--- title: "Flujos de agentes de IA con aprobación humana y reintentos seguros" description: "Aprende a modelar flujos de agentes como estados duraderos, con aprobación humana específica, reintentos idempotentes, timeouts y recuperación operativa." canonical: "https://darwa-front.darwa.co/blog/es/flujos-agentes-ia-aprobacion-humana-reintentos" language: "es" category: "Flujos de agentes" tags: ["agent workflows", "human in the loop", "reintentos", "observabilidad"] author: "Darwa Engineering" published: "2026-08-28T06:39:00Z" updated: "2026-08-31T19:34:34.240722Z" reading_time_minutes: 3 --- # Flujos de agentes de IA con aprobación humana y reintentos seguros Organiza un flujo agente como una máquina de estados observable para que las pausas, reintentos, aprobaciones y recuperaciones sean comportamientos previstos. ## Representa el proceso como estados duraderos Un flujo fiable no es un bucle que pregunta al modelo hasta que aparece una respuesta. Define estados como `recibido`, `investigando`, `esperando_aprobacion`, `ejecutando`, `verificando` y `cerrado`. Cada transición debe declarar su entrada, su condición de salida y quién puede iniciarla. Guarda el estado después de cada efecto confirmado para poder continuar tras un reinicio. La documentación de [Temporal sobre durabilidad](https://docs.temporal.io/workflows) muestra el principio general: el proceso debe sobrevivir a fallos de workers. No es obligatorio usar esa tecnología, pero sí conservar la intención y los resultados fuera de la memoria del proceso. ## Distingue decisión, autorización y ejecución El modelo puede recomendar una acción, pero la aplicación verifica políticas y un humano autoriza lo necesario. Después, un ejecutor determinista llama a la API. Separar estas capas evita que una respuesta persuasiva se convierta directamente en un cambio irreversible. La pantalla de revisión debe enseñar el objeto afectado, el antes y el después, la evidencia, el coste y la fecha límite. Firma o identifica la propuesta aprobada. Si el agente modifica cualquier campo importante, crea una nueva propuesta en vez de reutilizar el permiso. ## Reintenta únicamente lo que es seguro repetir Clasifica los fallos: validación, permisos, límite de uso, dependencia temporal y resultado desconocido. Los dos primeros no se arreglan repitiendo. Para una caída temporal, utiliza espera progresiva, variación aleatoria y un máximo. Si la llamada terminó en timeout, consulta primero el sistema externo porque quizá completó la operación. Incluye una clave de idempotencia estable por acción. Guarda el identificador devuelto por pagos, correos o trabajos asíncronos. Nunca generes una clave nueva simplemente porque cambió el worker: eso convierte una recuperación normal en duplicados. ## Añade límites y rutas de escape Fija un número máximo de pasos, tiempo, tokens, llamadas y gasto. Un bucle que sigue “investigando” puede consumir presupuesto sin acercarse al objetivo. Cuando se alcanza un límite, conserva el contexto útil, explica la causa y asigna el caso a una persona. Diseña compensaciones cuando no exista una transacción global. Si se reservó inventario pero falló el cobro, libera la reserva mediante una acción explícita y observable. Una compensación no borra el historial; crea un nuevo evento que restaura una condición aceptable. ## Observa el recorrido completo Usa un identificador de correlación desde el evento inicial hasta cada llamada. Registra versiones de modelo y prompt, herramientas elegidas, latencias, decisiones de política y estados, sin copiar secretos ni datos personales innecesarios. Crea alertas por flujos bloqueados, reintentos repetidos, aprobaciones caducadas y costes fuera de rango. Prueba el proceso desconectando una dependencia, reiniciando un worker y entregando dos veces el mismo evento. El flujo correcto termina una vez, puede explicarse y no pierde el punto en el que necesita intervención humana.