El 6 de octubre de 2025, OpenAI presentó Agent Builder en su DevDay. Un lienzo visual donde arrastras cajas y sale un agente por el otro lado. Ocho meses después, el 3 de junio de 2026, quedó obsoleto. Se apaga definitivamente el 30 de noviembre de 2026.
Nadie hizo nada mal ahí. OpenAI decidió que el constructor visual no era el camino y remitió a la gente al Agents SDK. Pero quien montó su procesamiento de pedidos sobre ese lienzo en enero se ha pasado el verano migrando en lugar de trabajando. Esa es la parte de la pregunta "cómo creo un agente de IA" que casi nadie plantea de antemano, y suele ser la que decide si el sistema seguirá funcionando dentro de dos años.
Hay cuatro caminos honestos hacia un agente que funcione. Se diferencian menos en lo que pueden hacer que en dónde se rompen. Aquí está lo que cuesta cada uno, dónde está su techo y a qué tipo de empresa encaja.
La decisión que realmente estás tomando#
La mayoría de comparativas empieza por las funciones. Ese es el extremo equivocado. Cualquier plataforma de esta lista puede llamar a una API, leer un documento y escribir en un CRM. Las listas de funciones convergieron hace año y medio.
Lo que no ha convergido son las respuestas a cuatro preguntas:
¿Qué toca el agente? Un agente que redacta una respuesta pertenece a otra clase de riesgo que uno que emite un reembolso. El primero puede equivocarse y no cuesta nada. El segundo puede equivocarse y cuesta dinero dos veces, porque además hay que deshacerlo.
¿Quién responde cuando se equivoca? No en lo filosófico, en lo operativo. Qué persona se entera, con qué rapidez y qué hace al respecto. Si la respuesta es "nadie, hasta que un cliente se queje", el agente no está listo, esté en la plataforma que esté.
¿Con qué frecuencia cambia el proceso? Un proceso que cambia dos veces al año tolera bien una plataforma rígida. Uno que cambia dos veces al mes castiga todo lo que no puedas modificar tú mismo.
¿Esto es tu ventaja competitiva o tu fontanería? Nadie gana un mercado repartiendo mejor las facturas. La fontanería se compra. La ventaja se construye.
Quien responde a esas cuatro preguntas ya ha elegido el camino. Quien las salta acaba en la estadística de Gartner: la consultora espera que más del 40 por ciento de los proyectos de agentic AI se cancelen antes de finales de 2027, y las tres razones que da son costes crecientes, valor de negocio poco claro y controles de riesgo insuficientes. Ninguna es un problema técnico. Las tres son decisiones aplazadas.
Camino uno: constructores sin código#
Chatbase, Lindy, Relevance AI, Gumloop y una docena más. Subes documentos, pegas URLs, conectas unas cuantas herramientas mediante un editor visual y esa misma tarde tienes algo que responde. Entre las plataformas con plan de entrada publicado, la mediana del primer nivel de pago ronda los 24 dólares al mes.
Este camino es genuinamente bueno en una cosa: demostrar que el caso de uso es real antes de que nadie gaste dinero de verdad. He visto a una empresa discutir tres semanas sobre si un agente podía atender sus consultas iniciales. Una tarde de sábado sobre uno de estos constructores zanjó la discusión, y en la dirección que nadie esperaba. Dos de los cuatro tipos de consulta eran triviales. Los otros dos necesitaban a una persona, de forma permanente.
El techo llega antes de lo que sugiere la página de ventas, y llega en un sitio concreto: en todo lo que requiere una decisión que el proveedor no anticipó. Conectar herramientas suele funcionar. Controlar lo que ocurre entre ellas, rara vez. Cuando el agente tiene que consultar un sistema, decidir según lo que encuentre y luego tomar un camino distinto por un segundo sistema, la mayoría de constructores sin código o no saben expresarlo o lo expresan de forma tan incómoda que el flujo se vuelve imposible de mantener.
