Sí, puedes armar un agente de IA en n8n — el nodo AI Agent, las herramientas, la memoria y los evals son reales, y su precio por ejecuciones es honesto. La brecha no es el nodo; es asumir la disciplina de producción a su alrededor: evals, guardrails, observabilidad y el DevOps del autoalojamiento.
Lo decimos de entrada para que sepas desde dónde hablamos: somos un estudio de dos ingenieros, usamos n8n y nos gusta. Esto no es un ataque. n8n es una de las herramientas más honestas de la automatización: fair-code, autoalojable y con un precio que no te castiga por armar flujos complejos. Si eres CTO o un automatizador independiente cómodo con el código y quieres tus datos en tus propios servidores, n8n merece una mirada seria.
Este artículo trata una pregunta que los compradores técnicos nos repiten: «n8n ya tiene nodos AI Agent, ¿para qué pagar a un estudio si puedo armar uno yo mismo?». La respuesta honesta es: muchas veces, no deberías. Pero «armar un agente» y «operar un agente en producción» son dos problemas de ingeniería distintos, y la distancia entre ambos es donde se estanca en silencio la mayoría de los proyectos de IA hechos por cuenta propia. Mapeemos esa distancia sin marketing.
Comparación rápida: herramienta vs. responsabilidad por el resultado
El eje real no es «función contra función». Es quién responde por el resultado.
| n8n (autoalojado / Cloud) | Agente de Grow2.ai |
|---|---|---|
Qué obtienes | Una herramienta potente + el nodo AI Agent que tú armas y operas | Un agente construido y en propiedad + la disciplina a su alrededor |
Control | Total — autoalojado, tus datos, tus servidores | Gestionado; el código y la lógica son tuyos, nosotros los operamos |
Modelo de precio | Por ejecución (los pasos no cuentan) o Community gratis | Piloto fijo + mensual, atado a un KPI |
Quién mantiene evals y regresiones | Tú | Nosotros, por contrato |
Quién está de guardia a las 2 a. m. | Tú | Nosotros |
Tiempo al primer valor | Lo que tarde tu construcción | 14 días contra un KPI, o no pagas |
Ninguna columna es «mejor». Son intercambios distintos. n8n cambia dinero por control y tu tiempo. Un estudio cambia parte del control por un resultado contractual y la guardia de otro. El resto del artículo trata de saber qué intercambio estás haciendo realmente.
Lo que n8n hace bien (y no vamos a fingir lo contrario)
Cuatro cosas que n8n hace de verdad bien, verificadas contra su documentación:
El modelo de precio por ejecuciones es honesto. n8n cobra por ejecución de flujo — la corrida completa — no por paso ni acción. Un flujo de 3 nodos y uno de 40 cuestan la misma ejecución. Frente a modelos por tarea (Zapier) o por crédito (Make), la complejidad no infla la factura a escondidas. En Cloud son 2 500 ejecuciones en Starter (20 €/mes) y 10 000 en Pro (50 €/mes), con usuarios ilimitados en todos los planes. Es una ventaja real y lo decimos sin rodeos.
Fair-code y autoalojamiento significan control real de los datos. La edición Community es gratis para autoalojar, con ejecuciones ilimitadas. Su Sustainable Use License te deja usarlo para tus propios fines internos de negocio y armar flujos para clientes como consultor, sin un acuerdo aparte. (Es fair-code, no OSI open source — no puedes marcarlo como propio ni revenderlo como servicio alojado. Para uso interno y trabajo con clientes, estás en regla.) Si tus datos deben quedarse on-prem por regulación o por confianza, n8n autoalojado te da control real, no una casilla marcada.
El nodo AI Agent es real, no una demo. En las versiones actuales, el nodo AI Agent funciona como Tools Agent e implementa la interfaz de tool-calling de LangChain. Conectas un modelo de chat (OpenAI, Anthropic, Groq, Mistral, Azure OpenAI), enganchas de entre 150+ herramientas (HTTP, Code, Postgres, Slack, Google Sheets, tus propios subflujos) y él decide cuál llamar. Admite parsers de salida estructurada, streaming, aprobaciones human-in-the-loop para acciones sensibles y un límite de iteraciones configurable. Es un runtime de agente legítimo.
n8n incluso trae evals. Esto importa, así que seamos precisos: n8n agregó una función de Evaluations. Puedes correr un dataset de prueba por tu flujo y puntuar las salidas con métricas integradas — Correctness y Helpfulness (juzgadas por un LLM en escala 1–5) y Tools Used (una verificación determinista de la secuencia de herramientas). Es más de lo que ofrece la mayoría de plataformas no-code. Así que no, no te diremos «n8n no puede hacer evals». Sí puede.
