Construye un agente de IA desde cero cuando sea IP central y tengas un equipo de LLM para mantenerlo. Compra una plataforma no-code cuando el flujo sea estándar y estructurado. Usa un estudio de agentes cuando necesites algo a medida sin montar tu propia ingeniería de IA. Grow2.ai, la división de agentes de IA de Auspex, es ese tercer camino.
Toda guía de «construir o comprar» para agentes de IA te ofrece dos puertas. Constrúyelo tú y serás dueño de todo, incluso de lo que se rompe. Compra una plataforma y avanza rápido, hasta que choques con el muro de lo que no puede hacer. Ambas son reales. Ambas están incompletas, porque hay una tercera puerta: un estudio que construye el agente a medida, lo entrega contra un KPI contractual y carga con el mantenimiento, sin que tú contrates un equipo de ingeniería de IA.
Esa tercera puerta es lo que hace Grow2.ai, la división de agentes de IA de Auspex. Así que tenemos un sesgo, y lo decimos de frente. Pero una guía con sesgo también puede ser útil: la prueba es si te dice cuándo no usarnos. Esta lo hace: hay casos en los que deberías construir desde cero, y casos en los que la respuesta correcta es una herramienta no-code de 40 € al mes. Aquí tienes el mapa completo.
Lo que está en juego no es teórico. Gartner prevé que más del 40% de los proyectos de IA agéntica se cancelarán para finales de 2027, no porque la tecnología falle, sino por costes crecientes, valor de negocio poco claro y una gobernanza débil. La decisión de construir o comprar es donde ese riesgo se contempla o se ignora.
Los tres caminos, frente a frente
Hay tres formas viables de meter un agente de IA en tu negocio, y se diferencian mucho más por el tiempo hasta el primer valor y por quién carga con el mantenimiento que por el precio de arranque. Comprar es unas diez veces más barato que construir desde cero el primer día, pero el coste no vive en el primer día.
| Desde cero | Plataforma no-code | Estudio de agentes (p. ej. Grow2.ai) |
|---|---|---|---|
Tiempo hasta el primer valor | 4–6 meses | Días a 2 semanas | Piloto de 14 días bajo KPI |
Coste de arranque (EUR) | Decenas de miles de euros el primer año (mercado medio) | decenas de € al mes | Starter 1800 € / 14 días / desde 49 € al mes; Practice 3600 € / 21 días / desde 99 €; Operator desde 6000 € / 30 días / desde 149 € |
Quién lo mantiene | Tú / tu agencia, para siempre | El proveedor | El estudio |
Propiedad del código y la lógica | El código es tuyo | Alquilas la configuración, no el código | Lógica a medida para ti, sobre tus datos |
Cuándo elegirlo | El agente es IP central y tienes equipo de LLM | El flujo es estándar y estructurado | Necesitas algo a medida sin equipo de IA propio |
Los números del titular son la parte fácil. El resto del artículo trata de las tres cosas que esa tabla no puede mostrarte: qué implica «a medida» de verdad, quién paga la cola de mantenimiento y dónde se rompe cada camino en silencio.
Qué implica de verdad el desarrollo de IA a medida
Una suposición hunde más proyectos de agentes que ninguna otra: «nuestros desarrolladores son buenos, pueden construir esto». Software probablemente pueden. Un agente de IA no es software común. La ingeniería de LLM es una disciplina distinta que se apoya sobre el código que ya sabes escribir.
Esto es lo que necesita un agente en producción más allá de un prompt que funcione, sacado de agentes que Grow2.ai mantiene en producción:
- Evals (evaluación de calidad). Un agente no se lanza con «se veía bien en las pruebas». Necesitas evaluaciones automáticas que midan la calidad de las respuestas sobre tráfico real; si no, vuelas a ciegas. Nuestro agente de soporte a distribuidores mantiene más del 95% de precisión en consultas rutinarias porque esa precisión está medida, no esperada.
- Regresiones de prompts. Cambias una instrucción para arreglar un caso y rompes en silencio otros tres. Sin una batería de regresiones, cada mejora es una apuesta.
- Guardrails y un supervisor. Ese mismo agente funciona con cuatro capas: base de conocimiento de la empresa, reglas duras («nunca prometas un descuento»), un segundo modelo que revisa las respuestas del primero y escalado a un humano cuando la confianza es baja. Ese stack es ingeniería, no la elección de un modelo.
