En una intervencion muy comentada en Sequoia, Andrew Ng compartio una idea que se esta volviendo cada vez mas relevante en el ecosistema de IA: el futuro no pasa solo por modelos mas grandes, sino por sistemas capaces de trabajar mediante workflows agenticos.
La idea es importante porque desplaza el foco desde una unica respuesta generada en un solo paso hacia secuencias de trabajo donde la IA investiga, redacta, revisa, corrige y vuelve a iterar.
Que son los workflows agenticos
Un workflow agentico es un flujo donde la IA no se limita a responder una vez. En lugar de eso, ejecuta varias fases encadenadas para acercarse a una solucion mejor.
Por ejemplo, puede:
- proponer una primera version;
- evaluar errores o huecos;
- buscar informacion adicional;
- corregir y mejorar el resultado;
- apoyarse en herramientas externas.
Ese enfoque es mucho mas parecido a como trabaja una persona en tareas complejas.
Por que Andrew Ng insiste en este punto
Ng plantea que la gran mejora de la IA no vendra solo del salto entre versiones de modelos, sino de la forma en que esos modelos se organizan para trabajar.
Su argumento es pragmatico: un modelo mas modesto, si opera dentro de un workflow bien disenado, puede superar en algunos escenarios a otro modelo mas avanzado usado de forma aislada.
Eso cambia el criterio de construccion de producto. La pregunta deja de ser “que modelo uso?” y pasa a ser “como orquesto el trabajo del sistema?”.
Tipos de agentes y capacidades
En su explicacion, Andrew Ng habla de varias formas de agentes:
- agentes reflexivos, que revisan su propio trabajo;
- agentes con herramientas, que consultan sistemas externos;
- agentes con capacidad de planificacion;
- agentes colaborativos, que se reparten tareas.
Esta clasificacion es util porque ayuda a entender que el valor no esta solo en generar texto, sino en construir procesos donde la IA toma parte activa dentro de una secuencia operativa.
Implicaciones practicas
Si esta vision se consolida, el impacto en producto y negocio es notable:
- mas automatizacion en tareas complejas;
- workflows mas iterativos y menos rigidos;
- mejor integracion entre IA, herramientas y personas;
- mayor productividad en tareas de conocimiento.
Eso aplica en desarrollo, analitica, operaciones, documentacion y soporte, entre otras areas.
Conclusiones
La lectura mas interesante de la postura de Andrew Ng es que la siguiente gran capa de valor de la IA no depende solo de modelos mejores, sino de sistemas mejor orquestados.
Los workflows agenticos abren la puerta a una IA mas util, mas iterativa y mas cercana al trabajo real. Para las empresas, eso significa que el diseno del flujo, las reglas operativas y la integracion con herramientas van a ser tan importantes como el modelo base.
En NextBrain AI esa idea encaja plenamente con como entendemos la automatizacion: no basta con generar una respuesta; hace falta integrarla dentro de un workflow que produzca resultados utiles y operables.