Stack tecnológico de agencia 2026: HubSpot, Clay, n8n y LangGraph combinados

Un stack tecnológico de agencia para agentes de IA tiene seis capas: datos y CRM (HubSpot, Clay), orquestación y workflows (n8n, LangGraph), modelos, acción, observabilidad e integración de procesos. Los datos fluyen desde la captura, pasando por la orquestación, hasta la acción, y se monitorizan en todo momento. La arquitectura sigue esta lógica: comprar las capas estándar y construir solo en el nivel de agentes y workflows.

Este artículo describe un stack de referencia para 2026 pensado para una agencia de marketing impulsada por agentes de IA en Europa. Es deliberadamente sobrio: los nombres de las herramientas son intercambiables; la lógica de capas, no.

• Seis capas, una sola dirección de flujo: datos/CRM (HubSpot, Clay) → orquestación (n8n, LangGraph) → modelos (multiproveedor mediante gateway de modelos) → acción (HubSpot Breeze, canales salientes) → observabilidad (eval harness, logging), todo ello anclado en el proceso de negocio real (integración de procesos). Quien se salta una capa no construye un stack, sino una demo.
• Build vs. Buy se decide capa por capa: en el nivel de modelos y frameworks, casi siempre comprar; la lógica de agentes y workflows, construirla de forma selectiva. Reparto realista en la región DACH (Alemania, Austria y Suiza), según nuestra estimación: alrededor del 70 % comprado y el 30 % interno.
• Decide el alojamiento en la UE carga de trabajo por carga de trabajo: soberanía allí donde los datos personales o las cargas de trabajo de alto riesgo según el Reglamento de IA la justifican; de lo contrario, según nuestra estimación, pagas un sobrecoste que suele rondar el 30-50 % por un teatro de gobernanza en lugar de por una reducción del riesgo.

Las seis capas y cómo interactúan

Un stack de agentes no es una caja de herramientas, sino un pipeline. El valor se genera a lo largo de la cadena datos → orquestación → modelo → acción → monitorización. Cada capa tiene una tarea clara y lleva asociada una decisión estratégica.

1. Capa de datos y CRM. Aquí está la fuente de verdad. HubSpot es la plataforma de CRM y marketing más evidente para las agencias B2B que trabajan con pymes y, con los agentes Breeze (Customer Agent, Prospecting Agent, Data Agent en disponibilidad general), ofrece tanto el almacenamiento de datos como agentes ejecutores. Para enriquecer registros, es decir, datos de empresas, de contactos y de señales, Clay es la herramienta adecuada: encadena fuentes de enriquecimiento y pasos de LLM en pipelines de enriquecimiento. Según nuestra estimación, la mayoría de los errores de stack en las pymes de la región DACH surgen precisamente aquí, en el nivel de datos (capa L1), y no al elegir el modelo.

2. Capa de orquestación y workflows. Esta capa lo conecta todo y decide cuándo se ejecuta cada paso. n8n (motor de workflows fair-code bajo la Sustainable Use License, es decir, no es open source en el sentido de la OSI; se puede autoalojar y el proveedor tiene sede en Berlín) es el nivel determinista de workflows e integraciones: triggers, nodos, ramificaciones, cableado de HubSpot, Clay, las API de LLM y los sistemas internos. LangGraph (del ecosistema LangChain) se ocupa de la lógica no determinista de los agentes: agentes de varios pasos con estado, memoria, uso de herramientas y rutas condicionales. La regla práctica: n8n para procesos planificables y basados en reglas; LangGraph allí donde hace falta un verdadero razonamiento de varios pasos con memoria. Ambos frameworks orquestan; la elección depende de cuánta autonomía necesita cada paso.

3. Capa de modelos. Nuestra recomendación es clara: multiproveedor por defecto, y el lock-in con un único proveedor como riesgo estratégico. El patrón habitual es un proveedor principal (a menudo Microsoft Azure OpenAI o Anthropic a través de un partner cloud) más al menos un fallback, conectados mediante un gateway de modelos. Para cargas de trabajo relevantes en materia de soberanía, cuando de verdad es necesario, entran en juego opciones europeas como Mistral u ofertas soberanas como Aleph Alpha (fusión con Cohere acordada).

