L'auge dels agents d'intel·ligència artificial en entorns empresarials ha portat una nova realitat: el prompt ja no és suficient com a barrera de seguretat. Quan un agent només responia preguntes, n'hi havia prou amb ajustar les instruccions del sistema. Però avui, els agents executen accions reals: llegeixen dades, criden APIs, obren tickets, modifiquen registres, envien missatges i desencadenen fluxos de treball. En aquest escenari, el límit de seguretat no està en el prompt, sinó en el pla de control que envolta l’agent: identitat, gateways, polítiques, observabilitat i capacitat de reversió.
Aquesta transformació no és una tendència passatgera. Grans plataformes com Google, Microsoft i AWS convergeixen cap a la mateixa arquitectura: un pla de control d’agents que separa l’orientació conductual (el prompt) de l’aplicació operativa (l’enforcement). A Q2BSTUDIO, com a empresa de desenvolupament de aplicacions a mida, hem observat que les organitzacions que adopten aquest enfocament despleguen agents d’IA amb seguretat i govern, mentre que les que confien només en prompts queden exposades a riscos operatius.
Per entendre per què el pla de control és crític, primer hem de distingir entre el pla de dades i el pla de control. El pla de dades és on ocorre el treball de l’agent: crides al model, recuperació d’informació, invocacions d’eines, APIs i respostes. El pla de control decideix si aquest treball està permès, és atribuïble, observable i reversible. En un sistema madur, l’agent no és de confiança simplement perquè el prompt digui el correcte; l’agent opera dins d’un camí governat per la infraestructura.
La identitat de l’agent és la primera capa del pla de control. Cada agent ha de tenir una identitat única, amb cicle de vida, propietat, permisos i capacitat de revocació. Microsoft Entra Agent ID, per exemple, tracta les identitats d’agent com a objectes de primera classe per a autenticació, autorització i govern. En lloc d’usar comptes de servei compartides, es recomana una identitat per agent, cosa que permet auditoria precisa i un radi d’explosió limitat. Des de la perspectiva dels serveis cloud AWS/Azure, implementar identitats d’agent correctament és un requisit per a qualsevol desplegament en producció.
El segon component és el gateway, que actua com a punt d’entrada i sortida de les interaccions de l’agent. Un gateway registra les eines disponibles, bloqueja el trànsit no autoritzat i aplica polítiques d’accés. Google Agent Gateway i AWS AgentCore Gateway són exemples clars: els agents no tenen accés directe a les APIs; tot passa pel gateway, que pot autenticar, autoritzar, observar, limitar i revocar. Això elimina la dispersió de credencials i ofereix un punt únic de control. En projectes d’IA empresarial, dissenyar un gateway d’eines és tan important com entrenar el model.
Les polítiques externes constitueixen la tercera capa. Les polítiques han de viure fora del prompt i del codi de l’agent. AWS AgentCore Policy, per exemple, avalua les sol·licituds contra polítiques escrites en Cedar abans de permetre la crida a una eina. Google afegeix polítiques de govern semàntic que tradueixen regles de negoci en restriccions aplicables. Les capes de política inclouen identitat, gateway, eina, context d’usuari, negoci, seguretat i aprovació. Cap d’elles hauria de dependre únicament que el model segueixi instruccions. Aquí entra en joc la ciberseguretat com a habilitadora d’un entorn on les polítiques s’apliquen de manera determinista.
L’observabilitat és el quart pilar. Un agent que no es pot rastrejar no està llest per a producció. Necessitem traces que capturin: identitat de l’agent, context d’usuari, eina invocada, decisió de política, esdeveniments d’aprovació, èxit o fracàs, latència i cost. Les plataformes com Google Agent Observability i AWS AgentCore permeten exportar telemetria a sistemes com OpenTelemetry i CloudWatch. A Q2BSTUDIO, quan desenvolupem solucions de BI/Power BI, integrem dashboards que visualitzen aquestes traces perquè els equips d’operacions i seguretat puguin actuar ràpidament.
Finalment, la capacitat de reversió i els kill switches són essencials. Un agent en producció ha de poder aturar-se sense esperar un desplegament de codi. Les palanques inclouen deshabilitar la identitat de l’agent, revocar delegacions, desvincular eines, canviar polítiques a mode denegar o requerir aprovació, i revertir versions de polítiques o de l’agent mateix. La gestió de configuracions ha de ser versionada, revisada i desplegada a través de processos controlats, de manera similar a la infraestructura de producció.
Un exemple pràctic de política de pla de control per a un agent de suport al client amb reemborsaments podria incloure: identitat de l’agent, accés només a eines registrades, límits de reemborsament, aprovació humana per a imports alts, camps de dades prohibits, i telemetria obligatòria. Aquest tipus de configuració transforma un agent d’IA d’un experiment a un actiu de producció governat.
L’estratègia d’implementació ha de ser per fases: primer inventariar agents i assignar propietaris; després posar les eines d’alt impacte darrere d’un gateway; externalitzar les polítiques de més risc; instrumentar la ruta d’execució amb observabilitat; i integrar la reversió en la gestió de llançaments. Els errors comuns inclouen tractar la identitat com un mer nom, donar accés massa ampli a eines, registrar només les sortides i no les decisions, barrejar accessos delegats i autònoms, i no tenir un camí ràpid de parada.
En conclusió, el pròxim avenç de la IA empresarial no l’aconseguiran els equips que escriguin els prompts més llargs, sinó aquells que construeixin un pla de control que permeti als agents actuar de forma segura dins dels sistemes de negoci reals. Identitat, gateways, polítiques, observabilitat i reversió són els pilars. Abans d’afegir més prompts, construeixi la frontera que faci governable l’acció de l’agent. A Q2BSTUDIO, ajudem les empreses a dissenyar i implementar aquests plans de control, integrant automatització de processos, IA, cloud i ciberseguretat perquè els seus agents siguin útils, segurs i auditables.