El segundo techo son los datos. Son servicios alojados. Los datos de tus clientes pasan por una infraestructura que no controlas, bajo condiciones que no negociaste. Para unas preguntas frecuentes públicas está bien. Para cualquier cosa que toque datos personales de clientes de la UE, lee las condiciones antes de subir nada, no después.
Encaja con: una empresa que quiere averiguar si un agente ayuda en algo, o que opera algo pequeño y público que no toca datos sensibles.
Camino dos: las suites empresariales#
Salesforce Agentforce y Microsoft Copilot Studio son las dos que importan, y su modelo de precios revela casi todo sobre para quién están hechas.
Agentforce cobra 2 dólares por conversación. O 20 Flex Credits, unos 10 céntimos, por acción. O de 125 a 150 dólares por usuario y mes con licencia nominal. Copilot Studio cobra en Copilot Credits: 200 dólares por un paquete prepago de 25.000, unos ocho décimos de céntimo cada uno, o un céntimo en pago por uso.
Con una profundidad de conversación media, una conversación de Copilot Studio queda cerca de 18 céntimos mientras que una de Agentforce se queda en 2 dólares planos. Parece una diferencia de once veces, y esa comparación exacta te la enseñará cualquier presentación de Microsoft.
La comparación por sí sola también es inútil, porque ambas cifras dan por hecho que ya tienes lo de debajo. Agentforce en la práctica necesita Service Cloud más una suscripción a Data Cloud que ronda los 60.000 dólares anuales. Copilot Studio da por hecho que ya pagas el tenant de Microsoft 365 y Power Platform. Si lo tienes, empezar sale casi gratis. Si no lo tienes, el precio de entrada es toda la pila de Microsoft.
El verdadero intercambio de este camino no es el precio. Es que la gobernanza viene incluida. Registros de auditoría, modelo de permisos, residencia de datos, política de retención, todo el aparato de cumplimiento que se tarda meses en construir aparece el primer día y satisface a tu departamento legal sin discusión. Para una empresa regulada eso vale más que la licencia.
El coste es el techo, y es duro. Ambas plataformas son excelentes dentro de su propio ecosistema y torpes fuera de él. En el momento en que tu agente tiene que alcanzar una máquina en tus instalaciones, un software sectorial de nicho o una base de datos anterior a la nube, vas a escribir conectores propios igualmente, y la plataforma deja de compensar.
Encaja con: empresas que ya viven dentro de Salesforce o Microsoft 365, cuyo agente hace su trabajo dentro de ese mundo, y donde la aprobación de cumplimiento es la parte lenta de cualquier proyecto.
Camino tres: plataformas de flujo con pasos de agente#
n8n es el ejemplo más claro, y es el camino en el que acaban sin planearlo la mayoría de pymes con las que hablo. La Community Edition es gratuita y autoalojada, así que pagas un servidor y las llamadas al modelo, nada más. Cloud Starter cuesta 20 euros al mes por 2.500 ejecuciones, Pro 50 euros por 10.000.
El modelo mental es distinto de los dos primeros caminos, y ahí está la clave. Dibujas el proceso como una cadena de pasos explícitos, y en los puntos donde hace falta criterio colocas un modelo. Todo lo demás sigue siendo determinista. Leer el buzón, siempre. Extraer los campos, siempre. Decidir a cuál de tres departamentos corresponde, modelo. Escribir en el sistema de tickets, siempre.
Esa estructura resuelve de paso el mayor problema de fiabilidad de todo este campo. Quien encadena suficientes decisiones de modelo tiene las matemáticas en contra. Si cada paso acierta el 95 por ciento de las veces, que suena bien, veinte pasos seguidos salen del todo correctos alrededor del 36 por ciento de las veces. La fiabilidad se multiplica y cae más rápido de lo que sugiere la intuición. Un flujo con tres decisiones de modelo y diecisiete pasos fijos es una máquina radicalmente distinta de uno con veinte decisiones de modelo, aunque ambos parezcan "un agente" en una diapositiva.
