A
I
D
L
C
Webinar · 60 minuts
Desenvolupant programari
en l’era de la IA
Com la IA ha canviat la manera de crear software
Kenneth Peiruza · kenneth@videoatencion.com · 666236433
12/11/2026
Programar ja no costa diner (quasi)
Saber què cal demanar i que funcioni bé, sí.
S'ha mogut el marc a analitzar bé el problema, verificar el que la IA produeix i mantenir-ho amb un correcte funcionament
Les vostres respostes
Qui us heu apuntat
100
ens diferents
82
Ajuntaments
9
Consells comarcals
3
Diputacions
6
Altres
259
persones inscrites
IA QUE JA FEU SERVIR · ENS
Claude
8
ChatGPT · Codex
5
Copilot
5
Gemini · Antigravity
4
Power Automate
1
AMB QUÈ TREBALLEU
SQL
Java
PL/SQL
.NET · C#
PHP · Laravel
Python
React
PowerShell
HTML/JS
Formulari d’inscripció · cada ens comptat un sol cop
03
Les vostres respostes
Què voldríeu fer amb IA
25
Eines de gestió interna
14
Scripts i automatització
12
Webs, intranets i formularis
10
Integracions entre aplicacions
9
Assistents i xatbots
7
Dades i informes
7
Migrar aplicacions antigues
5
Anonimitzar i tractar documents
5
Calculadores i tràmits
2
Mapes i SIG
Nombre d’ens que ho demanen; cada ens compta un cop · amb vora groga, el que veureu avui
04
Les vostres respostes
Per a qui: ús intern o ciutadania
45
Només ús intern · 78%
11
Mixt · 19%
2
Només ciutadania · 3%
58 ens amb una necessitat concreta · cada ens compta un cop · mida de la bola proporcional
05
Qui us parla
Kenneth Peiruza
Desenvolupador
1996–2008
Sistemes
2000–2004
Auditor de seguretat
2004–2006
Sistemes
2006–2015
DevOps
2015–2026
Friki de la IA
2022–2026
Torno a programar
2024–2026
1996
2006
2016
2026
Codi, sistemes, seguretat i DevOps, i ara IA
06
Agenda
Què veurem
·
Què ha canviat
1
Com planifiquem la feina
Autonomia i tipus d’eines · AIDLC · cas real i feina en directe
2
Eines, models i costos
On executem la IA i què costa
3
Com despleguem i mantenim
4
De comprar programari a compartir-lo
·
Com us podem ajudar · Preguntes
Programari públic amb IA · Videoatención
07
El canvi
Com ha canviat crear software
| Abans | Ara | |
|---|---|---|
| Qui escriu el codi | Persones, línia a línia | Agents dirigits per persones |
| Coll d’ampolla | Escriure el codi | Especificar i verificar |
| Fins a un MVP | Mesos o anys | Hores, dies o setmanes |
| Rol de l’equip | Programar | Analitzar, definir, revisar |
| Inversió inicial | Alta: cal un projecte | Baixa: es pot provar abans |
| Adherència al negoci | Mitjana-baixa | Alta o molt alta |
Programari públic amb IA · Videoatención
08
Pausa publicitària
La promesa: demana-ho i ja tens l’app
Ho posareu en producció?
Si el vídeo no carrega: obrir-lo a YouTube
Panorama · Maneres de treballar
Vibe Coding vs Desenvolupament Dirigit
Vibe coding
Demanar en llenguatge natural i acceptar el que surt
PROS
+
Molt ràpid per provar una idea
+
No cal saber programar
CONTRES
−
L’arquitectura no contempla les necessitats de producció
−
Ningú entén del tot el codi generat
−
Sense proves ni requisits de seguretat
−
Difícil de mantenir i d’ampliar
Desenvolupament dirigit
Primer requisits, arquitectura i proves; després l’agent
PROS
+
Criteris escrits i verificables
+
Proves i seguretat des del principi
+
Codi que altres poden mantenir
CONTRES
−
Més feina abans de començar
−
Cal saber què es vol: anàlisi
Vibe coding per provar idees. Dirigit per a tot el que ha d’arribar a producció.
