Asistentes de workflow

Los asistentes de workflow son una forma avanzada de asistentes de IA en AI-School. En lugar de una conversación libre sin estructura fija, el usuario recorre una serie definida de pasos — guiados por la IA. Esto permite automatizar procesos complejos de varios pasos, como una clase completa de principio a fin.

¿Qué es un asistente de workflow?

Un asistente de workflow consta de un workflow visual de nodos (nodes) conectados por flechas (edges). Cada nodo realiza una tarea específica, como:

• Inicio / Fin — el punto de inicio y el punto final del workflow
• Evaluar — analiza el contexto y guarda información estructurada en la memoria
• Condición — evalúa una expresión y dirige el flujo en la dirección correcta
• LLM — llama a un modelo de lenguaje para una tarea específica (opcional: espera la entrada del usuario)
• Aprobación — plantea una pregunta de sí/no y dirige el flujo según la respuesta
• Conectar — enlaza rutas sin tarea de IA ni salida visible, útil para mantener el workflow ordenado
• Subagente - ejecuta la misma tarea en paralelo para varios elementos, por ejemplo, un alumno por ronda de corrección

El workflow guarda automáticamente su estado después de cada paso. Cuando el usuario proporciona entrada, el workflow continúa exactamente donde se quedó.

Crear un asistente de workflow

Abre Asistentes y selecciona la pestaña Asistentes de workflow. Haz clic en Nuevo workflow en la tarjeta superior y elige Crear o editar workflow con IA, Workflow vacío, workflow n8n o una de las plantillas. En Inicio rápido puedes iniciar una plantilla directamente o elegir Usar como plantilla.

También puedes convertir un asistente propio: elige Abrir como workflow en el menú de la tarjeta del asistente. Obtendrás un nuevo borrador sin compartir; el asistente original seguirá existiendo. Revisa y prueba los pasos propuestos antes de publicar.

Los asistentes de workflow, al igual que los asistentes normales, pueden compartirse con grupos y colegas, también desde el editor con el botón Compartir en la barra de herramientas. Al compartir con colegas, AI-School puede enviar automáticamente una notificación por correo electrónico para que los destinatarios sepan que el asistente de workflow está disponible.

Iniciar un workflow n8n

Además de los asistentes de workflow guiados por IA, AI-School también puede iniciar un workflow n8n mediante un webhook. Un workflow n8n no abre un chat: sin campos, se llama al webhook directamente; con campos, primero se abre un formulario. Los administradores lo crean mediante Asistentes → Asistentes de workflow → Nuevo workflow → workflow n8n.

Lee la explicación completa en la página workflows n8n.

Configuración general

Al crear o editar un workflow, configuras la configuración general mediante el panel de ajustes. Esta configuración se aplica a todo el workflow:

• Modelo: El modelo de IA utilizado por todos los pasos. Eliges un único modelo para todo el workflow.
• Herramientas: Qué herramientas están disponibles en el workflow (p. ej., Registro, Buscar SLO, Buscar en Internet). Las herramientas activadas están disponibles para todos los pasos LLM, salvo que las desactives por paso.
• Servidores MCP: Integraciones externas disponibles en el workflow.
• Documentos: Archivos que los pasos LLM pueden consultar.
• Imágenes: Imágenes que los pasos LLM pueden utilizar.

También puedes configurar si el usuario puede añadir sus propios archivos o imágenes durante el chat.

Archivos en formularios de workflow

Un workflow puede pedir al usuario que entregue archivos, por ejemplo, un examen, una guía de corrección o trabajo entregado de un alumno. En una pregunta de archivo de este tipo, el usuario puede:

• subir un archivo nuevo
• elegir un archivo existente desde la Gestión de archivos
• determinar por pregunta qué archivo corresponde a qué parte

Los archivos nuevos se procesan primero. El workflow solo puede continuar de forma fiable cuando el procesamiento haya terminado. Si una pregunta de archivo obligatoria aún se está procesando o ha fallado, el usuario debe esperar o volver a elegir/subir el archivo.

Los archivos añadidos mediante el formulario del workflow estarán disponibles como archivos del asistente para ese chat. No se seleccionan automáticamente como archivos normales del chat.

Configuración por paso

En cada paso LLM puedes desactivar herramientas, archivos e imágenes que estén habilitados globalmente para ese paso concreto. Esto te da un control preciso sobre qué recursos están disponibles en cada paso. A nivel de paso no puedes añadir nada que no esté habilitado globalmente.

