El fracàs d'un agent de codificació en terminal no és un esdeveniment puntual, sinó un procés que es desplega pas a pas. Així ho revela un estudi recent sobre trajectòries d'agents CLI: els errors no apareixen al final, sinó que s'incuben en els primers compassos de l'execució i romanen ocults fins que la recuperació ja no és possible. Aquest enfocament processual canvia radicalment la manera d'abordar la fiabilitat en sistemes autònoms de programari.
Des de Q2BSTUDIO, empresa especialitzada en aplicacions a mida i agents d'IA, entenem que la confiança en aquests sistemes no es construeix només avaluant resultats finals, sinó dissenyant mecanismes d'intervenció primerenca. La investigació va analitzar més de 1.700 trajectòries vàlides de set models frontier en tres scaffolds (OpenHands, MiniSWE i Terminus2) sobre Terminal-Bench, etiquetant manualment més de 63.000 passos d'execució. Les conclusions són reveladores.
En primer lloc, els fallos són predominantment de tipus epistèmic: l'agent desconeix informació crucial de l'entorn o del problema, no per incapacitat tècnica sinó per manca de context. Això suggereix que la principal barrera no és la potència del model, sinó la seva integració amb l'ecosistema real de desenvolupament. Per això, des de Q2BSTUDIO apostem per arquitectures que combinen cloud AWS/Azure amb capes d'observabilitat i retroalimentació contínua, permetent que els agents aprenguin del context a mesura que executen.
En segon lloc, la majoria de les fallades s'originen en els primers passos de la trajectòria. Un error inicial, sovint imperceptible, s'amplifica en cascada fins a bloquejar qualsevol possibilitat de correcció. Això recorda el que passa en entorns de ciberseguretat: una vulnerabilitat primerenca no detectada pot comprometre tot un sistema. A Q2BSTUDIO integrem ciberseguretat com a part del cicle de vida de desenvolupament d'agents, amb proves de penetració i validacions en temps real.
L'estudi també destaca que els mecanismes de recuperació actuals són insuficients. Quan un agent es desvia, rarament aconsegueix tornar al camí correcte perquè l'error ja ha contaminat l'estat intern. Aquí entra en joc el disseny de sistemes de monitoratge intel·ligent, una cosa en què Q2BSTUDIO té experiència gràcies a les seves solucions de BI/Power BI, que permeten visualitzar l'evolució de mètriques de salut de l'agent i activar alertes abans que el fallo sigui irreversible.
Des d'una perspectiva empresarial, aquestes troballes impliquen un canvi de paradigma: no n'hi ha prou amb entrenar models massius; cal dissenyar fluxos de treball on l'agent pugui demanar ajuda, confirmar hipòtesis o reiniciar des d'un checkpoint vàlid. L'automatització de processos, un altre dels pilars de Q2BSTUDIO, es beneficia directament d'aquesta visió. En implementar agents d'IA per a tasques de terminal, recomanem estructurar el cicle en fases curtes amb validació contínua, similar a les pràctiques DevOps en cloud.
En conclusió, tractar el fracàs com a procés, no com a resultat, permet intervenir abans que l'agent col·lapsi. La combinació d'aplicacions a mida, intel·ligència artificial, ciberseguretat, cloud i business intelligence és la recepta per construir agents CLI robustos. A Q2BSTUDIO apliquem aquesta filosofia a cada projecte, transformant la incertesa en control i l'error en aprenentatge.
