Por Canuto  

Anthropic presentó los flujos de trabajo dinámicos en Claude Code, una nueva función que permite dividir tareas complejas en múltiples subtareas coordinadas por subagentes paralelos. La propuesta apunta a acelerar auditorías, migraciones de código, depuración a gran escala y revisiones críticas, aunque con un costo mayor de tokens y, por ahora, en modalidad de vista previa de investigación.
***

  • Anthropic lanzó flujos de trabajo dinámicos en Claude Code para tareas de ingeniería complejas de larga duración.
  • La función coordina decenas a cientos de subagentes en paralelo, verifica resultados y entrega una respuesta unificada.
  • La herramienta ya está disponible en vista previa para planes Max, Team y algunos entornos empresariales, además de la API.

 

Anthropic presentó una nueva capacidad para Claude Code llamada flujos de trabajo dinámicos, una función orientada a resolver tareas de ingeniería de software que suelen exceder el alcance de una sola sesión o de un único agente. La empresa plantea que trabajos que antes podían planificarse a escala trimestral ahora podrían completarse en días, gracias a una orquestación automatizada de múltiples subagentes que trabajan en paralelo.

La novedad fue anunciada en el blog oficial de la empresa como parte de las actualizaciones de producto de Claude Code. Según explicó Anthropic, estos flujos permiten que Claude escriba scripts de orquestación de forma dinámica, ejecute decenas o incluso cientos de subagentes dentro de una misma sesión y verifique el trabajo antes de que el usuario reciba el resultado final.

La propuesta apunta a un problema conocido en desarrollo de software: hay tareas demasiado grandes para una sola pasada. Esto incluye la búsqueda de errores en servicios completos, migraciones que afectan cientos o miles de archivos, o planes de implementación que requieren ser sometidos a revisión desde varios ángulos antes de adoptarse. En ese contexto, Anthropic sostiene que los flujos dinámicos pueden encargarse del proceso de extremo a extremo.

La función ya está disponible en vista previa de investigación en la CLI de Claude Code, Desktop y la extensión de VS Code para usuarios de los planes Max, Team y Enterprise, siempre que en este último caso el administrador la habilite. También está disponible a través de la API de Claude y en plataformas como Amazon Bedrock, Vertex AI y Microsoft Foundry.

Qué son y para qué sirven los flujos de trabajo dinámicos

Para lectores menos familiarizados con este tipo de herramientas, un flujo de trabajo dinámico es un sistema en el que el modelo no responde solo con una salida directa, sino que planifica la tarea, la divide en subtareas, reparte esas partes entre agentes especializados y luego reúne, contrasta y valida los resultados. La idea es acercar el comportamiento del sistema al de un equipo coordinado, más que al de un asistente único.

Anthropic señaló que esta arquitectura resulta especialmente útil en bases de código complejas y heredadas, donde una revisión lineal puede ser insuficiente. En esos entornos, un solo agente podría pasar por alto dependencias, inconsistencias o rutas de error distribuidas en múltiples módulos. Con subagentes paralelos, el sistema puede explorar varias áreas al mismo tiempo y comparar hallazgos antes de responder.

Entre los casos de uso destacados aparecen las búsquedas de errores en toda la base de código, las auditorías de optimización guiadas por profiler y las auditorías de seguridad. En este esquema, Claude explora un servicio o repositorio en paralelo y luego aplica una verificación independiente sobre cada hallazgo. El objetivo es que el informe final muestre problemas reales y reduzca falsos positivos.

La misma estructura, de acuerdo con el anuncio, puede utilizarse para tareas de endurecimiento de seguridad. Allí se incluyen revisiones de autenticación, validación de entradas y detección de patrones inseguros a lo largo de una base de código completa. También se menciona su uso para grandes migraciones, cambios de framework, deprecaciones de API y migraciones de lenguaje que abarcan miles de archivos.

Otro caso relevante es el de trabajos críticos donde el costo de una respuesta incorrecta es alto. Anthropic afirma que un flujo de trabajo puede generar intentos independientes sobre el mismo problema y sumar agentes adversariales que intenten refutar el resultado antes de mostrarlo al usuario. Esa lógica busca introducir revisión cruzada automatizada dentro del proceso.

Disponibilidad, activación y advertencias de uso

La empresa también incluyó una advertencia importante: los flujos de trabajo dinámicos pueden consumir sustancialmente más tokens que una sesión típica de Claude Code. Por eso recomienda empezar con una tarea acotada para entender mejor cómo se comporta esta modalidad en el trabajo diario, antes de escalar a procesos de larga duración o alto costo computacional.

Para obtener la mejor experiencia, Anthropic recomienda activar el modo automático. A partir de ahí, el usuario tiene dos formas de iniciar un flujo de trabajo. La primera es pedírselo directamente a Claude con una instrucción como “Crea un flujo de trabajo”. La segunda consiste en activar una configuración específica de Claude Code llamada ultracode.