- Observabilidad. Cuando un agente dice algo incorrecto, necesitas rastrear por qué. En un despliegue de e-commerce en vivo registramos más de 6400 conversaciones —cerca de un tercio fuera del horario laboral, en Instagram (67,7%), Viber y Telegram— a unos 0,10 € de coste de modelo por conversación, con una mediana de respuesta de 13 segundos. Nada de eso se ve sin instrumentación integrada desde el primer día.
¿Un equipo pequeño y fluido en IA puede hacer todo esto rápido? Sí, y nuestro caso de la plataforma financiera demuestra que el umbral ha bajado: nosotros mismos sustituimos un tracker SaaS de ~45–50 $/mes por nuestra propia plataforma interna, Finickly; del primer commit a la contabilidad en vivo, cinco días; el núcleo completo, unas 2,5 semanas, con 326 commits y 838 pruebas, construida con una herramienta de IA de 200 $/mes (≈175 €). Pero lee la letra pequeña: es nuestra herramienta interna de un solo inquilino, y toda la cola de mantenimiento también es nuestra. Lo que nos lleva a lo que nadie presupuesta.
La cola de mantenimiento que nadie presupuesta
El modelo sobre el que construyes este trimestre tiene fecha de retiro. No es un riesgo: es un calendario.
Los proveedores lo publican. La política de retiro de OpenAI da al menos seis meses de aviso para los modelos de disponibilidad general y luego los apaga: los modelos heredados GPT-4 y GPT-3.5-turbo se retiran en octubre de 2026, y varias versiones de GPT-5 en diciembre de 2026. Anthropic se compromete a al menos 60 días de aviso y ya ha retirado Claude 3.5 Sonnet (octubre de 2025) y Claude Sonnet 4 y Opus 4 (junio de 2026). También se mueven APIs enteras: la Assistants API de OpenAI cerró en agosto de 2026. Cada una de esas fechas obliga a toda aplicación construida sobre ese modelo o API a migrar o dejar de funcionar.
Ahora suma tus propias integraciones. Tu CRM, tu sistema contable y tus canales de mensajería cambian sus APIs según sus propios calendarios. Alguien tiene que mantener vivo al agente a través de todo eso. El mantenimiento es una partida que se repite cada año, no un pago único, y el coste total de propiedad del primer año queda bastante por encima del presupuesto de construcción en cuanto se cuentan las migraciones de modelo y los cambios de integración; el desglose línea por línea está en nuestro artículo sobre el TCO.
Así que la pregunta real no es «¿podemos construirlo?». Es «¿quién hace la migración en 2027?». Si lo construiste en casa, la respuesta es tu equipo, indefinidamente; y aquí es exactamente donde «lo construimos nosotros y ahorramos» se vuelve en contra en silencio.
Qué dan las plataformas y qué te quitan
Las plataformas no-code son la respuesta correcta más a menudo de lo que los vendedores de agentes admiten. Si tu flujo es estándar y estructurado (un formulario crea un registro en el CRM y dispara un correo, un pedido nuevo cae en un canal de Slack), una plataforma te lleva ahí en días y por decenas de euros al mes, sin ingenieros. Lo decimos de frente.
Lo que te quitan es el medio desordenado. Las plataformas se rompen con la entrada no estructurada: una nota de voz confusa de un cliente, la foto de una pieza dañada, una pregunta formulada de cinco maneras distintas. Su matemática de consumo (créditos, tareas, operaciones) puede dispararse de forma impredecible al crecer el volumen. Y configuras dentro de su caja: alquilas la automatización, no eres dueño de la lógica. El límite a vigilar es la memoria, el escalado y el criterio ante entradas desordenadas; en cuanto tu agente necesita eso, has superado la plataforma.
Si una plataforma es tu respuesta probable, empieza por las comparativas detalladas: agentes de IA vs Zapier, vs Make y vs n8n.
El modelo de estudio: a medida al precio de una suscripción
El modelo de estudio existe para cerrar la brecha entre «comprar una plataforma que no puede hacerlo» y «contratar un equipo para construir durante seis meses». Es desarrollo a medida —un agente construido para tu proceso, no configurado dentro de la plantilla de un proveedor—, pero productizado.
En concreto, en Grow2.ai: un piloto de 14 días contra un KPI contractual por 1800 €. El piloto se paga por adelantado; si en la revisión del día 30 el KPI acordado no se ha movido, devolvemos el importe íntegro. Luego desde 49 € al mes en Starter (Practice desde 99 €, Operator desde 149 €). Dos cosas lo hacen posible. Primero, un reloj fijo y rápido en lugar de un proyecto abierto. Segundo, y este es el punto del modelo, el estudio carga con la cola de mantenimiento: las migraciones de modelo, los arreglos de API, la observabilidad; todo el trabajo de la sección anterior pasa a ser el trabajo permanente de otro, no la nueva tarea de tu equipo.
