Insights
Anàlisis, aprenentatges i perspectives sobre transformació IT, intel·ligència artificial i arquitectures modernes. Escrits per consultors que implementen aquestes tecnologies cada dia.
Últims articles
Revisar codi generat per IA: la revisió que encara espera un autor
Els merges sense cap revisió, humana o agèntica, han pujat un 31,3%, i els bugs per desenvolupador un 54%. No és deixadesa: és que la revisió demana una cosa que ja no es pot donar. Aquesta peça separa el coll d'ampolla real —que gairebé mai és la revisió, i l'objecció de Steve Fenton ho demostra— d'on es concentra el risc, i desmunta els quatre supòsits que sostenien la revisió de codi: que existeix un autor a qui preguntar, que escriure costa més que revisar, que la mida del diff reflecteix la decisió i que el codi nou s'assembla al que ja hi ha. Amb Faros AI, LinearB, GitClear, Veracode, DORA 2025, Stack Overflow i l'assaig de METR sobre 39 punts d'error en l'autoavaluació.
Injecció de prompts: la seguretat del teu agent és als permisos, no al prompt
Dins d'un model de llenguatge no hi ha un canal per a instruccions i un altre per a dades, així que la injecció de prompts no es pedaça: s'acota. Aquesta peça trasllada la defensa d'on no funciona —el prompt de sistema i els filtres— a on sí: la taula de permisos de les eines. La trifecta letal de Willison i la regla de dos de Meta com a criteri de disseny; els nou camps de la fitxa d'una eina; els sis patrons amb resistència demostrable i què costen en utilitat; i l'anatomia de dos incidents reals, EchoLeak a Microsoft 365 Copilot i el flux tòxic del servidor MCP de GitHub. Amb OWASP LLM01:2025, l'advertència del NCSC britànic, «The Attacker Moves Second», CaMeL, AgentDojo, InjecAgent i spotlighting.
El golden set: com es construeix el conjunt de casos que decideix si la teva IA funciona
«Ensenyeu-me el vostre golden set» ordena una conversa sobre IA en producció més ràpid que cap altra pregunta. Aquesta peça construeix l'objecte que la rúbrica i el baseline donen per suposat: d'on surten els casos (trànsit, incidents i hipòtesis de risc), per què s'estratifica per capacitat i no per volum, quants casos calen de debò, per què la teva taxa d'error d'etiquetatge és el sostre de tota la resta, i per què un conjunt retingut és un recurs consumible amb pressupost de mirades. Amb CheckList, el treball de Northcutt sobre errors d'etiqueta, crowd truth d'Aroyo i Welty, el reusable holdout de Dwork i altres a Science, GSM1k i la reanotació de SWE-bench Verified.
Avaluar agents d'IA: què significa exactament «funciona millor»
«Va molt millor» no conté informació: falta contra què, mesurat com i amb quanta confiança. Aquesta peça construeix les dues peces que falten. La rúbrica: com es deriven criteris binaris i verificables del golden set, amb eliminatoris, avaluació de trajectòria i la prova de l'agent nul. El baseline: els cinc referents obligatoris, inclosa l'ablació que gairebé ningú no corre. I l'estadística mínima per saber si una diferència de tres punts és real. Amb τ-bench i pass^k, «AI Agents That Matter», HealthBench, Agent-as-a-Judge, el treball d'Anthropic sobre barres d'error i els assajos de METR.
LLMOps: el flux real per portar un sistema LLM a producció i mantenir-lo viu
LLMOps no és MLOps amb un altre model. A MLOps versiones pesos; a LLMOps versiones un bundle de context —prompts, eines, recuperació, guardrails, llindars— sobre un model de tercers que canvia sense que toquis res. Aquesta és la versió operativa del cicle: les nou etapes, les dues portes de qualitat (avaluació offline en CI i avaluació online sobre canary), les mètriques que decideixen (cost per tasca útil, groundedness, containment) i les quatre fallades que només apareixen amb trànsit real. Inclou model de maduresa en quatre nivells i el pla de les dues primeres setmanes.
Com començar amb IA: les 7 capes de maduresa
El model de maduresa que Gartner va publicar el 2025 ordena la IA en set dimensions —estratègia, valor, organització, persones, governança, enginyeria i dades—, però descriu quin aspecte té arribar-hi, no què fer el dilluns al matí amb 300 persones i un equip petit. Aquesta peça tradueix aquest mapa a una ruta per a empresa mitjana, i sosté una tesi contrària a l'ordre del mateix model: l'estratègia d'IA s'escriu l'última, després del primer cas mesurat. Inclou les set capes en llenguatge de negoci, per què la majoria entra per enginyeria i mor dues capes més avall, la seqüència que proposem, i tres preguntes per saber en quina estàs encallat.
Valor de la IA: triar i mesurar el primer cas d'ús
Primera capa de la sèrie de maduresa. Sense línia base, el després no significa res: aquesta capa no mesura la qualitat tècnica de la solució sinó si la teva organització sap distingir un cas que funciona d'un que no. Inclou els tres criteris per triar el primer cas (repetitiu, verificable i amb amo que ho vulgui), per què el més valuós no és el primer, els tres estadis de diagnòstic, el pla de 90 dies amb la decisió escrita abans de veure el resultat, i què no fer encara. Amb la tesi que sosté la peça: bona part dels pilots que el mercat compta com a fracassos no van fracassar, simplement no es van poder demostrar.
