MENU
En esta sesión de una hora vemos la diferencia entre un flujo de trabajo con IA y un agente de verdad y aprendemos a meter un modelo en tus automatizaciones sin disparar los errores ni el gasto en tokens.
Mucha gente monta algo en n8n. Conecta unas cuantas cajitas, mete un modelo de lenguaje en medio y ya cree que ha hehco un agente.
Pero en realidad no.
Porque entre un flujo de trabajo con IA y un agente hay una diferencia enorme. Y no es una cuestión de nombres: cambia cuánto te cuesta, cómo de fiable es y qué haces cuando falla.
Es más: la mayoría de las veces no necesitas un agente. A veces ni siquiera necesitas IA.
Esa es la idea que vertebra esta sesión de la Comunidad, en la que integramos inteligencia artificial en flujos de trabajo con n8n y vemos qué distingue un workflow de un agente, cómo meter un modelo dentro de un flujo, los patrones de uso más habituales (con varias demos paso a paso) y los peligros que aparecen en cuanto pones una IA a decidir por ti.
En un flujo de trabajo, los pasos los defines tú. El modelo de lenguaje es solo uno más de esos pasos: hace lo que le toca en su cajita y no altera el orden en que ocurren las cosas. Si le das dos veces la misma entrada, sigue el mismo recorrido. El flujo es determinista.
En un agente, manda el modelo. Tú le das un objetivo y él decide qué herramientas usar, en qué orden, cuántas veces y cuándo ha terminado. Puede encadenar llamadas e incluso invocar a otros agentes. El recorrido cambia según la entrada.
La diferencia, en una palabra, es autonomía.
Y tiene tres consecuencias muy prácticas que desgranamos en la sesión:
Por eso mucho de lo que se presenta como "un agente en n8n" es, en realidad, un flujo de trabajo con un nodo de IA.
n8n es un lienzo donde vas colocando nodos.
Hay nodos que disparan el flujo (un email que llega, un mensaje de Telegram) y otros que hacen cosas y todos están encadenados por conexiones que marcan el orden.
Un nodo de IA no tiene más misterio que elegir el modelo, poner las credenciales de la API y escribir el prompt. Por debajo es, literalmente, la misma llamada que harías con código, solo que rellenando un formulario en vez de programar.
El grueso de la sesión es un catálogo de patrones, ordenados de menos a más autonomía (y, no por casualidad, de menos a más riesgo):
Si ya automatizas cosas (en n8n, Zapier, Power Automate o con RPA) y quieres empezar a meter IA en esos flujos sin que se vuelvan impredecibles. Esto es para ti.
Si te tienta montar "un agente" para todo y sospechas que a veces te estás complicando de más. Esto también es para ti.
Y si quieres ver, con ejemplos prácticos, cómo se construye un RAG, un resumidor de notas de voz o un clasificador dentro de un flujo, y qué decisiones tomar por el camino. Esto sobre todo es para ti.
La sesión completa, con las demos en directo y el resto del archivo de sesiones de la Comunidad, está disponible para miembros.
🎥 La encontrarás a continuación.
Algunas de las preguntas que surgieron en directo, resumidas por si llegas buscando respuestas.
Si un flujo determinista hace el trabajo, poner un agente a decidir por su cuenta es sobreingeniería:pierdes control y el coste se vuelve difícil de estimar. La excepción es lo conversacional porque ahí sí necesitas que un modelo lleve las riendas.
Pueden pasar dos cosas distintas. Una, que el "conocimiento aprendido" o las instrucciones del propio asistente pesen más que lo recuperado (ahí influye mucho cómo redactes esas instrucciones). Otra, que la recuperación no haya dado con el fragmento adecuado. Contra esto último, en la demo el sistema reescribe la pregunta del usuario de varias maneras antes de buscar, para tener más oportunidades de encontrar lo relevante.
Cada vez que se ejecuta un nodo de IA es una llamada de pago a la API. Una tarde entera de demos, con un modelo barato, sale por unos céntimos. Pero el aviso importante tiene que ver con la escala: si el flujo se dispara con cada email o cada mensaje y son miles al día, la factura se multiplica y conviene tenerlo en cuenta antes de automatizar.