Si el teu equip ja treballa amb agents de codi, potser et sona la queixa: el dia se'n va a revisar el que escriu l'agent. Anthropic acaba de posar-hi xifres a la seva pròpia empresa, i la conclusió no és que l'agent sigui lent. És que espera una persona.
La idea que defensa aquest insight: el metatreball (preparar el que es demana a l'agent, revisar el que torna i decidir què entra) no és una distracció de la feina de debò. És la feina. Un equip que el fa a estones i sense mètode converteix l'agent en una cua de coses per revisar. El que redueix aquesta espera és decidir abans, no revisar més de pressa.
El que ha mesurat Anthropic a la seva pròpia empresa
El 16 d'octubre de 2026, l'equip d'economia d'Anthropic (Wilmers, Catipon, Massenkoff i McCrory) va publicar com ha canviat la feina dins de la companyia des que els seus empleats fan servir agents. Tres xifres expliquen el problema:
El 80 % es calcula restant el temps actiu de l'agent al temps total de cada sessió interactiva. Per metatreball entenen la feina que no és la tasca en si: escriure especificacions perquè treballin diversos agents, posar un agent a revisar el que fa un altre, muntar eines per veure què passa i vigilar els fluxos. I la seva conclusió, traduïda: aquesta acceleració converteix l'atenció humana en el coll d'ampolla del que produeixen els agents.
Risc És una sola empresa, la que fabrica el model, estudiant el seu propi desplegament. El 80 % és temps de rellotge de la sessió i inclou esperes curtes: no vol dir que l'agent estigui aturat el 80 % de la jornada. El metatreball es va classificar de forma automàtica sobre una mostra de 2.000 resums d'una línia. Les sis hores d'agent per cada hora de persona no són productivitat: els mateixos autors avisen que més codi no vol dir necessàriament millor codi ni més impacte en el negoci.
Per què l'agent espera
No és una dada aïllada. El desembre del 2025, un altre estudi d'Anthropic sobre els seus enginyers (Huang i altres; 132 enquestats i 53 entrevistes) ja n'apuntava la causa. Els enginyers delegaven sobretot el que es comprova fàcilment: deien que Claude era molt útil on l'esforç de validar no és gran comparat amb el de crear. I més de la meitat deia que podia delegar del tot només entre el 0 % i el 20 % de la seva feina. En deien la «paradoxa de la supervisió»: per supervisar l'agent calen precisament les habilitats que es poden perdre si se'n fa un ús excessiu.
DORA ho planteja en termes de cost. El seu informe sobre el retorn de la IA en el desenvolupament de programari, segons el resumeix InfoQ (maig del 2026), parla de l'«impost de verificació» que suposa revisar el codi generat per IA, i avisa que més codi, més ràpid, pot desbordar els pipelines de desplegament i les revisions manuals. I el seu informe del 2025 ho resumeix en una frase: la IA amplifica el que ja té l'organització, el que és bo i el que és dolent.
Ajuntant-ho, la nostra lectura: l'agent espera perquè el que torna no es pot donar per bo sense que algú ho miri, i la persona que ho mira arriba tard perquè no sabia què havia de comprovar. Ja vam explicar on s'encalla el guany a més codi, el mateix lliurament; aquí l'embús és més ampli: no només a la revisió, a tot el flux.
El metatreball és la feina
Si l'atenció d'una persona és el recurs escàs, el raonable és gastar-la on més rendeix: abans de llançar l'agent, no després. La taula compara les tres parts del metatreball fetes a estones i fetes amb mètode. És la nostra proposta, no un resultat de l'estudi.
| Part | Feta a estones | Feta amb mètode |
|---|---|---|
| Preparar | Una frase a la issue i l'agent omple el que falta | Una especificació amb abast, límits i criteris d'acceptació que es puguin comprovar |
| Revisar | Qui estigui lliure llegeix el diff sencer, línia a línia | Una màquina comprova el que és comprovable (tests, anàlisi, criteris executables) i la persona mira el que no |
| Decidir | Es decideix quan l'agent pregunta o quan alguna cosa falla | Els punts on decideix una persona, perquè hi ha risc, estan fixats abans de començar |
Elaboració d'onext
Les tres caselles de la dreta són el que en el Spec-Driven Development (SDD), el desenvolupament guiat per especificacions, es fa abans que l'agent escrigui una línia. Preparar és convertir la tasca en especificació, com expliquem a una issue no és una especificació. Revisar comença per convertir els criteris d'acceptació en la comprovació del merge. I decidir és saber d'entrada on se signa i com es desfà el que faci l'agent.
Cada decisió que es pren abans de llançar l'agent és una espera menys després. Una persona decideix on hi ha risc; en la resta, decideix el que ja està escrit.
Què canvia en la planificació de l'equip
Dos canvis concrets, que proposem nosaltres:
- El metatreball es planifica. Escriure especificacions, criteris d'acceptació i les regles de l'equip per als agents compta a l'sprint com a feina, amb el seu temps. Si es fa en els forats que deixa el lliurament, es fa malament o no es fa, i l'agent torna a esperar.
- La revisió es dissenya segons el risc. No es reparteix a qui estigui lliure. Un canvi de text en una pantalla i un canvi en el càlcul d'una factura no mereixen la mateixa persona ni el mateix temps. Això es decideix abans i queda escrit.