4. Capa de acción. Aquí se ejecuta: enviar, escribir, actualizar, escalar. Las herramientas típicas son los agentes HubSpot Breeze, los canales salientes y las llamadas a herramientas desde el propio agente. Que un equipo use de verdad los agentes depende de la UX y del diseño de las aprobaciones human-in-the-loop, más que del modelo que hay detrás.

5. Capa de observabilidad. Sin ella, el stack está ciego. Incluye eval harness, logging, monitorización y la supervisión de versiones y drift de los modelos. Los agentes de larga duración fallan de forma no determinista, a diferencia del software clásico; por eso, la monitorización no es un extra, sino un requisito para cualquier operación en producción.

6. Integración de procesos. La capa que suele faltar en las comparativas de herramientas: rediseño de workflows, rutas HITL y métricas que anclan el stack en el proceso de negocio real. No se puede comprar como producto y, en las pymes de la región DACH, suele ser la que menos inversión recibe.

Tabla de referencia: capa, opciones de herramientas, finalidad

Lo decisivo: los consejos de administración y los equipos invierten de más en L3 y L4 (las capas de las que habla la prensa) y de menos en L1 y L6, es decir, justo en las dos capas que realmente determinan el valor y que, a la vez, son las menos espectaculares.

Build vs. Buy por capa

La pregunta build vs. buy no es una postura global, sino una decisión por capa.

No construir (buy): modelos fundacionales y frameworks. La señal de mercado más clara la da Aleph Alpha, uno de los proveedores europeos de IA generativa más conocidos. La empresa abandonó en septiembre de 2024 el desarrollo de modelos fundacionales (su entonces CEO, Jonas Andrulis, vino a decir que «tener solo un LLM europeo no basta como modelo de negocio»). En septiembre de 2026, Cohere y Aleph Alpha firmaron el contrato definitivo de su fusión, que habían anunciado en abril de 2026; el cierre está sujeto a las autorizaciones regulatorias. Si la economía de construir modelos no sale a cuenta ni siquiera para un proveedor de modelos especializado con su propio equipo de investigación, mucho menos para una agencia. También se compran el CRM (HubSpot), el enriquecimiento de datos (Clay), el motor de workflows (n8n) y el framework de agentes (LangGraph): todas ellas capas estándar sin valor diferencial.

Construir de forma selectiva (build): la capa de agentes y workflows (L2/L4) y la integración de procesos (L6). Aquí está la verdadera creación de valor de una agencia: los workflows concretos, el diseño human-in-the-loop, las rutas de escalado, las métricas. Un reparto realista en las pymes de la región DACH, según nuestra estimación: alrededor del 70 % comprado (modelos, plataformas, agentes SaaS, servicios de integración) y el 30 % interno (las personas responsables de los casos de uso y de los resultados). La lógica de fondo: comprar lo que escala linealmente con el esfuerzo; mantener dentro lo que genera conocimiento institucional.

Ejemplo concreto: un agente de enriquecimiento de leads

Un workflow típico a través de todas las capas, como pseudoflujo:

```

1. Trigger (n8n): Nuevo contacto en HubSpot (webhook)
2. Enriquecimiento (Clay): enriquecer datos de empresa/señales → de vuelta a n8n
3. Razonamiento (LangGraph): un agente de varios pasos evalúa el encaje, investiga,
   redacta un mensaje personalizado (gateway de modelos: modelo principal,
   fallback en caso de timeout)
4. Human Gate (HITL): borrador enviado al account manager para su aprobación
5. Acción (HubSpot Breeze): tras la aprobación, iniciar la secuencia y escribir campos del CRM
6. Observabilidad: registrar tasa de aprobación de evals, tasa de escalado, coste por ejecución
   ```

Para el lado de los costes sirven como orientación algunos órdenes de magnitud aproximados del ámbito de la atención al cliente (estimación propia, no un estudio): el cómputo de LLM por conversación ronda los 0,10-1,00 € según el modelo, la longitud y el uso de herramientas, es decir, es la partida barata. Las partidas caras son la ingeniería/integración, la revisión human-in-the-loop (a menudo el 30-60 % del ahorro bruto) y la gestión del cambio. Trasladado al stack de agencia, esto significa que el dinero no está en la capa de modelos (L3), sino en L1, L4 y L6.

