RPA y un agente de AI se diferencian en una sola cosa: quién elige la ruta de ejecución, y cuándo. Con RPA, un humano elige la ruta en tiempo de construcción y el software la reproduce de forma idéntica para siempre. Con un agente de AI, el modelo elige la ruta en tiempo de ejecución a partir de un objetivo que declaraste. El modelo de costos, el modo de falla, el rastro de auditoría y la tolerancia al cambio se derivan todos de esa única diferencia — por eso “cuál es mejor” es la pregunta equivocada y “¿esta tarea contiene decisiones?” es la correcta.
Un agente de AI no es un bot de RPA más inteligente, y RPA no es un agente obsoleto. RPA tampoco es AI en ninguna forma: un robot clásico no contiene modelo alguno. Es un script vinculado a selectores de UI, XPaths y object IDs en las pantallas de aplicaciones que ya tienes, más llamadas a API donde el proveedor las expuso. Hace clic donde le indicaste que hiciera clic. Un agente, en cambio, no tiene ruta fija que reproducir — lo que significa que puede manejar un caso que nunca anticipaste, y también hacer algo que nunca autorizaste.
Qué se deriva de esa única diferencia
La tolerancia al cambio corre en direcciones opuestas. RPA se rompe cuando la pantalla cambia: el proveedor publica una release, cambia un nombre de clase, el selector deja de resolver, el robot se detiene. Los agentes sobreviven a ese mismo cambio de UI y en su lugar derivan — el modelo lee la pantalla nueva, decide algo razonable y sigue en una dirección que nadie revisó. Estás eligiendo entre un sistema que se rompe de forma visible y un sistema que se dobla de forma invisible.
Los modos de falla están invertidos, y el diseño de QA también. Un robot roto lanza una excepción y cae en una cola; te enteras porque el conteo de ejecuciones llegó a cero. Un agente que falla produce un resultado completo, bien formado, seguro de sí mismo y equivocado, y reporta éxito. El monitoreo de uptime detecta el primero y es ciego al segundo. Si mueves un proceso de RPA a un agente y conservas el mismo monitoreo, no migraste el proceso — eliminaste la alarma.
La unidad de facturación pasa de capacidad a consumo. Un robot de RPA se licencia como un asiento de capacidad: rentas al trabajador y luego lo ejecutas cuanto quieras. Un agente se factura por lo que consume, así que una tarea que se volvió más compleja se vuelve más cara sin que nadie cambie una licencia. La varianza presupuestaria pasa de cero a ilimitada salvo que le pongas un tope.
El rastro de auditoría hay que reconstruirlo. Un script de RPA es su propio rastro de auditoría — la reproducción determinista significa que el código documenta exactamente qué pasó en cada ejecución, y por eso los procesos regulados de back-office se estandarizaron sobre él. Las acciones de un agente solo son reconstruibles si el proveedor registra el razonamiento junto a las acciones. Los registros de acciones por sí solos te dicen qué cambió, no por qué, y “el modelo decidió” no sobrevive a una auditoría.
La aritmética del costo
Microsoft publica ambos lados de este intercambio en una sola lista de precios, lo que la convierte en la comparación más limpia disponible. Verificado el 2026-07-26: Power Automate Premium cuesta $15 por usuario/mes e incluye desktop flows atendidos; Power Automate Process cuesta $150 por bot/mes para desktop flows no atendidos; Power Automate Hosted Process cuesta $215 por bot/mes con una VM gestionada por Microsoft. Copilot Studio cuesta $200/mes por 25,000 créditos. UiPath publica un nivel de entrada de Automation Cloud desde $25/mes y cotiza los robots no atendidos bajo solicitud.
La licencia del bot no atendido es fija, así que su costo por ejecución es simplemente $150 dividido entre tu conteo mensual de ejecuciones:
- 100 ejecuciones/mes → $1.50 por ejecución
- 1,000 ejecuciones/mes → $0.15 por ejecución
- 10,000 ejecuciones/mes → $0.015 por ejecución
Entonces mide el costo real por ejecución de tu agente sobre una muestra de casos reales — llámalo C — y el bot gana por encima de aproximadamente 150 / C ejecuciones al mes. Un agente cuya ejecución cuesta $0.15 alcanza el punto de equilibrio en 1,000 ejecuciones/mes; uno que cuesta $0.50 lo alcanza en 300. Por debajo de esos volúmenes la licencia fija del bot es la opción cara y la flexibilidad del agente es casi gratis. Muy por encima de ellos, usar un modelo para volver a derivar la misma ruta determinista miles de veces al mes es pagar por ejecución una decisión que ya estaba tomada.
Cómo decidir
Clasifica la tarea en dos ejes — cuánto varía la ruta y con qué frecuencia se ejecuta.
- Baja varianza, alto volumen (captura de facturas, sincronización de estatus, armado de reportes): RPA, o mejor, una integración por API. No compres criterio para una tarea que no lo tiene.
