En els darrers anys, l'ecosistema de la intel·ligència artificial ha viscut una explosió d'arquitectures basades en bucles d'agent. Frameworks com LangChain, AutoGPT o CrewAI van popularitzar un patró on un model de llenguatge genera passos de raonament, selecciona eines i executa accions de forma iterativa fins a aconseguir un objectiu. Aquest enfocament, inspirat en la investigació de ReAct, ha demostrat ser flexible i creatiu, però alhora ha revelat una incompatibilitat estructural amb els entorns regulats. Bancs, asseguradores, proveïdors de salut i organismes governamentals s'enfronten a un dilema: la mateixa entrada pot produir trajectòries diferents en cada execució. Allò que per a casos d'ús creatiu és una virtut, per a auditoria i compliment és una barrera infranquejable. La solució no passa per millors models lingüístics, sinó per un canvi arquitectònic profund: l'orquestració determinista basada en autòmats d'estat.
Per entendre per què aquest canvi és inevitable, convé analitzar què passa realment dins d'un bucle d'agent típic. El model rep un prompt, genera un raonament intermedi, decideix quina eina invocar, executa la crida, obté un resultat i repeteix el cicle. Durant tot aquest procés es generen tres elements clau: la traça de raonament (el monòleg intern del model), la seqüència de crides a eines i l'estat intermedi que s'acumula. En conjunt, formen la trajectòria de l'agent. I en un sistema estocàstic com un LLM, aquesta trajectòria no és reproduïble. Dues execucions amb el mateix prompt poden seguir camins diferents i arribar a conclusions diferents. Per a una aplicació de generació de contingut o pluja d'idees, aquesta variabilitat és desitjable. Per a una decisió creditícia, un diagnòstic mèdic o un informe de compliment normatiu, és senzillament inacceptable.
L'alternativa que guanya terreny en entorns regulats és l'orquestració mitjançant autòmats d'estat. En lloc de deixar que el model improvise la seqüència d'accions, l'enginyer defineix per endavant el conjunt d'estats possibles, les transicions permeses entre ells i les condicions sota les quals cada transició pot disparar-se. El LLM ja no decideix què fer a continuació: produeix entrades per a una funció de transició que determina què està permès. L'autòmat garanteix propietats estructurals com l'acotació de la trajectòria, la repetibilitat i l'auditabilitat. Frameworks com LangGraph, DSPy o Haystack permeten implementar aquest patró, però la decisió arquitectònica no depèn del framework, sinó de la disciplina de l'equip d'enginyeria. Es pot usar LangChain amb orquestració explícita, forçant el model a generar JSON amb esquemes validats i aplicant transicions mitjançant codi. O es pot usar LangGraph de manera emergent, deixant que el model salti entre nodes sense restriccions. La diferència rau en la intenció de disseny.
Un marc formal que captura aquesta transició és el Q-MDP, una formulació de processos de decisió de Markov amb consciència de superposició per a transicions no markovianes en orquestració regulada. Aquest marc introdueix tres propietats fonamentals. La primera és la complexitat acotada de la trajectòria: sota supòsits raonables sobre la cardinalitat de l'espai d'estats, l'execució té complexitat O(log n), no exponencial en la profunditat de la cadena de raonament. Això permet acotar la latència màxima d'una decisió, cosa que els bucles d'agent no poden garantir. La segona és la reproducció determinista: cada transició escriu un punt de control que captura l'estat complet, la resposta intermèdia del model i la transició que es va disparar. El format està dissenyat per a una reconstrucció bit a bit de la trajectòria durant una reproducció. Això converteix l'anàlisi posterior d'una decisió d'un exercici aproximat en un de determinista. La tercera són els llindars de confiança definits per governança: les transicions només es disparen quan la probabilitat posterior del resultat esperat supera un llindar establert per l'organització. Per sota d'aquest llindar, el sistema escala a revisió humana o avorta la trajectòria. Aquest és el mecanisme d'execució en temps real que els bucles d'agent no poden implementar estructuralment; poden simular-lo mitjançant enginyeria de prompts, però la simulació no és exigible.
Per fer tangible aquest canvi, considerem l'àmbit de la validació ESG i l'elaboració d'informes climàtics. En un sistema d'auditoria d'emissions d'abast 1, 2 i 3, la traçabilitat de cada decisió és crítica. Un registre sospitós ha de poder defensar-se no només per la seva etiqueta final, sinó per la trajectòria que va conduir a aquesta etiqueta. Els autòmats d'estat permeten inspeccionar cada pas: quina font de dades es va consultar, quin llindar de confiança es va aplicar, quina verificació de procedència es va realitzar. En canvi, un bucle d'agent generaria trajectòries no reproduïbles, impossibles d'auditar de manera fiable. El mateix passa en serveis financers: la Supervisory Statement SS1/23 del PRA britànic exigeix que les entitats mantinguin 'evidència de validació suficient' i demostrin un 'desafiament efectiu' de les decisions dels models. Un agent de crèdit basat en LLM que operi en un banc minorista del Regne Unit necessita els mateixos primitius: autòmat d'estat explícit, trajectòria persistida, reproducció determinista i transicions governades per llindars.
