Cuándo elegir un agente IA y cuándo un flujo determinista.
Trade-offs reales en 2026: predictibilidad, coste por ejecución, capacidad de adaptación. Cuándo un agente IA aporta valor real y cuándo n8n o Make resuelven igual por menos. Sin venderte de más.
Actualizado mayo 2026
No es agente vs flujo: es qué resuelve cada uno y a qué coste.
En 2026 hay narrativas opuestas. Una dice "agentes IA lo van a hacer todo, los flujos deterministas son del pasado". Otra dice "los agentes son juguetes, no se pueden poner en producción seria". Ambas son simplistas. La realidad es que agentes IA y flujos deterministas (n8n, Make, Zapier, código a medida) resuelven problemas diferentes.
Un flujo determinista es una secuencia de pasos fijos: "cuando llega email a X → extrae campos Y → guarda en Z → notifica a W". Predecible, barato, fácil de depurar. Falla cuando los inputs son demasiado variables o cuando hace falta interpretación contextual. Coste medio: 0,001-0,01 € por ejecución.
Un agente IA es un LLM con herramientas que decide qué hacer en cada paso. "Tienes acceso al calendario, al CRM y a email. El cliente quiere reagendar; haz lo necesario". Adapta. Razona. Falla por imprevisibilidad y coste. Coste medio: 0,01-0,30 € por ejecución (10-100× más caro que flujo).
La pregunta correcta no es "¿agente o flujo?" sino "¿qué partes de mi proceso son estructuradas y qué partes requieren juicio?". Las estructuradas → flujo. Las que requieren juicio → agente. La mayoría de procesos pyme reales son híbridos: flujo orquestador con LLM en pasos puntuales donde aporta valor.
Agente IA vs flujo determinista en cinco dimensiones
Lo que importa al decidir, sin medias verdades.
Predictibilidad
Flujo: 100% predecible, mismo input → mismo output. Agente: probabilístico, mismo input puede dar respuestas distintas. Para procesos críticos (legal, sanitario, financiero) con respuesta única correcta: flujo siempre.
Coste por ejecución
Flujo: 0,001-0,01 € (servidor + APIs simples). Agente: 0,01-0,30 € (tokens IA + múltiples llamadas + herramientas). Diferencia 10-100×. En volúmenes altos (>10.000/mes) la diferencia compone rápido.
Capacidad de adaptación
Flujo: solo lo que programaste. Variantes no contempladas rompen. Agente: maneja inputs variables, casos borde, reformula. Si tu proceso recibe muchos casos no estándar, agente justifica su coste extra.
Tiempo de desarrollo
Flujo: 1-4 semanas según complejidad. Agente: 4-12 semanas (definir tools, evaluación, guardrails). Agente requiere más infraestructura (observabilidad, evaluación, control de coste). Más caro montar.
Mantenimiento
Flujo: bajo si los inputs son estables; alto si cambian. Agente: requiere monitorización continua de calidad (modelos derivan, prompts envejecen). Suma 200-500 €/mes recurrente en revisión de calidad.
Auditabilidad
Flujo: pasos explícitos, fácil de auditar. Agente: trazas con razonamiento interno, más opaco. En sectores regulados (RGPD, sanidad), flujos son siempre más defensibles ante auditoría externa.
Seis casos reales: agente IA o flujo determinista
Ejemplos pyme españoles concretos, no demos teóricas.
Clasificación de correos entrantes → flujo + LLM puntual
Flujo n8n recibe email, llama a Claude Haiku una vez para categorizar (urgencia, departamento), enruta. NO necesita agente: una llamada determinista al LLM es suficiente. Coste: 0,002 € por correo.
Extracción de datos de facturas PDF → flujo + LLM
Mismo patrón. Flujo: detección de PDF, OCR si necesario, una llamada a LLM para extraer campos estructurados (JSON output), validación, push a ERP. Determinismo de output garantizado con response_format JSON schema.
Atención al cliente compleja → agente IA
El cliente puede preguntar mil cosas distintas, pedir consultar pedido, solicitar reembolso, escalar a humano. Agente con tools (BD pedidos, CRM, escalado humano) resuelve. Flujo se rompería ante variabilidad de inputs.
Reagendar reuniones con un asistente → agente IA
Cliente: "Mueve mi reunión del jueves". El agente consulta calendario, ofrece alternativas, espera respuesta, confirma. Requiere razonamiento sobre estados que cambian. Flujo no es viable.
Generación de informes mensuales → flujo
Cron mensual, extrae datos del CRM y GA4, genera Markdown con plantilla, envía por email. Predecible, barato, fiable. Meter agente sería overkill (y caro) sin ganancia real.
