Workflow.

En la práctica

La distinción que más se usa la fijó Anthropic en diciembre de 2024. En un workflow, el modelo y las herramientas siguen caminos escritos de antemano en el código. En un agente, el modelo decide sus pasos sobre la marcha.

Un ejemplo. Entra la consulta de un cliente. Un modelo la clasifica, el sistema busca en la base de conocimiento y otro paso redacta la respuesta. Si la consulta pide un reembolso de más de 200 euros, pasa siempre por una persona. La IA trabaja en tres pasos, pero no puede saltarse la aprobación, porque está dibujada en el flujo.

Orquestación es la misma idea vista desde arriba. Google la define como el reparto centralizado de tareas entre llamadas a modelos o varios agentes.

Por qué te importa

Porque bastante de lo que se vende como agente es esto, y muchas veces es lo que conviene. Anthropic recomienda la solución más simple y subir de complejidad solo cuando haga falta: el workflow da previsibilidad en tareas bien definidas, y el agente, flexibilidad a cambio de más coste y de errores que se acumulan. Con pasos fijos sabes qué va a hacer el sistema antes de que lo haga, y dónde mirar cuando falla.

Graph engineering

En julio de 2026 empezó a circular en X «graph engineering» para hablar de esto: dibujar el sistema como un grafo de pasos y desvíos, y marcar en qué puntos decide el modelo. La técnica no es nueva, porque LangChain lanzó LangGraph para eso en enero de 2024. La propia LangChain presentó el nombre como «the latest term to come out of X’s AI content factory», y admitió que prompts, agentes, bucles o grafos son detalles de implementación.

Los límites

Un workflow solo sabe hacer lo que alguien previó. Si llega un caso que no encaja en ninguna rama, lo manda por la que no toca o se para, y alguien tiene que añadirla. Para tareas abiertas, donde el camino no se puede escribir antes, se queda corto. Si los pasos son clics en pantallas de otros programas, lo que tienes es RPA. Y llevar IA dentro no lo convierte en un agente, aunque a veces se venda así.