no és només quina tecnologia es pot desplegar, sinó quin procés de negoci mereix ser redissenyat i sota quines condicions.

8.2. Tampoc no hauria de quedar dispersa entre àrees

L'error contrari és que cada departament avanci pel vostre compte. Marketing prova els seus agents, vendes automatitza propostes, atenció al client genera respostes, operacions documenta processos i finances prepara escenaris, tot sense un marc comú.

Aquesta dispersió pot semblar positiva al principi, perquè augmenta l'experimentació. Però a mitjà termini crea diferències de criteri: diferents eines, diferents nivells de revisió, diferents permisos, exposició de dades diferents i diferents formes de mesurar valor.

8.3. Opcions d'encaix segons tipus d'empresa

En algunes organitzacions, la gestió d'agents acabarà com a càrrec formal: AI agent manager, AI workforce manager, responsable d'IA operativa, responsable d'automatització intel·ligent o una funció equivalent.

En altres, especialment pimes i startups, no serà un càrrec independent. Serà una responsabilitat assumida per direcció general, operacions, tecnologia, producte, màrqueting, vendes o direcció externa. El que és important no és el títol. El que és important és que la funció tingui autoritat, criteri i capacitat de coordinació.

L'organigrama importa menys que la funció. Si ningú no coordina agents, validació, processos i riscos, l'empresa no té gestió d'agents: té ús dispers d'IA.

8.4. La funció necessita autoritat, no només interès tecnològic

Gestionar agents no pot dependre només de la persona que té més curiositat per la IA. Aquesta persona pot ser útil per explorar eines, però una implantació real exigeix autoritat per ordenar prioritats, demanar canvis de procés, definir límits i exigir validació.

Si la funció no té autoritat, els agents queden reduïts a experiments laterals. Si teniu autoritat sense criteri, podeu imposar automatitzacions mal dissenyades. La combinació necessària és una altra: criteri de negoci, comprensió operativa, coordinació tècnica i capacitat de decisió.

8.5. Què ha de fixar direcció general

La direcció general no ha de dissenyar cada agent ni revisar-ne cada flux. Però sí que ha de fixar el marc: quins objectius persegueix l'empresa amb IA, quins riscos no vol assumir, quines àrees tenen prioritat i quin nivell d'autonomia es permet.

Aquesta visibilitat directiva és especialment important quan els agents comencen a afectar clients, costos, dades, processos, reputació o decisions. Si la IA toca aquestes capes, no pot avançar com a iniciativa lateral.

8.6. Com es coordinen IT, dades, legal i àrees de negoci

La gestió dagents necessita col·laboració transversal. IT i dades habiliten arquitectura, seguretat, permisos, integracions i qualitat dinformació. Legal i compliance intervenen quan hi ha dades sensibles, impacte extern o processos regulats. Les àrees de negoci coneixen la feina real i defineixen quin output té valor.

El problema apareix quan aquestes capes s'incorporen tard. Un flux que semblava eficient pot resultar inviable per permisos, privadesa, qualitat de la dada, responsabilitat o manca d'encaix operatiu.

8.7. Quan té sentit suport extern

No totes les empreses tenen internament la capacitat per dissenyar, implantar i governar agents amb criteri. Moltes pimes i startups tenen interès, pressió per avançar i casos dús possibles, però no disposen duna capa interna que combini direcció, processos, tecnologia, risc i execució.

En aquests casos, el suport extern no hauria de limitar-se a recomanar eines ni impartir formació genèrica. El valor és ordenar el treball: mapejar processos, detectar usos amb sentit, dissenyar agents, formar responsables, establir validacions i acompanyar la primera implantació.

8.8. Què cal quedar una empresa d'aquest encaix organitzatiu

El mànager d'agents d'IA no tindrà el mateix lloc a totes les empreses. En algunes serà un càrrec formal. En altres, serà una funció compartida. A moltes pimes serà una competència que la direcció haurà d'assumir o reforçar externament.

La manera pot variar. El que no hauria de variar és la responsabilitat: si els agents comencen a produir feina, accedir a dades o donar suport a decisions, algú ha de governar aquesta capacitat.

