Dynamic workflows traslada el plan de agentes del contexto al código ejecutable

Con dynamic workflows, Claude escribe un programa de orquestación en JavaScript que lanza subagentes, recoge resultados y gestiona el flujo de información. La documentación habla de decenas a cientos de agentes por ejecución y de un script que puede leerse, guardarse y volver a ejecutarse.

Claude registra la coordinación en un programa y no en una conversación larga

Un agente principal diseña primero el enfoque y escribe el programa que reparte el trabajo. Después, un runtime lanza agentes para tareas concretas y conserva los resultados intermedios en variables del script. El contexto principal no necesita recibir cada paso, sino el resultado coordinado.

En AI Engineer New York, Anthropic mostró un escáner de una lista de valores bursátiles. Una fase distribuyó los tickers entre agentes con contextos aislados y otra revisó los hallazgos. La empresa también propone esta técnica para auditorías de codebase completas, migraciones e investigación con comprobación cruzada de fuentes.

Dynamic workflows se presentó el 28 de mayo de 2026 y la página principal de Anthropic lo marca ahora como disponible de forma general. Se ofrece en Claude Code CLI, Desktop, la extensión de VS Code y la API, además de Amazon Bedrock, Google Cloud y Microsoft Foundry. El acceso está ligado a planes de pago o al uso de la API.

Un script repetible cambia sobre todo el trabajo de los responsables técnicos

Un subagente convencional deja el plan dentro de la conversación. Un workflow mueve los bucles, las ramas y el orden de revisión a código legible. El equipo puede repetir el proceso, modificarlo e inspeccionar qué fase produjo cada resultado. Es más útil que esperar que un prompt largo provoque siempre el mismo comportamiento.

Para los responsables técnicos, el control se desplaza a otra capa. Ya no tienen que aprobar cada paso intermedio, pero sí definir límites, presupuesto y condiciones de aceptación. Anthropic admite agentes verificadores independientes, por lo que la revisión puede formar parte del programa en vez de llegar al final de una montaña de resultados.

Más agentes multiplican el coste y también un objetivo mal planteado

Anthropic advierte expresamente de que los workflows consumen muchos más tokens que una sesión normal de Claude Code. En la conferencia se explicó además que el modelo no conoce su presupuesto mientras trabaja, aunque el desarrollador puede fijar un presupuesto para la sesión. Un objetivo equivocado puede expandirse con rapidez y resultar caro.

La visibilidad tampoco garantiza la corrección. Los subagentes comparten un sistema de archivos, pero según la presentación el desarrollador no puede ordenar mediante la API que un subagente envíe directamente un mensaje a otro. La calidad sigue dependiendo de la división del trabajo, el aislamiento de contextos, las pruebas y la independencia real de los criterios de verificación.

La factura de tokens y los hallazgos rechazados revelarán el beneficio real

Una implantación útil debe medir algo más que la cantidad de agentes lanzados. Importan el coste por migración terminada, la proporción de hallazgos rechazados en el review humano, el tiempo ahorrado al repetir ejecuciones y la capacidad de reanudar el trabajo sin perder avances.

La señal más sólida vendrá de equipos que reutilicen un workflow guardado y lo mantengan con la misma disciplina que cualquier código de producción. Si cada tarea grande termina con un enjambre desechable y limpieza manual, la orquestación solo habrá trasladado la cola de GitHub a la factura de la API.

El veredicto de Lilith

Anthropic ha convertido el enjambre de agentes en un horario ejecutable. Si la ruta es errónea, cien pasajeros solo llegan antes a la estación equivocada.