Tipus d’agents d’IA i quin necessita de veritat la teva empresa
Un proveïdor t’ofereix «un agent d’IA» per contestar els correus de clients, un altre et parla d’un sistema multiagent per al mateix i un tercer et diu que amb una automatització n’hi ha prou. Tots tres fan servir la paraula agent, i cap no t’explica quin tipus t’està venent ni per què.
Els cinc tipus d’agents d’IA que expliquen els manuals
La classificació que repeteixen gairebé tots els articles ve del manual universitari de Stuart Russell i Peter Norvig, Artificial Intelligence: A Modern Approach, en el capítol sobre agents intel·ligents. Ordena els agents segons com decideixen, de menys a més elaborat.
L’agent de reflex simple respon al que veu en aquell moment amb una regla fixa (si arriba això, fes allò) i no recorda res d’abans. El de reflex basat en model guarda un estat intern, el que ha passat fins ara, i el fa servir per decidir quan el que veu no és suficient. El basat en objectius ja no reacciona: es pregunta què passarà si fa una cosa o una altra i tria la que l’acosta a una meta. El basat en utilitat compara diverses sortides possibles i es queda amb la que més convé. I el d’aprenentatge pot ser qualsevol dels anteriors amb una peça més, un mecanisme que avalua com li ha anat i ajusta el seu comportament.
Aquesta taxonomia serveix per entendre el mecanisme, però es va pensar per a la recerca i no per comprar programari. Cap proveïdor no et vendrà «un agent basat en utilitat».
Els tres tipus que ven el mercat i per a quina tasca serveix cadascun
El que una pime troba al mercat es redueix a tres coses. Un assistent, com ChatGPT, Claude o Gemini, contesta quan algú li pregunta i no fa res pel seu compte. Un agent de flux està connectat a les teves eines i executa passos: llegeix un correu, consulta el CRM, redacta la resposta i la deixa a esborranys. Un sistema multiagent reparteix la feina entre diversos agents que es passen tasques entre ells: un investiga, un altre redacta, un altre revisa.
En atenció al client el més habitual és un agent de flux amb supervisió, que classifica les consultes, respon les repetides amb la informació del teu web o de les teves comandes i passa a una persona les que no entén. Si el que necessites és que el teu equip trobi ràpidament la política de devolucions, n’hi ha prou amb un assistent amb els teus documents carregats.
En vendes, l’agent de flux té sentit per qualificar els contactes que entren per formulari, buscar l’empresa, puntuar-la i deixar la fitxa preparada per al comercial. La conversa amb el client continua sent cosa del comercial.

L’administració és, per a nosaltres, el terreny on més sovint sobra la IA. Passar factures a la comptabilitat o avisar d’un cobrament vençut són regles fixes, i una automatització sense model de llenguatge les fa igual de bé. La IA hi entra quan cal llegir documents que no segueixen un format, com factures de proveïdors diferents. Per a l’anàlisi de dades, en canvi, l’assistent rendeix molt: li passes un Excel de vendes i li preguntes què ha canviat aquest trimestre, sempre que algú comprovi les xifres abans de prendre una decisió amb elles.
Com triar: autonomia, integració i supervisió
- Autonomia. La tasca ha d’avançar sola, sense que ningú la llanci? Si algú la demana cada vegada, n’hi ha prou amb un assistent. Si s’ha de disparar amb un correu nou o una comanda, cal un agent de flux.
- Integració. Necessita llegir o escriure als teus sistemes, el CRM, la botiga en línia, l’ERP? Cada connexió és feina de muntatge i de manteniment, i el que no es connecta no es pot automatitzar.
- Supervisió. Què passa si s’equivoca? Un esborrany mal redactat que algú revisa no costa res; un reemborsament emès per error, sí. Com més car és l’error, més a prop ha de ser una persona abans que l’acció surti.

Eines com n8n o Make permeten muntar l’agent de flux connectant les teves aplicacions i cridant un model com Claude o ChatGPT en el pas que necessita llegir o redactar.
Quan no cal pujar de tipus
Un sistema multiagent sona millor en una proposta comercial, però cada agent afegit és un altre punt on alguna cosa pot fallar, un altre cost d’ús del model i una altra peça que algú ha d’entendre quan es trenca.
La nostra regla és començar sempre pel tipus més simple que resol la tasca, i pujar només quan aquest es queda curt. Si la tasca segueix sempre els mateixos passos i les dades arriben amb el mateix format, Zapier, Make o n8n sense cap model de llenguatge la fan més barata i més previsible, i no s’inventen res. Si cal entendre text lliure, s’hi afegeix IA en aquell pas i només en aquell.
Un multiagent es justifica quan la tasca té fases realment diferents, amb criteris diferents, i una sola instrucció no dona un bon resultat. En una pime això passa menys del que sembla, i preferim dir-t’ho abans de pressupostar-ho.
Si tens una tasca al cap i no saps quin tipus li correspon, explica-ns-la i et direm amb quin nivell n’hi ha prou.