Agentic Workflows
Si un agente es un trabajador individual, un agentic workflow es un equipo con un plan de juego. En lugar de un agente haciendo todo, los workflows definen etapas — planificacion, ejecucion, verificacion — con puntos de control y logica de reintento integrada. Cuando algo falla, el workflow no simplemente se detiene; regresa, ajusta e intenta de nuevo.
Prerrequisitos
Antes de leer esta pagina, asegurate de entender:
- Agents — como los agentes de IA observan, piensan y actuan
- Tool Use — como los modelos llaman funciones externas
Como Funciona
El diagrama muestra el pipeline planificar-ejecutar-verificar — la estructura que convierte las capacidades individuales de los agentes en sistemas confiables y repetibles.
En la fase de planificar, un agente planificador descompone la tarea en pasos discretos. Si la tarea es "escribe un README del proyecto," el planificador podria producir: (1) investigar la estructura del proyecto, (2) escribir un borrador, (3) revisar y editar. Esta descomposicion es critica — convierte un objetivo ambiguo en una secuencia concreta.
En la fase de ejecutar, un agente ejecutor lleva a cabo cada paso. Tiene acceso a herramientas — entrada/salida de archivos, ejecucion de codigo, llamadas a APIs — y trabaja a traves del plan un paso a la vez. Cada paso produce una salida: un archivo escrito, una seccion redactada, un resultado de test.
En la fase de verificar, un agente verificador comprueba si la salida cumple los criterios de calidad. El README incluye todas las secciones requeridas? El formato es consistente? Los links son validos? El verificador evalua el trabajo objetivamente.
Si la verificacion falla, el workflow regresa al planificador con retroalimentacion sobre que salio mal. El planificador revisa su enfoque, el ejecutor intenta de nuevo, y el verificador comprueba la nueva salida. Este ciclo de reintento continua hasta que la salida aprueba o se alcanza un limite de reintentos.
Asi es exactamente como operan los sistemas de workflow estructurado: una fase de planificacion produce planes estructurados, una fase de ejecucion los lleva a cabo, y una fase de verificacion asegura la calidad — con reintentos automaticos cuando las cosas no cumplen los criterios.
Por Que Importa
Los agentes individuales pueden quedar atrapados en ciclos o desviarse del objetivo. Los workflows agregan estructura: separacion de responsabilidades (planificar vs. ejecutar vs. verificar), recuperacion de errores a traves de logica de reintento, y puertas de calidad que detectan problemas antes de que se acumulen.
Esta es la diferencia entre "IA que intenta" e "IA que entrega." Un agente solo podria escribir una funcion que no compila y seguir adelante. Un workflow detecta el error de compilacion, lo retroalimenta y obtiene una version funcional — todo sin intervencion humana.
Los sistemas de IA en produccion casi siempre usan agentic workflows en lugar de agentes individuales. La estructura adicional los hace predecibles, depurables y lo suficientemente confiables para trabajo real.