n8n + IA: workflows inteligentes con nodos de LLM y agentes

Tiempo: unos 25 min de lectura + 40 min de práctica

Lo esencial

🎨 Imagínalo así: n8n es un LEGO visual para procesos de negocio. Cada bloque es una acción (obtener datos, enviar un correo, escribir en una base de datos). Antes los bloques eran tontos: tomaban los datos y los pasaban al siguiente según la instrucción. Ahora el juego trae un bloque inteligente con cerebro: un nodo de IA (un nodo es un bloque en el editor visual de workflows) con Claude o GPT. Este bloque no solo pasa los datos. Los lee, los entiende, toma decisiones y escribe datos nuevos. La cadena completa de bloques es un workflow (flujo de trabajo). Y cuando un bloque de IA entra a esa cadena, deja de ser simple automatización (cambiar trabajo manual por procesamiento automático) y se convierte en un agente (un programa ejecutor autónomo) que trabaja por ti las 24 horas.

Conceptos clave

• n8n (una herramienta de automatización visual): una plataforma de automatización de workflows con código fuente disponible (licencia fair-code, Sustainable Use License); la puedes instalar en tu propio servidor, a diferencia de Zapier (una plataforma de integraciones entre servicios), que solo funciona en la nube
• Nodo de LLM (LLM: modelo de lenguaje grande; nodo: un bloque o paso en el constructor visual): un bloque del workflow que envía datos a un modelo de lenguaje (Claude, GPT, Mistral) y recibe el resultado procesado
• Nodo AI Agent: Claude como orquestador (coordinador de varios pasos y herramientas) con acceso a herramientas: puede decidir por su cuenta qué herramienta llamar después
• Workflow (flujo de trabajo): el esquema visual de una automatización: disparador (el evento que inicia la automatización) → cadena de acciones → resultado final
• Webhook: la «puerta de entrada» para datos de fuera: una solicitud desde tu sitio, un evento del CRM, un mensaje de chat
• Autoalojamiento (self-hosting): n8n corre en tu servidor, todos los datos son tuyos, sin límites de tareas
• Supabase: una base de datos PostgreSQL como servicio; guarda los resultados de los workflows para historial y analítica
• Vender workflows a clientes: empaquetar esquemas listos como servicio llave en mano (respetando las condiciones de la licencia de n8n; ver abajo)

Teoría

n8n contra Zapier y Make: elegir la plataforma

Cuando alguien con un negocio empieza a automatizar procesos, se topa con tres plataformas principales: Zapier, Make (antes Integromat) y n8n. La diferencia entre ellas es de fondo, y para quien quiere construir workflows con IA para clientes la elección suele ser obvia, pero cada plataforma tiene condiciones que conviene conocer.

Zapier es la más popular y la más sencilla. Tiene un plan gratis con limitaciones; los planes de pago se cobran por número de tareas (cada «zap», una automatización aparte, consume tareas). Zapier tiene funciones de IA: Copilot arma workflows a partir de una descripción, Zapier Agents ejecutan tareas de forma autónoma y Zapier MCP da a los asistentes de IA acceso a las aplicaciones. Su gran ventaja: miles de integraciones listas para usar (Zapier dice tener más de 9000). Su gran desventaja: cuando crece el volumen, el precio sube junto con el número de tareas, y la personalización es limitada.

Make (antes Integromat) es más flexible que Zapier en escenarios complejos. Un editor visual con ramificaciones y ciclos; se paga con créditos y tiene plan gratis. Make tiene agentes de IA (Make AI Agents). Es una buena opción para empezar, pero es un servicio en la nube: los datos de los clientes quedan en los servidores de Make.

n8n es otra categoría. El código fuente está disponible (licencia fair-code) y lo puedes instalar en tu servidor. La Community Edition para autoalojamiento es gratis, sin límite de ejecuciones: solo pagas el servidor. Puedes escribir cualquier JavaScript dentro del workflow con el nodo Code. Trae nodos de IA integrados para trabajar con LLM. Y lo más importante: tus datos se quedan en tu servidor, algo crucial para clientes con requisitos de confidencialidad.