Dades per a IA: la preparació mínima viable
Segona capa de la sèrie de maduresa. Aquesta capa no pregunta si tens un data lake: pregunta si el criteri amb què la teva empresa decideix està escrit en algun lloc o només viu en caps. Gartner atribueix a bases de dades inadequades el 60% dels abandonaments fins al 2026, i situa en 63% les organitzacions que no tenen —o no saben si tenen— pràctiques aptes. D'això no se'n segueix arreglar les dades de l'empresa, sinó les que un cas concret necessita. Inclou la pregunta que ordena la capa, els tres estadis, la prova de suficiència amb deu casos històrics i quin projecte de dades no fer encara.
Governança de IA: el mínim exigible el 2026
Tercera capa de la sèrie de maduresa. La prova d'aquesta capa és crua: quan una sortida d'IA arriba a un client, qui en respon? El mínim exigible cap en dos fulls i un full de càlcul: llista curta del que està prohibit, un nom per decisió i un registre. Inclou el calendari real del Reglament Europeu d'IA després del Digital Omnibus —les obligacions de transparència s'apliquen des del 2 d'agost de 2026 i no es van ajornar; l'alt risc de l'Annex III es va moure a desembre de 2027—, els tres estadis de diagnòstic i per què no muntar un comitè per a un pilot.
Enginyeria de IA: del pilot a producció
Quarta capa de la sèrie de maduresa. Una demo demostra que una cosa pot passar; producció exigeix que passi sempre, amb entrades imprevistes i a cost predictible. Aquesta capa es resol amb quatre decisions —construir o comprar segons cost de sortida, conjunt d'avaluació, cost per tasca i observabilitat— i cap no és l'elecció de model, que és la que més temps consumeix als comitès. Inclou per què arriba la quarta i no la primera, els tres estadis, el pla de 90 dies i per què no començar per agents autònoms.
Persones i cultura: la IA que ningú no fa servir
Cinquena capa de la sèrie de maduresa. Aquesta capa no mesura formació impartida ni llicències desplegades: mesura ús sostingut a vuit setmanes sense recordatoris. La prova definitiva és més simple: si demà es retirés l'eina, aquell equip tindria un problema operatiu? Inclou per què formar tothom per igual no produeix casos, la unitat de treball correcta (la tasca, no el lloc, seguint Susskind), els tres estadis, el pla de 90 dies sobre un grup de cinc a quinze persones i per què no posar l'ús d'IA a l'avaluació de l'acompliment.
Organització de la IA: qui decideix i qui opera
Sisena capa de la sèrie de maduresa. Aquesta capa mesura capacitat de decidir entre casos, no quanta gent tens dedicada a IA. El llindar pràctic per muntar estructura és baix i concret: tres casos vius competint pel mateix pressupost o les mateixes persones. Inclou per què importar el model de centre d'excel·lència enterprise surt malament al mid-market, la figura que sí que funciona —una funció amb nom, temps assignat i autoritat per parar—, quan té sentit externalitzar-la i quin és el seu límit: l'operació s'externalitza, la priorització no.
Estratègia d'IA: per què s'escriu l'última
Setena i última capa de la sèrie de maduresa, i la que sosté la seva tesi. En el model de Gartner l'estratègia encapçala les set dimensions; la nostra experiència en empresa mitjana la col·loca al final de la seqüència d'arrencada, amb una excepció escrita: en banca, assegurances de vida i salut o sanitat puja al principi. Inclou per què s'escriu tan aviat i què portar al consell en comptes seu, els cinc elements d'una estratègia que serveixi, els tres estadis, i per què no encarregar-la al proveïdor que l'executarà —encara que sigui gratis, sobretot si és gratis—.
La IA no substitueix professions: redistribueix tasques
A partir de la intervenció de Daniel Susskind a l'Exponential Day de juliol de 2026. La seva tesi: l'automatització actual arriba a tasques no rutinàries de professions qualificades, i ho fa sense raonar com raona un humà —Deep Blue i Watson van guanyar per camins que no eren els nostres—. La conseqüència pràctica és que la unitat d'anàlisi deixa de ser la professió i passa a ser la tasca. Hi afegim un matís de camp que gairebé cap resum no recull: la tesi és correcta en agregat i aspra a nivell individual, i fer-la servir de tranquil·litzant surt car. Amb tres accions per al dilluns.
IA per a licitacions: comprar o construir capacitat?
El sector públic espanyol va licitar 204 contractes amb la IA com a nucli l'últim any tancat i més de la meitat de les licitacions puntuen la qualitat per damunt del preu: la qualitat de les teves propostes és una palanca d'ingressos, no un tràmit. L'oferta per resoldre-ho és avui gairebé tota idèntica —Gober, LICAI, TendersTool, AIverso i companyia venen accés a una capacitat que resideix fora de la teva empresa—. Aquesta peça no compara eines: separa les tres capes de la feina real (localitzar, recuperar i adaptar el teu material, decidir què ofereixes), dona les tres preguntes que inclinen la decisió, una taula per portar al comitè, el cost de sortida que no apareix al pressupost, els casos en què comprar és la resposta correcta i els quatre actius que es queden a casa quan decideixes construir.