La idea de que hace falta pagar una API de OpenAI o una suscripción mensual para tener un agente de Inteligencia Artificial funcional ya no es del todo cierta. En 2026, cualquier usuario con un portátil corriente puede montar un agente sencillo para resumir documentos, responder sobre archivos, automatizar pequeñas tareas o encadenar acciones básicas sin necesidad de empezar gastando dinero. La combinación de modelos abiertos, herramientas locales y capas gratuitas en la nube ha madurado lo suficiente como para que esa puerta de entrada ya sea real.
Lo primero que conviene aclarar es qué es un agente. No es solo un chat que responde preguntas. Un agente usa un modelo como cerebro, pero además puede seguir un flujo, usar herramientas y ejecutar pasos para cumplir un objetivo. Langflow, una de las opciones más accesibles para empezar, se define precisamente como un framework open source para construir aplicaciones de IA con soporte para agentes y para el Model Context Protocol, además de un editor visual pensado para prototipar flujos sin obligar al usuario a casarse con un único proveedor de modelos.
La forma más fácil de empezar para la mayoría de usuarios es hacerlo en local con Ollama. Su documentación oficial indica que funciona en Windows 10 22H2 o superior, expone su API en http://localhost:11434 y no requiere autenticación cuando se usa de forma local. Además, Ollama ofrece compatibilidad con la API de OpenAI y deja disponible una interfaz suficientemente estándar como para conectarla después con otras herramientas. Eso significa que el usuario puede ejecutar un modelo en su propio equipo y construir encima de él sin depender de una nube externa desde el primer minuto.
La elección del modelo también importa, pero aquí el panorama ya es mucho más amable que hace uno o dos años. En la librería oficial de Ollama, Qwen2.5 7B aparece con un tamaño de 4,7 GB, mientras que Mistral 7B figura con 4,1 GB. Eso no convierte a cualquier portátil en una estación de trabajo de IA, pero sí demuestra que ya es viable probar cosas útiles sin hardware de laboratorio. Para muchos usuarios, un modelo de este tamaño basta para resumir textos, reescribir contenido, responder sobre documentos o actuar como base de un agente simple.
La receta fácil sería algo así: instalar Ollama, descargar un modelo mediano y ejecutarlo. Después, encima de eso, añadir Langflow para crear el flujo visual del agente. No hace falta entender todos los conceptos a la primera. Basta con pensar en bloques: entrada del usuario, modelo, memoria y herramienta. Langflow está diseñado exactamente para eso: crear, probar y compartir flujos como representaciones funcionales de una aplicación.
Para quien no quiera descargar modelos ni dedicar espacio en disco, la alternativa es apoyarse en capas gratuitas en la nube. Groq mantiene una free tier y su documentación de facturación distingue claramente entre esa capa gratuita y la Developer tier, que ya exige un método de pago para subir de nivel. No es una plataforma pensada para uso ilimitado, pero sí sirve para prototipos, agentes personales ligeros o pruebas rápidas.
También está OpenRouter, que ofrece un router gratuito llamado openrouter/free. Su documentación explica que selecciona automáticamente modelos gratuitos compatibles con la petición y filtra por capacidades como tool calling, image understanding o structured outputs. Además, la colección pública de modelos gratis deja claro que OpenRouter sigue ampliando esta oferta, aunque sin garantizar que la disponibilidad futura sea siempre la misma. Es una opción muy útil para probar varios modelos sin atarse a un único proveedor.
Google también sigue ofreciendo entrada gratuita mediante Google AI Studio y la Gemini API, con una free tier reflejada en su documentación oficial de precios. Esto resulta interesante para quien quiera experimentar sin instalar nada o probar tareas multimodales, aunque con la contrapartida evidente de que los datos ya no se quedan solo en el equipo del usuario.
La gran ventaja de este nuevo escenario no es solo el ahorro. Es la flexibilidad. Si el usuario empieza con Ollama y después quiere cambiar a Groq, OpenRouter o Google AI Studio, muchas piezas del flujo pueden mantenerse. Y si prefiere algo más visual, Langflow sigue siendo una de las rutas más amables. Para quienes ya necesitan automatización más seria, n8n sigue ofreciendo una edición Community gratuita para self-hosting, aunque su propia documentación advierte de que desplegarlo bien requiere algo más de experiencia en servidores y seguridad.
Eso sí, gratis no significa perfecto. Los modelos locales consumen espacio y recursos. Las capas gratuitas en la nube tienen límites. Y un agente sencillo no sustituye a una arquitectura más robusta cuando se quieren flujos complejos, muchos pasos o tareas críticas. Pero para la mayoría de usuarios que solo quieren empezar, entender el concepto y montar algo útil en casa, la barrera de entrada ya ha caído mucho. Lo difícil ya no es instalarlo. Lo difícil es decidir qué quieres que haga tu agente y escribir instrucciones lo bastante claras para que el modelo, especialmente si es pequeño, pueda seguirlas bien.
La combinación más fácil para empezar hoy
Para un usuario generalista que quiera probar sin gastar dinero, la combinación más razonable ahora mismo es Ollama + Qwen2.5 7B + Langflow. Ollama pone el modelo en local, Qwen2.5 7B ofrece un tamaño asumible para muchos equipos, y Langflow permite convertir ese modelo en un flujo de agente sin empezar programando una aplicación completa. Si el ordenador se queda corto, el siguiente paso natural sería mantener Langflow y cambiar el backend por Groq o OpenRouter.
Preguntas frecuentes
¿Se puede crear un agente de IA sin pagar OpenAI?
Sí. Puedes usar modelos locales con Ollama o capas gratuitas de servicios como Groq, OpenRouter o Google AI Studio.
¿Hace falta saber programar?
No necesariamente. Langflow está pensado para crear flujos visuales de IA y agentes sin empezar desde código puro.
¿Qué modelo local es bueno para empezar?
Qwen2.5 7B y Mistral 7B son dos puntos de partida razonables en la librería oficial de Ollama.
¿Qué pasa si mi ordenador no puede moverlo bien?
Entonces suele ser mejor usar Groq, OpenRouter o Google AI Studio y dejar el modelo en la nube.
¿Es mejor local o en la nube?
Para privacidad, local suele ser mejor. Para comodidad inicial y más velocidad, la nube gratuita puede ser más sencilla. Esa comparación es una inferencia práctica basada en cómo funcionan Ollama y las capas free de los otros servicios.
