Imagen generada con IA
Imagina que recibes un formulario de presupuesto en tu web. Alguien está interesado. Alguien en tu equipo tiene que coger el correo, abrir el CRM, crear el contacto, asignarle una etiqueta, enviar un mensaje de bienvenida, y crear una tarea de seguimiento para el día siguiente. Son cinco pasos manuales que duran unos tres minutos. Tres minutos que se multiplican por cada nuevo contacto, cada día de la semana.
Ese es exactamente el tipo de trabajo que Make AI Agents lleva automatizando desde el 2 de febrero de 2026. (make.com, feb. 2026) Y no hablo de mover datos de un sitio a otro, que ya hacía antes. Hablo de que el agente decide por su cuenta qué pasos ejecutar según el contenido del formulario: si el presupuesto solicitado supera cierta cantidad lo asigna al director comercial; si es un lead de fuera de España lo etiqueta de forma diferente; si el mensaje incluye "urgente" crea la tarea para hoy mismo.
Esa capacidad de razonamiento es lo que diferencia los agentes de los flujos clásicos. Y desde hace unos meses, está al alcance de cualquier pyme que use Make.
Flujo clásico de Make vs. agente de IA: la diferencia real
Antes de los agentes, Make (antes llamado Integromat) funcionaba con escenarios: si ocurre X, haz Y. Reglas fijas, condiciones que defines tú por adelantado, y cero margen para la ambigüedad.
Con los Make AI Agents, el flujo puede incluir un paso donde el agente lee el contexto y decide qué acción ejecutar. Sigue teniendo acceso a las mismas apps que conecta Make —más de 1.500 integraciones incluyendo Gmail, WhatsApp, Google Sheets, HubSpot, Holded, Notion, Slack, y decenas de CRMs y ERPs— pero ya no necesitas anticipar todos los casos posibles en un árbol de condiciones. Le describes qué tiene que conseguir y el agente encuentra el camino.
| Escenario clásico de Make | Make AI Agent | |
|---|---|---|
| Lógica | Reglas fijas (si → entonces) | Razonamiento sobre el contexto |
| Flexibilidad | Solo los casos que programaste | Maneja casos que no anticipaste |
| Configuración | Alta (cada condición, a mano) | Media (describes el objetivo) |
| Coste en créditos | Bajo (1-3 créditos por ejecución) | Medio-alto (43-50 créditos con modelo pequeño) |
| Ideal para | Procesos repetitivos y predecibles | Clasificación, enrutamiento, extracción de datos |
La clave es combinar ambos. No todo tiene que pasar por el agente: las partes predecibles las haces con el escenario clásico (barato), y la parte donde hay ambigüedad la delegas al agente (más cara pero más poderosa).
Tres flujos concretos para pymes
1. Clasificación de leads entrantes con respuesta personalizada
El problema: recibes consultas por email y formulario web de todo tipo (precios, soporte, colaboraciones, spam). Alguien tiene que leerlas, decidir a quién van y responder con algo relevante.
El flujo con Make AI Agent:
- Trigger: nuevo email en una bandeja específica o nuevo envío del formulario web.
- El agente lee el mensaje y lo clasifica: lead comercial / soporte / colaboración / spam.
- Según la clasificación: crea un contacto en el CRM con la etiqueta correcta, asigna al responsable adecuado, y redacta una respuesta personalizada (no una plantilla genérica).
- Un paso humano opcional: el responsable aprueba la respuesta antes de enviarla.
Ahorro estimado: 15-20 minutos diarios en equipos que gestionan más de 10 consultas al día. En un mes, son entre 5 y 7 horas liberadas.
2. Procesamiento automático de facturas de proveedores
El problema: te llegan facturas en PDF por email. Alguien las descarga, extrae el importe y el proveedor a mano, y los introduce en Holded, el Excel de gastos o el software de contabilidad.
El flujo con Make AI Agent:
- Trigger: email con adjunto PDF recibido en la bandeja de facturas.
- El agente extrae el texto del PDF e identifica: proveedor, importe, fecha, concepto, número de factura.
- Crea el gasto en Holded (o en Google Sheets) con los datos correctos.
- Mueve el email a una carpeta "procesadas" y envía un resumen semanal al responsable de tesorería.
Ahorro estimado: una pyme con 30-40 facturas al mes recupera entre 2 y 3 horas de trabajo manual, y elimina los errores de transcripción.
3. Respuesta inteligente a consultas de WhatsApp (vía API)
El problema: recibes preguntas por WhatsApp sobre disponibilidad, precios o estado de pedidos. Responder a mano fuera del horario de oficina implica perder clientes.
El flujo con Make AI Agent:
- Trigger: nuevo mensaje en WhatsApp Business API.
- El agente lee el mensaje, consulta tu base de datos de productos o pedidos (a través de una hoja de cálculo, Notion, o tu CRM), y redacta una respuesta precisa.
- Si la consulta está fuera de su alcance (reclamación compleja, pedido especial), escala al humano con un resumen del contexto.
Nota importante: desde el 1 de octubre de 2026, los mensajes de servicio en WhatsApp ya no son gratuitos en la ventana de 24h. Consulta el desglose de costes en nuestro artículo sobre los precios de WhatsApp Business API antes de lanzar este flujo.
