Relevance AI

¿Qué es Relevance AI?

Relevance AI es una plataforma empresarial multiagente. Permite a los equipos crear, desplegar y gestionar agentes de IA y sistemas multiagente —lo que la empresa denomina una "AI Workforce"— sin necesidad de ingeniería dedicada para cada despliegue. El público principal son los equipos de go-to-market: ventas, marketing, revenue ops y customer success.

El producto principal tiene tres capas. Primero, agentes de IA individuales que pueden equiparse con herramientas (integraciones, llamadas API, recuperación de conocimiento, acciones en el navegador). Segundo, Workforces: lienzos visuales de orquestación donde varios agentes especializados trabajan juntos en tareas complejas, cediéndose el trabajo entre sí automáticamente. Tercero, una capa de gobernanza y observabilidad que cubre escaladas con supervisión humana, evaluaciones de agentes, controles de acceso y registro de auditoría.

La etiqueta de categoría en la caja dice "creador de flujos de trabajo con agentes de IA". Eso lo infravalora y lo encuadra ligeramente mal. Se trata de una plataforma multiagente con la automatización de flujos de trabajo como una de sus capacidades, no una herramienta de flujos de trabajo a la que se le añadió algo de IA. La distinción importa a la hora de evaluar si el producto encaja con tu problema real.

¿Cómo funciona Relevance AI?

El punto de partida es la creación de agentes. Relevance AI ofrece tres vías: Invent (describes lo que quieres en lenguaje llano y la plataforma construye el agente), un creador no-code de arrastrar y soltar, y acceso programático basado en MCP para ingenieros que usan Claude Code u otras herramientas similares.

Invent es la más interesante de las tres. Describes un agente —por ejemplo, "investiga nuevos leads entrantes de HubSpot, puntúalos según nuestro ICP y redacta un correo de contacto personalizado"— y la plataforma genera la estructura del agente, selecciona las herramientas relevantes y conecta las integraciones adecuadas. Aquí es donde muchos usuarios quedan enganchados en las primeras demostraciones. Crear el primer agente resulta sorprendentemente rápido.

A partir de ahí, los agentes se equipan con Tools —integraciones ya creadas para HubSpot, Salesforce, Gmail, LinkedIn, Apollo, Gong, Slack y cientos más— o conectores API personalizados para lo que no esté en la biblioteca nativa. Las bases de conocimiento pueden conectarse a Google Drive, Notion, SharePoint o Confluence, y se sincronizan automáticamente cuando cambian los documentos de origen.

Las Workforces son donde la plataforma se gana su posicionamiento empresarial. En un lienzo visual, un agente Lead Researcher alimenta a un agente Lead Scoring, que a su vez alimenta a un agente Outbound Sender, todo activado automáticamente cuando un nuevo contacto llega a un CRM. Cada agente gestiona su especialidad; la workforce gestiona las transferencias. Las personas supervisan la workforce, no cada tarea individual.

El modelo de ejecución incluye algunos controles críticos: disparadores programados (para que los agentes se ejecuten según horarios cron sin intervención humana), disparadores por eventos de CRM y plataformas de mensajería, y puertas de escalada con supervisión humana que se activan cuando un agente toma una decisión de baja confianza. También hay un Activity Center central donde se registra y se puede ver cada tarea, coste, resultado y escalada.

En la práctica, esto significa que no solo estás creando automatización, sino construyendo una operación supervisada. Los agentes actúan de forma autónoma, pero la infraestructura de supervisión te mantiene al control de lo que hacen y de lo que cuesta.