Esa opción aparece dentro del menú de esfuerzo y fija el nivel en xhigh, permitiendo que Claude decida automáticamente cuándo conviene usar un flujo de trabajo para abordar la tarea. En otras palabras, la herramienta puede escalar hacia una coordinación más compleja sin que el usuario tenga que diseñar manualmente cada fase del proceso.

Si el usuario pertenece a un plan Max o Team, o si utiliza Claude Code mediante la API, los flujos de trabajo dinámicos están activados por defecto. En el caso del plan Enterprise, en cambio, la función llega desactivada en el lanzamiento y depende de que el administrador modifique la configuración de Claude Code para habilitarla.

Anthropic agregó que la primera vez que se activa un flujo de trabajo, Claude Code muestra al usuario lo que está a punto de ejecutar y solicita confirmación. También indicó que los administradores de una organización pueden desactivar esta capacidad mediante configuraciones administradas, si así lo consideran necesario por motivos de control o costos.

Cómo funciona la orquestación y por qué apunta a tareas de larga duración

Según detalló la empresa, cuando se inicia un flujo de trabajo, Claude planifica dinámicamente a partir del prompt, lo divide en subtareas y distribuye el trabajo entre subagentes que corren en paralelo. Los resultados se verifican antes de integrarse y el usuario recibe una sola respuesta coordinada, en vez de múltiples salidas fragmentadas.

El sistema no se limita a repartir trabajo. Anthropic explicó que algunos agentes abordan el problema desde ángulos independientes, mientras otros intentan refutar lo encontrado. La ejecución sigue iterando hasta que las respuestas convergen. Ese mecanismo busca alcanzar resultados que una sola pasada no podría conseguir, sobre todo cuando la tarea exige contraste y validación.

La compañía diseñó estos flujos para trabajo paralelo y de larga duración, con ejecuciones que pueden extenderse durante horas o días. La promesa es asumir tareas de ingeniería complejas que antes habrían tomado semanas. Además, el progreso se guarda durante la ejecución, de manera que si el trabajo se interrumpe puede retomarse donde quedó, sin reiniciar desde cero.

Anthropic añadió que la coordinación ocurre fuera de la conversación principal. Eso permite que el plan se mantenga en curso incluso cuando la tarea crece mucho en tamaño o complejidad. Para equipos técnicos, este punto es clave, porque separa la lógica de ejecución de la interacción textual con el usuario y reduce el riesgo de perder contexto operativo.

Primeros usos, testimonios y el caso de Bun

La empresa afirmó que usuarios con acceso anticipado y equipos internos de Anthropic ya han usado estos flujos de trabajo en varios escenarios. Uno de los testimonios citados fue el de Alessio Vallero, Senior Engineering Manager, quien aseguró que la herramienta fue especialmente valiosa para tareas de descubrimiento y revisión en grandes bases de código.

Vallero señaló que vieron resultados sólidos en la identificación de código muerto y en la detección de oportunidades de limpieza que el análisis estático tradicional no había encontrado. Según su testimonio, esto ayudó a los ingenieros a moverse más rápido en tareas de mantenimiento y refactorización, una de las áreas donde la deuda técnica suele ralentizar a los equipos.

Otro comentario incluido fue el de Ken Takao, Lead Systems Engineer. Takao sostuvo que los flujos de trabajo dinámicos llenan el vacío entre lanzar un único subagente y construir un equipo completo de agentes. En sus palabras, desde la planificación hasta la implementación “todo simplemente fluye”, lo que permite confiar en ejecuciones más largas sin perder visibilidad.

Uno de los ejemplos más llamativos del anuncio fue la reescritura de Bun. Anthropic indicó que Jarred Sumner utilizó flujos de trabajo dinámicos para portar Bun de Zig a Rust, con un 99,8% de la suite de pruebas existente aprobada, cerca de 750.000 líneas de Rust y once días desde el primer commit hasta el merge.

Según la descripción compartida por la empresa, un flujo de trabajo mapeó el lifetime correcto de Rust para cada campo de struct en la base de código de Zig. El siguiente escribió cada archivo .rs como un port idéntico en comportamiento respecto a su contraparte .zig, con cientos de agentes trabajando en paralelo y dos revisores por archivo.

Luego se ejecutó un ciclo de corrección que impulsó tanto la compilación como la suite de pruebas hasta que ambas corrieron limpiamente. Después de integrar el port, un flujo de trabajo nocturno abordó copias de datos innecesarias y abrió un pull request por cada caso para su revisión final. Anthropic aclaró que el proyecto todavía no está en producción, aunque todo ese proceso ya fue manejado con flujos de trabajo dinámicos.

En conjunto, el lanzamiento muestra cómo la competencia entre asistentes de programación está entrando en una fase donde ya no solo importa generar código, sino coordinar procesos extensos, validarlos y sostenerlos en el tiempo. Si la promesa se confirma en uso real, esta clase de herramientas podría cambiar la forma en que equipos de software enfrentan auditorías, migraciones y refactorizaciones de gran escala.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados