Resumen del contenido principal
Plataformas de organización de flujos de trabajo de código bajo, como Coze, Dify y n8n, fueron muy populares porque ayudaban a los técnicos a evitar el código repetitivo, permitían a los usuarios empresariales crear flujos de trabajo y reducían los costos y aumentaban la eficiencia para los gerentes. Sin embargo, ahora están siendo desplazadas por agentes de programación inteligente basados en IA (Coding Agents) que son más simples. Aunque no se trata de una competencia a muerte, las plataformas de código bajo mantienen sus ventajas de estabilidad y controlabilidad durante la transformación, mientras que los Coding Agents se enfocan en ser fáciles de usar y generar contenido de manera flexible. En el futuro, se formará una arquitectura híbrida donde para tareas específicas se utilizarán flujos de trabajo (Workflows) y para problemas abiertos, agentes inteligentes (Agents). La clave de la competencia será quién pueda comprender mejor los conocimientos empresariales del negocio (KnowHow).
I. Los puntos fuertes y débiles de las plataformas de código bajo: ¿Por qué fueron populares y por qué ahora están en una situación incómoda?
Momentos destacados: 2023 fue el año dorado para Coze/Dify. Aunque los modelos de IA eran potentes, la mayoría de las personas no sabían cómo utilizarlos para desarrollar productos, y los técnicos tenían que escribir mucho código adicional para conectar diferentes herramientas y sistemas. Las plataformas de código bajo resolvieron los problemas de tres grupos:
- Técnicos: No necesitaban escribir código repetitivo para requisitos pequeños.
- Usuarios empresariales: Podían crear flujos de trabajo simplemente arrastrando elementos, sin necesidad de entender entornos de desarrollo complejos.
- Gerentes: Veían la posibilidad de reducir costos y mejorar la eficiencia.
Por ejemplo, las empresas optaban por Dify para implementaciones privadas, y los individuos utilizaban la plataforma Coze para crear demostraciones rápidamente.
Débiles inherentes: Sin embargo, estas plataformas son ineficaces para escenarios complejos:
- Flujos de trabajo complejos: Un flujo de trabajo central en una empresa de atención al cliente puede fallar con solo un pequeño cambio y solo tres personas pueden mantenerlo.
- Ilusiones creadas por los modelos: Al usar estas plataformas para crear bases de conocimiento complejas (como hacer que la IA responda a preguntas sobre documentos internos), es fácil que el resultado sea inexacto debido a la complejidad del problema.
Por lo tanto, en entornos de producción, su utilidad es limitada: son buenas para crear demostraciones, pero no para tareas reales.
II. Cómo los Coding Agents están quitando trabajo a las plataformas de código bajo: eliminando la necesidad de arrastrar elementos
Las demandas de los usuarios han ido en aumento: ya no quieren organizar flujos de trabajo ni realizar configuraciones mediante arrastre, que es un proceso tedioso. Así que llegaron los agentes de programación inteligente (Coding Agents):
- Agentes iniciales: Generaban flujos de trabajo a partir de una sola frase, pero eran inestables (podían dar resultados diferentes para el mismo input y no se podían modificar fácilmente en caso de errores).
- Agentes actuales: Incluyen especificaciones de habilidades (descripciones de los flujos de trabajo en lenguaje natural), lo que ha mejorado significativamente su estabilidad y los ha convertido en herramientas colaborativas: la IA genera el flujo y las personas lo revisan y lo optimizan.
Estos agentes han reestructurado las principales ventajas de las plataformas de código bajo, ofreciendo un acceso más fácil y mayor eficiencia. Por ejemplo, Claude Code puede generar automáticamente un flujo de trabajo para la clasificación automática de comentarios de clientes en cuestión de segundos, lo que representa una gran mejora en comparación con los métodos tradicionales.
III. El esfuerzo de las plataformas de código bajo por sobrevivir: de un enfoque basado únicamente en el arrastre a un modelo híbrido
Coze, Dify y n8n no se han quedado de brazos cruzados y están transformándose:
- Coze 3.0: Se enfoca en ofrecer una interfaz para equipos de agentes en línea, sin necesidad de conocer entornos locales o repositorios de código. Esto es especialmente útil para quienes quieren crear demostraciones rápidamente.
- Dify: Se posiciona como una plataforma open source para desarrollar flujos de trabajo basados en agentes, integrando sus funciones en las plataformas de código bajo.
- n8n: Destaca la visualización y el control, lanzando un generador de flujos de trabajo inteligente que permite generar contenido con IA, pero mantiene la capacidad de aprobación humana y control de los pasos.
La lógica subyacente es que un enfoque basado únicamente en el arrastre no es lo suficientemente flexible, mientras que un enfoque exclusivamente basado en agentes inteligentes no es lo suficientemente estable. Por lo tanto, se busca una combinación que aproveche las ventajas de ambos.
IV. Límites futuros: cuándo usar flujos de trabajo y cuándo usar agentes inteligente
La industria ya ha llegado a un consenso: no se trata de una sustitución mutua, sino de una colaboración entre ambos:
- Escenarios para flujos de trabajo: Tareas muy claras que requieren 100% de estabilidad, como los procesos de reembolso financiero o la sincronización de datos.
- Escenarios para agentes inteligente: Tareas abiertas que requieren toma de decisiones dinámica, como el servicio al cliente (con preguntas variadas) o las investigaciones de mercado (donde es necesario encontrar y analizar datos por uno mismo).
- Arquitectura híbrida: Por ejemplo, en un proceso de atención al cliente, los agentes pueden manejar problemas simples y los humanos se encargan de los más complejos; luego, los datos procesados se sincronizan con el sistema CRM mediante flujos de trabajo.
En esencia, se trata de distribuir el control: las personas deciden en casos claros y la IA toma las decisiones en situaciones inciertas.
V. La competencia final: no se trata de las herramientas, sino de entender el negocio
Las principales empresas de IA (como OpenAI y Anthropic) están contratando profesionales especializados en integrar tecnologías AI en los procesos empresariales (FDE). ¿Por qué? Porque los modelos de IA son ahora lo suficientemente potentes, pero el verdadero reto para las empresas es organizar sus conocimientos empresariales. Por ejemplo, cómo convertir un proceso de manejo de quejas en reglas comprensibles para la IA o cómo transformar documentos internos en bases de conocimiento útiles para ella.
Por lo tanto, la clave de la competencia no será quién tiene las herramientas más avanzadas, sino quién puede ayudar a las empresas a organizar y documentar sus conocimientos empresariales. Si Coze pudiera incluir plantillas para flujos de trabajo de atención al cliente o Dify ofrecer plugins para procesos de producción en la industria manufacturera, tendrían una ventaja significativa. Después de todo, las herramientas son fáciles de aprender, pero entender el negocio es lo que realmente importa.
Conclusión: Coze, Dify y n8n no desaparecerán, sino que se convertirán en herramientas híbridas que combinen IA y flujos de trabajo. Los Coding Agents tampoco los reemplazarán por completo; más bien, complementarán sus funciones. Quien sobreviva será quien pueda ayudar a las empresas a implementar efectivamente sus estrategias comerciales, ya que incluso las herramientas más avanzadas no sirven de nada si no se entiende el negocio en profundidad.