Lo que Make y Zapier hacen perfecto
Cuando el evento es claro (“entra fila nueva en Sheets”, “se cierra una oportunidad en HubSpot”, “llega un evento webhook de Stripe”) y la acción es clara (“crea registro en Airtable”, “manda Slack al canal X”, “suma fila en Notion”), Make y Zapier son la respuesta correcta. Tienen los conectores oficiales, el modelo de reintentos, el historial de ejecuciones y el editor visual que un equipo de operaciones puede mantener sin pedir hora a IT.
- Disparadores programados o por evento webhook con SaaS conocido.
- Transformaciones predecibles entre campos estructurados.
- Notificaciones, sincronizaciones y “pegamento” entre herramientas con APIs estables.
- Procesos cuya lógica cabe en un diagrama de bloques sin ramas difusas.
Para todo eso, montar un agente IA es ingeniería de más. Make o Zapier resuelven en una tarde, lo mantiene el equipo de operaciones y nadie tiene que justificar coste de IA.
Dónde la IA cambia las reglas
El cambio aparece cuando la entrada deja de ser una fila y pasa a ser un correo de cliente, un PDF de proveedor, un albarán escaneado o un hilo de WhatsApp. Make puede mover el adjunto al sitio correcto; no puede leerlo, entender el contexto del cliente y decidir si la respuesta entra en política o requiere a una persona.
- Extraer líneas de pedido de un PDF que cada cliente envía con un formato distinto.
- Clasificar correos entrantes por intención y derivarlos al equipo correcto con resumen.
- Responder consultas internas citando la documentación de SharePoint o Confluence.
- Detectar excepciones y derivar con contexto, no con un “fallo en paso 4”.
Aquí un escenario con condicionales acaba en cien ramas que nadie mantiene. El agente lee, decide y deja trazabilidad — y cuando duda, deriva a una persona en vez de inventar.
Cuándo combinarlos
En la práctica, la respuesta suele ser “los dos”. Make o Zapier siguen siendo el transporte — reciben el evento webhook, mueven el archivo, escriben el resultado en el sistema final — y el agente IA hace la parte cognitiva en medio: entender el documento, decidir el destino, redactar la respuesta. Mantienes la observabilidad y el editor visual que tu equipo ya conoce, y el agente entra solo donde aporta criterio.
Es también un buen patrón para empezar pequeño: aprovechas la automatización que ya tienes, añades el agente como un paso más y mides el delta antes de rediseñar el flujo entero.
El coste real cuando crece el volumen
Make y Zapier facturan por tarea u operación. Funcionan a precios razonables cuando los volúmenes son moderados; a partir de cierto umbral, el precio sube con cada paso de cada ejecución y la cuenta sorprende. Un agente IA propio tiene un coste de modelo más estable y se optimiza por flujo (caché, agrupación de operaciones, modelo más pequeño donde basta).
Hay otro coste menos visible: el mantenimiento. Cuando el flujo empieza a tener veinte ramas para cubrir casos que la IA cubre con criterio, el editor visual deja de ser un activo y se convierte en una deuda. El criterio para decidir no es ideológico — es mirar cuántas excepciones nuevas aparecen al mes y cuánto cuesta añadirlas.