Características principales

• Invent y el creador no-code. La vía no-code es realmente utilizable por operadores sin conocimientos técnicos. Los expertos de dominio en ventas u operaciones de marketing pueden crear y desplegar agentes sin abrir tickets de ingeniería. Ese es el verdadero desbloqueo aquí: el producto está diseñado para la persona más cercana al problema, no para la más alejada de él.
• Orquestación de Workforce. Las herramientas de un solo agente están por todas partes. Una plataforma que coordina varios agentes especializados con transferencias fiables es más rara y difícil de construir. La capa Workforce de Relevance AI es su diferenciador arquitectónico más claro. Cuando un flujo de trabajo requiere investigación, puntuación, enriquecimiento y contacto en secuencia a través de distintos sistemas, un solo agente no basta.
• Enrutamiento de modelos independiente del LLM. Los agentes no están atados a un único proveedor de modelos. GPT, Claude, Gemini: eliges por agente, o por tarea, según coste y rendimiento. La plataforma muestra evaluaciones de modelos por agente para ayudar a los equipos a identificar el modelo más barato que supera su umbral de calidad. Para despliegues empresariales que ejecutan miles de tareas de agentes semanalmente, esto tiene relevancia comercial, no es solo un extra agradable.
• Evaluaciones de agentes. Los expertos de dominio definen qué aspecto tiene "bueno" mediante pruebas de escenarios. La plataforma ejecuta esas evaluaciones antes del despliegue y de forma continua en producción, puntuando la salida del agente según los criterios que fija el equipo. Así es como se detecta la deriva de rendimiento antes de que se convierta en un problema de flujo de trabajo. El inconveniente: Evals está limitado a Enterprise. Los equipos en Team o inferiores no tienen acceso.
• Ecosistema nativo de disparadores. Los agentes pueden activarse desde eventos de CRM, correos entrantes, envíos de formularios, mensajes de Slack, webhooks o tareas cron programadas, sin necesitar una herramienta de orquestación aparte. Salesforce, Snowflake y Zendesk como disparadores de nivel Enterprise; WhatsApp y LinkedIn en Pro y superiores. Es una ventaja operativa real frente a herramientas orientadas a desarrolladores que exigen montar tu propia infraestructura de programación.
• Capa de conocimiento / RAG. Los agentes pueden consultar bases de conocimiento conectadas —documentos internos, wikis de la empresa, artículos de soporte— con sincronización automática cuando cambian los archivos de origen. Confluence se añadió en mayo de 2026, completando las principales integraciones de wikis internas. Para agentes de soporte al cliente o de investigación de cuentas que necesitan contexto específico de la empresa, esto importa.
• Pila de gobernanza. RBAC, SSO/SAML, registros de auditoría, enmascaramiento de PII, controles de residencia de datos y control de versiones con reversión. Solo para Enterprise, pero es una lista seria. La mayoría de herramientas de agentes ligeras se saltan la gobernanza por completo. Relevance AI la trata como un requisito de producto de primer nivel.

Configuración e incorporación

Llegar a un primer agente funcional es rápido, especialmente si partes de una plantilla del marketplace o usas Invent. El Marketplace contiene agentes preconstruidos para flujos de trabajo GTM habituales —cualificación de leads, enriquecimiento de CRM, investigación de cuentas, secuenciación de outbound— que se pueden clonar y personalizar. Para equipos con un punto de partida claro, esto comprime drásticamente el tiempo hasta el primer despliegue.

Llegar a un valor operativo real es otra historia. Configurar disparadores, conectar integraciones de CRM, definir la lógica de escalado, ajustar el comportamiento de los agentes y construir una Workforce que funcione de forma fiable en producción requiere atención sostenida. Los reseñadores de G2 señalan que la experiencia de incorporación resulta confusa en las primeras etapas, y varios usuarios describieron la densidad de la interfaz como abrumadora antes de que el sistema "haga clic".

El producto es realmente accesible para no ingenieros. Pero "accesible" y "sin fricción" no son lo mismo. Hay una inversión de configuración real, sobre todo para equipos que quieren flujos multiagente funcionando con datos en vivo y no con escenarios de prueba. Los clientes Enterprise reciben un gestor de cuenta dedicado y soporte de implementación personalizado, algo que probablemente importa más de lo que sugiere la documentación.

Los usuarios gratuitos no necesitan tarjeta de crédito ni tienen límite de tiempo, pero el tope de 200 acciones del plan gratuito y la asignación única (no renovable) de créditos de proveedor lo convierten, en la práctica, en un sandbox. Puedes explorar la interfaz y validar el concepto. Ejecutar algo significativo a volumen de producción requiere un plan de pago.

Casos de uso reales

El mejor encaje del producto está en los flujos de trabajo GTM de outbound con alto volumen de tareas, estructura repetible y criterios de calidad claros.

