Tot el blog

Divulgació14 min de lectura

Qui comença la feina: copilot a mida i sistema d'agents

El meu copilot espera que li escrigui i multiplica qui el fa servir; el meu sistema d'agents arrenca sol quan arriba un correu o una comanda. Què fa cadascun, què veus del que fan, com es paga cada cosa i quan convé l'un o l'altre

Marc Galera

Cofundador de Qvasar ·

Amb ChatGPT o amb Claude, la feina comença perquè tu escrius. Obres la finestra, demanes alguna cosa, llegeixes la resposta i demanes la següent. Si deixes d'escriure, no passa res. Amb el que LangChain (un conjunt d'eines per construir agents d'IA) anomena un agent ambiental passa al revés: la feina comença perquè arriba alguna cosa, i l'agent actua sense que ningú li hagi escrit.

El 14 de gener de 2025, Harrison Chase va fer al blog de LangChain una observació tan evident que gairebé fa vergonya escriure-la: amb un xatbot, és la persona qui ha de començar la conversa. En aquell mateix text anomenava agents ambientals els que no esperen que els parlis: escolten el que va passant, per exemple un correu que arriba o una comanda que entra, i hi actuen, fins i tot sobre diversos casos alhora. Un agent, per entendre'ns, és un programa amb IA que encadena tasques sense que en dirigeixis cada pas.

A la teva empresa, en canvi, hi ha molta feina que no arrenca amb una persona escrivint: arrenca quan entra un correu, quan arriba una comanda, quan algú puja una factura. Aquesta feina no espera que obris cap finestra, i avui, si ningú no se la mira, es queda allà. Si ja pagues una subscripció d'IA per al teu equip, o t'ho estàs pensant, la pregunta surt sola. Necessito un d'aquests agents que arrenquen sols, en tinc prou amb el que ja pago, o calen totes dues coses?

Safata d'entrada d'un correu electrònic a la pantalla d'un portàtil

Les dues IA amb què treballo

Per això, abans de definir res, t'explico com ho tinc muntat jo, perquè faig servir totes dues. D'una banda tinc diversos copilots: Madison em porta el màrqueting, des del contingut fins a l'edició de vídeo. Caesar porta les vendes, amb el CRM (el programa on hi ha els clients), els documents comercials i un radar de mercat que m'informa i mai no contacta ningú pel seu compte. Socrates investiga. Cadascun és Claude Code o Codex, programes d'Anthropic i d'OpenAI que van néixer per programar, però que llegeixen fitxers, els editen i es connecten a les eines de treball. Cadascun està configurat a mida, amb les seves instruccions, les seves eines i els seus límits, i tots treballen igual: quan obro una sessió i els demano alguna cosa. Si no els escric, no fan res.

D'altra banda hi ha el sistema d'empresa que muntem a Qvasar, que és una altra cosa. Jo el tinc així: un agent persistent construït amb LangChain, dels que s'anomenen deep agents, és a dir, agents pensats per sostenir tasques llargues i complexes. Persistent vol dir que guarda el que porta fet i, si alguna cosa falla, reprèn la feina on l'havia deixada. Per sobre hi va Jev, un model que classifica i enruta: decideix on va cada cosa que entra. Per a cada programa que fa servir, el sistema té molts fluxos ja fets o accions predefinides: passos fixos que s'executen sempre igual, com una recepta. A més, conserva la capacitat de treballar com un deep agent, amb un model potent (el cervell que l'alimenta). I el tinc molt traçat, amb Langfuse i amb LangChain: es pot seguir pas a pas el que fa.

T'ho explico perquè la teva decisió és la mateixa: quina feina va a un copilot i quina a un sistema. Un copilot es paga per persona i té preu de catàleg. Amb pagament mensual, Claude Pro costa 20 dòlars al mes i, al pla Team de Claude (pensat per a equips), la llicència estàndard surt a 25. A la pàgina de preus de Codex, OpenAI posa ChatGPT Business a 25 dòlars per usuari i mes, també amb pagament mensual. Així que el dubte raonable és aquest: si ja pagues un copilot, per què no en tens prou?

Què és un copilot a mida

Per respondre-la, doncs, primer cal veure què és un copilot ben configurat, que s'assembla poc a la finestra de xat. Claude Code és l'eina d'Anthropic que va néixer per programar: llegeix el codi, edita fitxers, executa ordres i es connecta amb les eines de treball. Funciona al terminal (la finestra d'ordres), als editors de codi, en una aplicació d'escriptori i al web, i està inclòs en tots els plans de pagament de Claude. Codex és l'agent equivalent d'OpenAI. Per a mi, un copilot a mida és un dels dos ben configurat: el que hi poses al voltant.