- Alta varianza, volumen bajo a moderado (manejo de excepciones, triage de contratos, research inbound): agente. La cola de excepciones es el costo que en realidad estás atacando.
- Alta varianza, alto volumen: el agente decide, el robot o la API ejecuta. Este es el patrón compuesto que se describe abajo.
- Baja varianza, bajo volumen: ninguno. Un humano haciéndolo 20 veces al mes sale más barato que cualquiera de las dos licencias.
La opción que los proveedores de ambos lados omiten: si el sistema destino tiene una API documentada, la capa de UI es un rodeo para una integración que podrías construir directamente. RPA existe en gran medida porque el software empresarial se publicó sin APIs. Busca una antes de rentar un robot que teclee en un formulario — y antes de rentar un modelo que haga lo mismo de forma más cara.
Se componen más de lo que compiten
La posición de los proveedores de ambos lados en 2026 es composición, no reemplazo. UiPath presenta su plataforma como agentes, robots y personas coordinados por una capa de orquestación llamada Maestro, junto con Agent Builder y Autopilot, y resume la división del trabajo como que los agentes piensan, los robots hacen y las personas dirigen. Automation Anywhere vende un sistema de Agentic Process Automation que orquesta agentes basados en objetivos, bots de RPA, APIs y aprobaciones humanas en conjunto, y se mantuvo como Leader en el Gartner Magic Quadrant for RPA de 2026.
Léelo como un patrón de diseño y no como marketing: el modelo es bueno decidiendo qué debe pasarle a un caso dado y malo ejecutando las mismas pulsaciones de teclas de forma confiable 10,000 veces; el robot es lo inverso. Pon el criterio en el agente, la repetición en el robot o la API, y la compuerta de aprobación entre ambos.
Preguntas de diagnóstico para un proveedor
Estas separan a un agente real de un producto de RPA con un modelo de lenguaje al frente — un conjunto distinto del de AI agent para ops, que evalúa la autonomía en general y no la decisión de migración.
- ¿La ruta de ejecución se fija en tiempo de construcción o se elige en tiempo de ejecución? Esta es toda la pregunta. Lo demás es detalle.
- Ejecuta el mismo input dos veces — ¿obtengo la misma ruta? Rutas idénticas significan que estás comprando RPA. Eso está bien comprarlo, a precio de RPA.
- ¿Maneja la UI o la API? Los productos que operan sobre la UI heredan el perfil de ruptura de RPA sin importar lo que haga el modelo.
- ¿Cuál es la unidad de facturación — bot, ejecución o token? La respuesta dice qué presupuesto absorbe un proceso que se vuelve más complejo.
- Cuando la aplicación destino publica un cambio de UI, ¿qué se rompe y quién lo arregla? “No se rompe nada” no es una respuesta; pregunta qué hace el modelo cuando la pantalla ya no coincide.
Errores comunes
Reemplazar RPA que funciona porque RPA suena anticuado. Un robot que lleva tres años ejecutando un proceso estable, de alto volumen y sin criterio no es deuda técnica. Migrarlo compra varianza y un costo por ejecución más alto.
Protección: Migra solo los procesos donde la cola de excepciones — no la ruta feliz — es donde se va el trabajo. Si las excepciones son menos del 5% del volumen, deja el robot en paz.
Tratar la flexibilidad del agente como gratuita. La flexibilidad se cobra por ejecución, y los casos complejos cuestan más que los simples, así que la factura escala exactamente con los casos que adoptaste el agente para resolver.
Protección: Fija un techo duro de costo por tarea en la plataforma antes del go-live, y vuelve a medir el costo por ejecución sobre tráfico real a los 30 días, no sobre la muestra de la demo.
Conservar el monitoreo de la era RPA después del corte. Los dashboards de conteo de ejecuciones y uptime reportan a un agente que alucina como perfectamente sano.
Protección: Reemplaza los chequeos de uptime por revisión muestreada de salidas — un porcentaje fijo de ejecuciones completadas leídas por un humano cada semana — más una métrica de tasa de reversión que cuente con qué frecuencia un humano deshizo lo que hizo el agente.
Perder el rastro de auditoría determinista en un proceso regulado. Los procesos de Legal Ops y TA cubiertos por NYC LL 144, la EU AI Act o controles SOX internos necesitan mostrar qué se decidió y por qué.
Protección: Exige registros de decisión estructurados — insumos consultados, regla aplicada, qué se escaló — antes del corte, y conserva el robot determinista en el tramo regulado del proceso mientras el agente maneja la entrada y el triage a su alrededor.
Relacionado
- AI agent para ops — qué califica como agente y las pruebas de autonomía que aplicar a cualquier proveedor que diga tener uno
- El MCP server explicado — la alternativa por API a manejar una UI, y cómo los agentes se conectan a los sistemas sin selectores
- n8n y Make — la capa de workflow a la que la mayoría de los equipos de ops recurre antes que a RPA o a agentes
- GTM engineering — la disciplina que es dueña de esta decisión de construir o rentar en RevOps