Eines de desenvolupament dirigit: Spec Kit, OpenSpec, BMAD
10
1
Part 1 de 4
Planificació
Anàlisi i ideació abans de programar.
1
Planificar
2
Eines i costos
3
Desplegar i mantenir
4
Compartir
Panorama · Autonomia
Quanta feina deixem fer a la IA
1
Assistida
Juny 2021 · GitHub Copilot
Avui: GitHub Copilot
La persona escriu; la IA proposa i es revisa cada canvi
Encaixa: Codi que no coneixem bé, sistemes crítics
Compte: Lent per a feines grans
2
Semiautònoma
Maig 2023 · Aider
Avui: Claude Code
La IA executa tasques; la persona supervisa i intervé
Encaixa: La feina del dia a dia
Compte: Cal saber quan aturar-la
3
Autònoma, revisió al final
Març 2024 · Devin (Cognition)
Avui: Devin
Requisits clars: la IA planifica, programa, prova i corregeix
Encaixa: Tasques ben acotades i amb proves
Compte: Sense proves, no se sap si va bé
4
Multiagent
Juliol 2023 · ChatDev (recerca)
Avui: Claude Code
Agents especialitzats: anàlisi, codi, proves, revisió
Encaixa: Projectes grans i repetitius
Compte: Cost i complexitat
Fins on podem confiar?
Tant com bones siguin l’especificació i les proves. Nosaltres treballem al nivell 2–3,-4 sempre amb revisió humana abans de producció.
Primer producte i líder actual de cada tipus · com més autonomia, més importants són les proves
12
Panorama · Tipus d’eines
De l’autocompletar a l’equip d’agents
| Tipus | Exemples | Per a què | Compte amb |
|---|---|---|---|
| Assistent a l’editor | Copilot, Gemini Code Assist | Completar i explicar codi | Només veu una part del projecte |
| Editor amb IA | Cursor, Antigravity | Canvis en molts fitxers alhora | És fàcil acceptar sense llegir |
| Agent de programació | Claude Code, Codex, Gemini CLI, OpenCode | Tasques senceres: fitxers, ordres, proves | Necessita regles escrites i permisos |
| Orquestració d’agents | BMAD, subagents | Projectes grans, amb rols | Cost i complexitat |
El que fem servir cada dia: un agent de programació, amb múltiples subagents.
Exemples orientatius; l’oferta canvia cada mes
13
Panorama · Riscos
El risc de perdre el coneixement
1
Manca de coneixements de qui ho crea
Baix: Perfil tècnic que entén el codi i el negoci
Alt: Ningú pot jutjar si el resultat és correcte
HO REDUEIX
Formació i parelles tècnic + negoci
2
Manca de control del que la IA genera
Baix: Cada canvi llegit, provat i revisat
Alt: S’accepta el que surt sense mirar-ho
HO REDUEIX
Proves automàtiques i revisió per algú que no ho ha fet
3
Complexitat del projecte
Baix: Una eina petita i aïllada
Alt: Integracions, dades personals, tràmits
HO REDUEIX
Peces petites, AGENTS.md i documentació viva
Quan els tres eixos són alts alhora, ningú sap què fa el programari ni si ho fa bé.
El coneixement ha de quedar a l’equip i per escrit, no només al codi generat
14
A · Analitzar · Garanties
Quines garanties ha de donar
Seguretat
Categoria ENS: bàsica, mitjana o alta
Estabilitat
Disponibilitat, còpies, recuperació i suport
Governança
Propietat del codi, aprovacions i traça d’auditoria
Escalabilitat
Pics de campanya i terminis sense caure
Protecció de dades
RGPD, minimització, AIPD si cal i RIA
Accessibilitat
WCAG 2.2 AA i RD 1112/2018
Interoperabilitat
ENI i serveis AOC: Via Oberta, MUX, e-TRAM
Mantenibilitat
Codi obert i documentat, sense dependre d’un proveïdor
Es decideix a l’anàlisi: canviar-ho després surt molt més car
15
Part 1 · El mètode
AIDLC: de la idea a producció
Cinc fases, i abans de programar, dues preguntes: quines garanties cal donar i si ja existeix.