• Automatización de prospección outbound. Llegan nuevos leads desde HubSpot o Apollo. Un agente de investigación extrae datos de la empresa. Un agente de scoring los evalúa según los criterios del ICP. Un agente de contacto redacta correos personalizados. Un humano revisa y envía, o la Workforce envía automáticamente por encima de un umbral de confianza. Es el caso de uso estrella por una razón: se corresponde directamente con un cuello de botella operativo real.
• Cualificación de leads entrantes. El envío de un formulario web o un webhook de CRM activa un flujo de cualificación. El agente enriquece el contacto, lo puntúa según los criterios de cualificación y, o bien agenda una reunión, o bien lo dirige al SDR correspondiente. Qualified, uno de los clientes documentados de Relevance AI, atribuyó 7 millones de dólares en pipeline y más de 35 agentes en toda su organización GTM. Es una cifra curada por el proveedor, pero la lógica del flujo de trabajo está bien documentada y resulta estructuralmente creíble.
• Enriquecimiento de CRM. Los registros existentes en Salesforce o HubSpot se enriquecen con datos de LinkedIn, Apollo, Clearbit u otras fuentes de forma programada. No es un caso de uso llamativo, pero aporta un ahorro de tiempo constante a los equipos de operaciones.
• Investigación de cuentas y preparación de reuniones. Un agente de investigación previo a la reunión recopila información sobre la empresa del prospecto, noticias recientes, señales relevantes y contactos clave, formateada y entregada antes de que el comercial entre en la llamada. Autodesk usó Relevance AI para una versión de esto en toda su organización GTM, según su caso de estudio publicado.
• Recuperación de conocimiento interno. Agentes de soporte, gestores de cuenta o personal de operaciones que consultan documentación conectada. La capa RAG (conectada a Confluence, Notion, SharePoint, Google Drive) resulta realmente útil para equipos con wikis internas densas.

Para lo que el producto no está bien preparado: automatización de navegador, asistencia de codificación, síntesis de investigación profunda o flujos de trabajo centrados en voz. El enfoque GTM es real, y el producto lo refleja.

¿Para quién es mejor Relevance AI?

• Equipos de GTM y revenue ops en empresas de tamaño medio a grande que manejan suficiente volumen de flujo de trabajo para justificar tanto el coste como la inversión en configuración. Si tu equipo de SDR investiga manualmente 200 leads a la semana, hay un caso convincente para automatizarlo. Si tu equipo hace 20, las cuentas no salen.
• Responsables de operaciones que necesitan un despliegue de IA gobernado. La pila de gobernanza —RBAC, SSO, registros de auditoría, enmascaramiento de PII— importa a empresas donde TI, legal o cumplimiento deben dar el visto bueno antes de que la IA toque datos reales de clientes. Es una de las pocas plataformas no-code donde esa conversación es viable.
• Fundadores AI-first y profesionales de RevOps que construyen infraestructura interna de agentes. La plataforma recompensa a quienes quieren diseñar flujos de trabajo, no solo consumirlos. Si tienes un problema operativo claro y la paciencia para configurar una solución adecuada, la profundidad está ahí.
• Ingenieros de GTM que quieren una capa de plataforma gestionada en lugar de construir infraestructura multiagente desde cero. El soporte MCP y el acceso programático la hacen extensible sin que los ingenieros tengan que ser dueños de toda la pila.

¿Quién debería evitar Relevance AI?

• Operadores autónomos y freelancers que necesitan automatización ligera a bajo coste. El plan Pro a 19 $/mes parece accesible, pero la profundidad de la plataforma genera una sobrecarga de adopción difícil de justificar para un flujo de trabajo de una sola persona. Herramientas más simples sirven mejor a este usuario.
• Equipos con necesidades de automatización irregulares o puntuales. La estructura de coste basada en suscripción más acciones está pensada para un despliegue continuo y de alto volumen. Si necesitas automatización para una campaña o proyecto puntual y luego paras, las cuentas no cuadran.
• Equipos muy técnicos que quieren control total de la infraestructura, costes transparentes y sin tope basado en uso. n8n o LangGraph ofrecen más libertad arquitectónica a menor coste, a cambio de requerir bastante más tiempo de ingeniería.
• Compradores que necesitan claridad de precios antes de una llamada comercial. El precio Enterprise no está publicado. Los equipos que evalúan Relevance AI para despliegues mayores no pueden calcular el coste total de propiedad sin una conversación comercial. Si ese tipo de opacidad es un obstáculo en tu proceso de compra, prevé fricción.
• Equipos fuera de GTM que necesitan funcionalidad de agentes muy especializada —agentes de codificación específicos, agentes de voz de nivel producción o automatización de navegador compleja—. La plataforma está construida ante todo para revenue operations. Otros casos de uso son posibles, pero quedan más alejados del centro de gravedad del producto.