El primer és un fitxer d'instruccions. Claude Code en llegeix un que es diu CLAUDE.md en començar cada sessió, i allà hi caben les regles d'un projecte, de la manera de treballar d'una persona o de tota una empresa. Codex llegeix els seus, els AGENTS.md, abans de posar-se a treballar.

A sobre s'hi afegeixen peces. Les skills són instruccions per a una tasca concreta que només es carreguen quan calen. Els subagents són ajudants que treballen en la seva pròpia conversa a part, amb les seves eines i els seus permisos. Els hooks són ordres que s'executen sempre en el mateix punt, passi el que passi. Claude tracta les instruccions del fitxer com a context, no com una norma obligatòria. Per al que no ha de passar mai, la mateixa Anthropic remet a un hook. I amb MCP, un estàndard obert per endollar la IA a altres programes, el copilot llegeix documents de Google Drive, treu dades de Slack o actualitza els tiquets de Jira, el programa on molts equips apunten les seves tasques. OpenAI descriu la configuració de Codex amb capes semblants.

Cada sessió de Claude Code comença sense recordar l'anterior, i el que passa d'una a l'altra ho porten aquests fitxers i una memòria que Claude va escrivint amb les teves correccions i preferències. Jo ho explico així: quan tanco la sessió, el copilot se'n va a dormir, i quan es desperta el primer que fa és llegir les seves notes. Per defecte, a més, Claude Code demana permís la primera vegada que farà servir cada eina.

Aquest és el límit que hi veig jo per a una empresa: en els meus copilots, la feina comença quan jo començo i s'atura quan tanco la sessió. Què passa amb la comanda que entra quan no hi ha ningú al davant?

A sota, el motor pot ser el mateix

Però aquí ve el que confon: per dins, un copilot i un agent poden compartir peces. Quan LangChain va presentar els seus deep agents, el 30 de juliol de 2025, va explicar que l'exploració que els va donar origen es va inspirar sobretot en Claude Code. I Anthropic presenta el seu Agent SDK com la manera de construir agents de producció fent servir Claude Code com una peça dins d'altres programes. Porta el mateix que mou Claude Code: les mateixes eines i el mateix bucle de treball, aquell en què el model les crida una vegada i una altra. Amb l'Agent SDK, el motor d'un copilot serveix també per construir agents.

Hi ha copilots que ja poden arrencar sols, sense esperar que ningú els escrigui. El 14 d'abril de 2026, Anthropic va presentar les routines de Claude Code: una configuració desada, amb el seu encàrrec, el codi sobre el qual treballa i les seves connexions, que s'executa sola. Es disparen per horari, per un avís d'un altre programa o per esdeveniments de GitHub (la plataforma on es desa i es revisa el codi), i corren al núvol, sense que el teu ordinador hagi d'estar encès. A OpenAI, les tasques programades de ChatGPT poden arrencar amb un esdeveniment de Gmail, de Slack o de GitHub, al web i al mòbil i en els plans que ho permeten.

I hi ha productes pensats per no apagar-se. L'11 d'agost de 2026 SpaceXAI va presentar Grok Bot, un equip d'agents sempre encesos i amb ordinador propi, les routines del qual es llancen per horari o, on s'admet, després d'un esdeveniment, i no s'aturen en tancar l'aplicació. El 8 de setembre, Meta va presentar Muse, un agent personal que continua treballant encara que tanquis l'app i torna quan alguna cosa canvia o quan necessita la teva aprovació. OpenAI anomena dots els seus, sempre encesos i amb ordinador i navegador propis al núvol, que decideixen sols quan fan una pausa i quan es desperten; Bloomberg va informar de la seva presentació el 29 de setembre.

Jo ho llegeixo així: cada vegada més, Claude i la resta d'aquests agents avancen cap a un ecosistema integrat, on una mateixa eina tant atén una conversa com salta sola quan passa alguna cosa. Si m'ho permets, estimat lector, un parèntesi: a mi em fa força gràcia l'anar i venir de la gent. Segons com ho veig jo, fa uns mesos tothom deixava OpenAI per Claude i ara fa el camí contrari. I crec que Claude i Codex s'assemblen cada vegada més. Per a la teva safata d'entrada, la pregunta és aquesta: si Claude Code pot ser dins d'un agent i les routines ja arrenquen soles, què canvia de debò entre un copilot i un sistema?

