El camí cap a una arquitectura d'agents d'IA robusta no sempre és lineal. Intuit, l'empresa darrere d'eines financeres com TurboTax i QuickBooks, ho va aprendre de primera mà en haver de reconstruir el seu sistema d'agents intel·ligents dues vegades en només quatre mesos. Aquesta experiència, lluny de ser un fracàs, s'ha convertit en un cas d'estudi sobre els errors estructurals que poden sorgir en escalar sistemes multiagent i com les empreses poden pivotar cap a solucions més sostenibles. Per a qualsevol companyia que busqui implementar agents IA de manera eficient, entendre aquestes lliçons és crucial, i aquí és on un soci tecnològic com Q2BSTUDIO pot marcar la diferència, oferint experiència en el desenvolupament de software a mida que evita costosos rodejos.
El problema inicial d'Intuit era clàssic: els clients es queixaven d'haver de gestionar múltiples agents especialitzats, decidint quin utilitzar per a cada tasca. La solució semblava òbvia: construir un orquestrador central que enrutés les sol·licituds internament, eliminant la fricció per a l'usuari. Durant uns tres mesos, aquesta capa d'orquestració va funcionar bé, però després va col·lapsar per una raó estructural, no de capacitat. Cada agent passava els seus resultats al següent en llenguatge natural, i en cada salt es perdia context. Amb deu agents encadenats, els errors s'acumulaven de manera exponencial. Com va assenyalar Nhung Ho, VP d'IA a Intuit, 'si tens deu agents i tots es passen informació entre si, cada vegada que es produeix aquest traspàs, l'error es compon'. Aquesta fallada va portar a una segona reconstrucció completa en només 60 dies, adoptant una arquitectura basada en habilitats i eines (skills and tools) en lloc d'agents especialitzats.
Aquest canvi de paradigma té implicacions profundes per al disseny de sistemes d'IA empresarial. L'orquestració monolítica amb agents que es comuniquen en llenguatge natural introdueix una fragilitat inherent: la inferència de context es degrada amb cada salt. La solució d'Intuit va ser descompondre els agents en habilitats i eines compartides, eliminant la necessitat que els agents 'endevinin' què va fer l'anterior. Això no només va millorar la precisió, sinó que va canviar la forma en què els equips interns treballen. En lloc de construir agents aïllats, els desenvolupadors ara es centren a crear avaluacions (evals) per mesurar el rendiment del sistema complet. Aquesta aproximació és similar al que Q2BSTUDIO recomana als seus clients: una arquitectura modular que permeti escalar sense perdre control, combinant IA, ciberseguretat i cloud AWS/Azure per garantir tant l'eficiència com la seguretat de les dades.
La reconstrucció no va ser només tècnica; va requerir convèncer la direcció i els enginyers que havien invertit mesos en els agents originals. Ho va utilitzar una demostració amb consultes reals de clients per mostrar que la nova arquitectura rendia millor. Per als enginyers, l'argument va ser l'abast: una habilitat compartida podia servir a tots els clients, mentre que un agent especialitzat només resolía un problema concret. Aquest enfocament de plataforma, on les habilitats es reutilitzen i s'avaluen contínuament, és un principi que Q2BSTUDIO aplica en els seus projectes de BI i Power BI, permetent a les empreses prendre decisions basades en dades precises i actualitzades. A més, la integració de cloud AWS/Azure proporciona la infraestructura necessària per manejar el volum massiu d'interaccions i retroalimentació que genera un sistema d'agents en producció.
Un dels resultats més visibles de la reconstrucció és la capacitat d'incorporar un humà al flux de la conversa, una funció que Intuit està provant amb l'1% dels seus clients. Quan un agent no pot resoldre un problema, un professional de suport (o el propi comptable del client) s'uneix a la conversa amb tot el context del que l'agent ha fet. Aquest disseny contrasta amb els típics chatbots que simplement mostren un descàrrec de responsabilitat. Darrere d'aquesta funcionalitat hi ha un model de permisos granular per a dades financeres: cada acció de l'agent requereix permís explícit, i tot queda registrat en una auditoria reversible. La ciberseguretat és, per tant, un pilar fonamental, i Q2BSTUDIO ofereix solucions de ciberseguretat que permeten implementar aquests controls de forma robusta, protegint la informació sensible mentre es manté l'experiència d'usuari fluida.
Una altra lliçó clau és com canvia la recollida de feedback en l'era dels agents conversacionals. Abans, Intuit obtenia retroalimentació explícita de només el 0.3% dels clients, i solia ser binària (amor o odi). Ara, cada conversa és una font de feedback, acostant-se al 100%. Els usuaris són directes: 'Ets una merda. Odio això. Això no està bé', però també estan disposats a corregir i donar oportunitats. L'empresa ha hagut de construir models d'IA que processin aquest volum massiu de retroalimentació de manera sistemàtica, identificant on falla el sistema a una escala que cap equip humà podria manejar. Aquesta capacitat d'anàlisi massiva és similar a la que ofereixen les solucions de BI i Power BI, transformant dades no estructurades en informació accionable. Q2BSTUDIO ajuda a les empreses a implementar aquests pipelines de dades, ja sigui en cloud AWS o Azure, integrant agents IA amb sistemes de automatització de processos per crear un cicle de millora contínua.
L'experiència d'Intuit demostra que no n'hi ha prou amb llançar un munt d'agents especialitzats i esperar que un orquestrador els coordini màgicament. L'arquitectura d'habilitats i eines, combinada amb un sòlid model de permisos i una estratègia de feedback basada en dades, és més resilient. Per a les empreses que busquen adoptar agents IA en les seves operacions, associar-se amb un desenvolupador de software a mida com Q2BSTUDIO pot accelerar el camí evitant els errors que Intuit ja ha comès. Des del disseny inicial de l'arquitectura fins a la integració amb cloud AWS/Azure, passant per la implementació de mesures de ciberseguretat i la creació de quadres de comandament a Power BI, comptar amb un soci experimentat redueix els riscos i maximitza el retorn de la inversió en intel·ligència artificial.
En resum, reconstruir dues vegades en quatre mesos no és un signe de debilitat, sinó de maduresa tècnica. Intuit va aprendre que la comunicació en llenguatge natural entre agents no escala, que els equips necessiten mètriques objectives (evals) en lloc d'agents aïllats, i que el feedback conversacional és una mina d'or per a la millora contínua. Aquestes lliçons són directament aplicables a qualsevol projecte d'IA empresarial, ja sigui en el sector financer, logístic o de serveis. Q2BSTUDIO, amb el seu enfocament en aplicacions a mida, IA, ciberseguretat i cloud, està preparat per guiar les empreses en aquest viatge, assegurant que les seves arquitectures d'agents siguin robustes, escalables i preparades per al futur.
