¿Qué incluye Genspark? Un nuevo enfoque de trabajo dinámico que reemplaza los flujos de trabajo rígidos con agentes autónomos.

La codificación Vibe ha estado de moda en los últimos meses como una forma sencilla para que cualquiera pueda crear aplicaciones con IA generativa.

Pero ¿qué pasaría si ese mismo enfoque sencillo y de lenguaje natural se extendiera a otros flujos de trabajo empresariales? Esa es la promesa de una categoría emergente de aplicaciones de IA con agentes. Hoy, en VB Transform 2025 , se presentó una de estas aplicaciones: Genspark Super Agent, lanzado originalmente a principios de este año.

La promesa y el enfoque del superagente Genspark podrían extender el concepto de codificación de vibraciones al funcionamiento de las vibraciones. Sin embargo, un principio clave para habilitar el funcionamiento de las vibraciones es adaptarse a la corriente y ejercer menos control sobre los agentes de IA.

“La visión es simple: queremos llevar la experiencia de Cursor para desarrolladores al espacio de trabajo de todos”, declaró Kay Zhu, director de tecnología de Genspark , en VB Transform. “Todos aquí deberían poder trabajar con Vibe; no solo los ingenieros de software pueden programar con Vibe”.

>> Vea toda nuestra cobertura de Transform 2025 aquí <<

Según Zhu, una premisa fundamental para hacer posible una era de trabajo positiva es abandonar algunas reglas rígidas que han definido los flujos de trabajo empresariales durante generaciones.

Zhu desafió provocativamente la ortodoxia de la IA empresarial, argumentando que los flujos de trabajo rígidos limitan fundamentalmente la capacidad de los agentes de IA para realizar tareas empresariales complejas. Durante una demostración en vivo, mostró cómo el sistema investigaba a conferenciantes, creaba presentaciones, realizaba llamadas telefónicas y analizaba datos de marketing de forma autónoma.

Lo más notable es que el sistema realizó una llamada telefónica real al organizador del evento, el fundador de VentureBeat, Matt Marshall, durante la presentación en vivo.

“Normalmente, esta es la llamada que no me apetece hacer solo, ya sabes, en persona. Así que dejé que el agente la hiciera”, explicó Zhu mientras el público escuchaba cómo su agente de IA intentaba convencer al moderador de cambiar su turno de presentación antes de la sesión de Andrew Ng . La llamada se conectó en tiempo real, y el agente elaboró ​​de forma autónoma argumentos persuasivos a favor de Zhu.

La función de llamadas ha revelado casos de uso inesperados que resaltan tanto las capacidades de la plataforma como la comodidad de los usuarios con la autonomía de la IA.

“De hecho, observamos que mucha gente usa Genspark para llamar… para hacer diversas cosas”, señaló Zhu. “Algunos usuarios japoneses lo usan para llamar y dar de baja a su empresa. Saben que no les gusta la empresa, pero no quieren volver a llamarlos. Y algunos usan agentes de Call for Me para romper con sus novios”.

Estas aplicaciones del mundo real demuestran cómo los usuarios están impulsando a los agentes de IA más allá de los flujos de trabajo comerciales tradicionales hacia un territorio profundamente personal.

El sistema logra todo esto sin flujos de trabajo predefinidos. La filosofía central de la plataforma, «menos control, más herramientas», representa un cambio radical respecto a los enfoques tradicionales de IA empresarial.

“El flujo de trabajo, en nuestra definición, son los pasos predefinidos, y este tipo de pasos a menudo se interrumpen en casos extremos; cuando el usuario hace preguntas cada vez más difíciles, el flujo de trabajo no se sostiene”, dijo Zhu.

El motor agentic de Genspark representa un cambio significativo respecto de los sistemas de IA tradicionales basados ​​en el flujo de trabajo.

La plataforma combina nueve grandes modelos de lenguaje (LLM) diferentes en una configuración de expertos mixtos (MoE), equipada con más de 80 herramientas y más de 10 conjuntos de datos premium. El sistema opera con un bucle de agente clásico: planificar, ejecutar, observar y retroceder. Zhu enfatizó que el poder reside en la etapa de retroceder.

Esta capacidad de retroceso permite al agente recuperarse inteligentemente de los fallos y encontrar enfoques alternativos cuando surgen situaciones inesperadas, en lugar de fallar dentro de los límites predefinidos del flujo de trabajo. El sistema utiliza jueces LLM para evaluar cada sesión del agente y atribuye recompensas a cada paso, retroalimentando estos datos mediante aprendizaje de refuerzo y guías de acción para la mejora continua.

El enfoque técnico difiere notablemente de los marcos de trabajo consolidados como LangChain o CrewAI , que suelen requerir una definición de flujo de trabajo más estructurada. Si bien estas plataformas destacan por orquestar procesos predecibles de varios pasos, la arquitectura de Genspark prioriza la resolución autónoma de problemas sobre las rutas de ejecución deterministas.

El rápido crecimiento de Genspark, desde su lanzamiento hasta 36 millones de dólares en ingresos anuales recurrentes (ARR) en 45 días, demuestra que las plataformas de agentes autónomos están pasando de las fases experimentales a la viabilidad comercial.

La filosofía de la empresa "menos control, más herramientas" desafía supuestos fundamentales sobre la arquitectura de la IA empresarial.

Las implicaciones para las empresas líderes en la adopción de IA son claras: empezar a diseñar sistemas que puedan gestionar flujos de trabajo predecibles y la resolución autónoma de problemas. La clave reside en diseñar plataformas que escalen con fluidez de procesos deterministas a comportamientos agentes cuando la complejidad lo exija.

Para las empresas que planean adoptar la IA en el futuro, el éxito de Genspark indica que el trabajo dinámico se está convirtiendo en un factor diferenciador competitivo. Las organizaciones que se mantienen ancladas en un enfoque rígido de flujo de trabajo podrían verse perjudicadas a medida que las empresas nativas de IA adoptan enfoques más fluidos y adaptables para el trabajo del conocimiento.

La pregunta no es si los agentes de IA autónomos transformarán los flujos de trabajo empresariales, sino si su organización estará preparada cuando el 20 % de los casos complejos se convierta en el 80 % de su carga de trabajo de IA.