Make Waves '26: el evento anual de Make, enfocado en llevar la IA a producción
Waves '26, realizado en Praga, reunió a más de 700 asistentes de distintos lugares del mundo para hablar concretamente de: automatización, IA y agentes.
La agenda giró en torno a una sola pregunta: qué hace falta para llevar la IA y la automatización de la demo a producción. Sesiones como Agent Architecture 101, centrada en los patrones que separan una demo de un sistema real, marcaron el tono de una edición menos enfocada en la novedad y más en la confiabilidad.
<<<Volvamos un paso atras: descubrí lo que fue Waves 2025>>>
El mensaje central: de la caja negra a la caja de cristal
El CEO de Make, Fabian Veit, abrió con un diagnóstico claro:
casi todas las empresas ya adoptaron IA,
pero pocas pueden explicar qué está haciendo.
La IA suele quedar atrapada en pilotos aislados y chats personales, mientras el gasto crece sin vincularse a resultados medibles.
Según Make, el problema no son los modelos, que ya son lo bastante capaces, sino la falta de visibilidad al escalar. Su propuesta es que, en la era de los agentes, cada solución, proceso y acción, la ejecute una persona o un agente, sea visible, tenga permisos y sea reversible.
La empresa sostiene tres convicciones:
- La mayor parte de las operaciones las ejecutarán agentes, con los equipos dando instrucciones y controlando la calidad del resultado.
- El chat será el lugar donde se construye. El lenguaje es la forma más rápida de crear y lo visual, la más rápida de entender. El lienzo pasa a ser el lugar donde se revisa y corrige lo que construyó un agente.
- Los experimentos deben madurar hasta convertirse en soluciones gobernadas, sin frenar la velocidad.
Todos los anuncios se organizaron en cuatro pilares: Discover, Build, Govern y Observe.
Anuncios de producto por tema
Agentes: orquestación, pruebas y aprobación humana
Make ahora ofrece dos formas de construir: a mano en el Scenario Builder o de forma agéntica, con Maia o con el agente que ya uses a través de MCP. En ambos casos el resultado es un escenario que puedes abrir, leer y modificar.
Las novedades para construir y probar son:
- Orquestación de agentes (disponible): un agente puede delegar tareas en un equipo de subagentes especializados, en lugar de cargar con decenas de instrucciones.
- Run up to a module (próximamente): probar un escenario hasta un módulo concreto reutilizando datos de ejecuciones anteriores, sin gastar operaciones en los pasos previos.
- Data pinning (próximamente): fijar y editar datos de prueba en cualquier módulo para validar un ajuste sin volver a ejecutar todo.
- Human in the loop (próximamente): pausar cualquier escenario para pedir aprobación desde Slack, Teams o la app móvil de Make.
<<<Nueva generación de AI Agents en Make: automatizá a escala empresarial>>>
IA: Maia ahora planifica, recuerda y corrige errores
Maia, el asistente de Make que construye automatizaciones mediante conversación, recibió cuatro mejoras disponibles desde el evento:
- Plan mode: antes de tocar el lienzo, Maia presenta su enfoque, los módulos y los supuestos, y verifica conexiones, capacidades de las apps y el acceso según tu plan. No construye nada hasta que lo apruebas.
- Memory: recuerda tus preferencias entre conversaciones, como las apps que usas o el nivel de detalle que prefieres.
- Entrada de imágenes: puedes pegar un diagrama o una captura de pantalla como punto de partida.
- Resolve error: analiza los datos de una ejecución fallida y propone una corrección que revisas antes de guardar.
<<<Make MAIA: asistente de IA que impulsa la automatización inteligente>>>
Integraciones y MCP: la capa de ejecución para agentes
Make no anunció conectores nuevos puntuales. Su apuesta en integraciones es una capa de ejecución: el punto donde las decisiones de un agente se convierten en acciones confiables sobre los más de 3.000 sistemas que conecta la plataforma. Tiene cuatro piezas:
- Knowledge (disponible): el contexto de la empresa centralizado en una única fuente para personas y agentes.
- Functions (próximamente): código que escribe el agente y que Make ejecuta con tus conexiones existentes, de forma visible en el lienzo y siempre igual.
- Endpoints (próximamente): acceso a sistemas a nivel de acción de API, no de app completa. Si el agente solo debe leer correos, solo podrá hacer eso.
