Agents d'IA a l'estudi d'arquitectura: de la paraula de moda al flux de treball real

Sabem realment què són els agents IA i com utilitzar-los adequadament? Aquí sorgeixen més problemes, ja que molta gent en parla d'oïdes i el terme es pot fer servir com a sinònim de qualsevol cosa que porti un chatbot al davant: un plugin de Revit, un assistent que respon preguntes sobre normativa o un bot que omple una plantilla.

Per aterrar aquesta implementació en alguna cosa concreta, què és un agent, com es desplega de manera progressiva, amb quines eines i amb quines salvaguardes, hem contrastat aquesta reflexió amb dues veus que fa temps que treballen amb aquestes eines des d'angles diferents: Ali Dannoun, docent a Escola Sert i arquitecte BIM especialitzat en Archicad i gestió de núvol de punts, i Raúl Escudero, arquitecte, consultor d'IA per a estudis i també docent a Escola Sert. 

Què és (i què no és) un agent IA

Un chatbot respon. Un agent actua.

Aquesta és la distinció més simple i, alhora, la més útil. Entrant una mica més en detall, es pot dir que:

• un assistent conversacional rep una consulta, cerca en un corpus de documents i ens torna una resposta. No decideix res fora d'aquesta resposta i cada interacció comença de zero.
• després tenim l'automatització amb IA, que puja un esglaó més ja que executa un guió predefinit en què algun pas fa servir un model de llenguatge, però el recorregut està fixat per endavant.
• i ja arribem a l'últim estadi, l'agent IA que ja persegueix un objectiu amb certa autonomia. Per exemple, percep l'estat d'una tasca, raona sobre què fer a continuació, executa una acció i avalua el resultat abans de decidir el pas següent.

Raúl Escudero ho resumeix com «una eina d'IA generativa respon a una petició concreta —una imatge, un text, una memòria— i normalment funciona com una eina aïllada». Un agent, en canvi, afegeix l'expert, «no només genera una resposta, sinó que pot interpretar un objectiu, dividir-lo en tasques, consultar informació, utilitzar diferents eines, revisar resultats i avançar dins d'un procés».

En síntesi, Escudero considera que una eina generativa ajuda a produir una peça; un agent ajuda a gestionar una part del procés. I en arquitectura, on el procés pesa gairebé tant com el resultat, això canvia les regles del joc.

Per la seva banda, Dannoun aporta el matís que més falta fa en aquest debat: compte a confondre «agent» amb «substitut total». El docent d'Escola Sert compara la promesa actual dels agents amb el conte del sabater a qui els follets li fan les sabates de la nit al dia, i llança la pregunta incòmoda que pocs es fan: com han après els follets a fer sabates exactament igual que el sabater?

Tornant a un terreny més pràctic, Dannoun remarca que és important pensar en «fluxos agèntics, fluxos de treball amb un principi i un final. És més fàcil ensenyar processos acotats a la IA, a la qual anem entrenant i ensenyant». I insisteix a acotar les tasques que es confien a un agent IA, «com més llarg i obert és l'objectiu que se li dona, més s'acumula el marge d'error».

L'expert plasma la seva conclusió amb aquesta comparació: «Si entra algú nou al despatx no el posaríem a fer un projecte de cap a peus ni a respondre els nostres correus. Potser primer li ensenyaríem el més bàsic».

Es pot mesurar el nivell d'agentització?

Té sentit pensar l'adopció d'agents d'IA com una escala de quatre esglaons, no com un salt directe. Aquests quatre nivells ascendents serien:

• Nivell 1, l'assistent documental personalitzat: un model amb accés a un corpus propi de l'estudi: normativa anotada, ordenances, plecs tipus, documentació de projectes anteriors. Respon i redacta esborranys; cada resposta la revisa una persona. És el punt d'entrada natural.
• Nivell 2, l'automatització amb IA al centre: aquí es passa a treballar amb fluxos amb passos fixos on un model aporta criteri en un o diversos punts. Per exemple, seria automatitzar tasques com l'extracció de dades d'amidaments, la classificació de correu entrant o primeres versions de memòries descriptives. El recorregut el continua dissenyant l'equip humà.
• Nivell 3, agents operatius específics: en aquest estadi comencem a veure l'autonomia real dels agents IA, però acotada a una tasca amb criteris d'èxit clars: revisar el compliment normatiu d'un projecte, comparar versions d'un model BIM, estructurar la documentació d'una licitació seguint el plec.
• Nivell 4, agents orquestrats: diversos agents especialitzats col·laborant en un procés més llarg, coordinats per un agent director o per un humà que revisa els punts de pas.

