Vicent Perez

Últimamente, estoy viendo bastantes quejas sobre la escalabilidad de las plataformas no-code/low-code como Zapier, Make o n8n. Hoy vamos a ver una alternativa pensada para ir más allá: AWS Step Functions. Una opción que nos da mucho más control sobre la infraestructura y la ejecución, permitiéndonos construir procesos más robustos y escalables. Pero antes de entrar en materia, ¿qué es un workflow? Un workflow (flujo de trabajo) es la secuencia de tareas que conforman un proceso, y que se ejecutan siguiendo un orden lógico. Ejemplo de pasos en un workflow: 📥 Obtención de datos ⚙️ Procesamiento 📊 Validación de resultados 🔀 Toma de decisiones condicionales 🤝 Ejecución de acciones en paralelo Si nos vamos a un ejemplo real de un negocio tradicional, un flujo de trabajo podría ser: Recibir un pedido → prepararlo → enviar al cliente → registrar la factura... Hoy en día, con todo el auge de la inteligencia artificial generativa, estos flujos se han vuelto todavía más interesantes (de ahí las críticas), ya que en cualquiera de esos pasos podemos introducir un LLM y mejorar muchísimo los resultados. Imagina que el "enviar al cliente" se acompaña de un email redactado automáticamente en su idioma 💫 Pero entonces, ¿por qué la gente se está quejando de este tipo de plataformas si a priori funcionan de maravilla? Porque la escalabilidad y el rendimiento son limitados: al principio funcionan muy bien, pero cuando el proyecto crece todo empieza a ir lento y los costes se disparan. Sin embargo, servicios como AWS Step Functions nos permite tener más control, flexibilidad y la posibilidad de escalar de manera eficiente a medida que el proyecto crece. Y, como más vale una imagen que mil palabras, vamos a ver un ejemplo real en el que he estado trabajando las últimas semanas: la traducción automatizada de todo el contenido de una tienda a seis idiomas distintos. Exportación de datos El proceso comienza extrayendo el contenido de la tienda mediante la Shopify GraphQL Translations API. Traducción 🌍 Una vez disponibles los textos, el LLM genera las traducciones a los seis idiomas. Para ello, se utilizan prompts optimizados que tienen en cuenta factores como el SEO, la terminología específica del dominio y el contexto de cada contenido. Importación 📥 Cuando todas las traducciones están listas, el sistema valida y estructura los resultados para volver a insertarlos en la tienda. Es un ejemplo muy simple, pero potente, que ilustra cómo con Step Functions + LLMs puedes construir workflows robustos y escalables, evitando las limitaciones de las plataformas no-code tradicionales. Por supuesto, como siempre digo, no hay tecnologías malas: cada caso de uso tiene sus alternativas, pero es fundamental tener estos aspectos en cuenta. ¿Y tú? ¿Te has encontrado algún problema con este tipo de plataformas? ¿Has utilizado AWS Step Functions alguna vez? Me encantaría leerte.