Cuánto cuesta: créditos, planes y el truco del BYOK
Make opera con un modelo de créditos desde agosto de 2025. Cada acción de módulo consume créditos, y los agentes de IA consumen más que los módulos clásicos.
Un agente que razona sobre un mensaje de texto consume entre 43 y 50 créditos por ejecución usando un modelo pequeño (como GPT-4o mini o Gemini Flash). Un módulo clásico de Make consume entre 1 y 3 créditos.
Los planes disponibles son:
| Plan | Créditos/mes | Precio orientativo | Ejecuciones de agente estimadas |
|---|---|---|---|
| Gratis | 1.000 | 0 € | ~20 ejecuciones/mes |
| Core | 10.000 | ~9 €/mes | ~200 ejecuciones/mes |
| Pro | 40.000 | ~16 €/mes | ~800 ejecuciones/mes |
| Teams | 400.000 | ~29 €/mes | 8.000+ ejecuciones/mes |
Precios orientativos de julio de 2026. Consulta make.com/pricing para las tarifas actuales.
El plan gratuito con 20 ejecuciones de agente al mes es suficiente para probar los flujos sin comprometer dinero. Para una pyme con 30-50 facturas o consultas al mes, el plan Core a ~9 €/mes cubre de sobra.
El truco del BYOK (Bring Your Own Key): en los planes de pago puedes conectar tu propia clave de API de OpenAI, Anthropic o Google. Cuando lo haces, Make solo cobra el crédito del módulo (1-3 créditos), y los tokens de IA los paga tu cuenta de OpenAI directamente al coste de los modelos. Con GPT-4o mini, cada llamada cuesta menos de 0,01 €. Es la opción más económica si tienes volumen alto. (getaiperks.com, 2026)
Maia: el asistente que te ayuda a construir los flujos
Junto a los AI Agents, Make lanzó Maia, un asistente de IA integrado en la plataforma que crea escenarios a partir de descripciones en lenguaje natural. Le dices: "Cuando reciba un email con factura adjunta, extrae el importe y el proveedor, y guárdalo en mi hoja de cálculo", y Maia construye el esqueleto del flujo.
Sigue siendo útil que revises lo que Maia monta antes de activarlo —especialmente para conectar tus apps específicas y ajustar los campos— pero reduce el tiempo de configuración inicial de horas a minutos. (eesel.ai, 2026)
Limitaciones honestas
Los AI Agents de Make están en beta abierta desde febrero de 2026. Eso significa que el producto es funcional pero puede tener comportamientos inesperados en casos extremos. Antes de activar un agente en producción, pruébalo con datos reales en un escenario de test durante unos días.
Otras limitaciones que debes conocer:
- Sin memoria entre ejecuciones por defecto. Si necesitas que el agente recuerde el historial de un cliente, tienes que conectar una base de datos externa (Airtable, Notion, Google Sheets) donde almacenes el contexto.
- Costes imprevisibles si el volumen sube. Un pico de 500 consultas en un día puede consumir 25.000 créditos. Establece alertas de crédito en la configuración de Make.
- No reemplaza la revisión humana para decisiones críticas. Un agente que procesa facturas puede cometer errores. El flujo ideal incluye un paso de aprobación humana antes de registrar importes en contabilidad.
- La curva de aprendizaje existe. Maia ayuda, pero entender el modelo de créditos y conectar APIs de terceros requiere entre 4 y 10 horas de práctica para alguien sin experiencia previa en automatización.
Si quieres una comparativa sobre qué hace exactamente la diferencia entre un chatbot y un agente de IA en el contexto de una pyme, lo explicamos con detalle en nuestro artículo sobre agentes IA para pymes.
Por dónde empezar esta semana
- Créate una cuenta gratuita en Make (make.com). El plan gratis con 1.000 créditos es suficiente para la fase de pruebas.
- Elige un solo proceso para empezar: el que más tiempo consume y tiene más pasos manuales repetitivos.
- Usa Maia para construir el primer borrador del escenario y ajusta los módulos a tus apps.
- Activa el AI Agent solo en la parte donde hay ambigüedad (clasificación, extracción, decisión) y usa módulos clásicos para el resto.
- Monitoriza durante una semana antes de automatizarlo del todo.
Si prefieres no experimentar solo y tener el flujo funcionando desde el primer día, en Happy Automating montamos escenarios de Make con agentes de IA a medida para pymes. También puedes contarnos tu caso directamente si no tienes claro cuál es el primer proceso a automatizar.
En resumen
Make AI Agents, en beta desde febrero de 2026, añade razonamiento autónomo a los flujos de automatización sin necesidad de programar. Para una pyme, el caso de uso más inmediato es la clasificación de entradas ambiguas —leads, facturas, consultas— donde las reglas fijas no bastan. El plan gratuito da para probar, el Core a ~9 €/mes cubre la mayoría de casos reales, y el BYOK reduce el coste por ejecución cuando el volumen sube. La limitación principal es que sigue en beta y no tiene memoria nativa entre sesiones: para procesos críticos, mantén siempre un paso de revisión humana.