Quan un agent d'IA falla en el pas de pilot a producció, la primera reacció sol ser millorar el prompt o canviar de model. Sovint la pregunta útil és una altra: per què li estem preguntant això al model?
Aquesta peça defensa una tesi senzilla de dir i difícil d'aplicar: molts agents es compliquen perquè demanen al model decisions que ja tenien una regla. Dissenyar un agent és decidir què decideix el model i què decideix el codi. Va a codi el que es repeteix, té una única resposta correcta o costa car quan surt malament; va al model el que demana criteri, amb una persona que decideix on hi ha risc.
Workflow o agent: dos extrems del mateix eix
El desembre de 2024, Erik S. i Barry Zhang van publicar a Anthropic una distinció que s'ha convertit en referència. En un workflow, els models i les eines s'orquestren per camins de codi predefinits. En un agent, el model dirigeix el seu propi procés i decideix quines eines fa servir. La seva recomanació de partida: buscar la solució més simple possible i afegir complexitat només quan calgui.
El mateix text posa nom a l'intercanvi. Els workflows donen previsibilitat i consistència en tasques ben definides; els sistemes agèntics solen canviar latència i cost per un resultat millor en la tasca. Cap dels dos no és millor en abstracte. El que importa és en quin punt d'aquest eix poses cada decisió, no com anomenes el sistema sencer.
Quina part del bucle cal fer determinista
Phil Winder ho formula de manera pràctica en un article d'octubre de 2026 sobre el que va aprendre construint agents: un harness (l'arnès que envolta el model) és un bucle amb un o diversos models a dins, i la seva enginyeria consisteix a decidir quina part d'aquest bucle es fa determinista. Per decidir-ho proposa una pregunta: què costa una resposta equivocada i qui la detecta.
El seu criteri per al que va a codi és concret: els passos que es repeteixen, que tenen una única resposta correcta i que són al centre del problema. El judici, com entendre què volia dir algú o valorar si un argument s'aguanta, es queda en un model o en una persona. Un dels seus exemples: en un agent que navega per menús telefònics, passar a codi l'elecció de l'opció següent va reduir l'exploració d'un menú de prova de 46 passos a 6.
Dex Horthy arriba al mateix lloc des d'un altre costat. Als seus «12-Factor Agents» explica que molts productes que es presenten com a agents són, sobretot, codi determinista amb passos de model posats als punts justos. Un dels seus principis és literal: sigues amo del teu flux de control.
| Si la decisió… | Va a | Què necessita |
|---|---|---|
| Té una única resposta correcta (un càlcul, un format vàlid) | Codi | Proves automàtiques |
| Es repeteix igual en cada cas (una ruta d'aprovació per import) | Codi | Que algú la mantingui quan canviï la regla |
| Costa car si surt malament i ningú no revisa cada sortida | Codi o una persona | Registre de qui va decidir i per què |
| Demana interpretar el que algú volia dir | Model | Evals amb casos de resposta coneguda |
| No encaixa en cap regla coneguda | Model, amb sortida cap a una persona | Una ruta d'excepció |
Criteri elaborat per onext a partir de Phil Winder (2026) i Anthropic (2024)
Un exemple: revisar despeses de viatge
Un exemple il·lustratiu, sense cap client al darrere: un agent que revisa les notes de despeses de viatge d'una empresa. Si tot se li pregunta al model, cada nota depèn de com interpreti el prompt aquell dia. Si es reparteix, queda així:
- El model llegeix el tiquet i n'extreu la data, l'import, el proveïdor i a quin tipus de despesa correspon. És la part ambigua: tiquets arrugats, idiomes, conceptes mal escrits.
- El codi comprova que l'import és dins del límit de la seva categoria i que la factura té les dades fiscals obligatòries. Té una única resposta correcta.
- El codi decideix qui aprova segons l'import. La política de l'empresa ja ho diu; no hi ha res a interpretar.
- Una persona rep el que no encaixa: una despesa fora de política, un tiquet que el model no sap classificar amb seguretat.
El model continua fent la feina que només ell pot fer, i el que podia sortir malament per una mala interpretació ja no depèn d'ell. Què rep aquesta persona i en quin ordre ho expliquem a la ruta d'excepció.
Cada decisió que es queda al model s'ha de mesurar. Cada decisió que passa a codi s'ha de mantenir. Triar on va cadascuna és triar quin cost prefereixes pagar.
Mesurar el que decideix el model vol dir tenir evals: casos amb resposta coneguda que s'executen a cada canvi, com expliquem a com construir un golden set i a evals a cada pull request. I hi ha decisions que no haurien de dependre del model per seguretat: quines eines pot fer servir i amb quins permisos, com expliquem a injecció de prompts i permisos d'eines.
