Resumen del contenido central
En los últimos tres años, Coze ha completado dos caminos evolutivos clave: primero, ha pasado de un modelo de desarrollo basado en el “arrastrar y colocar piezas” (low-code) a una programación por lenguaje natural que permite al AI trabajar según las necesidades del usuario; segundo, ha evolucionado desde una forma de colaboración en la que cada inteligencia artificial trabajaba de manera independiente a una en la que múltiples IA forman equipos para dividir y coordinar tareas. La versión 3.0 representa un hito importante en este camino hacia la colaboración, ya que resuelve problemas como la interrupción del contexto por parte de una sola IA, la asincronía entre dispositivos y la falta de diversidad de capacidades. El artículo compara las diferencias en los enfoques de plataformas como Coze con Dify y n8n y señala que en el futuro, la competencia entre estas herramientas AI se centrará no tanto en las funcionalidades, sino en la acumulación de conocimiento especializado (KnowHow) del sector. Después de todo, aunque el AI puede ejecutar tareas, es el ser humano quien decide qué hacer y con qué criterios.
Desglose detallado
1. Los dos caminos evolutivos de Coze: avanzando juntos como “dos piernas”
La mejora de Coze no ha sido lineal, sino que ha seguido dos vías paralelas:
- Línea de desarrollo: se ha enfocado en simplificar la creación de aplicaciones AI. La versión 1.0 utilizaba un método de “arrastrar y colocar nodos” (similar a construir con Legos), mientras que la versión 2.0 permite describir las necesidades en lenguaje natural para que el AI genere automáticamente los flujos de trabajo.
- Línea de colaboración: se ha centrado en mejorar la eficiencia al asignar tareas. En las versiones 1.0 y 2.0, cada IA se encargaba de todo por sí sola; en la versión 3.0, varias IA trabajan juntas (por ejemplo, una IA para investigar datos, otra para redactar informes y otra para editar el texto).
Estos dos caminos han permitido a Coze transformarse de una herramienta low-code en una plataforma para la colaboración entre equipos de IA.
2. La transición en el método de desarrollo: ¿por qué ya no se usan los “piezas”?
El método de “arrastrar y colocar nodos” de Coze 1.0 era intuitivo para los principiantes, pero resultaba complicado para tareas más complejas. Por ejemplo, al crear un flujo de trabajo con cientos de nodos, la interfaz se volvía muy confusa, y cualquier cambio requería una revisión exhaustiva del sistema. A medida que las capacidades del AI han mejorado (con el gran avance en la programación AI hacia 2025), los usuarios ya no querían seguir arrastrando nodos manualmente. Además, la competencia de herramientas como Cursor ha obligado a Coze a adoptar la programación por lenguaje natural: basta con describir claramente las necesidades (por ejemplo, “ayuda al departamento de recursos humanos a filtrar currículos y almacenarlos en una tabla de Lark”) para que el AI genere automáticamente los flujos de trabajo. Esto ha aumentado la eficiencia, aunque también ha traído nuevos desafíos, como posibles errores en la comprensión del AI y la necesidad de analizar los registros de código durante la depuración.
3. La mejora en la colaboración: de “una IA trabajando sola” a “un equipo de IA”
Las inteligencias artificiales individuales enfrentan tres principales inconvenientes:
- Problema de memoria a largo plazo: olvidan las tareas a largo plazo (por ejemplo, no recuerdan los avances realizados en un informe semanal).
- Asincronía entre dispositivos: las tareas pueden comenzar en un dispositivo y no continuarse en otro.
- Capacidades limitadas: no pueden realizar múltiples funciones simultáneamente (por ejemplo, investigar el mercado, escribir texto y crear presentaciones).
Coze 3.0 resuelve estos problemas mediante la utilización de “proyectos” y equipos compuestos por varias IA. El usuario define un objetivo (por ejemplo, “crear un informe sobre la industria del café para 2025”) y la plataforma divide las tareas automáticamente entre diferentes IA (una para investigar datos, otra para analizar los resultados y otra para crear gráficos). El usuario solo necesita indicar la dirección y verificar los resultados, sin tener que preocuparse por los pasos intermedios.
4. Diferencias en los enfoques de las plataformas
Frente a la tendencia de la programación AI, cada plataforma ha elegido un camino diferente:
- Coze: ha abandonado completamente el método de “arrastrar y colocar nodos” para facilitar el uso por parte de usuarios no técnicos.
- Dify: sigue utilizando una interfaz visual de nodos (dirigida a empresas que necesitan control sobre cada paso del proceso), pero permite que la comunidad genere código automático para importarlo en la plataforma.
- n8n: mantiene la interface de nodos, pero utiliza el AI para asistir en su configuración (destinada a geeks técnicos que prefieren la flexibilidad sin necesidad de operaciones manuales).
En esencia, las diferencias se deben a los grupos de usuarios a quienes van dirigidas las plataformas, aunque todas buscan reducir la intervención humana y aprovechar al máximo el potencial del AI.
5. El verdadero foco de la competencia en el futuro: no son las herramientas, sino el conocimiento especializado
El artículo señala que, a medida que las herramientas AI se vuelvan más similares en funcionalidades, lo que realmente marcará la diferencia será el conocimiento y los estándares específicos de cada sector. Por ejemplo, aunque el AI puede filtrar currículos, los criterios de evaluación (como “5 años de experiencia, experiencia en empresas grandes y conocimientos de Python”) siguen dependiendo del conocimiento humano. Del mismo modo, aunque el AI puede analizar datos, la lógica para determinar si una acción es rentable (como el valor PE o las tendencias del sector) también proviene de la experiencia humana. Estos aspectos son insustituibles por el AI y constituirán la ventaja competitiva de las futuras plataformas.
Conclusión
Las herramientas AI seguirán mejorando, pero lo que realmente determinará su efectividad será la capacidad humana para definir los objetivos y establecer los estándares necesarios. Esa es la habilidad más valiosa en el futuro.