Investigación competitiva multi-paso → agente IA
Agente: "Investiga 10 competidores, encuentra su pricing, resume diferencias en tabla". Multi-paso, búsqueda web, síntesis. Requiere planificación adaptativa. Flujo no podría manejar variabilidad.
Cómo decidir agente o flujo para tu caso concreto.
¿Los inputs son uniformes o variables?
Si los inputs siguen una estructura predecible (siempre PDF de facturas con campos similares, siempre correos con asuntos categorizables), inclínate a flujo. Si son texto libre con cientos de variantes y contextos, inclínate a agente.
¿Hay respuesta única correcta o margen de interpretación?
Si para input X existe respuesta única correcta (extraer NIF de factura), flujo determinista lo resuelve. Si hay margen interpretativo razonable (responder pregunta de cliente), agente puede aportar.
¿Cuántas decisiones intermedias?
Procesos de 1-3 decisiones: flujo basta. Procesos de >5 decisiones interdependientes donde cada una afecta a las siguientes: agente justifica su complejidad. Los agentes brillan en planificación, no en pasos secuenciales fijos.
¿Cuál es el coste de un error?
Error en clasificación de correo: bajo. Error en respuesta a cliente sobre cobertura legal: alto. A mayor coste de error, más necesario es flujo + validación humana, o agente con guardrails muy fuertes.
¿Qué volumen tienes?
<1.000 ejecuciones/mes: la diferencia de coste agente vs flujo es despreciable (~20-100 €/mes). >100.000 ejecuciones: la diferencia puede ser 1.000-10.000 €/mes. A más volumen, más presión para usar flujo donde sea posible.
¿Tienes capacidad para evaluación y observabilidad?
Agentes sin observabilidad continua fallan en silencio. Si no puedes invertir 4-8 horas/mes en revisar trazas y ajustar, mejor no meter agente — un flujo + LLM puntual es más mantenible.
En el 70% de casos pyme la respuesta correcta es híbrida.
La discusión "agente vs flujo" es a menudo falsa dicotomía. En proyectos reales montamos flujos deterministas con llamadas puntuales a LLM en los pasos donde el LLM aporta. Y reservamos agentes IA para casos donde el proceso completo requiere razonamiento adaptativo.
Ejemplo de arquitectura híbrida típica para una asesoría: (1) Flujo n8n recibe email entrante; (2) LLM puntual clasifica (¿es duda fiscal? ¿es factura? ¿es respuesta a cliente existente?); (3) según categoría, ruta a sub-flujo determinista (extracción de factura) o sub-flujo con agente (responder duda compleja consultando RAG); (4) resultado a humano para revisión si confianza < 0.85.
Esta arquitectura captura lo mejor: predictibilidad del flujo, coste contenido (la mayoría de pasos son determinismos baratos), y capacidad de razonamiento donde realmente aporta. Mantenibilidad mucho mayor que un agente monolítico.
A nivel de herramientas, en 2026 el stack típico es: n8n self-hosted o Make (orquestador), Claude/GPT para LLM puntual, agente con MCP de Anthropic para casos donde aplica, pgvector o Qdrant para RAG, Langfuse o Helicone para observabilidad. Si quieres montaje completo, Magnetia lo trabaja como parte del servicio de automatización IA.
Cinco errores típicos en la decisión agente vs flujo
Meter agente porque "está de moda"
El cliente quiere "un agente IA" sin pensar en qué problema resuelve. Resultado: agente que hace lo que un flujo de 50 € haría igual, pero por 500 €/mes. Sin caso de uso claro, no inviertas.
Querer flujo donde el problema es agéntico
Forzar n8n para resolver atención al cliente compleja con miles de variantes acaba en árbol de 200 ramas inmantenible. Hay problemas que un agente resuelve en 1/3 del código.
No considerar coste a escala
Agente funciona en demo con 50 ejecuciones/mes. Cuando pasa a producción con 50.000/mes, la factura de tokens dispara a 800-3.000 €/mes. Calcular coste por ejecución × volumen antes de decidir.
Agente sin tools bien definidas
Agente con 30 herramientas vagas falla. Agente con 5 herramientas precisas y bien documentadas brilla. Diseño de tools es 60% del trabajo de montar un agente.
No tener plan B humano
Tanto en flujo como en agente, casos críticos (cliente enfadado, decisión legal) deben escalar a humano. Sistemas IA en pyme deben asistir, no reemplazar — siempre humano en bucle para casos sensibles.
Dudas que nos hacéis llegar
¿Tu caso es agente, flujo o híbrido?
Reunión técnica con Marcos: revisamos tu proceso, evaluamos casos de uso y te decimos qué encaja. Sin sobreingeniería ni infraestimación. Cofinanciable con Kit Consulting IA si calificas.