Sobre propiedad y datos, sin adornos: como el agente se construye para tu proceso, funciona sobre tus cuentas y tus datos se quedan en tus sistemas (nuestro agente de soporte a distribuidores se conectó al propio sistema contable del cliente en modo solo lectura, así que físicamente no podía alterar nada). Es lo opuesto a alquilar un asiento en una plataforma de la que no puedes salir. Lógica a medida, tus datos, economía de suscripción: eso es el «tercer camino».
Cuándo deberías construir desde cero
Una guía sin esta línea sería un anuncio. Construye tu propio agente de IA cuando se cumplan dos o más de estos puntos:
- El agente es IP central. Es tu producto, o un diferenciador competitivo genuino, no un centro de costes de soporte que quieres reducir. Si los clientes pagan por el agente en sí, sé su dueño.
- La regulación o la residencia de datos prohíbe el procesamiento por terceros. Algunos sectores simplemente no pueden enrutar datos a través de un estudio o plataforma externa, punto.
- La escala rompe la economía. Con volumen suficiente, el precio por conversación o la suscripción pierden frente a ser dueño de todo el stack; haz los números con tus cifras reales, no con las de una demo.
- Ya tienes un equipo fluido en LLM. Gente que se hará cargo de las evals, la observabilidad y la cola de mantenimiento, no desarrolladores que lo aprenden una vez y pasan a otra cosa.
El caso de la plataforma financiera muestra que esto ya está al alcance de un operador pequeño, no solo de las grandes empresas. Pero si dos o más de esos cuatro no se cumplen, construir desde cero suele ser la forma cara de llegar adonde comprar o el estudio te habrían llevado más rápido.
Un marco de decisión
- Necesitamos un agente de IA
- ¿El flujo es estándar y estructurado?
- Sí, formulario a CRM o avisos → Comprar plataforma no-code Zapier / Make / n8n
- No, entrada desordenada y criterio → ¿El agente es IP central u obligado in-house por regulación?
- Sí, y tenemos equipo de LLM → Construir desde cero ser dueño del código y el mantenimiento
- Sí, pero sin equipo de LLM → Modelo de estudio a medida, piloto bajo KPI, sobre tus datos
- No, solo necesita funcionar → Modelo de estudio a medida, piloto bajo KPI, sobre tus datos
Comparación de costes, en EUR claros
Nota sobre las cifras: las cifras de Grow2.ai vienen de nuestros precios y casos reales. Para los demás caminos damos órdenes de magnitud y no rangos: los presupuestos varían demasiado según el alcance y el país como para que una cifra impresa sobreviva un año.
- Desde cero. Un agente simple de propósito único cuesta unos pocos miles de euros de construcción más un coste mensual de operación; el trabajo a medida de mercado medio llega a decenas de miles el primer año, con el mantenimiento sumándose cada año. El coste real, sin embargo, son los meses hasta el primer valor más esa cola permanente.
- Plataforma no-code. Decenas de euros al mes en los planes para pymes —de verdad barato para empezar—, pero el consumo de créditos/tareas escala de forma impredecible y topa en el trabajo no estándar.
- Estudio de agentes. 1800 € por un piloto Starter bajo KPI (reembolso íntegro si el KPI acordado no se ha movido en la revisión del día 30), luego desde 49 €/mes, con mantenimiento incluido. Como referencia de lo que eso compra: nuestro agente de soporte a distribuidores quitó ~700 000 UAH (~17 000 $) al año de rutina manual por un coste de construcción de ~110 000 UAH (~2700 $), con un efecto neto de primer año de ~572 000 UAH (~14 000 $): desglose completo aquí.
Recomendación
Ajusta el camino al trabajo. Si el flujo es estándar, compra una plataforma y empieza por nuestras guías vs-Zapier, vs-Make o vs-n8n. Si el agente es IP central y tienes equipo de LLM, constrúyelo y presupuesta la cola desde el inicio. Si es específico para ti y no quieres montar un equipo de IA, ese es el estudio: un piloto de 14 días contra un KPI. Para herramientas internas que quieres poseer (paneles, automatización de back-office), eso es /build.
¿No sabes en qué columna estás? Describe tu proceso y recibes un sí/no directo con una estimación, no una presentación. Para el mapa más amplio de lo que hacen los agentes en un negocio, mira nuestro hub sobre agentes de IA para empresas.