Agent Builder, el constructor visual de agentes que OpenAI presentó con AgentKit, deja de estar disponible el 30 de noviembre de 2026. Quedan días. Si armaste un flujo ahí y lo tienes atendiendo algo del negocio, esta semana es la semana de moverlo.
No es una sorpresa, aunque a mucha gente le va a agarrar mal parada: OpenAI anunció la deprecación el 3 de junio de 2026 y puso la fecha de apagado desde entonces. Los evals, de hecho, quedaron en solo lectura el 31 de octubre. ChatKit, la pieza de interfaz de chat, sí continúa. Lo que se va es el lienzo donde arrastrabas nodos.
La pregunta incómoda: ¿tenías un agente o un workflow?
Antes de elegir a dónde migrar, mírate lo que construiste. Si tu diagrama era una secuencia fija —llega un mensaje, se clasifica, se llama a una API, se responde— eso no es un agente. Es una automatización con un modelo adentro, y eso cambia por completo la herramienta a la que deberías mudarte.
Un agente decide el siguiente paso. Elige qué herramienta usar, reintenta, cambia de rumbo cuando algo falla. Si tu flujo nunca tomó una decisión que tú no hubieras podido dibujar de antemano, migrarlo a un framework de agentes es pagar complejidad por nada.
La mitad de los «agentes» que veo en producción son un if-else con buen marketing. Eso no es un insulto: suelen ser los que mejor funcionan.
Las tres salidas y cuándo conviene cada una
1. Agents SDK de OpenAI, si quieres quedarte en casa
Es la ruta que recomienda la propia OpenAI para lo que debe vivir como código. Ganas control de versiones, pruebas y despliegue de verdad; pierdes el lienzo visual y a la persona de negocio que editaba el flujo sin pedirle nada a TI. Para equipos con desarrolladores dentro, suele ser la migración más corta: los conceptos son los mismos, cambia la forma de escribirlos.
La otra opción que OpenAI sugiere son los Workspace Agents dentro de ChatGPT, para casos que se resuelven con lenguaje natural y no justifican un repositorio. Sirve para flujos de oficina, no para algo que atienda clientes.
2. n8n, si lo tuyo era conectar sistemas
Si el valor de tu flujo estaba en los conectores —Sheets, el CRM, WhatsApp, el correo— y el modelo solo decidía o redactaba, n8n es el reemplazo más directo. Mantienes el lienzo visual, sigues viendo la ejecución nodo por nodo, y además puedes autohospedarlo y dejar de pagar por ejecución. Automatización e Inteligencia Artificial con N8N cubre justo ese camino, y si tu caso es atención por chat, está el curso de agentes de IA para WhatsApp con n8n.
El pero honesto: autohospedar n8n es gratis en licencia, no en trabajo. Necesitas un servidor, respaldos y alguien que mire los logs cuando un flujo se queda colgado a las 2 de la mañana.
3. LangGraph o CrewAI, si de verdad necesitas decisiones
Cuando el flujo tiene que elegir rutas, recordar lo que pasó hace tres turnos, pedir aprobación humana en el medio y retomar donde se quedó, el lienzo visual se te queda corto rápido. Ahí entra LangGraph, que modela el agente como un grafo con estado y checkpointing, o CrewAI si tu problema se reparte mejor entre varios agentes con roles distintos. Los dos sueltan versiones cada pocas semanas: CrewAI publicó la 1.15.42 el 18 de noviembre y LangChain cerró la 1.5.0 el 11 de noviembre, así que fija la versión en tu proyecto y no dejes que un pip install te cambie el comportamiento un viernes.
Cómo elegir en diez minutos
Hazte estas preguntas en orden y la respuesta se cae sola:
- ▸¿Quién va a editar esto dentro de seis meses? Si es alguien de operaciones y no un desarrollador, necesitas lienzo visual: n8n.
- ▸¿El flujo decide o ejecuta? Si siempre hace los mismos pasos, es automatización. Si elige el camino según lo que encuentra, es un agente y quieres un grafo con estado.
- ▸¿Alguien tiene que aprobar algo en el medio? Eso se llama human-in-the-loop y es donde las herramientas visuales empiezan a quedarse cortas, salvo que uses los nodos de aprobación de n8n.
- ▸¿Dónde viven tus datos? Si la mitad del valor está en conectores a sistemas internos, la pregunta del framework es secundaria: gana el que ya habla con tus sistemas.
Un detalle de costo que casi nadie calcula antes: al pasar de un constructor gestionado a código propio, el gasto en tokens no cambia mucho, pero aparece el gasto de infraestructura y el de mantenimiento. Un agente en producción pide logs, alertas y alguien que los mire. Si tu flujo le ahorra dos horas semanales a una persona, hazte el número completo antes de montar un sistema que requiere media jornada de mantenimiento al mes.
Cómo migrar sin romper lo que ya funciona
- ▸Exporta y guarda el flujo actual, con sus prompts e instrucciones, antes del 30. Después del apagado no vas a poder volver a mirarlo, y los prompts afinados son el activo real, no el diagrama.
- ▸Anota 15 o 20 casos reales con su respuesta esperada. Es tu red de seguridad: si la versión migrada responde distinto, lo ves en diez minutos y no por un reclamo de un cliente.
- ▸Migra primero las herramientas, después la lógica. Las llamadas a APIs son lo que más se rompe en el cambio, y es lo más fácil de probar por separado.
- ▸Corre las dos versiones en paralelo unos días si puedes, aunque la nueva no responda a nadie todavía. Comparar salidas en frío vale más que cualquier demo.
Lo que esta movida deja claro, y creo que es la lección más útil del año: no construyas lo importante encima de un lienzo propietario que no puedes exportar. Las interfaces visuales de los proveedores de modelos van y vienen; tu lógica de negocio tiene que sobrevivirlas.
Hay una parte buena en todo esto, y la digo sin ironía: el ecosistema se está estandarizando. LangGraph, CrewAI, el SDK de agentes de OpenAI y el de Google hablan MCP, así que las herramientas que le escribes a un agente ya no se pierden cuando cambias de framework. Hace un año, migrar significaba reescribir todo; hoy significa reescribir la orquestación y conservar las piezas.
Si tienes que explicarle esto a tu jefe, el mensaje corto es: un proveedor retiró una herramienta visual, no la capacidad. El flujo sigue siendo posible; lo que cambia es dónde vive y quién lo mantiene. Y conviene aprovechar el viaje para dejarlo versionado, probado y con dueño, que era lo que faltaba desde el principio.
Qué aprender si te tocó migrar
Si esta migración te encontró improvisando, el problema no fue Agent Builder: fue que armaste agentes sin un marco para decidir. La ruta AI Agentic Engineer está hecha para eso — cuándo basta un workflow, cuándo necesitas un grafo con estado, cómo le pones memoria, herramientas, evaluación y control humano a algo que va a correr en producción. Es el salto de «hice un bot» a «sostengo un sistema».
Y si recién estás entrando a este mundo, no empieces por el framework más complejo. Mira el catálogo de cursos y arranca por n8n o por LangGraph según cómo pienses: visual o código. Las dos puertas llegan al mismo lugar.
Si te sirve hacerlo acompañado, en la Comunidad AI Builders tenemos un taller en vivo cada semana (desde 19 USD al mes) y migraciones como esta son exactamente el tipo de cosa que desarmamos en pantalla.