🎨 Imagínalo así: Zapier es un taxi. Cómodo, siempre disponible, pero pagas cada viaje. n8n es tu propio coche. Invertiste en comprarlo y asegurarlo (el servidor), y lo usas cuanto quieras. Con mucho kilometraje la ventaja suele ser clara, pero al coche hay que darle mantenimiento.

Autoalojar n8n: Railway, Render y un VPS

Instalar n8n por tu cuenta es más fácil de lo que parece. Tres opciones principales:

Railway.app: una plataforma para desplegar aplicaciones. n8n se despliega desde una plantilla lista en unos minutos. El costo depende de la carga; consulta las tarifas de Railway. Reinicios automáticos, SSL, su propia base de datos PostgreSQL. Recomendado para empezar.

Render.com: parecido a Railway, también tiene plantilla para n8n. El nivel gratis, si está disponible, es limitado (el servicio puede "dormirse" cuando no se usa); para que funcione siempre necesitas un plan de pago. Sirve para pruebas.

Un VPS (DigitalOcean, Hetzner): control total y muchas veces el precio más bajo, pero requiere conocimientos básicos de Linux: instalar Docker, configurar nginx y Let's Encrypt. Hetzner da buen hardware a precio bajo en Europa y en EE. UU. Para clientes con requisitos sobre dónde deben estar sus datos, es lo óptimo.

n8n Cloud: la opción en la nube de los creadores de n8n. Cómoda, no tienes que configurar un servidor. A octubre de 2026: Starter, €20 al mes (2,500 ejecuciones); Pro, €50 (10,000), con pago anual; se cuentan las ejecuciones del workflow completo, no los pasos sueltos. Es cómodo para experimentos y volúmenes pequeños; con volúmenes grandes, compáralo con el autoalojamiento.

Los nodos de IA de n8n: LLM Chain, OpenAI, Claude, AI Agent

n8n trae nodos de IA integrados en la sección «AI». Veamos los principales:

Basic LLM Chain: el nodo de IA más simple. Recibe texto, lo envía a un LLM (GPT, Claude, Mistral, Ollama y otros) y devuelve la respuesta. Se configuran el prompt del sistema, la temperatura y el modelo. Ideal para enriquecer datos: tomas un lead del CRM, se lo mandas a Claude con la pregunta «qué sabes de esta empresa» y recibes una ficha breve.

OpenAI Chat Model / Anthropic Claude Model: nodos específicos para conectar proveedores concretos. Admiten todos los parámetros de la API: elegir el modelo, los tokens (unidades de texto para la IA), el streaming (transmisión de datos en flujo). El nodo de Claude (Anthropic Chat Model) trabaja con los modelos de Claude a través de la API de Anthropic; la lista de modelos disponibles está en el propio nodo. Nombres vigentes: Lo vigente.

AI Agent (agente: un ejecutor de IA autónomo): el nodo más poderoso. Aquí Claude no es solo un «procesador de texto», sino un orquestador con herramientas. Le describes la tarea al agente y le das un conjunto de herramientas (HTTP Request, consulta SQL, envío de correo). El agente decide qué herramienta llamar y en qué orden, y resuelve tareas de varios pasos. Por ejemplo: «Busca información sobre la empresa X, revisa si tienen vacantes en su sitio, escribe un correo personalizado y registra el resultado en el CRM».

Vector Store Tool: conecta una base de conocimiento (con Pinecone, Supabase Vector, Qdrant) al AI Agent. Así el agente puede responder preguntas apoyándose en tus documentos. Un RAG (Retrieval-Augmented Generation) listo, sin código.

Workflow 1: Enriquecimiento de leads con Claude

Veamos un escenario real. Desde el formulario del sitio llega una solicitud: nombre, correo y nombre de la empresa. Hay que reunir automáticamente información sobre la empresa, evaluar qué tan prometedor es el lead y registrarlo en el CRM.