Des de la perspectiva empresarial, la transició cap a l'orquestració determinista no és una elecció de framework, sinó una decisió de disciplina d'enginyeria. Les empreses que lideren aquest canvi inverteixen en tres pràctiques concretes. La primera és la imposició de sortides estructurades en cada crida al model. El LLM no produeix text lliure que el sistema hagi d'interpretar; genera JSON conforme a un esquema estricte, amb validació de camps, que es mapeja directament a una selecció de transició. Si la sortida està fora de l'esquema, la capa d'orquestració la rebutja i reintenta amb un prompt més precís o escala a revisió humana. La segona és la persistència de l'estat amb esquemes versionats. Cada transició serialitza l'estat actual en emmagatzematge durador mitjançant un esquema amb versió. La reconstrucció d'una trajectòria passada requereix carregar els estats persistits en ordre; la informació de versió permet reproduir la trajectòria fins i tot si l'esquema ha evolucionat des de l'execució original. La tercera és la implementació de les condicions de transició com a codi, no com a instruccions en llenguatge natural. Una transició que requereixi 'confiança superior a 0,85' utilitza una comprovació real de llindar de probabilitat, no una instrucció al model perquè 'tingui cura'.
A Q2BSTUDIO, com a empresa especialitzada en el desenvolupament de programari i tecnologia, hem observat de primera mà com aquests principis es converteixen en diferenciadors competitius. Treballem amb organitzacions que necessiten aplicacions a mida que integrin intel·ligència artificial de manera segura i auditable. La nostra experiència en cloud AWS i Azure ens permet desplegar arquitectures d'orquestració determinista que compleixen els requisits d'escalabilitat i disponibilitat que exigeixen els entorns productius. A més, oferim solucions de ciberseguretat per garantir que cada transició d'estat i cada punt de control estigui protegit davant d'accessos no autoritzats, i serveis de BI i Power BI per visualitzar les trajectòries auditables dels agents. Tot això emmarcat en una estratègia de IA que prioritza la transparència i el compliment normatiu, incloent la creació d'agents IA que operen sota autòmats d'estat en lloc de bucles impredictibles.
L'impacte operatiu d'aquest canvi és profund. Els equips d'enginyeria necessiten desenvolupar un nou vocabulari de disseny per a l'orquestració amb autòmats d'estat; és una habilitat que s'aprèn, però no de la nit al dia. Els equips de governança han d'establir protocols de mesura per a les propietats en temps d'execució —latència acotada, fidelitat de reproducció, estabilitat d'atribucions— que l'orquestració determinista permet però no lliura automàticament. El cost de la transició és real: les implementacions existents de bucles d'agent requereixen una revisió exhaustiva i, en la majoria dels casos, un redisseny substancial. No obstant, el benefici s'acumula amb el temps. Cada decisió que pren el sistema es torna inspeccionable. Cada trajectòria es torna reproduïble. Cada desafiament regulatori es pot defensar mitjançant la trajectòria persistida, en lloc de mitjançant una reconstrucció aproximada posterior. Aquest és l'avantatge estructural que obtenen les empreses que reconeixen aquest canvi arquitectònic d'hora.
No es tracta d'una posició de màrqueting. Els proveïdors de plataformes de governança estan convergint cap als mateixos primitius, amb diferent vocabulari i preus. És una decisió d'enginyeria: construir la lògica d'orquestració de forma explícita ara, en preparació per a l'entorn regulatori que ja està convergint cap a aquests requisits, en lloc d'haver d'adaptar-la després sota pressió de compliment. El bucle d'agent va tenir sentit com a primera arquitectura per a sistemes LLM en producció: era simple, flexible i permetia llançar ràpid. L'orquestració amb autòmats d'estat té sentit com a segona arquitectura, la que es necessita quan aquests sistemes s'enfronten a l'entorn regulatori en el qual ara operen. La transició ja està ocorrent, de forma silenciosa, a les empreses que presten atenció a d'on ve la pressió d'auditoria. Per al 2027, les empreses que no hagin fet la transició seran les excepcions visibles. Per al 2028, 'IA agent' significarà 'orquestració determinista amb autòmats d'estat i LLM a les funcions de transició', no 'bucles d'agent amb enginyeria de prompts'. El vocabulari arribarà a la realitat. Els primitius d'enginyeria ja són aquí.