Analitzar
Idear
Desenvolupar
Llançar
Curar
AIDLC
Cinc fases, la IA a totes
A
Analitzar
Què cal, per a qui, si ja existeix i quines garanties ha de donar.
I
Idear
Arquitectura, tecnologies i alternatives, decidides i escrites.
D
Desenvolupar
Agents que escriuen codi; persones que dirigeixen i revisen.
L
Llançar
Proves automàtiques, CI/CD, desplegament i validació.
C
Curar
Monitoratge, documentació viva i millora contínua.
Analyze · Ideate · Develop · Launch · Curate — aidlc.guru
17
A · Analitzar · Reutilitzar
Ja existeix? Reutilitzar primer
01
Ja ho resol una eina pública?
AOC, diputació, consell comarcal, un altre ajuntament
02
Hi ha programari lliure?
Que ho faci en tot o en part
03
Es pot adaptar o integrar?
Un component o servei que ja teniu
04
Construir
Només llavors, i pensant en que altres el mantinguin o reutilitzin
On mirar:
CTT de l’Administració
Catàleg AOC
Diputacions
Altres ajuntaments
GitHub · Codeberg
La pregunta més barata: la que evita escriure codi
18
Part 1 · Casos reals
Tres casos, tres mides
Una peça interna reutilitzada, una calculadora per a la ciutadania i un anonimitzador.
Gestor LLM
Calculadora del Prat
Anonimitzador
A · Cas real · Construir perquè altres ho reutilitzin
Gestor LLM: créixer reutilitzant
NEIX
Un gestor de classificació amb IA
CREIX
Endpoints d’IA
Compliment RIA
Traçabilitat de consultes externes
Gestió de prompts
PMF per a agents IA
AVUI
Es reutilitza a totes les solucions amb IA de Videoatención
I és programari lliure.
Captures reals: claus d’API per client i tauler de control
20
A · Cas real · Gestor LLM
Com hem canviat la manera de programar-ho
Nivell 1
Programació assistida
La persona escrivia el codi; la IA el suggeria i l’explicava
Nivell 2
Agent de programació
L’agent fa tasques senceres; la persona supervisa cada pas. Migració de MongoDB a PostgreSQL
Nivell 3
Desenvolupament dirigit
Especificació, AGENTS.md i proves abans de generar codi
Nivell 4 · Avui
Multiagent
Agents d’anàlisi, codi, proves i revisió que treballen en paral·lel
El que no ha canviat: una persona revisa abans de producció.
Ara la revisió la fa un equip que no ha participat en el desenvolupament, amb l’ajuda de la IA.
Els nivells d’autonomia de la diapositiva 12, aplicats a un producte real
21
A · Cas real · Gestor LLM
Què funciona amb ell al darrere
Agents IA d’atenció ciutadana
Rubí, Gavà, El Prat, Castelldefels…
Classificació d’instàncies genèriques
Simplificador del llenguatge de plantilles de tràmits (Clara-IA)
Plataforma GUIAT
Assistents, sol·licituds i fitxes de tràmits
SIC
Informació corporativa de tràmits i serveis
Portal de tràmits amb IA (Klaria)
Gestió de sol·licituds amb IA
Anàlisi de justificació de subvencions amb IA
Robotització de tasques
9 → 1
Nou solucions, un sol lloc per als models, els prompts, la traçabilitat i el RIA.
Construït un cop, reutilitzat a cada solució nova amb IA
22
Part 1 · DEMO
Calculadora de la plusvàlua
Ajuntament del Prat de Llobregat · IIVTNU
aidlc01.devops.videoatencion.com
D’un Excel intern…
…a una app web per a la ciutadania
Sense base de dades
Les dades no surten del navegador
PDF + QR
Descàrrega i recuperació del càlcul amb una URL
El Prat · Analitzar
25 minuts d’anàlisi abans del codi
Ja existia: reutilitzar
Formulari IIVTNU de l’ORGT, fet amb SurveyJS. Excel de càlcul de plusvàlua d'ús intern de tributs del Prat
Contrast amb la normativa
L’ordenança vigent (OF 4) i els decrets estatals de 2024, 2025 i 2026
Regles implícites, ara escrites
Com l’aplicació del coeficient més baix entre l’ordenança i el màxim estatal
Font oficial per a cada valor
Cada coeficient, traçat fins a la norma que el fixa
L’anàlisi converteix el coneixement de l’equip en regles escrites i verificables.