El esquema del workflow:

1. Webhook: recibe los datos del formulario (nombre, correo, empresa)
2. HTTP Request: consulta la API de un servicio de enriquecimiento de datos (por ejemplo, Apollo) y obtiene datos de la empresa (tamaño, industria, tecnologías)
3. Claude LLM Chain: recibe todos los datos y ejecuta el prompt: «Evalúa qué tan prometedor es el lead del 1 al 10 y da una justificación breve. Empresa: {datos}. Nuestro producto es para empresas B2B SaaS de 50 a 500 empleados.»
4. Nodo IF: ramifica según la calificación: score ≥ 7 → lead caliente, score < 7 → frío
5. Nodo de HubSpot / Pipedrive: crea el contacto en el CRM con los campos: score, la justificación de Claude, los datos originales
6. Nodo de chat (Slack o Telegram): para los leads calientes, envía un aviso al chat de trabajo

Este workflow ahorra el tiempo de trabajo manual en cada lead. Haz la cuenta con tus números: minutos por lead × número de leads al mes.

Ejemplo del JSON de un nodo de IA en n8n (simplificado):

{
  "name": "Claude Lead Scorer",
  "type": "@n8n/n8n-nodes-langchain.lmChatAnthropic",
  "parameters": {
    "model": "claude-sonnet-5-5",
    "messages": {
      "messageType": "multipleRoles",
      "values": [
        {
          "type": "system",
          "message": "Eres experto en evaluar leads B2B. Evalúa qué tan prometedor es el lead del 1 al 10 y da una justificación breve en 2 o 3 oraciones."
        },
        {
          "type": "human",
          "message": "Empresa: {{ $json.company_name }}\nTamaño: {{ $json.employee_count }} empleados\nIndustria: {{ $json.industry }}\nTecnologías: {{ $json.technologies }}\nCorreo: {{ $json.email }}"
        }
      ]
    }
  },
  "credentials": {
    "anthropicApi": {
      "id": "YOUR_CREDENTIAL_ID",
      "name": "Anthropic API"
    }
  }
}

Workflow 2: Un pipeline de contenido con RSS y Telegram

El segundo escenario práctico: monitorear noticias del sector y publicar automáticamente un resumen en un canal de Telegram.

Esquema:

1. Schedule Trigger: se ejecuta cada 4 horas
2. Nodo RSS Feed: lee de 3 a 5 fuentes RSS de la competencia o de medios del sector
3. SplitInBatches: separa los artículos uno por uno
4. Nodo IF: filtra solo los artículos de las últimas 4 horas
5. Claude LLM Chain: prompt: «Resume el artículo en 3 oraciones en español, con emojis. Indica la idea principal y por qué importa para quienes tienen un negocio.»
6. Aggregate: junta todos los resúmenes en una lista
7. Claude LLM Chain (el segundo): crea el resumen final: «Con estos materiales crea una publicación para Telegram fácil de leer, con título, la selección y una llamada a la acción»
8. Nodo de Telegram: lo publica en el canal

Resultado: el canal funciona en piloto automático. La IA se equivoca, así que al principio deja un paso de revisión manual antes de publicar y quítalo solo cuando estés seguro de la calidad.

AI Agent como orquestador con herramientas

🎨 Imagínalo así: un nodo de LLM normal es una calculadora inteligente. Le das una tarea y recibes una respuesta. El nodo AI Agent es un empleado inteligente con acceso a las herramientas de trabajo. Le puedes decir «encárgate de esto», y él decide solo: primero buscar en Google, luego revisar la base de datos, luego escribir un correo.

Cómo configurar un AI Agent en n8n:

1. Agregas el nodo AI Agent
2. Eliges el modelo de lenguaje (Claude es la mejor opción para tareas complejas)
3. Agregas las herramientas (Tools): pueden ser otros nodos: HTTP Request, PostgreSQL, Send Email, Slack
4. Escribes el prompt del sistema con la descripción del rol del agente y de las herramientas disponibles
5. Le pasas la tarea de entrada

Un ejemplo de escenario real: un agente para atender solicitudes de soporte.