Usar una plantilla

Para la mayoría de los usuarios, una plantilla es el mejor punto de partida. Después puedes adaptarla a tus propias necesidades.

Ejemplo: el asistente de clase

El asistente de clase es una plantilla lista para usar, diseñada especialmente para la educación. Guía al usuario de principio a fin a través de una clase completa: desde la determinación del tema y el nivel, pasando por los objetivos de aprendizaje y la explicación, hasta los ejercicios y un resumen final.

Resumen del workflow

El asistente de clase consta de los siguientes pasos (nodes), en orden:

Explicado paso a paso

1. Inicio

El workflow comienza en cuanto el usuario abre el chat y envía su primer mensaje.

---

2. Triage: Tema de la clase (nodo evaluar)

¿Qué hace? La IA analiza el mensaje del usuario e intenta determinar:

• Tema — ¿de qué trata la clase? (p. ej., "ley de la palanca")
• Nivel — ¿básico, intermedio o avanzado?
• ¿Información suficiente? — ¿hay suficiente contexto para redactar directamente los objetivos de aprendizaje?

Este resultado se guarda en la memoria del workflow.

---

3. ¿Información suficiente? (nodo condición)

Si hay suficiente información (voldoende_info = true), el workflow va directamente a Redactar objetivos de aprendizaje.

Si falta información, el workflow va a Recopilar información.

---

4. Recopilar información (nodo LLM, espera entrada)

¿Qué hace? La IA hace preguntas concretas al usuario para averiguar el tema y el nivel deseado. En cuanto el usuario responde, el flujo vuelve a Triage: Tema de la clase para evaluar de nuevo.

Ejemplo de conversación:

🤖 "¡Qué bueno que estés aquí! Para poder ayudarte bien, te haré un par de preguntas breves: 1. ¿Sobre qué tema quieres una clase? 2. ¿En qué nivel estás? (básico / intermedio / avanzado)"

👤 "2.º de bachillerato, física, ley de la palanca"

Tras esta respuesta, el triage vuelve a evaluar y determina: voldoende_info = true.

---

5. Redactar objetivos de aprendizaje (nodo LLM)

¿Qué hace? La IA redacta una lista numerada de máximo 4 a 5 objetivos de aprendizaje concretos y medibles para el tema y nivel indicados.

Ejemplo de salida:

Objetivos de aprendizaje para Ley de la palanca – 2.º de bachillerato (intermedio):

1. Puedes formular la ley de la palanca y explicar la fórmula F₁ × r₁ = F₂ × r₂.
2. Puedes realizar cálculos en los que determines fuerzas o longitudes de brazo desconocidas.
3. Puedes aplicar la ley de la palanca a ejemplos prácticos (tijeras, carretilla, balancín).
4. Puedes explicar la diferencia entre una palanca de primer, segundo y tercer tipo.

---

6. Aprobar objetivos de aprendizaje (nodo de aprobación)

¿Qué hace? La IA pregunta al usuario si los objetivos de aprendizaje redactados son correctos y si la clase puede comenzar.

• Sí → continuar con la clase
• No → volver a Redactar objetivos de aprendizaje para reformularlos

El usuario puede ver los objetivos de aprendizaje mediante el menú desplegable en el chat.

---

7. Triage: Objetivos de aprendizaje (nodo evaluar)

¿Qué hace? Después de cada ciclo de clase, la IA comprueba si el usuario domina todos los objetivos de aprendizaje. Esta es una evaluación estricta: el usuario debe demostrar que comprende cada objetivo.

---

8. ¿Se entienden todos los objetivos de aprendizaje? (nodo condición)

• Sí → continuar con Agente de ejercicios
• No → continuar con Agente de clase para el siguiente objetivo de aprendizaje

---

9. Agente de clase (nodo LLM, espera entrada)

¿Qué hace? La IA enseña el tema paso a paso, siguiendo los objetivos de aprendizaje redactados. Tras cada apartado, la IA hace una pregunta de comprensión. Solo cuando el usuario demuestra que entiende el objetivo de aprendizaje, la clase continúa.

Después de la entrada del usuario, el flujo vuelve a Triage: Objetivos de aprendizaje para evaluar el progreso.