Calculadora de plusvàlua (IIVTNU)
24
El Prat · Com es veu
La calculadora, en pantalla
Resultat visualment atractiu
Cada pas del càlcul cita la norma
PDF i enllaç per reobrir-lo, sense que les dades surtin del navegador
No tracta dades personals
aidlc01.devops.videoatencion.com · dades d’exemple
25
El Prat · Abans i ara
El mateix encàrrec, abans de la IA
| Projecte estàndard | Amb IA | |
|---|---|---|
| Hores | ≈420–715 h, entre proveïdor i ajuntament | ~8 h tècniques fins a producte validat i 8 de negoci |
| Cost | 18.000–40.000 €, contracte i feina interna | 35 € en models d’IA, més hores pròpies |
| Calendari | 4–7 mesos fins a producció | Dies, amb la validació de Tributs |
| Contractació | Procediment obert simplificat | Mitjans propis o PRODES |
420–715 h → ~8 h
4–7 mesos → dies
Projecte estàndard: estimació per analogia, sense IVA; tarifes i hores no mesurades
26
Part 1 · Cas real
Anonimitzador de documents
Només regles · 3 dades
Regles + IA · 7 dades
Ho vau demanar tres dels ens inscrits
Llegeix DOCX, PDF i TXT
La IA troba el que les regles no veuen: telèfons i correus escrits en lletres, signatures
Fa servir el Gestor LLM, amb models a la UE
Text substituït no vol dir anònim: una persona ho revisa
aidlc02.devops.videoatencion.com · text d’exemple
27
Anonimitzador · fase d’anàlisi i ideació · 1/2
Què vaig demanar, i què posa l’AIDLC sense demanar-ho
El que vaig demanar
- Enganxar un text o obrir un .docx/.pdf i anonimitzar-lo
- Un 2 en 1: regles (màxim de dades personals) i IA amb un prompt del Gestor-LLM
- DNI/NIE i IBAN també agrupats, noms, adreces, totes les matrícules; no els 800/900 ni els números curts
- Text extret a l’esquerra, anonimitzat a la dreta, amb marques grogues de mida fixa
- Desplegable: Qwen3.8 Flash Next al Spark o GPT-4.1 mini a Azure UE
- Aprendre de maskeringsscript (Rotterdam)
- Peticions «no traçables» al Gestor-LLM; cap token permanent al navegador
- Només una demo en local, sense SSO
El que s’hereta de l’AIDLC
- El registre s’escriu abans del codi i mai s’edita perquè hi encaixi
- Intenció (1-analysis … 4-launch), estat (knowledge) i decisions (docs/adr), separats
- Primer es mira l’abast: els no-objectius diuen què no és d’aquest producte
- ADR numerades ANON-NNNN; les substituïdes es queden com a història
- main protegit: tot canvi entra per merge request
- Invariants que diuen com es comproven
- Tokens de disseny de la casa (HOUSE-0001)
- Estil de programació, comentaris reduïts i llenguatges emprables per a cada cas d’ús
- Registre en anglès, interfície en català
Brief original i ampliació, desats literalment a 1-analysis/ · videoatencion/aidlc/aidlc-anonimitzador
28
Anonimitzador · fase d’anàlisi i ideació · 2/2
Què hem decidit, i quant temps humà ha costat
| Decisió | Què vol dir |
|---|---|
| ANON-0003 | Regles al navegador (no surt res); la IA només a través del nostre backend |
| ANON-0004 | Noms i adreces per regles: llistes, pistes de context i llistes blanques, com Rotterdam |
| ANON-0005 | Les marques del prompt 29 ([PERSONA_1]…) als dos modes, grogues i d’amplada fixa |
| ANON-0006 | Local va directe al Spark; Internet passa pel Gestor-LLM |
| ANON-0007 | Només demo local, sense SSO. Producció: ≈ 50–75 h més i openid-client |
| ANON-0008 | Prompt propi (72), derivat del 29: respecta 80x/90x, NSS, IP, DA7 i text intacte |
| L-1 … L-9 | AEPD, EDPB, DA7, ENS: mai «anònim», DNI emmascarats, revisió de quasi-identificadors, IA etiquetada |
| Fora del repo | HOUSE-0002 (cap clau al navegador) · GESTORLLM-0001 (peticions no traçables) |
10 preguntes tancades: 80x/90x no es tapen · NSS i IP sí, edats no · noms de l’INE i de l’Idescat · les regles revisen la IA i marquen en vermell el que s’hi escapa
Fet: registre a main · repo de codi creat · prompt 72 provat · token 35 restringit al prompt 72 · Azure a la UE. Pendent: 3 MR (HOUSE-0002, prefix, GESTORLLM-0001)
Temps humà
≈ 1 h
Dues sessions: ≈ 5 min (31/10) i ≈ 55 min (1/11). Disset missatges, uns 5.300 caràcters.