9. Com començar a gestionar agents d'IA a una pime o startup sense crear caos

La manera més assenyada de començar amb agents d'IA no és desplegar-los a tota l'empresa. És triar un procés concret, fitar una tasca, definir un output, assignar un responsable humà i mesurar si realment millora temps, qualitat, cost o fricció.

Aquest punt és especialment important en pimes, startups i empreses mitjanes. Tenen menys marge per absorbir pilots dispersos, eines duplicades o automatitzacions que generen més feina del que eliminen. Per això, el primer pas ha de ser petit, però ben dirigit.

9.1. Triar un procés concret, no una funció sencera

El primer error és començar per àrees massa àmplies: “aplicarem IA en màrqueting”, “automatitzarem vendes” o “utilitzarem agents en operacions”. Aquest enfocament obre massa fronts.

La unitat correcta no és el departament. És el procés. Per exemple: classificació de leads, preparació de propostes, anàlisi de campanyes, documentació d‟incidències, generació d‟informes, revisió d‟oportunitats comercials o suport a continguts.

9.2. Detectar una tasca candidata

Dins del procés escollit, l'empresa ha d'identificar una tasca concreta que compleixi cinc condicions: es repeteix, es pot documentar, té criteris de revisió, el risc és fitat i la seva millora tindria valor real.

No es tracta de començar per tasques irrellevants. Es tracta de començar per tasques on l'agent pugui absorbir la preparació, la classificació, la síntesi o la generació inicial sense que l'empresa perdi control sobre el resultat.

9.3. Definir l'output abans de provar l'eina

Moltes proves d'IA fallen perquè comencen per l'eina i no pel lliurable. L'empresa prova, genera material, compara versions i acaba sense saber si el resultat és bo o dolent.

Abans d'activar un agent, heu de quedar clar què heu de lliurar: un resum, una classificació, una proposta, una taula, una alerta, un esborrany, una recomanació, un informe o una acció dins d'un sistema. També cal definir el format i el criteri que farà acceptable aquest output.

Si l'empresa no sap quin output espera, no està implantant un agent. Està experimentant amb una eina.

9.4. Assignar un responsable humà des de l'inici

Cada agent que intervingui en un procés real ha de tindre un responsable humà. No necessàriament una persona dedicada en exclusiva, però sí algú que entengui el procés, validi resultats, detecti errors, ajusti instruccions i decideixi si el flux pot escalar.

Sense cap responsable, l'agent queda a terra de ningú. Si funciona, tots ho usen. Si falla, ningú sap qui ho havia d'haver revisat. Aquesta ambigüitat és una de les fonts de risc més habituals en la implantació d'IA.

9.5. Aplicar una validació mínima abans de fer servir l'output

A l'inici convé mantenir revisió humana sobre qualsevol output que pugui influir en clients, propostes, campanyes, pricing, operacions o decisions internes rellevants. L'autonomia s'ha de guanyar, no concedir-se d'entrada.

La validació pot ser senzilla. L'important és que existeixi abans de fer servir l'output com si fos fiable per defecte. Una checklist breu sol ser suficient per començar.

9.6. Mesurar valor real abans d'escalar

Després d'un primer cicle d'ús, l'empresa hauria de poder respondre amb simples evidències: quant de temps s'ha reduït, quina fricció ha baixat, quina qualitat ha millorat, quins errors s'han evitat o quina decisió s'ha preparat millor.

Si no podeu respondre, el projecte continua en fase d'experimentació. Això no és necessàriament negatiu, però convé anomenar-lo pel seu nom. La implantació comença quan hi ha ús, responsable, validació i mesurament dimpacte.

9.7. Decidir: escalar, corregir o aturar

El primer pilot ha d?acabar en una decisió. Si l'agent aporta valor, el flux es pot escalar o replicar en un altre procés. Si aporteu valor parcial, s'ha de corregir. Si no aporta prou valor, cal aturar-se abans de convertir-se en una altra eina més dins de l'empresa.