Nota sobre el RGPD y el alojamiento en la UE

La decisión sobre la soberanía de los datos debe tomarse carga de trabajo por carga de trabajo, no como una política general. Para datos personales y cargas de trabajo de alto riesgo según el Reglamento de IA, el alojamiento en la UE suele ser la opción de menor riesgo, por ejemplo con STACKIT, Plusserver, OVHcloud, IONOS, en la AWS European Sovereign Cloud o con la Microsoft EU Data Boundary. No es una obligación legal: las transferencias a terceros países necesitan una base conforme al capítulo V del RGPD, por ejemplo la decisión de adecuación relativa al EU-US Data Privacy Framework (cubre las transferencias a empresas estadounidenses adheridas al marco) o las cláusulas contractuales tipo del art. 46 del RGPD. El sobrecoste de la soberanía es real y, según nuestra estimación, suele situarse en un 30-50 % sobre los costes de infraestructura, a menudo unido a un retraso en capacidades frente a los principales proveedores estadounidenses. En cambio, para la productividad interna, la búsqueda de conocimiento y la creación de contenidos, la soberanía suele aportar poco: en ese caso, el sobrecoste paga más bien teatro que reducción del riesgo.

En cuanto un LLM externo trata datos personales por encargo, hace falta un contrato de encargado del tratamiento conforme al art. 28 del RGPD. Las cláusulas de no entrenamiento no son una obligación legal, pero deben figurar en todo contrato con un proveedor de LLM. En el plano regulatorio, es relevante lo siguiente: las obligaciones de transparencia del Reglamento de IA según el art. 50, por ejemplo para sistemas que interactúan con personas físicas, se aplican desde el 2 de agosto de 2026. Los sistemas generativos que ya estaban en el mercado antes tienen de plazo hasta el 2 de diciembre de 2026 para el marcado legible por máquina conforme al art. 50, apartado 2. El Ómnibus de IA (Reglamento (UE) 2026/1744) ha aplazado las obligaciones para sistemas de alto riesgo: para los sistemas del anexo III, al 2 de diciembre de 2027; para los del anexo I, al 2 de agosto de 2028. El art. 4 se aplica desde el 2 de febrero de 2025; desde el Ómnibus de IA, los proveedores y los responsables del despliegue deben adoptar medidas que fomenten la alfabetización en IA de su personal, sin tener que garantizar un nivel determinado. Esta información no sustituye al asesoramiento jurídico: la valoración concreta de un stack corresponde a tu propio equipo jurídico y de protección de datos.

Para agencias y equipos B2B

La ventaja competitiva en 2026 no está en la herramienta más brillante, sino en un cableado disciplinado de las capas y en una observabilidad honesta que permita al departamento financiero validar la contribución a la cuenta de resultados (P&L), no meras cifras de adopción. Blck Alpaca (Viena) construye exactamente estos stacks para agencias y equipos B2B de toda Europa: HubSpot/Clay/n8n/LangGraph integrados, estrategia de modelos multiproveedor con gateway de modelos, alojamiento en la UE justificado carga de trabajo por carga de trabajo y capa de evals y monitorización desde el primer día. Si quieres montar un stack de referencia para 2026 o consolidar uno existente (en lugar de pagar por 3-4 herramientas que se solapan), te damos una arquitectura sobria en lugar de un relato de proveedor, con una línea build vs. buy clara para cada capa y criterios de cancelación para los casos de uso que no rinden.