Ejemplo:

🤖 "Empezamos con el objetivo de aprendizaje 1: la ley de la palanca. Una palanca es una barra rígida que gira alrededor de un punto de apoyo. La fuerza que necesitas depende de la distancia al punto de apoyo. La fórmula es:

F₁ × r₁ = F₂ × r₂

¿Puedes explicar qué significan r₁ y r₂ en esta fórmula?"

---

10. Agente de ejercicios (nodo LLM, espera entrada)

¿Qué hace? La IA plantea al menos una pregunta de ejercicio por objetivo de aprendizaje. El usuario responde a las preguntas y, después, el flujo pasa a Agente de feedback.

---

11. Agente de feedback (nodo LLM, espera entrada)

¿Qué hace? La IA ofrece feedback detallado y personalizado sobre los ejercicios realizados. Por cada objetivo de aprendizaje se comenta qué salió bien y dónde hay margen de mejora. El tono es honesto pero alentador.

---

12. ¿Finalizar? (nodo de aprobación)

La IA pregunta si el usuario quiere terminar o practicar un poco más.

• Sí → ir a Resumen
• No → volver a Agente de ejercicios para una nueva ronda

---

13. Resumen (nodo LLM)

¿Qué hace? La IA ofrece un resumen claro de todo el contenido tratado, seguido de feedback personal y motivador sobre el rendimiento.

---

14. Fin

El workflow termina con un mensaje final alentador.

"¡Buen trabajo durante esta clase y hasta la próxima!"

---

Conversación de ejemplo completa

A continuación, una conversación de ejemplo resumida con el asistente de clase sobre la ley de la palanca, 2.º de bachillerato:

Quién	Mensaje
👤 Usuario	hola
🤖 Asistente de clase	¡Qué bueno que estés aquí! ¿Sobre qué tema quieres una clase y en qué nivel?
👤 Usuario	2.º de bachillerato física, ley de la palanca
🤖 Asistente de clase	¡Perfecto! He redactado 4 objetivos de aprendizaje. ¿Quieres empezar la clase con estos objetivos?
👤 Usuario	sí
🤖 Asistente de clase	Empezamos con el objetivo de aprendizaje 1: la ley de la palanca. (explicación + pregunta de comprensión)
👤 Usuario	(respuesta a la pregunta de comprensión)
🤖 Asistente de clase	(continuación de la clase para los objetivos 2, 3, 4 ...)
🤖 Asistente de clase	¡Has recorrido todos los objetivos de aprendizaje! Hora de los ejercicios...
👤 Usuario	(respuestas a las preguntas de ejercicio)
🤖 Asistente de clase	(feedback personal) ¿Quieres finalizar o practicar un poco más?
👤 Usuario	finalizar
🤖 Asistente de clase	(resumen + cierre motivador)

Ver el progreso

Cuando mantienes una conversación con un asistente de workflow, puedes ver el progreso mediante el botón de workflow a la derecha de la entrada del chat. Al hacer clic en este botón se abre un panel con:

• Todos los pasos del workflow (los nodos de condición y nota no se muestran)
• El estado de cada paso:
  • ⬜ Espera: Aún no alcanzado
  • 🔄 Activo: Se está ejecutando ahora
  • ✅ Listo: Finalizado correctamente
  • ⏸️ Esperando entrada: Esperando una respuesta del usuario
  • ⏭️ Omitido: No ejecutado (p. ej., por una condición)
  • ❌ Error: Se ha producido un error

Crear un nodo de triage

Un nodo evaluar (nodo de triage) extrae información de la conversación y la guarda en la memoria del workflow. Los nodos de condición pueden leer esos valores y dirigir el flujo en la dirección correcta.

Configurar

1. Añade un nodo Evaluar al workflow.
2. Escribe un mensaje del sistema que describa qué debe analizar la IA y qué conclusiones debe sacar.
3. Define el esquema de salida con campos:
   • Nombre del campo: La clave con la que luego solicitarás el valor (p. ej., voldoende_info, niveau, route).
   • Tipo: string (texto), number (número), boolean (sí/no) o enum (elección entre valores fijos). Para enum, indica los valores permitidos separados por comas.
4. Establece un máx. de iteraciones para evitar que el nodo siga ejecutándose indefinidamente.

Valores de memoria

Los valores guardados son accesibles mediante el prefijo state. en los nodos de condición, por ejemplo state.voldoende_info o state.niveau.