Aquesta disciplina és important. Moltes empreses no fracassen perquè no provin IA. Fracassen perquè proven massa coses i no en tanquen cap amb una decisió clara.

Escalar no és repetir perquè alguna cosa ha agradat. Escalar és ampliar un flux que ja ha demostrat valor i control.

9.8. Què cal quedar una pime o startup d'aquest primer pas

Començar bé no vol dir començar gran. Significa començar amb criteri. Una pime pot capturar valor ràpid si selecciona bé el procés, defineix un output clar, assigna responsable, valida resultats i mesura impacte.

L'empresa que comença així aprèn més de pressa i amb menys risc. La IA no converteix en un experiment dispers, sinó en una capacitat que pot créixer pas a pas, amb direcció, utilitat i control.

10. La nova competència directiva: no tenir agents, sinó saber dirigir-los

La gestió d‟agents d‟IA no s‟hauria de llegir com una moda terminològica ni com una especialitat tècnica aïllada. S'ha de llegir com una nova competència directiva. En els propers anys, moltes empreses tindran accés a agents, automatitzacions i sistemes cada cop més capaços. Això no marcarà per si mateix la diferència.

La diferència serà en quines empreses saben convertir aquesta capacitat en treball útil, processos més ben dissenyats, decisions més ràpides, menys fricció operativa i més control sobre riscos. Tenir agents serà relativament fàcil. Dirigir-los bé serà molt més difícil.

10.1. La tecnologia serà cada cop més accessible

Les eines tendiran a democratitzar-se. Més empreses podran generar contingut, analitzar informació, preparar codi, produir informes, automatitzar respostes, crear prototips o connectar fluxos interns sense dependre de la mateixa estructura que abans.

Això obre una oportunitat clara per a pimes, startups i empreses mitjanes. Però també hi desplaça l'avantatge. Si moltes empreses accedeixen a capacitats semblants, la diferència no estarà només a l'eina, sinó a la qualitat del criteri amb què s'aplica.

10.2. El risc serà confondre capacitat amb avantatge

Incorporar agents pot augmentar la capacitat de produir feina, però això no equival automàticament a construir avantatge competitiu. Una empresa pot produir més anàlisis, més textos, més propostes, més dashboards o més automatitzacions i continuar decidint igual de malament.

L'avantatge apareix quan aquesta producció es converteix en millor execució: menys temps perdut, menys treball, més claredat, millors decisions, processos més consistents i capacitat real per avançar.

10.3. La direcció haurà de decidir què no automatitzar

Una part rellevant del nou management no consistirà només a detectar què pot fer la IA. Consistirà també a decidir què no ha de fer. Aquesta serà una competència crítica.

No tot allò automatitzable mereix automatitzar-se. Algunes tasques requereixen context, sensibilitat comercial, judici reputacional, interpretació financera, lectura política interna o responsabilitat directa davant del client, consell, regulador o mercat.

10.4. Quan la capacitat no existeix a dins, caldrà incorporar-la

Algunes empreses desenvoluparan aquesta competència internament. Altres no. En aquest segon cas, la resposta no hauria de ser improvisar ni delegar el problema a una eina. Si l'empresa vol incorporar agents amb impacte real, necessita criteri per engegar-los.

Aquest criteri pot venir de formació específica a managers, acompanyament operatiu, direcció temporal, suport extern en disseny de processos o una primera implantació controlada. El més important és no confondre assistència tècnica amb direcció del canvi. Instal·lar o provar eines no equival a governar agents.

10.5. La pregunta clau per a CEOs i equips directius

La pregunta ja no hauria de ser “quina eina d'IA fem servir”. Aquesta pregunta és secundària. La pregunta rellevant és una altra: quina part de la feina de l'empresa s'ha de redissenyar i qui té capacitat per dirigir aquest canvi.

Una empresa que respongui bé aquesta pregunta podrà utilitzar agents per augmentar capacitat sense perdre control. Una empresa que la ignori pot acabar amb més activitat, més producció i més soroll, però no necessàriament amb millors resultats.