Afegir un agent d'IA al teu producte SaaS és la feature que tot Head of Product té al roadmap de 2026: un copilot que ajuda l'usuari, un agent que executa un flux de principi a fi, una capa que fa el producte "intel·ligent". La part fàcil és ensenyar que funciona. La difícil —i la que costa diners de veritat— és decidir com el construeixes i sostens: amb el teu equip, comprant-lo, o amb un partner. Aquesta és la decisió que tens al davant, ordenada.
Què és "un agent al teu producte" (i per què no és un chatbot)
Un agent no és una caixa de xat que respon preguntes. És un component que raona sobre un objectiu i executa passos dins del teu producte: consulta dades, crida les teves APIs, encadena accions, i retorna un resultat o una recomanació. En un SaaS això pot ser un assistent que configura alguna cosa per l'usuari, un agent que prepara un informe, o un copilot que automatitza la feina tediosa de la teva eina. El salt respecte a un chatbot és que actua — i per això el llistó de fiabilitat, seguretat i control puja de cop.
Per què el demo enganya: el 20% visible i el 80% que no
El prototip d'un agent impressiona perquè ensenya el cas feliç. Producció és una altra cosa, i el que la separa del demo és justament el que no es veu a la presentació:
- Fiabilitat amb la casuística real. Milers d'usuaris, dades estranyes, peticions que no vas anticipar. Un agent que encerta el 80% de les vegades no és una feature; és un generador de tickets de suport.
- Avaluació reproduïble. Sense una manera automàtica de saber si l'agent va fer bé la seva feina, cada release és una aposta. És el detall a com mesurar si la IA del teu producte funciona.
- Cost sota control. Un agent que crida altres agents i reintenta sense límit es menja el marge. Sense mesurar el cost per tasca útil, la feature és un passiu que creix amb l'ús.
- Seguretat i permisos. Un agent que actua al teu producte pot tocar dades i executar accions; els guardrails i el model de permisos no són opcionals.
- Manteniment. Models que canvien, prompts que es degraden, context que cal actualitzar. Un agent en producció és un sistema viu, no un lliurable.
Res d'això no ho resol triar millor model. És enginyeria de producte amb IA — i és el 80% de la feina que el demo amaga. Com fer-ho sense parar el teu roadmap ho desenvolupem a integrar IA al teu producte sense hipotecar el roadmap.
La decisió de 50-300k€: construir, comprar o partner
Aquí és on es juga el pressupost. Tres camins, amb els seus costos reals:
- Construir l'equip in-house. Màxim control i diferenciació, però contractar perfils d'IA senior triga mesos, costa car i és difícil de retenir en un mercat que se'ls rifa. I mentre muntes l'equip, el roadmap d'IA no avança. Té sentit si la IA és el nucli del teu producte i hi invertiràs durant anys.
- Comprar una solució tancada. Ràpid, però rarament et diferencia: si el teu agent és el mateix que el del teu competidor, no és un avantatge de producte, és una casella marcada. I heretes el seu cost i el seu lock-in. Té sentit per al que és infraestructura, no diferenciació.
- Portar un partner que construeix i transfereix. Un equip que ja té la capacitat s'incorpora al teu, porta l'agent a producció en setmanes i —clau— transfereix el mètode perquè el teu equip l'operi després. Evites l'espera del hiring i la dependència d'una caixa negra. És el punt mitjà honest: velocitat de "comprar" amb la propietat de "construir".
La pregunta que ordena la decisió no és "build o buy?" en abstracte, sinó "aquesta peça és nucli de la meva diferenciació?". El que et diferencia, construeix-ho (amb partner si encara no tens l'equip); el que és infraestructura, compra-ho. És el mateix marc de make vs. buy amb cost de sortida, aplicat al teu producte.
Què exigeix un agent de producte que puguis sostenir
Sigui quin sigui el camí, un agent que aguanta al teu producte necessita el mateix mètode:
- Enginyeria de context del teu producte: que l'agent conegui les teves entitats, les teves regles i el teu domini. És el que separa una resposta útil d'una de genèrica.
- Avaluació i guardrails: criteris reproduïbles que l'agent fa bé la seva feina, i límits del que no pot fer mai.
- Observabilitat i cost per tasca útil: veure què fa l'agent en producció i què costa cada resultat que l'usuari aprofita.
- Verificació humana on importa: en les accions sensibles, l'agent proposa i una persona (o una regla) confirma. Producció governada, no autonomia a cegues.
A onext ens incorporem amb el nostre equip d'enginyeria al teu per portar l'agent del teu producte a producció —arquitectura, evals, guardrails, observabilitat— i transferir el mètode. És el model "partner que construeix i marxa amb data", no una dependència permanent. Pots veure com treballem l'equip dedicat de producte.
Preguntes freqüents
Construeixo l'equip d'IA in-house o porto un partner per a l'agent del meu producte?
Depèn de si la IA és nucli de la teva diferenciació i de si et pots permetre l'espera del hiring. Construir in-house dona màxim control però triga mesos i és difícil de retenir; comprar és ràpid però rarament diferencia; un partner que construeix i transfereix et dona velocitat sense dependència permanent. La regla: el que et diferencia, construeix-ho (amb partner si encara no tens l'equip); el que és infraestructura, compra-ho.
Per què el meu agent funciona a la demo i falla en producció?
Perquè la demo ensenya el cas feliç i producció té la casuística real de milers d'usuaris, amb el llistó de fiabilitat, cost, seguretat i manteniment que un agent que actua exigeix. Sense enginyeria de context (que conegui el teu producte), avaluació reproduïble, guardrails i control de cost, l'agent encerta a estones i genera suport, cost i desconfiança. No és el model: és el mètode de producte.
Quant costa posar un agent d'IA en un producte SaaS?
El rang típic d'un projecte seriós va de desenes a alguns centenars de milers d'euros segons abast, i la variable que més mou el número no és el model, sinó quant de la capacitat construeixes vs. compres i si tens l'equip. El cost perillós no és el del projecte, sinó el recurrent mal governat: un agent sense control de cost per tasca útil es menja el marge a escala. Per això convé mesurar-lo des del primer prototip.
Conclusió
Posar un agent d'IA al teu producte SaaS no fracassa pel model ni per manca d'ambició: fracassa per confondre el demo amb la feature, i per prendre la decisió de build/buy sense el marc correcte. Construeix el que et diferencia —amb un partner que transfereix si no tens l'equip—, compra el que és infraestructura, i exigeix el mètode (context, evals, guardrails, cost) que fa que un agent aguanti en producció. Aquesta és la diferència entre una feature que reté i un passiu que genera tickets.
Si tens un agent al roadmap —o un prototip encallat entre la demo i producció— comença per un diagnòstic: en unes setmanes tens clar què construir vs. comprar, què exigeix el teu cas per a producció i quin equip necessites.
Ets una empresa de software o SaaS? Aquí tens el nostre enfocament complet: IA per a empreses de software i SaaS.
Jordi García és Tech Lead a onext. Treballa a portar la IA a producció governada en equips de desenvolupament i de producte —amb Spec-Driven Development, enginyeria de context i verificació humana a cada pas— i signa els insights tècnics d'onext sobre mètode, qualitat i cost de la IA aplicada.
LinkedIn →