L’evolució dels agents d’intel·ligència artificial capaços d’executar tasques prolongades ha estat imparable, però la interacció amb els usuaris continua sent sorprenentment limitada. En els fluxos de treball actuals, un usuari llança una instrucció inicial, rep actualitzacions textuals selectives i perd ràpidament la visibilitat del que l’agent està fent o quan hauria d’intervenir. Aquest buit, que molts experts anomenen 'el mediador que falta', és precisament el que pretén cobrir JarvisBench, un banc de proves dissenyat per mesurar el valor dual de la mediació en agents d’IA de llarg horitzó.
En essència, JarvisBench proposa un mediador sempre actiu, a l’estil Jarvis de Marvel, que mantingui l’agent accessible per l’usuari en temps real. Aquest mediador ha de ser capaç de mantenir una conversa parlada contínua, respondre preguntes sense interrompre el treball de l’agent, informar proactivament sobre el progrés o les confusions, i injectar les indicacions de l’usuari en l’execució de l’agent quan sigui útil. La proposta és ambiciosa i, segons els resultats preliminars amb models com GPT-5.5, Claude Opus 4.7 o Gemini, promet millorar tant el rendiment de les tasques com la transparència per a l’usuari.
Des d’una perspectiva tècnica i empresarial, aquest enfocament obre una nova capa en l’arquitectura dels sistemes basats en IA. Tradicionalment, el desenvolupament d’aplicacions d’IA s’ha centrat en el model central (el 'cervell') i en la interfície d’usuari final. Però el mediador —aquella capa intermèdia que gestiona el diàleg, la memòria contextual i la injecció de guia— s’ha descuidat. JarvisBench no només l’identifica, sinó que proporciona un marc per avaluar-lo objectivament.
El benchmark es divideix en dues pistes complementàries. La primera, la pista de col·laboració agent-mediador, mesura si la mediació millora la consecució de les tasques finals. La segona, la pista d’interacció amb l’usuari, avalua si la mediació fa que l’execució sigui més comprensible, receptiva i accessible. Aquesta doble validació és clau: no n’hi ha prou que l’agent funcioni millor; l’usuari ha de sentir que manté el control i la comprensió del procés.
Els experiments inicials, realitzats sobre 34 tasques textuals de WildClaw executades a OpenClaw, mostren que un mediador ben dissenyat pot proporcionar respostes fonamentades en el rastre d’execució i millorar el rendiment quan s’injecta guia escassa de l’usuari en els moments adequats. Tanmateix, l’efectivitat depèn en gran mesura del model de llenguatge gran (LLM) que impulsa el mediador. Això subratlla tant la promesa d’aquesta capa intermèdia com la necessitat d’un esforç comunitari més ampli per perfeccionar-la.
Per a les empreses que desenvolupen programari i serveis basats en IA, la lliçó és clara: el mediador no és un luxe, sinó una necessitat per aconseguir una adopció real. A Q2BSTUDIO, com a empresa de desenvolupament de programari i tecnologia, entenem que la interacció fluida entre humans i màquines és el coll d’ampolla de molts projectes d’automatització. Per això, oferim serveis que van des de la creació d’aplicacions a mida fins a la integració d’agents intel·ligents amb capacitats de mediació similars a les que proposa JarvisBench.
L’aplicació del concepte de mediador va molt més enllà dels laboratoris acadèmics. En entorns empresarials, on els agents d’IA gestionen processos complexos —des de l’atenció al client fins a l’orquestració d’infraestructura cloud—, disposar d’un mediador que permeti a l’usuari intervenir de manera natural i en temps real pot marcar la diferència entre un sistema útil i un de frustrant. La ciberseguretat, per exemple, es beneficia d’aquesta arquitectura: un mediador pot alertar l’equip de seguretat sobre anomalies detectades per l’agent, permetent una resposta immediata sense saturar els canals de comunicació.
Des del punt de vista de la infraestructura, el núvol juga un paper fonamental. Un mediador eficient necessita baixa latència i alta disponibilitat, cosa que només entorns com AWS o Azure poden garantir a escala. A Q2BSTUDIO, oferim consultoria i desenvolupament sobre cloud AWS/Azure, adaptant arquitectures perquè el mediador s’integri sense friccions amb els agents subjacents. A més, l’analítica de dades i la intel·ligència de negoci (BI) són components essencials: gràcies a eines com Power BI, els informes d’activitat del mediador es poden visualitzar en temps real, oferint als directius una visió clara del rendiment dels agents i de les intervencions humanes.
El repte tècnic és considerable. El mediador ha de gestionar la memòria a llarg termini, decidir quan interrompre l’agent i com traduir les consultes de l’usuari en ordres executables. Els resultats de JarvisBench indiquen que els models de llenguatge actuals són capaços de realitzar aquesta funció, però no de manera uniforme. Barrejar un mediador basat en un LLM potent amb un agent més lleuger pot ser la combinació òptima per a moltes aplicacions empresarials.
En aquest context, la tasca d’empreses com Q2BSTUDIO esdevé crucial. No només desenvolupem aplicacions a mida que incorporen mediadors intel·ligents, sinó que també ajudem les organitzacions a auditar els seus fluxos actuals i identificar on un mediador podria suposar un salt qualitatiu. Per exemple, en processos d’automatització complexos —des de la gestió de comandes fins al suport tècnic—, la capacitat d’un mediador per mantenir l’usuari informat i permetre correccions a mig camí redueix dràsticament els errors i augmenta la confiança.
La ciberseguretat és un altre àmbit on la mediació aporta valor. Un agent d’IA que monitoritza xarxes pot generar alertes, però si no hi ha un mediador que les contextualitzi i permeti a l’analista preguntar 'per què es va activar aquesta alarma?' de forma natural, l’eficàcia es ressent. Empreses com Q2BSTUDIO ofereixen serveis de ciberseguretat que integren capes de mediació per facilitar la col·laboració humà-màquina en temps real.
En conclusió, JarvisBench representa un pas endavant cap a una interacció més natural i efectiva entre humans i agents d’IA. La mediació no és un afegit cosmètic, sinó un component arquitectònic que defineix la usabilitat i la confiança. Les empreses que vulguin liderar aquesta nova onada han d’invertir en el desenvolupament de mediadors intel·ligents, i comptar amb socis tecnològics com Q2BSTUDIO —especialistes en desenvolupament de programari a mida, intel·ligència artificial, cloud i BI— els permetrà avançar amb solidesa. El mediador que falta ja no és una utopia; és un requisit per a la pròxima generació de sistemes autònoms.
