Posar a funcionar un agent d’IA en el dia a dia d’una empresa està resultant força més difícil del que molts van anticipar. La demo brilla, però quan l’agent aterra sobre el CRM, el correu i l’ERP reals, comencen els problemes: dades duplicades, permisos, processos que es trepitgen entre si. Justament aquí hi ha el coll d’ampolla per entrenar agents d’IA que serveixin en un entorn empresarial de veritat, i no només en una pantalla de presentació.
Una notícia recent ho il·lustra bé. Segons TechCrunch, la startup Arga Labs ha aixecat una ronda llavor de 10 milions de dòlars per construir "entorns d’entrenament" que reprodueixen programari empresarial com Salesforce, Workday o el client de correu. En lloc d’un simple punt d’accés d’API, creen una rèplica completa del programa —una mena de bessó digital— amb els seus permisos i automatismes intactes. La idea: poder assajar milers de vegades sense trencar el sistema real.
Per què entrenar agents d’IA a l’empresa és tan difícil
L’article explica un contrast molt revelador. Les eines d’IA per programar han avançat a tota velocitat perquè el món del codi ja compta amb instruments madurs per desplegar, revertir i analitzar canvis. Això permet muntar entorns de prova i repetir un escenari tantes vegades com calgui.
Amb el programari de gestió no passa el mateix. No hi ha un botó de "reiniciar" per deixar el teu CRM o el teu correu en l’estat exacte de partida i tornar a llançar la mateixa prova. I sense aquesta possibilitat de repetir, l’aprenentatge per reforç —assajar una tasca desenes de milers de vegades i quedar-se només amb les estratègies que funcionen— es torna inviable.
El CEO d’Arga, Phillip Li, ho concreta amb un exemple que qualsevol equip comercial reconeixerà: un client potencial entra com a oportunitat en un sistema, mentre un company contacta amb aquesta mateixa empresa a través d’una altra eina diferent. És capaç l’agent d’adonar-se que es tracta de la mateixa companyia? De comprovar que el correu no s’ha enviat ja per duplicat? De decidir a qui escriure entre les dues oportunitats obertes? Aquesta ambigüitat, tan quotidiana en qualsevol oficina, continua sent terreny relliscós per als sistemes agèntics.
Del laboratori d’una startup al dia a dia d’una pime
És fàcil llegir aquesta notícia com una cosa llunyana, cosa de grans tecnològiques amb rondes milionàries. Però la idea de fons és molt enganxada al terreny i afecta qualsevol empresa que es plantegi fer servir IA sobre els seus processos. Com resumeix en el mateix article Yuri Sagalov, de General Catalyst, bona part del valor econòmic dels agents sorgeix precisament de fer servir aplicacions de negoci, i per a això cal un entorn de proves repetible.
A Tisa ho veiem amb els nostres clients: la conversa interessant no és "la IA sap redactar un correu?", sinó "pot l’agent operar de forma fiable sobre els meus sistemes, amb les meves dades i les meves regles, sense fer-la grossa?". I la resposta depèn menys del model de moda i més de tres factors gens glamurosos: dades ordenades, processos clars i un espai segur on provar abans de deixar anar l’agent en producció.
1. Dades ordenades: sense base, no hi ha agent
L’exemple del client duplicat no és un problema d’IA, és un problema de dades. Si a la teva organització la mateixa empresa apareix de tres formes diferents en tres sistemes, cap agent —per potent que sigui— prendrà bones decisions. Per això insistim tant en la governança de dades: qualitat, criteris comuns i una única font de veritat. És el treball previ que fa que qualsevol projecte d’IA posterior tingui sentit.
2. Processos clars i un lloc on assajar
Un agent aprèn (i es valida) repetint. Per a això necessita un entorn on equivocar-se sense conseqüències: provar, mesurar, corregir i tornar a provar. Traslladat a una pime, això significa disposar d’entorns de prova del teu ERP i les teves aplicacions, amb dades representatives, separats de l’operativa real. No cal un bessó digital de laboratori: cal mètode i una plataforma que ho permeti.
3. Començar per un cas d’ús mesurable
La temptació de "posar IA" en tot alhora és real, i sol acabar en frustració. Nosaltres defensem just el contrari: triar un cas d’ús concret, amb un benefici clar i mesurable, i executar-lo de principi a fi. Un agent que concilii oportunitats duplicades, un altre que prepari respostes a incidències recurrents, un altre que revisi comandes abans de facturar. Començar petit, demostrar valor i escalar sobre el que funciona.
Com ho concreta Tisa
Aquí és on l’ecosistema en el qual treballem juga a favor. Microsoft Dynamics 365 Business Central i Power Platform ofereixen una cosa que moltes eines soltes no tenen: entorns separats de prova i producció, control de permisos, traçabilitat i automatització nativa amb Power Automate. És a dir, part de l’"espai segur per assajar" que les startups estan reconstruint des de zero ja existeix quan la teva gestió viu sobre una plataforma seriosa i ben integrada.
Sobre aquesta base, des de la línia de desenvolupament a mida i IA aplicada a negoci de Tisa acompanyem l’empresa privada en el camí realista: ordenar les dades, definir el procés, muntar l’entorn de proves adequat i desenvolupar el cas d’ús que de veritat mou l’agulla. Amb més de 30 anys implantant solucions de gestió en retail, distribució, construcció, indústria alimentària, hostaleria, centres esportius o automoció, coneixem els processos on un agent pot aportar —i també on encara convé la prudència.
La conclusió pràctica
L’aposta d’Arga confirma una tendència de fons: la propera onada de la IA no es juga només en models més llestos, sinó en la capacitat d’entrenar agents d’IA sobre el programari real de les empreses, amb les seves dades, els seus permisos i els seus casos ambigus. És una cursa que ara mateix protagonitzen les grans, però l’aprenentatge de la qual és aplicable a qualsevol pime: primer ordre, després procés, després IA.
Si a la teva empresa esteu donant-hi voltes a l’automatització intel·ligent o a un primer projecte d’IA, el millor punt de partida no és triar el model, sinó posar en ordre la base sobre la qual treballarà. A Tisa t’ajudem a valorar-ho sense compromís: escriu-nos a info@grupotisa.com, truca’ns al (+34) 971 305 885 o visita grupotisa.com. Parlem del teu cas concret i de com fer un primer pas amb criteri.
Font de referència: TechCrunch, "Arga Labs is building a better way to train enterprise AI agents" (26 d’agost de 2026).