Salta al contingut principal
onext technology
IA 20 novembre 2026 - 7 min de lectura

Pilot d'agents: per què el teu equip tria el projecte fàcil

Si el pilot es fa en un projecte nou i amb voluntaris, el teu equip aprèn poc de com anirà l'agent en el seu codi de cada dia.

Bernat López
Fundador i CEO d'onext
Dos desenvolupadors en una oficina oberta revisen codi en un monitor: un, de perfil, assenyala la pantalla i l'altre, d'esquena, es porta la mà a la barbeta; al darrere, un company amb una tassa mira una pissarra amb diagrames

«Fem el pilot al servei nou, que allà no hi ha codi antic.» Sona assenyat. El servei és petit i el porten dues persones que ja feien servir un agent de codi pel seu compte. D'aquí a un mes hi haurà una demo per al comitè de direcció. El pilot surt bé. Després, l'agent arriba al producte principal, el que manté la resta de l'equip, i ningú sap què esperar.

Proposo anomenar-ho pilot d'aparador: el pilot que es dissenya perquè surti bé i que, precisament per això, serveix de poc per decidir. Mesura el que fa l'agent al terreny on menys falta fa, amb codi nou i persones convençudes, i deixa sense provar el codi que l'equip manté cada setmana.

La tesi

No dic que un pilot en un projecte nou no serveixi; dic que no serveix per decidir si l'agent funcionarà a la resta del teu codi. Els guanys més grans que es publiquen surten de tasques noves i curtes, i s'encongeixen quan el codi és antic i complex. Un pilot útil es fa sobre un evolutiu real del producte, un canvi que el negoci ja ha demanat, en el codi que el sosté, amb les seves regles i les seves proves. I deixa escrit abans de començar quin resultat faria continuar i quin faria parar.

A Track M el pilot es fa sobre un evolutiu real, per mesurar la millora contra una línia base. I ho fem en dos temps: primer ho fem nosaltres, amb l'equip mirant, i després ho fa l'equip, amb nosaltres mirant. Així ens assegurem que el procés es traspassa de manera correcta.

El pilot d'aparador respon a una altra pregunta: si l'eina funciona en bones condicions. Aquesta pregunta gairebé sempre té un sí per resposta, i per això ensenya tan poc a qui ha de decidir.

El que diuen les dades

La xifra que més es repeteix a les presentacions i la dels estudis posteriors mesuren coses diferents. La diferència és en el tipus de tasca.

  • Sida Peng, Eirini Kalliamvakou, Peter Cihon i Mert Demirer (GitHub, MIT i Microsoft Research, 2023) van demanar a 95 programadors professionals que implementessin un servidor HTTP en JavaScript tan ràpid com poguessin. Els que tenien l'assistent van acabar un 55,8 % més ràpid. Era una tasca nova, sense codi anterior.
  • Elise Paradis i el seu equip de Google (2024) van fer un assaig controlat amb 96 enginyers a temps complet sobre una tasca complexa de nivell empresarial. La seva millor estimació és d'un 21 % menys de temps, amb un interval de confiança ampli.
  • Kevin Zheyuan Cui, Mert Demirer, Sonia Jaffe, Leon Musolff, Sida Peng i Tobias Salz van estudiar tres experiments a Microsoft, Accenture i una gran empresa d'electrònica. De mitjana, les tasques completades a la setmana van pujar un 26 %. En les persones acabades d'arribar i amb menys experiència, la pujada va ser d'entre un 27 i un 39 %, i en les més sèniors, d'entre un 8 i un 13 %. Al cap d'un any, l'adopció mitjana era d'un 60 %. Ho explica MIT Sloan el novembre del 2024.
  • Yegor Denisov-Blanch, investigador de Stanford, va presentar el 2025 una matriu amb dades de 136 equips de 27 empreses: guanys orientatius del 30 al 40 % en codi nou i senzill, i del 0 al 10 % en codi antic i complex.

Peng i Cui signen amb coautors de Microsoft o GitHub, i l'assaig de Paradis el fa Google amb les seves pròpies eines. La matriu de Denisov-Blanch surt d'una xerrada, sense article ni mètode publicats, i ell mateix la presenta com a orientativa. Tot i així, Peng, Paradis i aquesta matriu apunten en la mateixa direcció: el guany mesurat baixa com més s'assembla la tasca a la feina diària d'un equip amb codi propi.

Com es veu a l'equip

  • El pilot va al microservei que va sortir el mes passat i que encara no fa servir cap client.
  • Les dues persones del pilot ja feien servir un agent a casa i s'hi van oferir el primer dia.
  • La demo ensenya una funcionalitat feta en una tarda, i ningú pregunta quant va costar revisar-la.

Per què és comprensible

Qui organitza el pilot s'hi juga alguna cosa. Ha convençut el comitè per tenir pressupost i necessita tornar amb un resultat per ensenyar. Triar el terreny fàcil redueix el risc d'un fracàs visible.