Més codi no sempre és millor
La temptació contrària també existeix: escriure regles per a tot fins que l'agent és un programa rígid amb un model de decoració. Winder recull l'argument de Han Lee, que sosté que bona part del codi del harness es dissoldrà en la generació següent de models. El consell de Winder: afegir codi al harness només per corregir un error que ja has vist.
Les dades tampoc no van en una sola direcció. El mateix article explica que, quan l'equip de SWE-agent va treure el comprovador de sintaxi de l'ordre d'edició del seu agent, el percentatge de problemes resolts va baixar del 18,0 % al 15,0 %. Una comprovació determinista ben posada ajudava el model, no el substituïa.
Risc Una regla escrita també s'equivoca: quan canvia la política de l'empresa i ningú no actualitza el codi, l'agent aplica amb tota seguretat una norma que ja no existeix. Passar una decisió a codi no l'elimina; canvia qui l'ha de vigilar.
El que faríem dilluns
Si el teu agent és en pilot, hi ha un exercici que cap en un matí. Escriu en una taula totes les decisions que pren avui el model, des de classificar una entrada fins a decidir que ha acabat. Al costat de cadascuna, dues columnes: si té una regla clara i què passa quan surt malament. Les que tenen regla i fallen sovint són les primeres candidates a passar a codi, començant per les més barates d'escriure. Les que es queden al model són les que necessiten evals i una ruta d'excepció abans d'arribar a producció. Si el model que fas servir retorna, a més, una probabilitat al costat de la decisió, hi pots posar un llindar, com expliquem a el model que decideix en lloc d'escriure.
Com ho plantegem a onext
És el criteri amb què treballem en els projectes d'agents: el model decideix només el que necessita criteri, el que té regla va a codi amb les seves proves, i una persona decideix on hi ha risc. El que construïm es queda al teu equip, també la llista de què decideix cada part i per què. Del pilot a producció, la resta del camí és a enginyeria d'IA: del pilot a producció.
Preguntes freqüents
Quina diferència hi ha entre un workflow i un agent d'IA?
Anthropic ho explica així: en un workflow, els models i les eines s'orquestren per camins de codi predefinits; en un agent, el model dirigeix el seu propi procés i decideix quines eines fa servir. No són dues categories tancades, sinó els extrems d'un mateix eix: gairebé tots els sistemes reals barregen les dues coses.
Quines decisions d'un agent haurien d'anar a codi?
Les que es repeteixen, tenen una única resposta correcta i són al centre del problema: un càlcul, una validació de format o una ruta d'aprovació fixa. Phil Winder ho resumeix en aquesta regla, i hi afegeix una pregunta per decidir quant cal fer determinista: què costa una resposta equivocada i qui la detecta.
I quines decisions convé deixar al model?
Les que demanen criteri: entendre què volia dir algú, redactar una resposta o classificar un cas que no encaixa en cap regla. Per a aquestes decisions calen evals que mesurin com decideix el model i una ruta d'excepció per al cas dubtós, amb una persona que decideix on hi ha risc.
Què és el harness d'un agent?
Phil Winder el defineix com un bucle amb un o diversos models a dins, i l'enginyeria del harness com decidir quina part d'aquest bucle es fa determinista. És tot el que envolta el model: el codi que decideix què se li pregunta, quines eines té, què es comprova abans i després i què passa quan falla.
Més codi fa sempre més fiable un agent?
No. Una regla escrita també pot estar malament i s'ha de mantenir quan canvia el negoci. Winder recull, a més, l'argument de Han Lee: bona part del codi del harness es dissoldrà en la generació següent de models. Per això recomana afegir codi només per corregir un error que ja s'ha vist.
Per on començo si el meu agent ja és en pilot?
Fes la llista de les decisions que pren avui el model i marca les que tenen una regla clara o un error car. Aquestes són les candidates a passar a codi, començant per les que fallen sovint i són més barates d'escriure. Les que es queden al model necessiten evals i una ruta d'excepció abans d'arribar a producció.
Fonts
- Erik S. i Barry Zhang, «Building effective agents», Anthropic, 19 de desembre de 2024.
- Phil Winder, «Harness Engineering: What We Learnt Building AI Agents», Winder.AI, 11 d'octubre de 2026.
- Dex Horthy (HumanLayer), «12-Factor Agents», repositori a GitHub (sense data de publicació visible; consultat el 18 d'octubre de 2026).
- Les cites de fonts en anglès estan traduïdes per onext. La taula de criteris, l'exemple de despeses de viatge (il·lustratiu, sense client) i l'exercici 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 →