Quan treballem amb agents d'intel·ligència artificial, la definició de cada skill es converteix en el nucli del seu comportament. Tanmateix, un error freqüent entre desenvolupadors és oblidar assignar una persona concreta a aquesta skill. El resultat és un assistent genèric que canvia de veu, nivell d'experiència i criteri entre una execució i una altra. En aquest article explorem per què assignar un rol explícit —un perfil professional real— a cada definició de skill és una pràctica essencial per aconseguir consistència, auditabilitat i escalabilitat en projectes d'IA empresarial.
Imaginem que construïm un sistema multiagent per a una consultora tecnològica. Sense una persona definida, un skill encarregat d'analitzar logs de seguretat podria respondre unes vegades com un analista junior que només enumera troballes, i d'altres com un arquitecte sènior que proposa solucions. Aquesta variabilitat no només genera confusió, sinó que impedeix auditar les decisions del sistema. En declarar 'Ets un expert en ciberseguretat amb 10 anys d'experiència en pentesting', l'agent s'alinea amb un marc de referència estable, i cada resposta es produeix des d'aquest mateix lents.
L'assignació de persona no és un mer adorn estilístic. Des d'una perspectiva tècnica, aporta beneficis quantificables: redueix el nombre d'iteracions necessàries per obtenir una resposta acceptable, facilita la depuració de skills encadenades i permet que l'equip humà sàpiga exactament qui —metafòricament— ha signat cada sortida. A Q2BSTUDIO, apliquem aquest principi en tots els nostres desenvolupaments d'agents IA, assegurant que cada skill porti incrustada una identitat professional verificable.
Com implementar-ho a la pràctica? La recomanació és col·locar la declaració de persona com la primera instrucció del fitxer de skill. Per exemple: 'Ets un enginyer de cloud especialitzat en AWS i Azure, responsable de dissenyar arquitectures tolerants a fallades'. A continuació, s'afegeixen les regles i directrius específiques, sempre coherents amb aquest rol. Si en un skill es demana a l'agent que revisi codi, el perfil ha de ser un desenvolupador sènior o un revisor de qualitat, no un administrador de sistemes. La consistència interna evita que el model barregi tons i criteris.
Un dels casos d'ús més potents és l'encadenament de skills. Quan un agent orquestrador invoca diverses skills seqüencialment, cada una ha de parlar des de la seva pròpia persona. Si el skill d'anàlisi de dades utilitza un perfil de científic de dades i el de visualització utilitza un perfil d'analista de negoci, la transició és natural i els resultats es complementen. Sense aquesta identitat explícita, l'agent podria intentar unificar veus i generar incoherències. Per això, en projectes de Business Intelligence amb Power BI que desenvolupem a Q2BSTUDIO, definim personatges específics per a cada skill: des del que extreu i neteja les dades fins al que genera els informes executius.
Un altre aspecte crític és l'auditabilitat. En entorns empresarials regulats, és necessari saber qui (en termes de rol) va prendre cada decisió. Si una skill produeix una recomanació d'inversió, el perfil 'analista financer sènior' proporciona un context d'autoritat que facilita la revisió. A més, si el resultat és incorrecte, l'equip sap quin lents qüestionar: va fallar el coneixement del rol o la regla de negoci? Això accelera la depuració i millora la confiança en el sistema.
Des de la perspectiva de l'empresa de desenvolupament de programari i tecnologia Q2BSTUDIO, veiem l'assignació de persona com un pilar del disseny d'agents IA robustos. En integrar skills amb rols definits, aconseguim que les solucions d'automatització de processos, anàlisi de dades o ciberseguretat mantinguin una qualitat homogènia. Per exemple, en construir un agent de ciberseguretat, definim un perfil d''analista de threat hunting' que sap prioritzar alertes segons el context de la infraestructura cloud (AWS o Azure) i rebutjar falsos positius amb un criteri professional clar.
No obstant això, cal evitar excessos. Una persona massa llarga o inventada —com 'Ets un mag que programa en Python'— afegeix soroll i pot confondre el model. L'ideal és utilitzar perfils reals del món professional: enginyer de programari, arquitecte de solucions, analista de BI, especialista en ciberseguretat. La longitud òptima és d'una a tres frases, just les necessàries per fixar l'experiència i les responsabilitats. La resta del skill ha de contenir regles operatives que reforcin aquest rol.
Finalment, recordem que el model no 'obeeix' cegament la persona; l'adopta com a context. Si les instruccions del skill contradiuen el perfil declarat, l'agent pot intentar conciliar ambdós i generar resultats híbrids. Per tant, és vital que cada regla estigui alineada amb la identitat definida. Per exemple, un perfil d''arquitecte de cloud' no hauria d'incloure regles sobre proves unitàries de frontend; aquestes pertanyerien a un altre skill.
En conclusió, assignar una persona a cada skill no és un luxe, sinó una necessitat tècnica per a qualsevol projecte d'IA que aspiri a ser professional, auditable i escalable. A Q2BSTUDIO, integrem aquesta pràctica en tots els nostres desenvolupaments d'aplicacions a mida, agents IA i solucions cloud, garantint que cada interacció amb la intel·ligència artificial estigui governada per un rol clar i consistent. Igual que en un equip humà, saber qui parla és el primer pas per entendre què diu.