El autoalojamiento pesa más en Europa de lo que reconocen las comparativas internacionales. En la encuesta de Bitkom a 604 empresas alemanas a principios de 2026, la incertidumbre sobre protección de datos fue el obstáculo más citado para usar IA en absoluto, mencionado por el 41 por ciento. Ejecutar la orquestación en tu propio servidor no te hace cumplidor por sí solo, pero quita de la mesa la pregunta que si no frena el proyecto seis semanas.
El coste es que low-code no es no-code. Las expresiones, el manejo de errores, los reintentos y los nodos propios premian todos a alguien con perfil técnico. Una plataforma de flujos en manos de quien nunca ha depurado nada se convierte en un montón de flujos a medias en los que nadie confía.
Encaja con: empresas con un proceso definido, algo de capacidad técnica interna o contratada, y una razón para mantener los datos en su propia infraestructura.
Camino cuatro: construirlo bien#
En el extremo opuesto montas el agente tú mismo. Un modelo elegido para la tarea, un bucle a su alrededor, herramientas definidas como interfaces reales, memoria que sobreviva a los reinicios, barreras de protección entre la decisión y la acción, y un conjunto de evaluación que te diga si el cambio de la semana pasada mejoró o empeoró las cosas.
Las estimaciones del sector para un agente de flujo a medida se agrupan entre 25.000 y 100.000 dólares, y los sistemas multiagente bastante por encima. Tómalo como orden de magnitud y no como presupuesto, porque el rango depende casi por completo de cuántos sistemas tenga que tocar la cosa.
A cambio obtienes el único camino sin techo y sin casero. Nadie descontinúa tu arquitectura en ocho meses. Nadie te cambia la tarifa por conversación. Cuando cambia el proceso, cambias el agente.
El tejido conectivo que ha abaratado este camino frente a hace dos años es el Model Context Protocol. Anthropic lo publicó como estándar abierto en noviembre de 2024 y lo cedió a la Agentic AI Foundation bajo el paraguas de la Linux Foundation en diciembre de 2025. OpenAI, Google, Microsoft, IBM y Amazon lo soportan. Las descargas del SDK pasaron de 100.000 en el lanzamiento a 97 millones mensuales en marzo de 2026. En la práctica significa que el conector que escribes para tu ERP funciona con el modelo al que lo apuntes, y cambiar de modelo más adelante es un ajuste de configuración y no una reescritura. Esa propiedad concreta es la razón por la que construir a medida ya no significa apostar tu arquitectura a un solo proveedor.
El coste es que ahora tienes un sistema operativo propio. Necesita supervisión, necesita a alguien que lo entienda, y sacará a la luz en el cuarto mes casos límite que nadie imaginó en el primero.
Encaja con: un proceso que es realmente tuyo, que toca sistemas que ninguna plataforma conoce, que maneja datos que no pueden salir de tu control, o que está tan cerca de tu producto que no debería alquilarse.
Los cuatro caminos uno al lado del otro#
| Entrada | Techo | Se rompe cuando | Tus datos viven | |
|---|---|---|---|---|
| Constructor sin código | ~24 USD/mes | bajo, se alcanza pronto | la decisión se vuelve condicional | en servidores ajenos |
| Suite empresarial | la pila que ya tienes | medio, atado al ecosistema | sales del ecosistema | en su nube, por contrato |
| Plataforma de flujos | 0 a 50 EUR/mes | alto, con ayuda técnica | nadie la mantiene | donde tú la alojes |
| Desarrollo propio | cinco cifras hacia arriba | ninguno | nadie es responsable dentro | donde tú decidas |
La fila que importa es la tercera. El primer día funcionan los cuatro caminos. Se diferencian en cómo fallan en el noveno mes, y el fallo casi nunca es técnico.
