Clef de Cloudflare: el modelo que decide el siguiente paso
Cloudflare presentó Clef y Clef-flash, modelos abiertos que no están pensados para redactar respuestas, sino para elegir acciones estructuradas dentro de un agente de IA.
Clasificar primero, conversar después
Clef de Cloudflare: decisiones estructuradas para tus agentes
Una alternativa para clasificar, enrutar y escalar casos repetitivos sin usar un modelo grande en cada paso.
Cloudflare lanzó Clef y Clef-flash como modelos abiertos de decisión. En lugar de generar texto libre, reciben un caso y preguntas definidas —por ejemplo, urgencia, equipo responsable y riesgo— para devolver respuestas estructuradas con probabilidades que pueden activar reglas.
Qué lanzó Cloudflare y en qué punto está la noticia
La noticia está en punto de lanzamiento: Cloudflare presentó Clef y Clef-flash como modelos abiertos de decisión y su documentación los sitúa en Workers AI. El material compartido no los describe como una beta, pero tampoco confirma condiciones de acceso, precios ni resultados para todas las operaciones.
La diferencia importante está en el tipo de salida. Cloudflare describe estos modelos como herramientas para decisiones estructuradas y delimitadas. El objetivo no es que el agente redacte un correo, una respuesta de WhatsApp o una explicación larga: es que determine qué acción sigue dentro de un flujo.
No sustituye a un modelo conversacional
Clef y Clef-flash pueden encajar antes de un modelo grande: primero ayudan a clasificar o enrutar; después, si el caso lo exige, el agente puede pasar la conversación a un modelo que genere texto.
Cómo funcionan las decisiones estructuradas
El patrón planteado por Cloudflare parte de una entrada concreta y un conjunto limitado de preguntas. En vez de devolver una respuesta abierta, el modelo devuelve una decisión tipada y probabilidades. Después, una regla del flujo usa esa salida para enviar el caso a la ruta correspondiente.
| Caso | Preguntas de decisión | Ruta posible |
|---|---|---|
| Pago fallido | ¿Es un caso de cobranza? | Enviar a cobranza |
| Posible fraude | ¿Hay riesgo que requiere revisión? | Escalar a revisión humana |
| Solicitud repetitiva | ¿Existe una ruta definida? | Aplicar la regla correspondiente |
Los ejemplos anteriores ilustran el enfoque descrito en el video: una decisión acotada activa una acción definida. La empresa sigue siendo responsable de establecer las preguntas válidas, las rutas disponibles y los casos que no deben resolverse automáticamente.
Cuándo conviene usar un modelo de decisión
No todo paso de un agente necesita un LLM grande. Si una etapa consiste en elegir entre rutas conocidas —clasificar, asignar equipo, identificar riesgo o decidir si hay que escalar— un modelo de decisión puede ser una opción a evaluar. Los modelos grandes quedan reservados para conversaciones, explicaciones y excepciones donde el texto sí importa.
Ejemplo operativo: soporte de ecommerce
En un flujo de soporte, el modelo de decisión podría elegir la ruta antes de que un modelo conversacional redacte una respuesta. Si el caso cae fuera de las rutas aprobadas, la decisión correcta puede ser escalarlo a una persona.
La latencia reportada no es una promesa
La documentación compartida reporta una latencia mediana de 38.8 ms para Clef-flash y de 524.1 ms para Jev en pruebas de Cloudflare. Es un resultado reportado por Cloudflare, no una garantía para cualquier integración, volumen de solicitudes o flujo de negocio. The Register también señala que esos resultados aún no se han reproducido en la clasificación oficial del Decision Index.
Aplicaciones para México y Latinoamérica
Para una empresa mexicana o latinoamericana, la utilidad no está en añadir IA a cada interacción. Está en identificar pasos repetitivos, medibles y con rutas claras. Antes de automatizar, cada negocio debe definir qué casos pueden seguir una regla y cuáles necesitan criterio humano.
Agencias
Clasificar solicitudes entrantes por tipo de servicio, urgencia o equipo responsable antes de asignarlas.
SaaS
Separar incidencias de soporte, dudas comerciales y solicitudes que requieren escalamiento.
Soporte
Detectar rutas repetitivas y reservar la revisión humana para casos con riesgo o información insuficiente.
Ecommerce
Distinguir entre incidencias de pago, consultas de pedido y casos que requieren validación humana.
Estos no son resultados garantizados ni implementaciones prediseñadas. Son casos de uso que conviene validar con reglas, datos y responsables definidos para cada operación.
Cómo probar un flujo sin prometer resultados
Elige un paso repetitivo
Empieza por una clasificación o un enrutamiento con pocas rutas claras y consecuencias controladas.
Define decisiones y excepciones
Establece las preguntas, las salidas válidas, las reglas que se activan y los casos que deben pasar a una persona.
Compara resultados
Mide costo, latencia, errores y escalamiento humano frente al flujo actual antes de ampliar el uso.
- Mantén las acciones posibles limitadas y explícitas.
- Conserva revisión humana para casos con riesgo o ambigüedad.
- Evalúa el flujo con casos reales de tu operación.
- Compara desempeño antes de sustituir una ruta existente.
La pregunta útil no es si un modelo de decisión reemplaza a un LLM grande. La pregunta es qué parte del proceso necesita generar lenguaje y cuál solo necesita elegir correctamente el siguiente paso.
Preguntas frecuentes
¿Clef y Clef-flash sirven para redactar respuestas?
El enfoque anunciado por Cloudflare es la toma de decisiones estructuradas y delimitadas, no la generación de texto libre.
¿En qué punto está Clef?
La información compartida presenta la noticia como un lanzamiento de Cloudflare y sitúa los modelos en Workers AI. El material no los describe como beta ni confirma condiciones generales de acceso o precios.
¿Clef-flash siempre responderá en 38.8 ms?
No. Esa es la latencia mediana reportada por Cloudflare en sus pruebas. No garantiza el mismo resultado para cualquier operación.
¿Un modelo de decisión reemplaza un modelo grande?
No necesariamente. Puede utilizarse para clasificar, enrutar o escalar casos repetitivos, mientras un modelo grande se reserva para conversaciones y excepciones.
Fuentes
- Cloudflare anuncia Clef y Clef-flash, modelos de decisión abiertos en Workers AI, además de su plataforma de ajuste fino con aprendizaje por refuerzo.
- Documentación de Cloudflare sobre Clef y Clef-flash: respuestas tipadas con probabilidades, compatibilidad con Jev y latencias medianas reportadas de 38.8 ms para Clef-flash y 524.1 ms para Jev.
- The Register cubre el lanzamiento de Clef y advierte que los resultados de Cloudflare aún no se han reproducido en la clasificación oficial del Decision Index.
Evalúa qué decisiones de tu operación sí se pueden automatizar
Agenda una demostración con Zadrig Technology para revisar un flujo repetitivo, definir sus excepciones y medir si un modelo de decisión tiene sentido para tu empresa.
Agendar demostración