La direcció hi té la seva part. Si demana resultats en un mes i castiga el pilot que surt regular, l'equip aprèn a triar el projecte que no pot sortir malament.

El que costa un pilot que no decideix

El primer cost és la decisió. Amb el resultat d'aquell pilot, l'empresa compra llicències per a tot el departament o porta l'agent al producte principal, i descobreix en el codi antic el que el pilot no va provar. Portar la pràctica d'un equip a tot el departament ja és difícil quan el primer equip funciona de debò. Si el punt de partida és un resultat inflat, es comença amb l'expectativa equivocada.

El segon cost és el que no s'aprèn. La feina difícil de portar agents al codi de cada dia és preparar el terreny: escriure les regles de l'equip, explicar el producte en el context del repositori i tenir proves que avisin quan alguna cosa es trenca. Un projecte nou i petit gairebé no necessita res d'això, així que el pilot acaba sense que ningú ho hagi fet.

Què fer

Qui fa la feina (l'equip que farà servir l'agent):

  • Tria per al pilot un evolutiu real del producte que toqui codi amb més d'un any d'història.
  • Apunta des del primer dia, amb una línia per tasca, si l'agent va ajudar i quant de temps va costar revisar el que va lliurar.
  • Abans de la primera tasca, deixa al repositori les regles de l'equip i la xarxa de proves que ha de passar cada canvi.

Qui dirigeix:

  • Escriu abans de començar quin resultat faria continuar i quin faria parar, amb una xifra i una data.
  • Inclou almenys un equip que no s'hi hagi ofert voluntari i que mantingui codi antic.
  • Compta com a fet només el canvi que passa les comprovacions automàtiques del repositori, i mesura el mateix que mesuraràs després a tot el departament: per exemple, el temps des que es demana un canvi fins que arriba a producció i quants canvis s'han de refer.

Abans de triar el projecte

Als nostres tallers he vist i sentit moltes vegades la mateixa pregunta: si fer servir IA generativa és més fàcil en projectes nous. Jo opino el contrari: aporta moltíssim més valor i millora en projectes avançats. En codi antic els agents són especialment bons, i això és així perquè a un humà li costa molt més seguir un codi espagueti que a una IA. Per a mi, el primer per al qual la IA generativa estava preparada era ajudar amb el codi legacy. Al radar de Thoughtworks, «Using GenAI to understand legacy codebases» va passar a Adopt el novembre del 2025, per entendre aquest codi.

Els estudis mesuren menys guany de velocitat en codi antic, però allà hi ha la feina de cada dia i el que més costa d'entendre: per això el pilot hi ha d'estar.

Un pilot d'aparador et diu que l'agent funciona on ja sabies que funcionaria. El pilot que val la pena es fa en el codi que el teu equip manté cada setmana, amb el resultat que faria parar escrit abans de començar.

Preguntes freqüents

Què és un pilot d'aparador?

És un pilot d'agents de codi que es dissenya perquè surti bé, en un projecte nou i amb persones voluntàries. Ensenya que l'eina funciona en bones condicions i deixa sense provar el codi que l'equip manté cada setmana.

Per què un pilot en un projecte nou dona millors resultats?

Perquè les tasques noves i curtes són les que més guanyen amb un assistent de codi. En un assaig del 2023 amb una tasca així, el grup amb assistent va acabar un 55,8 % més ràpid. En un assaig de Google del 2024 amb una tasca complexa d'empresa, la millor estimació va ser un 21 % menys de temps.

On convé fer el pilot?

En un evolutiu real del producte: un canvi que el negoci ja ha demanat, fet en el codi que el sosté, amb les seves regles i les seves proves.

Convé fer el pilot amb voluntaris?

Poden formar-ne part, però convé incloure-hi almenys un equip que no s'hi hagi ofert. En els experiments de Cui i els seus coautors, l'adopció mitjana era d'un 60 % al cap d'un any, i un pilot només amb voluntaris amaga aquesta part.

Què cal decidir abans de començar el pilot?

Quin resultat faria continuar i quin faria parar, amb una xifra i una data, i què es mesurarà. Ajuda mesurar el mateix que es mesurarà després a tot el departament, com el temps des que es demana un canvi fins que arriba a producció.

Quant millora la productivitat amb agents en codi antic?

Hi ha poques xifres i cap no serveix per a tots els equips. La matriu que va presentar Yegor Denisov-Blanch (Stanford) el 2025 parla de guanys orientatius del 0 al 10 % en codi antic i complex, i ve d'una xerrada sense article publicat. Per això convé mesurar-ho en el teu propi codi.

Fonts

Bernat López
Escrit per
Bernat López
Fundador i CEO 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, controls automàtics i Spec-Driven Development— i aplica a la seva pròpia empresa el que proposa: onext funciona amb el seu propi sistema agèntic.

LinkedIn →

En quin codi provaràs l'agent?

Parlem del teu proper pilot i de com plantejar-lo perquè et serveixi per decidir.

Veure el taller en línia gratuït

El que construïm es queda al teu equip.