IA en el flujo: el modelo propone, el flujo decide

El problema: lo que hoy se resuelve a mano o con un desarrollo

Un supervisor tiene decenas de solicitudes de mantención en la bandeja y necesita marcar cuáles son urgentes antes del turno de la tarde. Hoy tiene dos caminos: abrirlas una por una, o pedirle al implementador un script. El primero toma la mañana; el segundo toma una semana y una cotización.

Lo mismo pasa cuando una integración necesita transformar un archivo antes de crear tareas, o cuando el criterio de clasificación vive en la cabeza de quien conoce la operación y no cabe en una condición del flujo. El flujo llega hasta cierto punto y de ahí en adelante alguien trabaja a mano.

El motor de workflows de Cotalker tiene tres piezas que cierran esa brecha.

Qué hace ahora la plataforma

1. Acciones masivas desde la vista de tabla

Un formulario puede marcarse como acción masiva. La persona selecciona las tareas en la tabla, responde el formulario una vez y el flujo recibe la lista completa de lo que se seleccionó. Desde ahí el flujo decide qué hacer con cada una: reasignar, cambiar estado, agregar seguidores, mover fechas o, como en el demo, pedirle a un modelo que las clasifique.

2. Correr tu propio código dentro del flujo

El paso de código personalizado se renovó: ejecuta JavaScript moderno (módulos ES) en un sandbox aislado, con librerías fijadas a versión exacta (papaparse, date-fns, zod, uuid, decimal.js, entre otras), acceso HTTP a la API de Cotalker o a un sistema externo, y logs guardados con el resultado de cada ejecución. En la práctica: parsear un CSV que llegó por correo, armar el HTML de un reporte, reintentar una llamada que falló. Lógica que antes salía a una función externa ahora vive en el mismo workflow, versionada con el resto.

3. Un paso que le pregunta a un modelo de lenguaje

El tercero envía instrucciones y contexto a un modelo de lenguaje (Gemini Flash por defecto), con adjuntos opcionales (una foto, un PDF) y con herramientas: el modelo puede consultar servidores MCP durante la ejecución, por ejemplo la documentación de Cotalker, hasta 50 pasos. El resultado vuelve al flujo como texto, con el detalle de qué herramientas usó y cuántos tokens consumió. La gracia está en el encadenamiento: lo que responde el modelo lo valida el paso de código antes de que el flujo toque una tarea. El modelo propone; el flujo decide.

Las tres juntas: el demo

Armamos un flujo de prueba que usa las tres piezas y lo grabamos en nuestro ambiente de pruebas. Un supervisor selecciona 10 solicitudes en la tabla, abre el formulario "Clasificar con IA" y escribe el criterio en una frase: "urgente si hay derrame, accidente o parada de línea o de planta; baja si es una consulta o un pedido de materiales; el resto normal".

Lo que pasa después:

• Una sola consulta trae las 10 tareas seleccionadas.
• Un paso de código arma la lista y se la pasa al modelo junto con el criterio.
• El modelo devuelve la clasificación en JSON.
• Otro paso de código valida esa respuesta: solo acepta los tres valores permitidos y descarta cualquier id que el modelo haya inventado.
• El flujo recorre las tareas válidas y actualiza cada una con la actualización oficial de la plataforma: prioridad asignada, estado "Clasificada" y un mensaje en su chat que explica la prioridad y el criterio usado.
• Un resumen queda en un canal de bitácora: quién lo ejecutó, sobre cuántas tareas, con qué criterio y el resultado.

En la grabación, las 10 quedaron clasificadas: 4 urgentes (los derrames y los accidentes), 5 normales y 1 baja (una consulta).

Cómo lo construimos

El flujo completo lo armamos con cotctl, la CLI de Cotalker, conectada a Claude Code. cotctl administra los recursos de Cotalker (formularios, workflows, roles) de forma declarativa desde archivos YAML, igual que kubectl con Kubernetes o Terraform con infraestructura: en vez de configurar en el panel, describes el recurso en un archivo de texto y cotctl hace que la plataforma calce con esa descripción. Eso permite que un asistente de código como Claude Code escriba y aplique el flujo, y que el resultado quede versionado. Tuvimos la primera versión funcionando en 30 minutos.

El crédito de estas funcionalidades es del equipo de Ingeniería y Producto de Cotalker, que las construyó.

Para quién es (y para quién no)

Esto es para equipos de implementación, partners y áreas de IT que operan flujos con volumen: bandejas de cientos de tareas, integraciones con archivos, criterios que cambian seguido.

Si actualizas menos de una decena de tareas a la semana, la edición manual en la tabla sigue siendo más rápida que configurar un formulario masivo. El paso de código es para implementadores, no para usuarios finales. Y si la condición cabe en un "si X entonces Y", úsala como condición del flujo, que es gratis, instantánea y no se equivoca. El modelo paga cuando el criterio es de lenguaje (clasificar texto libre, resumir un adjunto, extraer datos de una foto), y siempre con un paso de validación después.

Cómo empezar a usarlo

Los tres están disponibles para cualquier flujo, sin habilitación previa: se declaran como cualquier otro bot del workflow en cotctl (el de código requiere aplicar el workflow con la opción que habilita bots con script). Si eres cliente, tu contacto de implementación puede sumarlos en tu próximo cambio de flujo.

¿Tienes una bandeja donde alguien todavía clasifica tareas una por una? Cuéntanos el caso por WhatsApp y te mostramos el demo con tus datos.