Por qué mueren la mayoría de estos proyectos#
Dos cifras enmarcan esto con honestidad. El Project NANDA del MIT constató en agosto de 2025 que el 95 por ciento de los pilotos de IA generativa no mostraban contribución medible a la cuenta de resultados. Gartner pone más del 40 por ciento de los proyectos agénticos en la lista de cancelación para finales de 2027.
Leídas juntas, y contrastadas con lo que veo en la práctica, el patrón no es que los agentes no funcionen. Es que las empresas eligen un proceso que nunca fue el cuello de botella. Quien automatiza algo que le costaba veinte minutos semanales a una persona obtiene un agente que funciona y ningún resultado medible. Los veinte minutos se van a otro sitio, nadie lo nota, y cuando llega la revisión de presupuesto el proyecto no tiene nada que enseñar.
La jugada contraria es poco vistosa. Coge el proceso donde alguien se está ahogando de forma visible. Mídelo antes de tocarlo. Automatiza el centro aburrido y deja las cuestiones de criterio donde están. Entonces en la revisión hay una cifra real.
Hay un dato alemán que conviene poner al lado. El índice publicado en marzo de 2026 por Salesforce y la Deutscher Mittelstands-Bund encontró un 16,6 por ciento de medianas empresas alemanas ya usando agentes de IA, frente al 8,7 por ciento del año anterior. Se duplicó. Pero solo el 21 por ciento de las empresas de la encuesta de Bitkom tenía siquiera una estrategia de IA. Justo de esa brecha entre despliegue y estrategia salen los proyectos cancelados.
Cómo lo abordamos nosotros#
Construimos agentes como parte de nuestro trabajo en sistemas de IA, y el arranque es deliberadamente aburrido.
Primero miramos la tarea real con la persona que la hace hoy. No el diagrama de proceso. La tarea, incluidas las excepciones que resuelve sin pensarlo, porque son precisamente esas excepciones las que desmontan los agentes de demostración en la segunda semana.
Luego acotamos con dureza. Una tarea, límites claros, entradas y salidas definidas. Un agente que intenta hacerlo todo acaba siendo algo que nadie puede depurar y en lo que nadie confía.
Luego decidimos el camino entre los cuatro anteriores según esas cuatro preguntas, no según lo que nos apetecería construir. Bastantes encargos son una plataforma de flujos con tres pasos de modelo y nada más, y decirlo forma parte del trabajo. Cuando el encargo pide de verdad un sistema propio, construimos sobre estándares abiertos, mantenemos el modelo intercambiable, ponemos una aprobación humana delante de todo lo irreversible y alojamos donde el cliente quiera, incluido su propio hardware.
Luego probamos con casos reales del historial del cliente, no inventados. Los casos reales son más desordenados y encuentran los agujeros.
Y después funciona, con alguien responsable de ello.
Nuestra propia operación funciona así. Los agentes que investigan, vigilan, preparan e informan para nosotros son la misma clase de sistema que entregamos, y ese es un criterio razonable para cualquier proveedor: pregunta si usa a diario en su propio negocio aquello que te está vendiendo. Si no, pregunta por qué.
La parte que no va a cambiar#
Los modelos seguirán mejorando y la distancia entre los cuatro caminos seguirá estrechándose en capacidad. En propiedad no lo hará. Dentro de cinco años, la pregunta de quién puede apagar esto, cambiarle el precio o descontinuarlo pesará más que hoy y no menos, porque para entonces pasará por ahí más trabajo diario.
Agent Builder duró ocho meses. Eso no es un argumento contra las plataformas. Es un argumento a favor de saber, antes de empezar, qué le pasa a tu trabajo cuando una plataforma decide otra cosa. Si quieres repasar cuál de los cuatro caminos encaja con un proceso concreto de tu empresa, con esa conversación empieza nuestro trabajo con agentes.