Puntos fuertes

• Control por parte de los expertos de dominio sin depender de ingeniería. Lo más importante operativamente en Relevance AI es que los líderes de operaciones y ventas pueden crear y desplegar agentes sin abrir un ticket de ingeniería por cada cambio. Eso no es poca cosa. La mayoría de plataformas de agentes requieren la implicación de ingeniería en cada paso de la configuración. Relevance AI está diseñada explícitamente para invertir eso. Que lo cumpla del todo depende del flujo de trabajo, pero la arquitectura está construida en torno a ello.
• Orquestación multiagente que realmente funciona en producción. La coordinación multiagente a nivel de Workforce es difícil de construir de forma fiable. La mayoría de plataformas la ofrecen como concepto. Relevance AI la lanza como una función de producción con un creador visual, soporte de ejecución en paralelo y una lógica de transferencia que los expertos de dominio pueden configurar. Es una ventaja arquitectónica significativa frente a las herramientas de un solo agente.
• Enrutamiento de coste de LLM. Ejecutar agentes a escala se vuelve caro rápidamente. La capacidad de probar modelos por tarea de agente, identificar el modelo más barato que supera un umbral de calidad y enrutar en consecuencia es el tipo de función que ahorra dinero real a volumen. También es una señal de cómo la plataforma piensa los despliegues empresariales: el coste es una preocupación de primer nivel, no un añadido tardío.
• Gobernanza integrada, no añadida a posteriori. RBAC, SSO, registros de auditoría, enmascaramiento de PII, control de versiones con reversión: la pila de seguridad empresarial está documentada, certificada SOC 2 Tipo II y disponible. Esto importa a empresas donde TI o cumplimiento deben aprobar el despliegue de IA antes de que toque datos reales de clientes.
• Ritmo de desarrollo reciente rápido. El registro de cambios muestra una entrega constante de funciones —sincronización con Confluence, app para Android, monitorización de observabilidad en producción, controles de disparadores—, todo en 2026. La plataforma se está construyendo activamente, no solo manteniendo.

Puntos débiles

• El salto de precio entre Pro y Team es brutal. Pasar de 29 $/mes (Pro) a 349 $/mes (Team) supone un salto de aproximadamente 12 veces, principalmente por más puestos de usuario, más acciones y acceso a agentes de llamadas. Los equipos que superan dos usuarios de creación se topan de golpe con este muro. No hay una transición gradual entre 29 $ y 234 $ con facturación anual. Falta ese nivel intermedio, y los compradores que no necesitan las funciones Enterprise pero han superado Pro quedan en una posición incómoda.
• La gobernanza está restringida a Enterprise, pero las necesidades de gobernanza no esperan a la escala Enterprise. SSO, RBAC y registros de auditoría están bloqueados en el nivel Enterprise, que exige una llamada comercial y precios personalizados. Una empresa de 50 personas con un requisito de cumplimiento legítimo no puede comprar funciones de gobernanza a un precio transparente. Es una carencia estructural, y obliga a los compradores que la necesitan a entrar en un proceso comercial antes de haber evaluado el producto en profundidad.
• El nivel gratuito es una demo, no una prueba. Doscientas acciones al mes y una asignación única y no renovable de créditos de proveedor no dan a un equipo real una ventana significativa para evaluar flujos de trabajo de nivel producción. El nivel gratuito demuestra la interfaz. No demuestra el valor.
• La fricción en la incorporación es real y está documentada. Los reseñadores de G2 señalan de forma constante una experiencia inicial confusa y una interfaz recargada. La profundidad de la plataforma —agentes, herramientas, workforces, evals, disparadores, bases de conocimiento, escaladas— es considerable, y la incorporación no parece guiar eficazmente a los nuevos usuarios a través de esa complejidad. Los equipos que no invierten tiempo por adelantado pueden abandonar antes de ver lo que la plataforma realmente puede hacer.
• El volumen de reseñas en G2 es escaso. Entre 20 y 50 reseñas verificadas no bastan para extraer conclusiones firmes sobre fiabilidad, calidad del soporte o comportamiento en casos límite a escala. La lista de clientes empresariales es real, pero los datos de experiencia de usuario obtenidos de forma independiente son limitados.
• La política de reembolsos supone un riesgo legítimo para los compradores anuales. Al menos un reseñador verificado de G2 señaló no poder obtener un reembolso prorrateado tras descubrir que el producto no encajaba con su caso de uso. Si te comprometes con un plan anual en una herramienta con una inversión de configuración considerable y luego descubres que un flujo de trabajo clave no funciona como esperabas, la salida sale cara.