No hi entra: escriure el brief original ni revisar les 3 MR.
29
Anonimitzador · implementació · previsió
Quant trigarà a tenir-lo funcionant al PC
| Pas | Model | Què fa · temps |
|---|---|---|
| 1. Esquelet | Haiku 5.5 | Vite + React + TS, tokens de la casa, servidor buit · 10–15 min |
| 2a. Detectors amb patró | Sonnet 5.5 | DNI/NIE/DA7, IBAN, telèfon, matrícula, NSS, IP… i el motor · 35–45 min |
| 2b. Noms i adreces | Sonnet 5.5 | Llistes INE/Idescat, pistes, llistes blanques, corpus · 45–60 min |
| 2c. Interfície | Sonnet 5.5 | docx/pdf, dues columnes, marques grogues, «Revisa», IA etiquetada · 40–55 min |
| 2d. Backend | Sonnet 5.5 | Spark directe i Gestor-LLM, prompt 72 fixat, límits · 25–35 min |
| 3. Fusió | Sonnet 5.5 | Unir les 4 branques, cas d’acceptació, build i tests · 20–30 min |
| 4. Revisió adversarial | Opus 5.5 | Contra I-1…I-24 i L-1…L-9 · 15–20 min |
| 5. Correccions i arrencada | Sonnet 5.5 | Aplicar la revisió, aixecar-lo en local · 20–30 min |
Els passos 2a–2d corren en paral·lel, cadascun en el seu worktree.
Previsió
2,5–3 h
De rellotge, de l’esquelet fins a l’aplicació aixecada. 8 agents.
Temps humà previst: ≈ 15 min (mirar-ho i provar-ho).
Inici: 1/11/2026 a les 10:51 · repo videoatencion/anonimitzador · registre a l’etiqueta abans-implementacio
30
Anonimitzador · implementació · temps real
De zero a funcionant al PC: 49 minuts
| Hora | Què va passar |
|---|---|
| 10:51–10:56 | Esquelet (Haiku 5.5) |
| 10:56–10:59 | Incident: els agents llegien els meus missatges; aturat i represa |
| 10:59–11:06 | 4 constructors en paral·lel (Sonnet 5.5) |
| 11:07–11:15 | Fusió (Sonnet) · revisió adversarial (Opus): 2 greus, 5 mitjanes · correccions |
| 11:16–11:36 | Validació autònoma: 5 validadors, 2 rondes, porta Opus · 34/35 en verd |
| 11:37–11:39 | L-5 corregit (Sonnet): 0 falses alarmes en 1.600 textos |
| 11:39–11:40 | Al PC: la crida real a Azure falla; corregit (capçalera X-Untraceable) |
25 agents · ~67 M tokens (sobretot lectures de cache) · 339 tests · 94 fitxers · 0 peticions de xarxa en mode Regles · 9 marques de 163 px exactes
Previst
2,5–3 h
Real
49 min
Cost a preu de llista d’Anthropic, sense descompte
≈ 24 $ la implementació: Sonnet 12,4 · Opus orquestrador 8,4 · Opus revisió 3,0 · Haiku 0,2
+ ≈ 12 $ l’anàlisi i ideació · total ≈ 36 $
Pendent: «Local» (Spark) provat només amb mocks · L-5 i I-5 a revisar a l’aidlc (MR !5) · GESTORLLM-0001 per implementar
31
En directe · 10–15 minuts
Feina real
La calculadora del Prat
Un agent treballant
El Gestor LLM
2
Part 2 de 4
Eines, models i costos
Quin model fem servir per a cada feina, i quan val la pena IA local.