Configurar un nodo de condición

Un nodo de condición evalúa expresiones basadas en la memoria del workflow y dirige el flujo al siguiente paso adecuado.

Ramas

Un nodo de condición tiene una o más ramas:

• Si (if): La primera condición que se evalúa.
• Sino si (else-if): Condiciones adicionales opcionales.
• Si no (else): La ruta predeterminada si ninguna condición coincide.

Escribir expresiones

Las expresiones se escriben en CEL (Common Expression Language):

Comportamiento deseado	Expresión
El campo es true	state.voldoende_info == true
El campo tiene un valor fijo	state.niveau == "gevorderd"
Comparación numérica	state.score > 7
Varias condiciones	state.niveau == "basis" && state.score < 5

Configurar conexiones

Dibuja desde el nodo de condición conexiones separadas para cada rama hacia el siguiente nodo correcto. El editor muestra una salida distinta en el nodo para cada rama.

Usar un nodo conectar

Un nodo conectar no realiza ninguna tarea de IA por sí mismo. El nodo solo pasa el workflow al siguiente paso. Usa este nodo cuando quieras reunir varias rutas de forma ordenada o cuando necesites un paso técnico intermedio en el diagrama de flujo.

Ejemplos prácticos:

• conectar una ruta que omite scripts con el paso en que se eligen imágenes
• hacer que varias rutas de aprobación converjan en el mismo siguiente paso
• hacer que un workflow largo sea más legible sin usar un nodo de nota como punto de unión

Un nodo conectar debe tener al menos una conexión de entrada y una de salida. El nodo no se muestra como un paso de contenido independiente en el progreso del workflow.

Usar un nodo subagente

Un nodo subagente está pensado para tareas que deben ejecutarse varias veces de la misma manera. El nodo recibe una lista de elementos de la memoria del workflow e inicia una ejecución separada para cada elemento con un contexto aislado.

Aplicaciones prácticas:

• corregir un examen por alumno
• hacer un análisis por documento
• generar un resumen por formulario completado
• registrar un informe propio por cada parte

Configurar

1. Asegúrate de que un nodo de evaluación anterior guarde una lista de elementos en la memoria del workflow, por ejemplo leerlingen_json.
2. Añade un nodo Subagente.
3. Configura la fuente de los elementos.
4. Configura, si lo deseas, un campo de etiqueta para que el progreso sea reconocible.
5. Establece el número máximo de ejecuciones en paralelo.
6. Indica bajo qué clave de memoria deben guardarse los resultados.

El contexto del subagente contiene siempre solo el elemento que se está procesando en ese momento. Por tanto, haz que el prompt se refiera explícitamente al elemento actual y evita que la IA procese varios elementos a la vez.

Captura en workflows

La herramienta de captura es especialmente útil en workflows. Permite que la IA guarde automáticamente resultados intermedios o finales como documentos editables en el panel lateral.

Configurar

1. Activa la herramienta de captura en la configuración general del workflow.
2. Añade en el mensaje del sistema del paso LLM deseado una instrucción para capturar cierto contenido. Activa la herramienta para ese paso (o déjala activada globalmente).

Ejemplo

En un paso de objetivos de aprendizaje puedes escribir en el mensaje del sistema:

"Redacta objetivos de aprendizaje para el tema y nivel indicados. A continuación, captura directamente los objetivos con la herramienta de captura, con el título 'Objetivos de aprendizaje'."

El usuario puede ver los documentos capturados mediante el botón de captura (📄) en la barra de herramientas del chat.

Recuperar una conversación

Si estás en medio de una clase y quieres volver a un punto anterior de la conversación, puedes hacerlo mediante el botón de restauración (el icono de historial) junto a un mensaje anterior. Esto elimina todos los mensajes posteriores a ese punto y reanuda el workflow desde ese momento exacto.

Atención

Restaurar es definitivo: los mensajes eliminados ya no estarán disponibles.

Editar un workflow

Como administrador, puedes abrir y modificar un workflow existente en el editor de workflow. Haz clic en un nodo para cambiar la configuración, añade nuevos nodos mediante el menú contextual de clic derecho o arrastra conexiones hacia otros nodos.

Para un workflow completamente nuevo, puedes empezar con un lienzo vacío o con otra plantilla.

Crear o editar un workflow con IA

Comenta tu workflow con IA. Los cambios válidos aparecerán en el editor. Revisa y prueba el resultado antes de guardarlo o publicarlo.