El que el sistema hi afegeix al voltant

La meva lectura, doncs, és que el que canvia no és el motor, sinó el que s'hi posa al voltant perquè treballi sense ningú al davant. El primer és una memòria que no es perd. Els deep agents de LangChain corren sobre LangGraph. La mateixa LangChain el presenta com un motor per a agents de llarga durada que guarden el seu estat, és a dir, el que porten fet i el que saben a cada moment.

LangGraph guarda una memòria curta per a cada conversa i una altra de llarga que dura entre una interacció i la següent. La documentació explica per a què: perquè l'agent pugui seguir una conversa, reprendre-la després d'una interrupció, recuperar-se d'una fallada o recordar el que hi havia abans. Si un pas falla, el procés pot tornar a arrencar des de l'últim que va sortir bé. I si l'estat es guarda només a la memòria de l'ordinador, un reinici ho esborra tot, com un document que no vas arribar a desar.

Li ha passat fins i tot a Anthropic, segons explica ella mateixa: en el primer disseny del seu servei d'agents allotjats, va posar la sessió, l'agent i el seu entorn de treball en un sol contenidor, una mena de caixa aïllada on corre el programa, i si el contenidor fallava, la sessió es perdia.

El segon és saber esperar. Quan un agent de LangGraph arriba a un punt en què necessita una persona, guarda el seu estat i espera, sense límit de temps, que algú el reprengui. El copilot et pregunta mentre ets al davant. El sistema pregunta i es queda esperant encara que triguis un dia a contestar.

El tercer és repartir la feina amb cap. LangChain descriu un patró, el de l'enrutador, en què un primer pas classifica el que entra i ho envia a l'agent especialitzat que toca. I recomana passos fixos on cal fiabilitat i passos que decideix l'agent on cal flexibilitat, perquè així una part de la lògica és completament previsible i es pot revisar de principi a fi. Al meu sistema, el repartiment és aquest: Jev a dalt, enrutant; a sota, els fluxos ja fets i les accions predefinides per a cada programa, i el deep agent amb el seu model potent.

Jev és el primer model públic de TypeSafe AI, presentat el 15 de setembre de 2026. No redacta ni explica res: qui el fa servir fixa abans les respostes possibles, que poden ser una opció d'una llista, una puntuació o un cert o fals. La seva documentació el proposa justament per a això, per enviar cada petició a codi fix, a un model especialitzat o a una persona.

El seu fabricant diu que és entre 40 i 200 vegades més ràpid que els models grans que escriuen text lliure en aquestes tasques. OpenChamber, un projecte que va recollir el que deien els usuaris en el llançament, dona una millora de velocitat de 7 vegades de mediana: és un recompte d'informes públics, no una prova que repetís els experiments. I la mateixa TypeSafe avisa que no garanteix que una resposta concreta sigui correcta. Si treballa sol, com sé què ha fet?

El que pots veure

Però aquesta pregunta té un nom, telemetria, i Anthropic la resumeix sense embuts: sense telemetria no es pot veure quines eines va fer servir un agent, quant van trigar ni on es va encallar una sessió. La telemetria és el rastre de dades que un programa deixa sobre el que fa.

A Langfuse, una traça, el registre pas a pas del que va fer l'agent, recull el missatge exacte que es va enviar al model, el que va respondre, els tokens que va gastar (els trossos de text pels quals cobra el model), quant va trigar i quines eines va fer servir pel camí. Langfuse apunta el cost de cada crida i et pot avisar quan la despesa passa d'un límit que fixis. LangSmith, la plataforma de traces de LangChain, fa el mateix amb panells i alertes, i totes dues es poden instal·lar en servidors propis, els teus i no els del proveïdor, perquè les dades no surtin de casa. Així de traçat tinc el meu sistema.

Amb un copilot, per defecte, es veu força menys. Claude Code pot enviar les seves dades d'ús a un altre programa amb OpenTelemetry (una especificació per exportar aquestes dades), però està apagat mentre ningú no el configuri. Encès, dona mètriques com el cost aproximat de cada sessió o quantes línies de codi ha canviat. El que no dona per defecte és el contingut. Del que li demanes només n'apunta la llargada, no el text, i fa el mateix amb les seves respostes. El detall de les eines s'ha d'activar a part, i per defecte el contingut dels fitxers no va ni a les mètriques ni als esdeveniments. Aquesta telemetria va només a la destinació que tu configuris, mai a Anthropic, i un administrador la pot deixar posada per a tota l'empresa. Codex funciona de manera semblant: pot exportar els seus registres, està desactivat d'entrada i amaga el text del que li demanes llevat que ho activis.