1
Planificar
2
Eines i costos
3
Desplegar i mantenir
4
Compartir
Panorama · On s’executa
On executem la IA, i què implica
| IA local | Plans gratuïts | De pagament | Híbrid | |
|---|---|---|---|---|
| Qualitat | Bona en tasques afitades | Variable, amb límits d’ús | La millor avui | La millor per a cada tasca |
| Cost | Inversió inicial, després fix | 0 € | Quota mensual o per consum | Ajustat a l’ús |
| El vostre codi | No surt de casa | Llegiu les condicions d’ús | Segons contracte: sense entrenament, regió UE | El sensible es queda a casa |
| Dependència | Cap proveïdor | Alta: canvien sense avís | Mitjana | Baixa |
| Maquinari | Cal un equip potent | Cap | Cap | Un equip local |
El que fem: híbrid. Les tasques grans i repetitives en local; l’arquitectura i la revisió, amb els millors models.
Fem híbrid, amb IA local i múltiples proveïdors
34
IA local · Mesures reals
Qwen3.8 Flash-Next: proves internes
Tasca de referència: corregir 3 bugs, afegir 2 funcions i una CLI, avaluada amb 45 tests ocults
45/45
tests ocults superats, de manera sistemàtica
13 min
per a la tasca sencera, de manera autònoma
×2
de rendiment amb 4 sessions en paral·lel, i totes encerten
La velocitat no és qualitat: models locals més ràpids no segueixen bé l’encàrrec.
Mesures de Videoatención en DGX Spark, octubre 2026
35
Part 2 · Instruccions
Com li diem a l’agent què volem
Un fitxer a l’arrel del projecte amb les regles que l’agent ha de seguir.
AGENTS.md
Stack i versions
Estructura
Proves
Eines
AGENTS.md / CLAUDE.md
Un agent de codi llegeix un fitxer de regles a l’arrel del projecte: AGENTS.md. Hi fixem l’estructura del repositori, les tecnologies i les seves versions.
El que no està escrit, l’agent s’ho pot inventar, i el desenvolupador pot acceptar-ho sense mirar...
AGENTS.md
# Regles del projecte
- Stack: React [x.y] · TypeScript [x.y] · Vite [x.y], versions fixades
- Repo: /engine · /ui · /pdf · /data · /tests
- Un únic motor de càlcul: la web i el PDF el criden, no el copien
- Coeficients a /data, un per fila, amb data i font oficial
- Català primer, castellà segon · ENS bàsic · WCAG 2.2 AA
- Model de dades, codi i funcions en anglès
- Cap dada personal surt del navegador
- Cada fórmula, un test contra l’Excel
- Res a producció sense revisió humana
Programari públic amb IA · Videoatención
37
Eines · Com ho organitzem
Instruccions en cascada: el Gestor LLM
REPOSITORI BASE DE LA CASA · AIDLC
El mètode i les regles comunes
ENS · RGPD · accessibilitat · estil de codi · revisió
REPOSITORI BASE DEL PROJECTE
Gestor LLM
Requisits, arquitectura i decisions
AGENTS.md
Frontend
Stack, ordres i proves
AGENTS.md
Backend
API, dades i proves
AGENTS.md
Worker
Cues i tasques en segon pla
AGENTS.md
Helm
Desplegament per entorn
Cada nivell hereta les instruccions del de dalt i hi afegeix només el que és seu.
L’agent llegeix tota la cadena abans de tocar codi
38
Part 2 · Models i costos
Qui fa servir què, i quant costa
Quines eines i models fan servir els desenvolupadors, i el preu dels tokens.
Quota de mercat
Preus per token
Cost per línia de codi
Fonts: whoburnedmore.com (fins 11/11/2026) · OpenRouter · Menlo Ventures. Orientatiu.