Un exemple, inventat i de cap client: un equip demana a l'agent «exportar les comandes a CSV». Sense preparar res, l'agent pregunta quines columnes, quin format de data i què passa amb les comandes cancel·lades, i espera; o no pregunta i ho decideix ell, i la persona que revisa s'ho troba al diff. Amb mitja hora de preparació, l'especificació ja diu les columnes, el format, que les cancel·lades no surten i que hi ha un test que ho comprova. La persona que revisa només ha de mirar el que el test no cobreix.
Aquest temps de preparar i revisar és justament el que cal ensenyar als perfils nous, com expliquem a desenvolupadors júnior: aprendre a revisar: si supervisar exigeix les habilitats que l'agent pot fer perdre, cal practicar-les expressament.
El que aquesta dada no et diu
No et diu quant espera l'agent al teu equip. Anthropic és l'empresa que fabrica el model, amb un equip que hi treballa cada dia i unes condicions que no són les teves. Tampoc diu que més hores d'agent vulguin dir més lliurament: el que es mesura per saber si funciona és el lliurament i la seva qualitat, no quant codi surt ni quantes hores treballa l'agent.
El que sí que diu, i és el que ens quedem, és la direcció: quan l'agent fa més, el límit passa a ser l'atenció de qui prepara, revisa i decideix. I això es pot organitzar.
Si vols veure amb algú de fora on espera avui l'agent al teu equip, el diagnòstic és gratuït, i si al diagnòstic no veiem diferència, no hi ha Quick-start. Com és la resta del camí és a AI-Accelerated Development. El mètode complet és a Spec-Driven Development amb IA.
Preguntes freqüents
Què és el metatreball quan un equip treballa amb agents d'IA?
És la feina que no és la tasca en si, sinó el que la prepara i la vigila: escriure especificacions perquè treballin els agents, posar un agent a revisar el que fa un altre, muntar eines per veure què està passant i vigilar els fluxos. Anthropic ho mesura a la seva pròpia empresa i ha vist que passa del 10 % de les sessions interactives amb Claude la tardor del 2025 al 22 % la primavera del 2026.
De debò un agent de codi passa el 80 % del temps esperant?
En les sessions interactives que mesura Anthropic a la seva pròpia empresa, sí: al voltant del 80 % del temps de rellotge de la sessió l'agent està esperant que una persona respongui. Es calcula restant el temps actiu de l'agent al temps total de la sessió, així que inclou esperes curtes. No vol dir que l'agent estigui aturat el 80 % de la jornada ni que sigui la dada del teu equip.
Per què l'atenció d'una persona és el coll d'ampolla?
Perquè l'agent produeix més de pressa del que algú pot llegir, comprovar i decidir. Anthropic ho resumeix així: l'acceleració converteix l'atenció humana en el coll d'ampolla del que produeixen els agents. DORA en diu l'«impost de verificació»: el cost de revisar el codi generat per IA.
Com es redueix el temps que l'agent espera una persona?
Decidint abans, no revisant més de pressa. Abans de llançar l'agent: què es demana i amb quins criteris d'acceptació, què comprova una màquina sense que ho miri ningú (tests, anàlisi, criteris executables) i en quins punts decideix una persona perquè hi ha risc. El que queda obert torna en forma de pregunta o de diff dubtós.
El metatreball és temps perdut que cal retallar?
No. És la part de la feina que decideix si el que fa l'agent serveix. El que sí que és un problema és fer-lo a estones, sense mètode i robant temps al lliurament. La proposta d'aquest insight és planificar-lo com a feina: escriure especificacions i regles de l'equip compta a l'sprint igual que escriure codi.
Quines limitacions té l'estudi d'Anthropic?
És una sola empresa, la que fabrica el model, estudiant el seu propi desplegament. El metatreball es va classificar de forma automàtica sobre una mostra de 2.000 resums d'una línia, l'adopció d'eines no és aleatòria i hi ha 17 entrevistes. Els mateixos autors avisen que més codi no vol dir necessàriament millor codi ni més impacte en el negoci.
Fonts
- Nathan Wilmers, Regina Catipon, Maxim Massenkoff i Peter McCrory (Anthropic), «How employment is changing at Anthropic», 16 d'octubre de 2026.
- Saffron Huang i altres (Anthropic), «How AI is transforming work at Anthropic», 2 de desembre de 2025.
- Matt Saunders, «New DORA Report Claims Strong Engineering Foundations Drive AI Return on Investment», InfoQ, 11 de maig de 2026 (sobre l'informe de DORA «ROI of AI-Assisted Software Development»).
- DORA, «State of AI-assisted Software Development 2025», 2025.
- Les xifres i cites de fonts en anglès estan traduïdes per onext. La taula, els dos canvis de planificació, l'exemple i la lectura de per què espera l'agent són elaboració pròpia d'onext.
Bernat López és fundador i CEO d'onext, boutique d'IA. Acompanya equips de desenvolupament i de producte a treballar amb IA amb mètode —especificació abans de programar, una persona que decideix on hi ha risc i Spec-Driven Development— i aplica a la seva pròpia empresa el que proposa: onext funciona amb el seu propi sistema agèntic.
LinkedIn →