Inferable

Los flujos se ejecutan en tus máquinas, incluso detrás de un cortafuegos o dentro de una VPC privada, sin ningún paso de despliegue que gestionar. El worker alcanza el plano de control con long polling, así que nunca abres puertos de entrada ni configuras un balanceador. Para los equipos que no pueden sacar la carga de su red, ese diseño marca la diferencia frente a una alternativa alojada.

Cuando cambia el esquema de entrada o la lógica, defines una versión nueva del flujo en lugar de editar la vieja. Inferable mantiene la afinidad de versión en las ejecuciones que ya están corriendo, así despliegas un cambio poco a poco y los trabajos en curso terminan con el código con el que empezaron. Eso quita el miedo habitual a que una edición pequeña rompa algo que un cliente está esperando.

Un flujo puede pausarse y pedir a una persona que apruebe o rechace el paso siguiente, por Slack o por correo, con todo el contexto a cuestas. La ejecución se mantiene hasta que llega la respuesta, sea un minuto o una semana, y luego retoma donde lo dejó. Así controlas a mano los pasos que llevan riesgo, como borrar datos o pagar, sin programar tú la lógica de espera.

El runtime analiza y comprueba cada respuesta estructurada del modelo contra un esquema, y reintenta la ejecución cuando la salida no encaja. En vez de parsear texto libre y cruzar los dedos, obtienes campos tipados que puedes pasar tal cual al paso siguiente. La clasificación de tickets, el scraping de menús y la extracción de formularios dependen de que esto funcione sin fallar.

Los pasos caros o con efectos secundarios se pueden memoizar y guardar en un almacén distribuido, para que un reinicio o un reintento no los repita. Un trabajo de varios pasos que falla en el noveno se reanuda en el noveno, con los ocho anteriores intactos. Eso convierte los procesos de IA de larga duración en algo que puedes permitirte en producción.

Más allá de los flujos sueltos, Inferable admite agentes que usan herramientas para alcanzar un objetivo. Cada ejecución aparece en una vista de línea de tiempo que traza cada paso, y puedes enchufar los mismos eventos a tu propia herramienta de observabilidad. Cuando un agente se desvía, la línea de tiempo es donde descubres qué llamada lo causó.

El plano de control, el playground, la CLI y los SDK son de código abierto bajo licencia MIT. Puedes alojar toda la pila en tu propia infraestructura para tener control total sobre datos y modelos, sin dependencia de un proveedor. El autoalojamiento es el camino para los equipos cuya revisión de seguridad descarta un servicio gestionado.