Prompt del sistema:
Eres el agente de soporte de la empresa TechCorp.
Tienes estas herramientas:
- search_knowledge_base: buscar en la base de conocimiento
- get_order_status: obtener el estado de un pedido por correo
- create_ticket: crear un ticket para el equipo
- send_email: enviar un correo al cliente

Al recibir una solicitud:
1. Primero busca la respuesta en la base de conocimiento
2. Si necesitas datos del pedido, pídelos
3. Si puedes resolverlo tú, envíale la respuesta al cliente
4. Si no puedes, crea un ticket para el equipo

El agente decide la secuencia de acciones según la solicitud concreta. Sin ramas if-else rígidas.

n8n + Supabase: historial y analítica

Supabase es PostgreSQL como servicio, con una interfaz agradable y un nivel gratis (a octubre de 2026: base de hasta 500 MB; el proyecto se pausa tras una semana sin actividad). Junto con n8n, se vuelve la base para guardar los resultados de los workflows.

Qué guardar en Supabase:

• Todos los leads que llegan, con la calificación de Claude y la fecha
• El historial de publicaciones del pipeline de contenido (qué se publicó, cuándo, clics)
• Los registros de las sesiones del agente: qué hizo, qué herramientas llamó
• Métricas de los workflows: cuántas tareas se procesaron, errores, tiempo promedio

Para qué sirve: después de un mes de trabajo ves el panorama real. ¿Cuáles leads con score alto de Claude de verdad se convirtieron? ¿Qué tipos de contenido reciben más reacciones? Son datos para optimizar los prompts y la lógica de los workflows.

n8n trae un nodo de Supabase integrado: insertar, actualizar y consultar sin SQL. Para consultas complejas está el nodo de PostgreSQL, con SQL directo.

Vender workflows de n8n a clientes

🎨 Imagínalo así: un workflow no son archivos JSON. Es la solución a un problema de negocio. El cliente no paga por el esquema, sino por dejar de hacer a mano lo que antes hacía a mano.

Cómo empaquetar un workflow como producto:

Tipo 1: Plantilla (Template): un esquema listo. El cliente lo instala por su cuenta. Vendes la documentación + el JSON exportado + un video instructivo. Escala, pero implica mucho soporte.

Tipo 2: Llave en mano (Done-for-You): instalas n8n en el servidor del cliente, configuras el workflow y lo integras con su CRM, su chat o su correo. El cobro se compone de la configuración del proyecto y el mantenimiento mensual.

Tipo 3: SaaS vertical: usas n8n como motor, le pones encima una interfaz bonita (con Next.js o Bubble) y lo vendes como tu propio producto por suscripción. Es el camino más difícil. Atención: según la licencia de n8n, un producto así, cuyo valor se basa en las capacidades de n8n y en el que los clientes configuran los workflows por su cuenta, requiere una licencia comercial: confirma las condiciones con n8n antes de lanzarlo.

Nichos donde los workflows tienen demanda:

• Agencias inmobiliarias: procesamiento automático de solicitudes + calificación de leads
• Tiendas en línea: publicación automática en redes + procesamiento de pedidos
• Clínicas: recordatorios de citas + recolección de reseñas (sin pasar datos médicos a la IA sin consentimiento y sin cumplir las normas locales)
• Recursos humanos: filtrado de currículums con Claude + avisos (la decisión de contratar la toma una persona)

La ventaja frente a Zapier: el cliente no paga por cada tarea, sino por la configuración y el soporte. Los precios los fija el mercado y tus costos; los ingresos no están garantizados. Cómo armar el paquete y calcular el precio lo ves en las lecciones Empaquetar tu oferta y Precios y monetización.

Las condiciones de la licencia de n8n (Sustainable Use License). Puedes crear workflows para clientes en tu instancia de n8n y cobrar por crearlos, configurarlos y darles soporte, siempre que los clientes no creen ni modifiquen los workflows por su cuenta. Puedes instalar n8n en el servidor del cliente y cobrar por la implementación. No puedes ofrecer n8n como un servicio donde los clientes construyan sus propios workflows, quitar la marca de n8n ni vender un producto cuyo valor sea principalmente la funcionalidad de n8n. Para esos casos necesitas una licencia comercial. Detalles: License FAQ de n8n.