- MCP toolboxes (próximamente): un conjunto cerrado de conexiones, escenarios, funciones y conocimiento para cada agente. Funcionan con Claude, ChatGPT y cualquier agente compatible con MCP, y cada llamada queda registrada a nombre de la persona que la hizo.
Gobernanza y observabilidad: control a escala
El principio base ya está vigente: un agente actúa en nombre de una persona, con su rol y sus conexiones, y cada llamada vía MCP se valida contra los permisos de su responsable en el momento de actuar.
En gobernanza se suman:
- Custom Roles (disponible): permisos definidos uno por uno, que heredan también los agentes de esa persona.
- Private Spaces (disponible): espacios para experimentos y credenciales que nadie más ve, incluidos los administradores.
- Políticas de organización y conexiones bloqueadas (próximamente): definir qué apps, endpoints y modelos de IA se pueden usar, con aplicación en tiempo de ejecución.
En observabilidad:
- Make Grid (disponible): un mapa en vivo de todo lo construido en Make, incluidos agentes y automatizaciones de otras plataformas, con búsqueda de texto completo sobre prompts y registros.
- Logs de auditoría para agentes y MCP (disponible): un registro inmutable de cada cambio, lo haga una persona, un agente o un cliente MCP.
- Suscripción a eventos (disponible): alertas inmediatas, incluso cuando un agente termina una ejecución con errores.
- Evaluaciones de agentes y gasto en IA (próximamente) y soporte para OpenTelemetry (más adelante).
<<<Make Grid: centraliza tu ecosistema de automatizaciones con gobernanza>>>
Process Intelligence: decidir qué automatizar con datos
Make Process Intelligence, impulsado por tecnología de Celonis, busca reemplazar la intuición por evidencia al priorizar automatizaciones. Combina Task Mining, que detecta trabajo manual en escritorio y navegador que no deja rastro en los sistemas, y Process Mining, que mapea cómo funcionan realmente los procesos, incluidos los agentes. Ambos están en lista de espera.
MakeOS: el producto que integra todo
El cofundador y CTO Patrik Šimek presentó MakeOS, el nuevo producto donde, según Make, los agentes hacen el trabajo de la empresa de forma confiable. Sus promesas son:
- Ver cada agente, en qué trabaja, cuánto cuesta y quién es responsable.
- Sugerir dónde conviene IA y dónde automatización fija, para controlar el gasto en tokens.
- Bloquear a un agente que intente exceder sus límites, consultar a una persona y registrar el intento.
- Compartir agentes y automatizaciones entre áreas sin compartir los datos.
Qué cambia para los usuarios y qué conviene probar primero
Lo primero que hay que saber es que tus escenarios actuales siguen funcionando. Ningún anuncio obliga a reconstruir lo que ya opera bien.
Un orden práctico para empezar:
- Prueba Maia con Plan mode sobre un proceso que ya conoces. Antes de pedirle que construya, define qué debe pasar en el caso exitoso y en las excepciones. Luego compara el plan con esos criterios.
- Ordena permisos con Custom Roles y Private Spaces. Como los agentes heredan los permisos de su responsable, esta es la base de cualquier estrategia de agentes.
- Usa Make Grid y los logs de auditoría para inventariar qué tienes construido y quién lo modifica.
- Anótate en las listas de espera de MakeOS y Process Intelligence si tu empresa evalúa escalar agentes.
Para las funciones que llegarán, como Human in the loop o las MCP toolboxes, no las conviertas en dependencias de un proyecto con fecha de entrega. Sí puedes prepararte desde ahora:
- Identifica qué acciones requieren aprobación humana en tus procesos críticos.
- Define qué sistemas y acciones debería poder usar cada agente.
- Establece métricas de éxito: tareas completadas, correcciones necesarias, tiempo de supervisión y costo total.
Conclusión
Waves '26 marcó un cambio de foco en Make: de ayudar a construir automatizaciones a ayudar a supervisar el trabajo que hacen los agentes. El concepto de caja de cristal ordena todos los anuncios: visibilidad con Grid y auditoría, control con roles y políticas, y confiabilidad con la capa de ejecución.
Parte de esa visión ya se puede usar y otra parte sigue en la hoja de ruta. La recomendación es avanzar con lo disponible sobre procesos acotados y medibles, y preparar la gobernanza para cuando lleguen las funciones anunciadas.