Precios y planes

Relevance AI está pasando a un nuevo modelo de facturación basado en Acciones y Créditos de Proveedor desde el 1 de septiembre de 2025. Se cuenta una Acción cada vez que se ejecuta una Tool, incluidas las ejecuciones fallidas. Los Créditos de Proveedor cubren los costes de modelos de IA y herramientas, y Relevance AI afirma que traslada esos costes sin margen adicional.

Los usuarios gratuitos reciben 200 Acciones al mes y 1.000 Créditos de Proveedor al registrarse. Obtener más Créditos de Proveedor requiere pasar a una suscripción de pago. Los usuarios de pago también pueden aportar sus propias claves API para evitar por completo los Créditos de Proveedor, pero esta opción no está disponible en el plan gratuito.

Los planes de pago pueden comprar recargas antes de la renovación si se agotan. Las Acciones adicionales cuestan 80 $ por cada 1.000 Acciones, mientras que los Créditos de Proveedor cuestan 20 $ por cada 10.000 Créditos de Proveedor. Los Créditos de Proveedor se acumulan indefinidamente mientras la suscripción permanezca activa. Las Acciones incluidas en el plan se reinician en cada renovación, mientras que las recargas de Acciones compradas se trasladan al siguiente ciclo de facturación.

Relevance AI también hace un seguimiento del uso de concurrencia en Plan & Billing. La concurrencia mide cuántas tareas se ejecutan al mismo tiempo en toda una organización, no el consumo de créditos o acciones. Cuando un nivel de suscripción alcanza su límite de tareas concurrentes, las tareas adicionales se ponen en cola hasta que hay capacidad disponible.

Cómo se compara Relevance AI con sus alternativas

• Frente a Zapier: Zapier tiene una adopción mucho mayor entre pymes, una biblioteca de integraciones más amplia y precios más simples. Es la herramienta adecuada para equipos que necesitan automatizaciones lineales fiables de disparador-acción en aplicaciones comunes. No está diseñada para orquestación multiagente ni ofrece comportamiento de agente autónomo con controles de gobernanza. Relevance AI es más capaz para automatización GTM compleja; Zapier es más accesible para todo lo demás.
• Frente a n8n: n8n es open source, autoalojado y no tiene tope de coste basado en uso. Para equipos de ingeniería que quieren control total y pueden asumir la sobrecarga de mantenimiento, n8n es posiblemente el camino más rentable hacia la automatización compleja de flujos de trabajo. Relevance AI es más sencilla para no ingenieros e incluye infraestructura gestionada y gobernanza, pero conlleva un coste de suscripción y un modelo de precios basado en consumo que n8n no tiene.
• Frente a Lindy: Lindy apunta a un objetivo similar —agentes de IA para operaciones empresariales—, pero se posiciona más hacia profesionales individuales y equipos pequeños. La incorporación es más sencilla y el precio es más bajo para usuarios individuales. Relevance AI ofrece una profundidad notablemente mayor en orquestación multiagente y gobernanza empresarial. La contrapartida es la complejidad y el coste.
• Frente a CrewAI: CrewAI es un framework open source orientado a desarrolladores para orquestación multiagente. Da a los equipos de ingeniería más libertad arquitectónica, pero requiere un esfuerzo de desarrollo considerable y no incluye plataforma gestionada, marketplace ni pila de gobernanza nativa. Relevance AI es la opción adecuada para equipos de operaciones que quieren controlar la lógica del flujo de trabajo; CrewAI es la opción adecuada para ingenieros que quieren controlar la infraestructura.

El argumento de Relevance AI —que es la alternativa empresarial a Claude Managed Agents, precisamente porque admite disparadores nativos, más de 1.000 conectores, gestión por parte de expertos de dominio y enrutamiento multi-LLM— es acertado en cuanto a dirección. La comparación es lo bastante justa como para resultar útil.

