La IA ja és als teus equips, però no escala: és un frontó
Per Xavier Franco, CEO de Elternativa · Grupo Zemsania
· 7 min de lectura
Redactat amb ajuda d’IA i revisat per Xavier Franco

En aquest article
Ho explico amb una imatge: avui, en gairebé tots els equips de desenvolupament, la IA és un frontó. El programador li llança una petició, espera que torni, la mira, la corregeix i la torna a llançar. Funciona. Però no escala. I si dirigeixes tecnologia, t’interessa entendre per què, perquè estàs pagant per una cosa que podria rendir molt més.
La IA per programar ja és dins
Ningú discuteix que els equips fan servir IA per programar. Segons l’enquesta de Stack Overflow del 2025, amb més de 49.000 respostes, el 84 % dels desenvolupadors ja la fa servir o pensa fer-la servir. La pregunta ja no és si entra, sinó com treballa un cop dins.
I la forma més habitual és la del frontó: una persona, una IA i una conversa. Cadascú amb la seva eina, la seva manera de demanar i els seus trucs. El que un aprèn es queda a la seva conversa. El que un altre resol, es torna a resoldre demà a la taula del costat.
A la pràctica: pregunta al teu equip quantes eines d’IA diferents fan servir i com decideixen què demanar-los. Si cada resposta és diferent, tens diversos frontons, no un equip.
Els moments morts que ningú mesura
El frontó té un cost que no apareix en cap factura: l’espera. Mentre la IA pensa, la persona espera. Quan torna la resposta, cal llegir-la, entendre-la i decidir. I tornar a començar.
Hi ha un estudi que em sembla molt honest sobre això. Al juliol del 2025, METR, un laboratori independent, va mesurar amb un assaig controlat 16 desenvolupadors amb experiència que treballaven en 246 tasques reals dels seus propis projectes. Amb IA van trigar un 19 % més. El més cridaner no és la xifra, sinó la percepció: abans de començar esperaven anar un 24 % més ràpid, i en acabar seguien creient que la IA els havia accelerat un 20 %.
No ho explico per dir que la IA no serveix. Serveix, i molt. Ho explico perquè demostra que la sensació de velocitat no és velocitat. Una persona sola amb la seva IA pot sentir-se més ràpida i lliurar igual o menys.
A la pràctica: no mesuris la IA pel que et diu el teu equip. Mesura lliuraments, temps fins a producció i retreball, abans i després.
La doble factura
El frontó també té un cost visible. Pagues la llicència de l’eina d’IA de cada persona i continues pagant la persona pel temps que passa esperant, revisant i repetint. És una doble factura pel mateix treball.
I hi ha un tercer cost més silenciós: el desordre. Quan cada persona treballa amb la seva IA a la seva manera, apareix el mateix resolt de dues formes diferents en dues parts del sistema. Ningú sap què va escriure una persona i què va escriure un model. I el que s’aprèn no torna al projecte: es queda en qui ho ha fet.
Diversos enginyers amb IA no són un equip amb IA.
Del frontó a l’equip
El que canvia el resultat no és una eina millor. És orquestrar les que ja tens perquè treballin com un equip. A la pràctica, això vol dir:
- Un mètode comú per a totes les IA. Cada tasca neix amb el seu contracte: què cal fer i amb quins criteris es donarà per bona, fixats abans de començar.
- Diverses instàncies en paral·lel. En lloc d’una persona esperant una IA, diverses instàncies de desenvolupament treballen alhora, desateses, amb les tasques repartides i sense trepitjar-se.
- Un rol per a cadascuna. Una construeix, una altra prova. Qui escriu el codi no és qui el valida.
- Una persona que decideix. El teu equip defineix la feina i valida cada lliurament mirant el codi. La signatura queda registrada.
- Coneixement que es queda. Normes, decisions i el que s’ha après viuen en un sistema que la tasca següent ja rep, no en una conversa que ningú tornarà a llegir.
El paper de la teva gent canvia: deixa de jugar al frontó i passa a definir i validar. És una feina més valuosa i menys repetitiva.
A la pràctica: tria un tipus de feina repetible, com evolutius o deute tècnic, i prova d’escriure els criteris d’acceptació abans de demanar-ho a la IA. Veuràs com canvia la revisió.
Amb la IA que ja pagues
Un aclariment important: això no va de canviar d’eina. Claude Code, Cursor, Codex, Copilot o Windsurf serveixen. El que els falta no és potència, és un mètode i algú que reparteixi la feina. És com tenir bons músics sense director: cadascun toca bé la seva part, però no sona a orquestra.
Tampoc va de treure persones. Va de fer que el mateix equip pugui posar al pla el que avui no hi cap: el deute tècnic, el legacy o aquella migració que sempre s’ajorna.
El que s’aprèn, es queda
Hi ha un efecte del frontó que em sembla el més car a la llarga: l’aprenentatge no s’acumula. Quan una persona descobreix que la IA s’equivoca sempre en el mateix punt, ho corregeix a la seva conversa i continua. Demà, una altra persona de l’equip torna a ensopegar amb el mateix. I demà passat, una altra.
En un equip orquestrat passa el contrari. Cada error que es detecta en validar es converteix en una regla escrita que la tasca següent ja rep: una norma d’estil, una decisió d’arquitectura o un cas que cal provar sempre. El mètode es defineix una vegada, s’aplica sempre i aprèn de cada error.
Això té una conseqüència molt pràctica: el coneixement deixa de viure en les persones i en les seves converses, i passa a viure en el projecte. Si algú canvia d’equip o se’n va, el mètode continua. La rotació no atura el servei.
I en té una altra que em sembla igual d’important: la traçabilitat. Quan cada tasca té el seu contracte, la seva execució i la seva validació registrats, se sap què va escriure una persona i què va escriure un model, qui ho va validar i quant va costar. Això, que al frontó és impossible, és el que et permet mesurar de debò si la IA està rendint.
A la pràctica: busca en l’últim mes un error que la IA hagi comès dues vegades al teu equip. Si no està escrit enlloc com a regla, tornarà a passar.
Per on començar
- Mesura avui lliuraments per setmana, temps de revisió i retreball, sobre el teu propi repositori.
- Tria un servei acotat que ja tinguis: un evolutiu, una aplicació, un backlog de deute.
- Posa-hi mètode: contracte amb criteris, instàncies en paral·lel, proves separades i validació d’una persona.
- Executa’l en paral·lel al servei de sempre durant unes setmanes.
- Compara cost, termini i qualitat amb les teves dades i decideix si escales.
Com t’ajudem
A Agentic Data & Software Engineering orquestrem les teves plataformes d’IA de desenvolupament perquè treballin en paral·lel, desateses i governades, en tot el cicle de vida del programari: cada tasca amb el seu contracte, proves fetes per una instància diferent i una persona del teu equip que valida cada tancament. El codi queda al teu Git i el coneixement, en una base de dades de la teva propietat.
Ho fem amb Agentagile, la nostra metodologia per desenvolupar amb IA: no fabriquem agents nous, convertim la IA que ja tens contractada en un equip que treballa amb mètode.
Quantes hores passa el teu equip esperant la IA?
T’ensenyem en una demo com diverses IA de desenvolupament treballen en paral·lel, amb tasques repartides, mentre el teu equip defineix i valida.


