IA generativa vs agents: què necessita el teu negoci
Diferències reals entre IA generativa i agents d'IA, amb exemples de pimes catalanes per decidir què automatitzar primer.
Una gestoria de Sabadell amb nou treballadors va contractar una eina d’IA generativa per redactar correus i resumir documents. Sis mesos després, l’equip la fa servir cada dia per escriure, però les factures encara s’introdueixen a mà, els recordatoris de venciment els envia una persona i ningú no ha reduït ni una hora de feina administrativa. La eina funciona perfectament. Simplement no fa el que esperaven.
Aquest malentès és habitual. Es confon una tecnologia que genera contingut amb una que executa tasques, i es compra la primera esperant resultats de la segona.
Dues tecnologies que es confonen sovint
La IA generativa és un model que produeix text, imatges, codi o àudio a partir d’una instrucció. Li demanes una cosa i et torna una resposta. ChatGPT, Gemini o Claude en són exemples. És reactiva: espera que algú escrigui per actuar, i el que retorna sempre és contingut que després algú ha de revisar i utilitzar.
Un agent d’IA fa servir aquests mateixos models com a motor, però hi afegeix dues coses: la capacitat de decidir quins passos cal fer i la capacitat de connectar-se a les teves eines per executar-los. No només redacta el correu de venciment, sinó que consulta quines factures estan pendents, les identifica, prepara el missatge i l’envia.
La diferència pràctica en una frase
La IA generativa et dona una resposta quan la hi demanes. L’agent fa la feina sencera sense que tu hagis de demanar cada pas. Quan comparem IA generativa vs agents, aquesta és la línia que separa una eina que assisteix d’un sistema que opera.
Què resol bé cada una
La IA generativa brilla quan el coll d’ampolla és la creació de contingut:
- Redactar descripcions de producte per a una botiga amb centenars de referències
- Resumir actes de reunió o contractes llargs
- Generar primeres versions de propostes comercials
- Traduir materials a diversos idiomes
- Ajudar a programar o depurar codi
En tots aquests casos hi ha una persona al teclat que demana, llegeix i decideix. L’IA accelera una tasca concreta, però el procés segueix depenent d’algú.
Un agent té sentit quan el problema és un procés repetitiu que enllaça diverses passes i sistemes:
- Respondre consultes del web fora d’horari consultant l’estoc o l’agenda real
- Qualificar leads que arriben pel formulari i crear-los al CRM amb la informació ja ordenada
- Fer seguiment de pressupostos no contestats al cap de tres dies
- Reconciliar albarans amb factures i avisar només de les diferències
La feina de l’agent no és escriure millor, és treure’t del mig d’una cadena de tasques que ara fa una persona pas a pas.
Com saber què necessita el teu negoci
La pregunta útil no és quina tecnologia és més potent, sinó on perds temps o oportunitats ara mateix.
Si el problema és produir més ràpid
Una agència de màrqueting de Girona que havia de treure vint textos de blog al mes no necessita un agent. Necessita IA generativa ben integrada al flux de treball dels redactors, amb instruccions clares i revisió humana. Muntar un agent autònom aquí seria car i innecessari, perquè el valor està en el criteri de la persona que escriu, no en automatitzar l’enviament.
Si el problema és que les coses no passen
Tornem a la gestoria de Sabadell. El seu problema no era escriure correus, era que ningú tenia temps de mirar quins venciments s’acostaven i actuar. Això és territori d’agent: un sistema que revisa l’estat de les factures cada dia, detecta les que vencen, prepara l’avís i l’envia, i deixa un registre perquè l’equip ho supervisi.
Si no ho tens clar
Molts negocis necessiten les dues coses, però no alhora. L’error car és voler-ho tot el primer mes. Convé començar pel punt que fa més mal i es pot mesurar. Si cada setmana es perden leads per respostes tardanes, aquest és el cas d’ús que justifica un agent. Si l’equip es passa hores escrivint el mateix tipus de document, comença per la IA generativa.
El cost i el risc no són iguals
Posar en marxa IA generativa per a un equip és relativament ràpid i barat: una subscripció, una mica de formació i unes bones instruccions. El risc és baix perquè sempre hi ha una persona revisant abans que res surti.
Un agent demana més feina inicial. Cal connectar-lo als teus sistemes, definir què pot fer sol i què ha de passar per una persona, i provar-lo amb casos reals abans de deixar-lo actuar. A canvi, un cop funciona, treballa sense que hagis de demanar-li res. Per això té sentit desplegar-lo on l’estalvi recurrent compensa la inversió, i no per a tasques esporàdiques.
Un parell de senyals d’alerta
Desconfia de qui et ven un agent per a tot. Si una feina necessita judici humà, context que canvia cada vegada o decisions amb conseqüències serioses, automatitzar-la del tot és una mala idea. L’agent ha de cobrir el tram previsible i deixar l’excepció a les persones.
I desconfia igual de qui et diu que amb una subscripció de IA generativa ja tens la feina automatitzada. Generar text no és executar un procés. Si després algú ha de copiar, enganxar i enviar, no has automatitzat res, només has anat una mica més ràpid.
Un ordre que acostuma a funcionar
La majoria de pimes amb qui treballem fan aquest camí: primer introdueixen IA generativa en tasques de contingut per guanyar confiança amb la tecnologia, mesuren quin temps estalvien de debò i, un cop tenen clar un procés que els menja hores cada setmana, hi posen un agent que l’executa de punta a punta. En aquell moment ja saben distingir entre accelerar una tasca i treure-se-la del damunt.
La gestoria de Sabadell va acabar amb les dues coses: IA generativa per als seus informes i un agent que gestiona els recordatoris de venciment. Va recuperar sis hores setmanals d’una persona, i cap d’elles venia de redactar més ràpid.
Vols saber quin dels dos et convé
Si tens un procés concret al cap i no saps si el que necessites és accelerar-lo o automatitzar-lo del tot, ho mirem junts amb els teus números reals.