Escudero descriu amb precisió cap on apunta aquest últim nivell, que ell anomena «director d'orquestra». S'oblida de les interaccions típiques en un xat: «imagino un entorn on l'arquitecte defineix l'estratègia, les intencions de disseny, els límits ètics i el finançament econòmic, i un ecosistema d'agents especialitzats treballa en paral·lel. Un agent vigila el pressupost, un altre l'estructura i un altre la sostenibilitat. L'arquitecte actua com el validador final i qui pren les decisions crítiques».

Per la seva banda, Dannoun insisteix que el nivell 4 s'ha d'assolir de manera progressiva. Cada eina IA de cada tram s'ha de formar bé per a la tasca que hagi de complir. Només amb el temps aquests trams es van ajuntant, i només quan la IA domina un tram complet té sentit plantejar-se cedir-li el flux sencer. La seva previsió a curt termini, de fet, és que «el que tindrà més èxit comercial als despatxos seran petits plugins d'IA integrats en el programari propietari habitual (Revit, Archicad), més que sistemes orquestrats complets».

La majoria d'estudis petits i mitjans faran bé a consolidar-se en el nivell 1 i 2 abans de plantejar-se el 3, i a no tocar el nivell 4 fins a tenir processos de verificació sòlids.

Menys és més, l'ús raonable de les eines

Sempre és complicat fixar una recepta per a l'èxit, però un conjunt d'eines útils per a un estudi petit o mitjà avui podria incloure:

• un assistent conversacional de pagament (els ja arxiconeguts ChatGPT, Claude, Gemini…) amb capacitat de treballar sobre documents propis (el que seria un element de Nivell 1)
• una eina d'automatització visual sense codi com n8n o Make (nivell 2)
• i els plugins d'IA ja integrats en el programari habitual de l'estudi (Revit, Rhino, Archicad) per a anàlisi d'emplaçament, renders o detecció d'interferències.

Aquí convé recuperar el matís de Dannoun sobre els límits d'aquesta última via: «si la IA treballa únicament dins d'aplicacions tancades que no es comuniquen entre si, l'ecosistema real no arriba a existir». La seva recomanació per anar més enllà és desplegar el sistema fora d'aquests programes (en local, mitjançant línia de comandes o un entorn de desenvolupament) i connectar-lo a les eines concretes mitjançant API, en lloc de dependre que cada fabricant decideixi quines funcions d'IA inclou en la seva pròxima actualització.

Això exigeix, això sí, algú amb temps i certa especialització per desplegar-lo, no necessàriament un perfil tècnic dedicat: segons Dannoun, pot ser qualsevol amb prou curiositat i temps disponible.

Governança interna: que no falti el factor humà

Cap nivell d'agentització és sostenible sense un mínim de governança. Els estudis d'arquitectura haurien de tenir clar que tots aquests processos han d'estar sota supervisió humana. Escudero ho formula com una regla d'or: «la IA amplifica el criteri existent en l'equip; si no hi ha criteri, també amplifica el desordre». I adverteix específicament sobre «el risc de no capacitar l'equip per detectar al·lucinacions en fases tècniques crítiques».

Dannoun també destaca que al principi cal revisar amb lupa tot el que fa la IA. La primera vegada que se li encarrega un procés (per exemple, redactar un tipus de document) cal comprovar el resultat amb detall, pas a pas. Però a mesura que aquest mateix procés es repeteix i la IA demostra que ho fa bé, la revisió es pot relaxar.

Així ho explica el docent d'Escola Sert: «després d'unes 10-15 repeticions d'un mateix procés, ja no cal revisar-lo amb tant detall».

És com delegar en una persona nova de l'equip: al principi se supervisa cada pas, i amb el temps, si ha demostrat que ho fa bé, se supervisa menys. L'important és que aquest criteri, quant es revisa un procés i a partir de quan es pot relaxar la supervisió, no es decideixi de manera improvisada cada vegada, sinó que quedi acordat i per escrit a l'estudi.

Una de les parts a les quals cal prestar més atenció si es treballa amb IA són les relacionades amb la normativa. Cap resposta de la IA sobre aquestes qüestions s'ha de donar per bona sense comprovar-la en el text legal vigent. En aquest àmbit, un error no és només estètic: pot tenir conseqüències legals i de seguretat reals.

Escudero afegeix un element de governança previ a tot l'anterior: tenir un full de ruta. Adverteix que un dels errors més freqüents és que «molts estudis proven deu eines soltes sense canviar cap procés, cosa que genera entusiasme durant dues setmanes i després abandonament. Cal saber d'on es parteix i on es vol arribar abans de començar a experimentar».

Com resumeix Escudero, «l'actitud correcta és experimentar amb prudència: triar pocs casos d'ús, mesurar resultats, formar l'equip, protegir dades sensibles». I com recorda Dannoun, «no s'ha de tenir pressa: no hem de pretendre que la IA ens faci tota la feina d'un dia per l'altre». En un sector que es transforma amb més lentitud que altres, esperar amb criteri no és el mateix que quedar-se parat.

Article d'Iván Giménez Chueca