La pregunta parece técnica y no lo es. Elegir entre Copilot Studio y Microsoft Foundry para construir un agente se resuelve con otra pregunta: ¿quién va a ser dueño de ese agente dentro de seis meses? Si la respuesta es alguien del área de negocio, es Copilot Studio. Si es un equipo de desarrollo con repositorio y despliegues, es Foundry.
Esa regla resuelve el 80% de los casos. El otro 20% merece detalle, y hay además un cambio de nombres que está confundiendo a medio mundo. Vamos por partes. Si prefieres verlo construido en vez de leído, el taller de creación de agentes inteligentes con Azure arma el agente completo en 4 sesiones y 11 horas, incluido el despliegue y la observabilidad.
Antes que nada: los nombres cambiaron
Azure AI Foundry pasó a llamarse Microsoft Foundry a partir del 1 de enero de 2026; el cambio se anunció en el Ignite de noviembre de 2025. Y lo que antes era Azure AI Agent Service hoy es Foundry Agent Service. Antes de eso, la misma plataforma se llamó Azure AI Studio en 2023.
Suena a trivia, pero te va a morder: la mitad de los tutoriales que vas a encontrar usan el nombre viejo y la otra mitad el nuevo, y en los foros parecen productos distintos. Son el mismo. Cuando busques documentación, prueba con los dos nombres.
Cuándo gana Copilot Studio
Copilot Studio es poco código y vive dentro de Microsoft 365. Su terreno natural es el agente interno que responde en Teams, consulta SharePoint y dispara un flujo de Power Automate. Lo construye alguien de RR.HH. o de operaciones en una tarde, sin pasar por TI.
- ▸El flujo está bien definido y cambia poco
- ▸Las fuentes son de Microsoft 365: SharePoint, Outlook, Teams, Dataverse
- ▸Quien lo mantiene no programa, y eso no va a cambiar
Donde se topa con pared es cuando el agente necesita llamar a una API propia con autenticación particular, orquestar varios agentes entre sí o correr algo asincrónico que dure minutos. Ahí empiezas a pelear con la herramienta.
Cuándo gana Microsoft Foundry
Foundry es la plataforma para desarrolladores: eliges el modelo, defines las herramientas, controlas la recuperación y embebes el agente en tu propia aplicación por API. Con Semantic Kernel o AutoGen armas la orquestación multiagente, y el despliegue va donde tú decidas, por ejemplo Container Apps.
Lo eliges cuando el agente es parte del producto, no una utilidad interna. También cuando la recuperación necesita trabajo fino: índices propios en Azure AI Search, filtros por permisos, reglas de negocio en la consulta. Ese tipo de control no existe en una herramienta de poco código, y está bien que no exista.
El costo se cuenta distinto en cada uno
Copilot Studio se consume con créditos de Copilot: pagas por interacción, con un paquete asignado a la organización. Foundry se factura por consumo de Azure, es decir por tokens de los modelos más lo que uses de cómputo, almacenamiento y búsqueda.
La consecuencia práctica: con Copilot Studio el costo es predecible y el techo lo pone la licencia; con Foundry el costo es variable y lo controla tu diseño. Un agente mal armado en Foundry, que manda todo el historial en cada llamada, puede costar cinco veces más que el mismo agente con el contexto recortado. No elijas por el precio de lista: elige por quién va a vigilar la factura.
El patrón que termina usando casi todo el mundo
En empresas medianas y grandes esto no termina siendo una elección, sino un reparto: Copilot Studio como la puerta de entrada en Teams, donde la gente ya está, y Foundry por detrás resolviendo lo que requiere lógica propia. El agente de Copilot Studio llama al de Foundry cuando la pregunta se pone seria.
Si tu primer agente va a ser un piloto para convencer a alguien, hazlo en Copilot Studio. Si va a quedarse en producción dos años, hazlo en Foundry desde el principio: migrar después cuesta más que empezar bien.
Lo que necesitas en los dos casos
Da igual la herramienta: si el agente toca datos de la empresa, alguien va a preguntar por identidad y secretos. Key Vault para las credenciales, RBAC para quién puede qué, y trazas para saber qué respondió el agente cuando un cliente reclame. Esa capa es la que separa un demo de algo que de verdad se puede poner frente a usuarios, y es también la parte que ningún tutorial de YouTube muestra.
El taller de agentes inteligentes con Azure cubre exactamente ese recorrido: panorama de Azure AI, fundamentos del agente, RAG y multiagente con AutoGen, y una sesión completa de despliegue y observabilidad con un mini-proyecto que te queda hecho. Si además quieres el fundamento de modelos detrás, está la Especialización en IA Generativa en Azure, y si vas por el certificado, la preparación para Azure AI Engineer.
Y si esto no es un experimento sino tu siguiente puesto, la ruta AI Agentic Engineer ordena todo el camino: arquitectura, memoria, evaluación y puesta en producción, con Azure como una de las plataformas y no como la única.
Una última cosa, por si estás por decidir esta semana: arma el mismo agente chiquito en las dos plataformas antes de comprometerte. Dos tardes te ahorran una migración.
Para seguir practicando con otros que están en lo mismo, en la Comunidad AI Builders hay un taller en vivo cada semana.