Práctica

Paso 1: Desplegamos n8n en Railway (10 minutos)

1. Entra a railway.app y regístrate con GitHub
2. Presiona New Project → Deploy a Template
3. Busca "n8n" entre las plantillas y elige la oficial
4. Railway crea automáticamente: el servicio de n8n + una base de datos PostgreSQL
5. En la configuración, agrega la variable de entorno N8N_ENCRYPTION_KEY = cualquier cadena larga (¡guárdala!)
6. Después de 2 o 3 minutos, abre la URL generada y crea tu cuenta
7. Guarda la URL del tipo https://n8n-xxx.railway.app: ese es tu n8n

Paso 2: Conectamos la API de Anthropic

1. En n8n → Credentials → Add Credential
2. Busca "Anthropic" → escribe la clave de API (de console.claude.com)
3. Guárdala como "Claude API"
4. Listo: ahora todos los workflows pueden usar Claude

Paso 3: Construimos el primer workflow con IA (Telegram → Claude → Telegram)

Usamos Telegram porque crear un bot ahí es gratis y toma un minuto; la misma lógica sirve para otros canales.

1. New Workflow → Add Trigger: elige Telegram Trigger
   • Crea un bot de Telegram con @BotFather y pega el token
   • Tipo: Message
2. Add Node → AI → Basic LLM Chain
   • Credentials: elige "Claude API"
   • Model: el modelo vigente de Claude de la lista del nodo (a octubre de 2026, Sonnet 5.5)
   • System Prompt: "Eres el asistente de una persona con un negocio. Responde breve y al grano, en español."
   • User Message: {{ $json.message.text }}
3. Add Node → Telegram → Send Message
   • Chat ID: {{ $('Telegram Trigger').item.json.message.chat.id }}
   • Text: {{ $json.text }} (el resultado de Claude)
4. Presiona Activate: el bot está corriendo

Prueba: escríbele cualquier pregunta al bot y recibirás la respuesta de Claude. Tu primer workflow con IA funciona.

Paso 4: Construimos el workflow de enriquecimiento de leads

1. Trigger: Webhook → copia la URL del webhook
2. Add Node: HTTP Request: una consulta a cualquier API abierta (por ejemplo, api.hunter.io para verificar correos o Apollo para datos de empresas). Por ahora, para la prueba, usamos httpbin.org/anything con datos de prueba.
3. Add Node: Basic LLM Chain (Claude)
   • System Prompt: "Eres experto en ventas B2B. Evalúa el lead del 1 al 10 y da una justificación breve."
   • User Message: "Empresa: {{ $('Webhook').item.json.company }}, tamaño: {{ $('Webhook').item.json.size }}"
4. Add Node: Google Sheets: escribe el resultado en una hoja (nombre, correo, score de Claude, justificación, fecha)
5. Prueba: con Postman o curl, envía un POST a la URL del webhook con el JSON {"company":"TestCorp","size":"50","email":"[email protected]"}
6. Revisa Google Sheets: se agregó una fila con la calificación de Claude

Paso 5: Exportamos y lo preparamos para vender

1. Menú del workflow → Download: descarga el JSON
2. Crea la carpeta del proyecto: workflow-lead-scorer/
   • workflow.json: el workflow
   • README.md: qué hace, cómo configurarlo, qué APIs necesita
   • setup-video.md: el enlace a un video de Loom con las instrucciones
3. El precio para tus primeros clientes, calcúlalo con las lecciones Empaquetar tu oferta y Precios y monetización

Herramientas y recursos

Ideas clave

"n8n con nodos de IA no es simple automatización. Es delegar decisiones a una máquina. La diferencia entre un workflow simple y uno inteligente es como la diferencia entre una contestadora y un empleado de carne y hueso."

"Autoalojar n8n cambia la economía de la automatización: pagas el servidor, no cada tarea. Eso te permite correr miles de tareas sin miedo a la factura."

"Un workflow es un activo. Lo escribes una vez, lo configuras para el cliente, y funciona mucho tiempo. Mientras el cliente pague el soporte, tienes tiempo para construir el siguiente workflow."

Siguiente lección

→ Zapier AI: miles de aplicaciones y zaps inteligentes

Veremos cuándo Zapier sí le gana a n8n: sencillez, rapidez para arrancar, la IA integrada en los zaps, y cuándo un plan de pago de Zapier tiene sentido para clientes sin equipo de TI.