AWS presenta Amazon Quick Flows, automatización de tareas con IA sin código para empresas

AWS ha presentado Amazon Quick Flows, una herramienta dentro de Amazon Quick que permite crear automatizaciones con IA en lenguaje natural, sin escribir código. El servicio se dirige a procesos empresariales rutinarios, desde la preparación de resúmenes financieros hasta el onboarding de empleados, en los que antes había que pasar datos a mano entre sistemas, redactar correos y lanzar cadenas de acciones.

Como escenario inicial, AWS propone crear un Financial Performance Analyzer. El usuario escribe un prompt con cuatro bloques: obtención de datos de mercado en tiempo real, cálculo de métricas financieras clave, recopilación de noticias recientes y elaboración de una conclusión analítica. Después, Quick Flows convierte la descripción en una secuencia de pasos: recibe el nombre de la empresa o el ticker, recurre a la búsqueda web, extrae indicadores como P/E, capitalización e ingresos, y los reúne en un informe. El flujo terminado puede ejecutarse de inmediato, y el resultado se puede afinar mediante el chat, por ejemplo acotando el análisis a métricas concretas o cambiando el formato de salida.

Una de las ideas clave de Quick Flows es no esconder la automatización tras un único botón, sino mostrar cómo funciona. El editor deja ver qué pasos ha creado el servicio y cómo viajan los datos desde la entrada hasta la respuesta final. AWS divide estos pasos en cinco grupos: respuestas de IA, lógica del flujo, insights de datos, acciones en sistemas externos y entrada del usuario. En el ejemplo financiero, esto equivale a una cadena formada por una entrada de texto, varias consultas de búsqueda web y un paso final de síntesis que reúne datos de mercado, noticias y recomendaciones de analistas en un único documento.

El escenario puede ampliarse: enviar el informe al equipo por correo, publicarlo en Slack, guardarlo en SharePoint o exportarlo a PDF y Word, y, si hace falta, programar su ejecución.

El segundo escenario es claramente más complejo y demuestra que Quick Flows no está pensado solo para informes puntuales, sino también para procesos de negocio con ramificaciones e integraciones. En el ejemplo de onboarding de nuevos empleados, el flujo recoge primero nombre, apellido y correo electrónico; luego, mediante un action-step, comprueba si la persona ya figura en el sistema de RR. HH.

y solo después decide qué hacer. Si el empleado existe, la cadena termina para no crear duplicados. Si no, el servicio ejecuta seis acciones consecutivas: crea la ficha del empleado, genera un correo de bienvenida personalizado a partir de las políticas corporativas, lo envía, genera una solicitud de acceso, crea un ticket para TI y, al final, resume los pasos completados.

La lógica condicional corre a cargo de un reasoning group, en esencia un if/then descrito en texto, que Quick Flows añade por sí solo a partir de frases como «comprueba si existe el empleado» y «si es un empleado nuevo».

AWS subraya por separado que la calidad de la automatización depende mucho de cómo se formule la petición. Un buen prompt para Quick Flows debe describir qué datos hay que recopilar, qué decisiones tomar, qué acciones ejecutar y qué contenido generar. El servicio también usa variables: cada paso crea un contenedor de datos con nombre que luego puede insertarse en las operaciones siguientes mediante una sintaxis con el símbolo @. Esto es importante para las integraciones con API, correos y tickets.

Entre sus consejos prácticos, AWS recomienda probar primero la idea en el chat, empezar con conjuntos de datos pequeños por las limitaciones de la ventana de contexto, esbozar de antemano la secuencia de pasos y no olvidar el coste: Amazon Quick se factura por uso, así que conviene eliminar los flujos de prueba y las ejecuciones programadas tras los experimentos.

Para el mercado, es otra señal de que las grandes plataformas en la nube empaquetan orquestación, búsqueda, generación de texto e integraciones de sistemas en productos para usuarios de negocio, y no solo para desarrolladores. Amazon Quick Flows intenta ocupar un espacio entre el asistente de chat convencional y las plataformas no-code clásicas: el usuario explica la tarea en lenguaje humano y el servicio la descompone en pasos, condiciones y acciones.

Si la herramienta funciona de forma estable con fuentes de datos corporativas y conectores externos, podría reducir el tiempo dedicado a operaciones repetitivas en las que antes había que escribir scripts o montar escenarios a mano. Pero el nivel de calidad no lo marcará la magia del modelo, sino la precisión con la que la empresa describa el proceso, los datos y las reglas de ejecución.