40
Eines · Quota de mercat
Qui fa servir què
Agents de programació
% de tokens consumits · 226 desenvolupadors, 30 dies
Claude Code
Codex CLI
34%
OpenCode
4,6%
Cursor
1,3%
Altres
~3%
Gemini CLI, Kimi CLI i GLM no surten a la mostra.
Models per API, per programar
% de tokens a OpenRouter · última setmana
GLM 5.3 Flash
6,9%
GPT-6 Luna
3,9%
Claude Opus 5.5
2,6%
70%
de la despesa de les empreses en programació amb IA va a Claude Code i Codex (Menlo Ventures, setembre 2026)
57%
Costos
Els tokens...
| Model | Entrada | Sortida | Per a què |
|---|---|---|---|
| Claude Fable 5.2 | $8 | $40 | Màxima capacitat |
| Claude Opus 5.5 | $4 | $20 | Arquitecte i revisor |
| Kimi K3.1 Pro | $2 | $10 | Pesos oberts, 1M de context |
| Claude Sonnet 5.5 | $2 | $10 | Cavall de batalla, equivalent Sènior |
| Qwen3.8 Flash-Next | $0 | $0 | Local: DGX Spark, ~4.800 € |
| Claude Haiku 5.5 | $0,10 | $0,50 | Tasques simples en volum |
Quant costen 1.000 línies de codi provat i revisat (≈ 12.000 tokens)
Amb IA · Sonnet 5.5
0,12 – 5 $
En minuts. Escriure costa 0,12 $; la resta és el que llegeix
Sènior · 50 €/h
1.000 – 2.000 €
20–40 hores de feina
Júnior · 34 €/h
1.360 – 2.720 €
40–80 hores de feina
Qwen en local no és gratis (maquinari, electricitat), però no creix amb l’ús. Es pot amortitzar si té prou tasques.
Preus de llista per API, USD per milió de tokens, novembre de 2026.
41
3
Part 3 de 4
Com despleguem i mantenim
Del repositori a producció.
1
Planificar
2
Eines i costos
3
Desplegar i mantenir
4
Compartir
L · Llançar · Build & deploy
GitOps: El que és a Git és el que s'executa
Repositori
Codi, AGENTS.md i proves
CI
Tests, seguretat i accessibilitat
Imatge
Contenidor versionat, igual a tot arreu
ArgoCD
GitOps: sincronitza el clúster amb Git
Kubernetes
Núvol, hosting o on-prem
Cada canvi, traçable
Tornar enrere és un commit
El mateix camí per a totes les apps
Tot amb eines obertes · decidiu on viu cada aplicació sense reescriure res. No és IA, ja existia, però si disparem la productivitat, és imprescindible.
43
C · Curar · Supervisió
Observar per tornar a analitzar
CLÚSTER KUBERNETES
La teva aplicació
pod
pod
pod
Prometheus
Mètriques: ús, errors, latència
Fluentd
Recull els logs de cada pod
OpenSearch
Logs centralitzats i cercables
Agent IA
Llegeix mètriques i logs
Valida el funcionament
Errors, anomalies i ús real
Noves tasques a backlog
Com ja fèiem amb DevOps
Eines obertes: Fluentd, OpenSearch, Prometheus · l’agent observa, les persones decideixen
44
4
Part 4 de 4
1
Planificar
2
Eines i costos
3
Desplegar i mantenir
4
Compartir
De comprar programari a crear-lo i compartir-lo
Menys contractes, més autonomia i més sobirania tecnològica.
El canvi de model
Menys contractes, més tècnics a casa
Abans
4–10
contractes per a petites aplicacions
Cadascun amb plec, valoració, adjudicació i supervisió
Ara
1–2
contractes de suport al desenvolupament intern
L’equip propi, amb IA i acompanyament, fa les aplicacions
Què agilitza el desplegament
✓ Sistemes estàndard i comuns: la IA ja els coneix
✓ Una plataforma comuna ja adequada a l’ENS: desplegar és rutina
✓ Negoci validant cada iteració, no només al final
✓ Reutilitzar programari lliure que ja existeix
Què el ralentitza
✗ Sistemes molt específics: cal analitzar-los primer
✗ Una licitació per aplicació, amb requisits congelats
✗ Seguretat, RGPD i ENS revisats al final
✗ Integracions tancades o sense documentar
El temps de gestionar contractes es converteix en feina tècnica
46
C · Programari públic · Com ho fan a fora
Qui fa el programari de l’administració?