Això no vol dir que el copilot sigui una caixa negra. Grafana, un programa per muntar panells i alertes, té connexions ja preparades per a Claude Code i per a Codex. Les de Claude Code porten panells fets d'ús i de productivitat. Langfuse traça Claude Code i Codex amb hooks (les ordres automàtiques d'abans) que li envien cada sessió, i en el cas de Claude Code recull les converses completes.

Tots els meus copilots es poden connectar a Langfuse i a Grafana. Amb el que dona Anthropic de sèrie es veu menys que en un sistema pensat per traçar-ho tot, però es poden tenir controlats. I tot això, quant costa?

Per llicència o per consum

Es paguen de manera diferent, i per tant es pressuposten diferent. El copilot va per persona, amb l'ús que permet cada pla: Claude Code està inclòs en tots els plans de pagament de Claude i comparteix els límits d'ús del pla, i Claude Max comença a 100 dòlars al mes, amb 5 o 20 vegades l'ús de Pro. A la pàgina de preus de Codex, ChatGPT Plus hi figura a 20 dòlars al mes amb Codex inclòs. El sistema, en canvi, es paga pel que gasta. Un programa es connecta per l'API, l'accés de pagament per ús. A la de Claude, Opus 5.5 costa 4 dòlars per milió de tokens d'entrada (el que li envies) i 20 per milió de sortida (el que respon); a la d'OpenAI, gpt-6.1-sol costa 2 i 10 amb la tarifa estàndard de context curt. OpenAI adverteix que aquests preus van a part de qualsevol subscripció.

Anthropic dona una pista de proporcions. En un agent allotjat pel teu compte, el que es gasta en tokens sol superar en deu vegades o més el que costa la infraestructura on corre. Un contenidor mínim, aquella caixa aïllada, surt per uns 0,05 dòlars l'hora, i una sola sessió llarga d'agent pot gastar diversos dòlars en tokens. També adverteix que l'autonomia dels agents porta costos més alts i errors que es poden anar sumant. Amb el copilot pagues per llicència, per multiplicar una persona; amb el sistema, pel que consumeix una feina que es fa sense ella, i convé saber quin dels dos compres abans de mirar la factura.

Queda una altra pregunta: quant costa que te'l muntin. Això és el que Qvasar té publicat, en tarifes per a empreses i sense IGI, l'impost general indirecte d'Andorra. Un sistema d'IA a mida, des de 1.260 €. Un copilot a mida, des de 1.440 € per persona. El manteniment mensual, des de 270 € al mes, amb el servidor a part i a preu de cost. Són preus de partida: l'import de cada feina va en una proposta per escrit. Per on començo, doncs?

Tots dos, cadascun al seu lloc

Per tant, el meu criteri és separar la feina segons qui l'arrenca. El que comença perquè algú pensa, decideix o redacta és, per a mi, terreny del copilot: dona a la persona del teu equip que més tasques repeteix un Claude Code o un Codex amb un fitxer d'instruccions de la teva empresa, i deixa que el vagi ajustant a la seva manera de treballar. El que comença perquè arriba alguna cosa és candidat a sistema, i jo provaria amb un sol procés d'aquest tipus.

En tots dos casos, posa els límits abans de deixar-lo anar. A Claude Code, les regles de permisos les fa complir el programa i no la IA, i una empresa pot prohibir des de la configuració que algú treballi saltant-se les aprovacions. En un sistema fet amb LangChain, cada ús d'una eina pot passar per una persona que l'aprovi, l'editi o el rebutgi, i es pot posar un límit d'usos per tallar els bucles, quan l'agent repeteix el mateix sense parar, i les despeses. OpenAI demana supervisió humana per a les accions sensibles o irreversibles fins que hi hagi confiança en l'agent. Per a mi, qui decideix ha de ser sempre una persona. I jo demanaria les traces des del primer dia, no després del primer ensurt.

Quines tasques del teu equip comencen sempre perquè arriba alguna cosa: un correu, una comanda, una factura? Quant de temps passa això esperant que algú obri l'ordinador?

Fonts

Altres articles

Parlem del que la IA pot fer a la teva empresa

Si hi ha un tema que vols que tractem, escriu-nos

O parla'ns directament