Qué es el graph engineering

El graph engineering es diseñar cómo se organizan varios agentes de IA entre sí: qué pasos hay, quién hace cada uno, qué caminos se pueden seguir y dónde entra una persona. Si el loop engineering controla a un agente, el grafo controla la organización completa.

El tuit que armó el revuelo

El 18 de julio de 2026, Peter Steinberger escribió en X una sola frase:

En horas llevaba más de medio millón de vistas, y terminó cerca de los tres millones. Al día siguiente ya había manifiestos, críticas y gente anunciando el artículo de diez mil palabras que nadie pidió.

Lo interesante es que la idea no era nueva. En el mundo de la orquestación de procesos llevan décadas trabajando con grafos. La gente de Prefect lo dijo con cierta resignación en su podcast: llevaban meses intentando hablar del tema sin que nadie les prestara atención, y de repente una frase suelta puso a todo internet a discutirlo.

Qué es un grafo, sin matemáticas

Un grafo son cajas y flechas. Las cajas se llaman nodos y son los pasos. Las flechas se llaman aristas y son los caminos que se pueden seguir de un paso a otro.

Ya usas grafos todos los días sin llamarlos así. Internet es un grafo: páginas conectadas por enlaces, y esa fue la idea con la que arrancó Google. Una red social es un grafo: personas conectadas entre sí.

En agentes, cada caja es un paso del trabajo. Casi siempre lo hace un agente, pero puede ser también un cálculo normal, una espera, o una persona aprobando.

En qué se diferencia de un loop

Aquí está la confusión más repetida de estas semanas, y la respuesta es más aburrida de lo que promete el debate.

LangChain lo dijo sin rodeos en su artículo tras tres años construyendo esto: un loop es simplemente un grafo con un solo ciclo. No son rivales. El loop es la versión más sencilla del grafo.

Por qué no son DAG

Vas a leer mucho la sigla DAG, que significa grafo dirigido acíclico. "Acíclico" quiere decir que nunca vuelve atrás: una vez que pasas de un paso al siguiente, no puedes regresar.

Y aquí está el detalle técnico que casi todos los artículos se saltan: los grafos de agentes casi nunca son DAG, porque en producción necesitan volver atrás todo el tiempo. Para reintentar algo que falló, para pedir un dato que faltaba, para corregir después de una validación, o para esperar a que una persona apruebe.

La gente de Prefect propuso quedarse con la sigla y cambiarle el significado: en vez de directed acyclic graph, leerla como directed agentic graph. Grafo dirigido de agentes. Mismo nombre, ya sin la prohibición de volver atrás.

El ejemplo del reembolso

Este caso, que contaron en el podcast de Prefect, explica el asunto mejor que cualquier definición.

Quieres un agente que decida si le devuelves el dinero a un cliente y, si corresponde, lo haga.

Cómo se hace hoy, con un loop: le das al agente el documento con las diez condiciones que debe revisar y la herramienta para enviar dinero. Y le pides que lo resuelva.

Funciona si lee las instrucciones, si sigue los diez pasos, si decide bien, si usa el cliente correcto y si nadie metió texto tramposo en el camino. Son muchos "si", y cuando algo sale mal es casi imposible saber en cuál falló, porque el agente vuelve diciendo que hizo un buen trabajo.

Cómo se hace con un grafo: se parte en pasos con permisos distintos.

1. Paso 1: investigar

   Un agente revisa si el reembolso corresponde. No tiene la herramienta para enviar dinero. Aunque quisiera, no puede.

2. Paso 2: decidir

   Sale una decisión: sí o no. Según cuál sea, se sigue un camino u otro.

3. Paso 3: aprobar

   Si el monto pasa cierto límite, una persona lo revisa. No es un ruego dentro de las instrucciones: es un paso que hay que atravesar.

4. Paso 4: ejecutar

   Solo aquí aparece la herramienta de enviar dinero, limitada a ese cliente y a un solo uso.

La diferencia no es de elegancia. Es que en el primer paso el agente no tenía cómo hacer daño, y eso no depende de que se haya portado bien.

Para qué sirve de verdad

Cuatro cosas concretas:

TrueFoundry, en su guía sobre esto, ordena las tres capas de forma útil: el contexto controla qué ve el modelo, el loop controla el comportamiento de un agente, y el grafo controla la topología completa, o sea qué pasos existen y cómo se conectan.

Cuándo te importa a ti

Seamos honestos: si abres el chat y le pides cosas, esto no te importa hoy. Y quien te diga lo contrario te está vendiendo algo.

Empieza a importarte cuando se cumplen dos condiciones a la vez:

1. El agente trabaja sin que nadie mire. De noche, en volumen, muchas veces.
2. Lo que hace tiene consecuencias. Toca dinero, clientes, o sale con el nombre de tu empresa.

Ahí dejan de importar la elegancia y la moda, y empiezan a importar tres preguntas: ¿puedo saber qué hizo?, ¿puedo garantizar que siempre siga el mismo camino?, ¿puedo evitar que tenga en la mano una herramienta que no necesita?

Las tres se responden con un grafo. Ninguna se responde con un prompt mejor escrito.

Preguntas frecuentes

Fuentes: Peter Steinberger en X (18 de julio de 2026) · LangChain, "3 Years of Graph Engineering with LangGraph" · TrueFoundry, Boyu Wang · Podcast de Prefect · Verificado el 9 de agosto de 2026