Veredicto final

Relevance AI es un producto serio. Eso no es un elogio tibio: mucho de lo que se vende a sí mismo como infraestructura empresarial de agentes de IA es, o bien una herramienta poco desarrollada, o un posicionamiento agresivo con un producto endeble detrás. Relevance AI tiene una profundidad arquitectónica real: orquestación multiagente que funciona, enrutamiento independiente del LLM con optimización de costes, una pila de gobernanza con la que los equipos de TI realmente pueden trabajar, y una base de clientes documentada que incluye a KPMG, Canva y Autodesk.

El producto resulta más convincente para equipos de GTM y revenue ops en empresas de tamaño medio y grande que tienen suficiente volumen de flujo de trabajo para justificar la inversión en configuración, un experto de dominio dispuesto a hacerse cargo de la configuración de agentes, y tolerancia presupuestaria para un nivel Tool que empieza en 234 $/mes. Si se cumplen esas condiciones, Relevance AI merece una evaluación seria.

El producto resulta menos convincente para equipos pequeños, operadores autónomos o cualquiera que quiera demostrar el valor antes de comprometerse a un coste significativo. El nivel gratuito es un sandbox. La incorporación no es tan fluida como sugiere la página de inicio. El salto de precio de Pro a Team obliga a un compromiso importante antes de que los equipos puedan acceder a las funciones que hacen a la plataforma verdaderamente potente.

La contrapartida principal es real: compras profundidad y gobernanza al precio de accesibilidad y transparencia de precios. Para el comprador adecuado, es la contrapartida correcta. Para el equivocado, es una lección cara.

Merece la pena probarla si eres un líder de operaciones GTM en una empresa con flujos de trabajo repetitivos de alto volumen y al menos un operador con capacidad técnica para hacerse cargo de la configuración. Merece la pena incluirla en la lista corta si la gobernanza empresarial es un requisito y necesitas una vía no-code para expertos de dominio. Merece la pena descartarla si quieres automatización sencilla, rápida y barata.

Preguntas frecuentes

¿Para qué se usa Relevance AI? 

Relevance AI la utilizan principalmente equipos de ventas, marketing y revenue operations para automatizar flujos de trabajo repetitivos de alto volumen: prospección outbound, cualificación de leads, enriquecimiento de CRM, investigación de cuentas y triaje de soporte al cliente. Permite a estos equipos crear agentes de IA autónomos y sistemas multiagente sin necesitar recursos de ingeniería para cada despliegue.

¿Cómo funciona Relevance AI? 

Los usuarios crean agentes de IA describiéndolos en lenguaje natural (modo Invent), usando un creador visual de arrastrar y soltar, o de forma programática vía MCP. Los agentes se equipan con herramientas de integración, se conectan a bases de conocimiento y se enlazan en Workforces multiagente en un lienzo visual. Las Workforces se ejecutan de forma autónoma mediante disparadores de CRM, tareas cron programadas o eventos entrantes, con puertas de escalada con supervisión humana para decisiones de baja confianza.

¿Quién debería usar Relevance AI? 

Equipos de GTM y revenue ops en empresas de tamaño medio y grande con alto volumen de flujo de trabajo, un experto de dominio dispuesto a hacerse cargo de la configuración de agentes, y presupuesto para un nivel Team o Enterprise. Encaja mejor cuando hay un cuello de botella operativo concreto —cualificación de leads, secuenciación outbound, enriquecimiento de CRM— con volumen suficiente para justificar la inversión en configuración.

¿Cuáles son las principales alternativas a Relevance AI? 

Para automatización más simple y económica: Zapier o Make. Para flexibilidad open source y autoalojada: n8n. Para uso individual o de equipos pequeños con menos complejidad: Lindy. Para frameworks multiagente orientados a desarrolladores: CrewAI. La alternativa adecuada depende de si necesitas gobernanza, orquestación multiagente e infraestructura gestionada, o algo más rápido y barato para empezar.

¿Es Relevance AI lo bastante segura para uso empresarial? 

La plataforma está certificada SOC 2 Tipo II y cumple con el RGPD. Las funciones empresariales incluyen SSO/SAML, RBAC, registro de auditoría, enmascaramiento de PII y controles de residencia de datos. Estas funciones están restringidas al nivel Enterprise, que requiere una conversación comercial para conocer el precio.