Entonces, si n8n hace todo eso, ¿dónde está la brecha?
Armar un agente en n8n: hasta dónde llega de verdad
Esta es la foto técnica honesta. En una tarde, un ingeniero competente levanta un flujo en n8n con un nodo AI Agent, un modelo de chat, unas cuantas herramientas y un Chat Trigger. Responderá preguntas, llamará a tus API y lucirá impecable en una demo. Para una tarea interna estable — «resume estos tickets y archívalos», «responde el FAQ desde este documento» — quizá sea todo lo que necesitas. Publícalo.
Los límites aparecen cuando el agente tiene que recordar, comportarse y sobrevivir al contacto con usuarios reales.
La memoria es un búfer, no persistente — por defecto. El nodo Simple Memory guarda el contexto de la conversación en proceso, y la propia documentación de n8n es explícita: «memory doesn't persist between sessions» (la memoria no persiste entre sesiones). Peor para producción: Simple Memory no funciona en queue mode — n8n no puede garantizar que el mismo worker atienda cada llamada cuando escalas a varios workers. La memoria persistente existe, pero implica enganchar un nodo de chat-memory de Postgres, Redis o MongoDB y operar tú ese almacén. Lo cual está bien — solo que es el primer lugar donde «lo armo yo mismo» se convierte en «ahora administro una base de datos».
Las herramientas se llaman, pero los edge cases no se manejan solos. El agente llamará contento a una herramienta con entrada malformada, iterará hasta el tope o responderá con seguridad desde contexto obsoleto. Manejar el «medio sucio» — reintentos, fallbacks, «no lo sé», escalar a una persona — es lógica de flujo que tú diseñas, pruebas y mantienes. El nodo te da el motor; los guardrails los construyes tú.
Nada de esto es un reproche a n8n. Es la diferencia entre un runtime de agente y un agente de producción.
La brecha de producción: lo que no cabe en un flujo
Esta es la parte que nunca aparece en una demo y siempre aparece en producción. Lo sabemos porque lo operamos: un agente de e-commerce que construimos ha atendido 6 400+ diálogos reales con clientes, y una plataforma financiera que lanzamos son 326 commits y ~52 800 líneas de TypeScript con 838 tests, serverless sobre Cloudflare Workers. Producción tiene una textura para la que «engancha el nodo» no te prepara.
Los evals son una práctica, no un nodo. n8n te da el instrumento de evals, y es bueno. Pero un nodo de eval no es una disciplina de eval. ¿Quién cura el dataset de fallos reales? ¿Quién corre la suite de regresión cada vez que alguien ajusta el prompt? ¿Quién nota que el proveedor del modelo publicó una versión nueva y tu puntaje de correctness bajó tres puntos en silencio? La brecha nunca fue «n8n no tiene evals». Es que los evals son un trabajo continuo que alguien asume: en cada cambio de prompt, para siempre.
Los guardrails tienen que ser estructurales. En nuestro agente de e-commerce en producción, cada mensaje saliente pasa por un revisor de cumplimiento — un segundo modelo que solo puede eliminar fragmentos fuera de marca o fuera de norma. Físicamente no puede agregar una afirmación, un descuento ni una promesa. Un revisor que solo puede eliminar no inventa una alucinación nueva. Es una decisión de arquitectura, probada y monitoreada — no una línea del prompt de sistema que diga «por favor mantente en marca».
La observabilidad es la diferencia entre «se rompió» y «aquí está el porqué». Cada diálogo de ese agente pasa por observabilidad autoalojada (Langfuse): vemos qué preguntó el cliente, qué recuperó el agente, qué cortó el revisor, cuánto duró cada paso y cuánto costó — alrededor de 0,10 € por diálogo, mediana de respuesta 13 segundos. Cuando algo falla en el diálogo 4 000, ese trace es la diferencia entre un arreglo de cinco minutos y un fin de semana perdido. n8n te muestra logs de ejecución; la observabilidad de agente a nivel de producción — traces por paso, costo, latencia, inspección del retrieval — es otro sistema que levantas y mantienes.
Cada una de estas cosas se puede construir en n8n o junto a él. La pregunta nunca es «¿se puede hacer?». Es «¿quién va a construirlo, probarlo, vigilarlo y arreglarlo — todo el tiempo que viva el agente?».