L’Estat el proporciona
Estònia
Plataforma comuna per a tot el sector públic: X-Road i identitat digital
Regne Unit
GOV.UK Notify i Pay, oberts també als ajuntaments
França
La Suite numérique per als agents públics, de codi obert
Es fa un cop i es comparteix
Itàlia
La llei (CAD, art. 68–69) obliga a mirar primer què es pot reutilitzar i a publicar el codi
Alemanya
“Einer für Alle”: un land fa el servei i els altres el reutilitzen
Dinamarca i Països Baixos
Els municipis són copropietaris del codi: OS2 i Common Ground
Cada ens ho compra
Espanya
L’Estat i l’AOC donen les peces comunes: identitat, notificacions, registre, factura
La gestió del dia a dia (padró, tributs, expedients) es compra a empreses privades, ens per ens o via supramunicipals.
Fonts: e-estonia.com · GDS · DINUM · AgID · OSOR (Comissió Europea) · PAe/CTT
47
C · Programari públic · Afloriment
De baix a dalt, per a tothom
La IA abaixa el cost de fer. La governança abaixa el cost de compartir.
Totes les administracions
Reutilitzen canviant paràmetres, no codi
GOVERNANÇA COMUNA
Repositori únic
Compliment normatiu
Catàleg comú
Manteniment consorciat
Plusvàlua
un ajuntament
Inscripcions
un consell comarcal
Ajuts
una diputació
Reserva d’espais
un altre ajuntament
JA FUNCIONA · OS2, DINAMARCA
82 de 98
municipis en són membres
25
solucions de codi obert comunes
136
persones de 48 municipis les mantenen
Cada ens aporta el que pot · Font OS2: OSOR, Comissió Europea
48
El nostre mètode
La nostra recepta: AIDLC adaptat al sector públic
Garanties de qualitat de codi, disseny i seguretat en cada fase, amb persones validant
01
A
Anàlisi i ideació: sèniors amb IA i negoci explicant el què i els problemes
02
I
Interfícies amb el Design System de l’AOC, validades amb negoci
03
I
Arquitectura: seguretat, escalabilitat i adaptació a cada ens o negoci
04
I
Repositori guia del projecte amb les decisions, independent del codi
05
D
Repartiment de tasques a l’equip de desenvolupament i els seus agents
06
D
Els analistes validen cada tasca delegada
07
D
Un altre equip revisa l’adhesió a la ideació i la qualitat i seguretat del codi
08
L
Lliurament i desplegament
09
C
Supervisió de l’execució, amb eines MCP quan cal
Validen negoci, analistes i un segon equip abans de cada lliurament
49
Com us ajudem
De la idea al servei en producció
A
Analitzar
Què cal, si ja existeix, i quina seguretat, estabilitat, governança i escalabilitat ha de tenir
I
Idear
Arquitectura, tecnologies, decisions escrites i especificació per a l’agent
D
Eines
Agents, models i IA local per al vostre equip o proveïdor
L·C
Plataforma
CI/CD, desplegament al núvol, hosting o on-prem, i manteniment
Una nova manera de disposar de solucions.
Programari públic amb IA · Videoatención
50
Fet amb AIDLC
Què estem construint així
Gestor LLM
Gestió Unificada d’Informació i Assistència en Tràmits
GUIAT
Portal de tràmits amb IA
Klaria
Simplificador de plantilles de tràmits
Clara-IA
Recomanador de tràmits amb IA
Gestió de sol·licituds amb IA
Padró i subvencions
SIC: Sistema d’informació de la ciutat
Agents IA per a la interacció amb ciutadania i treballadors
Programari públic amb IA · Videoatención
51
Gràcies
Preguntes?
Llibertat, Igualtat i Simplicitat
Parlem-ne
Kenneth Peiruza
Correu
kenneth@videoatencion.com
Telèfon
666 236 433
Web · Demo
videoatencion.com · aidlc.devops.videoatencion.com