El costo real del autoalojamiento, en EUR
Hagamos las cuentas como debe hacerlas un ingeniero. La licencia es la línea más pequeña.
n8n Community, autoalojado: licencia 0 €. Suma infraestructura — un VPS más el Postgres o Redis que ahora operas para memoria persistente — de forma realista en el rango de 20–80 €/mes para un montaje pequeño-mediano. Luego la línea que domina: el tiempo de tu ingeniero. La construcción inicial de un agente real — con memoria, guardrails, arnés de eval y observabilidad — es un esfuerzo de varias semanas, no de una tarde. Después es continuo: n8n publica breaking changes (la v2.0 desactivó varios tipos de nodo por defecto y quitó MySQL/MariaDB, forzando una migración a Postgres; la sintaxis de expresiones cambió entre versiones menores), las instancias autoalojadas reciben parches de seguridad solo durante una ventana limitada tras un release mayor, y cada actualización del proveedor del modelo es una regresión potencial. Multiplica tu propia tarifa por unas cuantas horas de mantenimiento al mes más esa construcción, y la herramienta «gratis» carga un costo de arranque de cuatro cifras muy real y uno recurrente. No citamos una encuesta — pon tu tarifa y tus horas. El único punto es que la factura de n8n no es el costo del agente.
n8n Cloud te quita la faena de parches y hosting: Starter 20 €/mes (2 500 ejecuciones), Pro 50 €/mes (10 000), Business 667 €/mes (40 000, con SSO, Git, entornos). Aun así, la lógica del agente, los evals y los guardrails los construyes y mantienes tú.
Un piloto de Grow2.ai son 1 800 € contra un KPI que acuerdas por adelantado, entregado en 14 días — si no alcanza el KPI, no pagas — y luego 49–149 €/mes. Ese número compra el agente construido y la disciplina a su alrededor: la suite de evals, el guardrail de solo-eliminar, la observabilidad y la guardia. El encuadre honesto no es «20 €/mes vs. 1 800 €». Es «tu tiempo de ingeniería y tu riesgo vs. un precio fijo contra un resultado contractual». Si lo estás sopesando frente a contratar devs para construir desde cero, nuestro análisis de agentes de IA vs. desarrollo a medida hace las mismas cuentas.
Cuándo elegir qué — sin rodeos
Sin evasivas. Tres perfiles:
Elige n8n + tu propio agente cuando tienes un ingeniero (o lo eres) capaz de asumir la capa de LLM, tu proceso es estable y bien entendido, y tus datos deben vivir en tus propios servidores. Si es tu caso, n8n es de verdad la decisión correcta: autoalójalo, engancha memoria en Postgres, construye tu lógica de eval y guardrails, y conserva el control total. Lo decimos en serio.
Elige un estudio (como nosotros) cuando no tienes a alguien interno que asuma evals, guardrails y guardia; necesitas un KPI contractual y valor en semanas, no un proyecto de investigación; atiendes clientes en varios canales (nuestro agente de e-commerce corre en Instagram, Viber y Telegram, con dos tercios de los diálogos solo en Instagram); y prefieres que otro sostenga el busca cuando una actualización de nodo rompa el agente.
No elijas nada todavía cuando tu tarea es determinista y sin entrada no estructurada — una sincronización programada, un flujo de «formulario → CRM». Puede que no necesites un agente en absoluto; con no-code basta. Mira agentes de IA vs. Zapier y agentes de IA vs. Make.
Árbol de decisión
- ¿Necesitas manejar entrada no estructurada? (mensajes, fotos, voz)
- No → Basta con no-code (Zapier / Make)
- Sí → ¿Tienes un ingeniero para sostener la capa LLM a largo plazo? (evals, guardrails, memoria, observabilidad, guardia)
- Sí → ¿Proceso estable Y los datos deben quedarse en tus servidores?
- Sí → n8n autoalojado + tu propio agente — la opción honesta
- No / no seguro → n8n Cloud + tu agente, o un piloto de estudio
- No → ¿Necesitas un KPI contractual y valor en semanas?
- Sí → Piloto de estudio contra KPI (14 días, si no se alcanza no pagas)
- No → Empieza con una auditoría de IA
Recomendación
Si eres técnico, amas tu stack y quieres control — constrúyelo en n8n. En serio. Empieza por el nodo AI Agent, engancha memoria persistente y trata los evals, los guardrails y la observabilidad como piezas de primera clase desde el día uno, no como añadidos. Esa última frase es todo el artículo: la plataforma nunca fue la parte difícil. ¿Sigues decidiendo la plataforma en sí? Nuestra guía para elegir una plataforma de agentes de IA para pymes y el hub de agentes de IA para negocios profundizan más.
Si prefieres ser dueño del resultado antes que de la operación — eso es lo que hacemos. Construimos un agente de front office a medida contra un KPI que tú fijas, en 14 días; si no lo alcanza, no pagas.
¿No sabes de qué lado estás? Haz la auditoría de IA de 2 minutos o escríbenos — te diremos con honestidad si conviene construirlo en n8n o dejar que lo asumamos nosotros contra un KPI.