"Agentes de IA" es la frase más manoseada de 2026, así que bajémosla a tierra. Un agente de IA en n8n es un workflow donde un modelo de lenguaje no sigue un camino fijo, sino que decide qué hacer: el nodo AI Agent recibe la consulta, elige entre las herramientas que le diste (consultar stock, buscar un pedido, crear un ticket), las ejecuta y arma la respuesta. La diferencia con un chatbot de respuestas fijas es exactamente esa: el chatbot recorre un árbol que alguien dibujó; el agente razona sobre el contexto y resuelve casos que nadie programó explícitamente.
Qué hace el nodo AI Agent de n8n, pieza por pieza
El nodo AI Agent es un orquestador con cuatro enchufes. Entenderlos es entender los agentes:
- Chat Model: el cerebro. Conectás OpenAI, Claude, Gemini o un modelo local. Acá definís el system prompt: quién es el agente, qué puede y —más importante— qué NO puede hacer.
- Tools: las manos. Cada tool es una capacidad con nombre y descripción: "consultar_stock: devuelve unidades disponibles de un producto por código o nombre". El modelo lee esas descripciones y decide solo cuándo usar cada una.
- Memory: el hilo de la conversación. Sin memoria, cada mensaje arranca de cero y el agente le pregunta el número de pedido al cliente tres veces. Con memoria (Simple Memory para empezar, Postgres o Redis en producción), recuerda lo que se habló.
- Output Parser (opcional): fuerza al agente a responder en un formato estructurado (JSON) cuando la salida alimenta otro sistema en vez de a un humano.
La distinción clave para no marearse: una tool no es una integración decorativa, es delegación de decisiones. En un workflow clásico, vos decidís cuándo se consulta el stock. En un agente, decide el modelo. Eso es lo que lo hace flexible — y lo que exige acotarlo bien.
Agente vs. chatbot de respuestas fijas vs. workflow clásico
| Criterio | Workflow clásico | Chatbot de árbol fijo | Agente de IA |
|---|---|---|---|
| Camino de ejecución | Prefijado | Prefijado (menús) | Lo decide el modelo |
| Preguntas no previstas | Falla | "No entendí tu consulta" | Las resuelve si tiene tools |
| Costo por interacción | ~USD 0 | ~USD 0 | USD 0,002-0,01 |
| Previsibilidad | Total | Total | Alta pero no total |
| Mantenimiento | Bajo | Medio (árbol crece) | Medio (prompts y tools) |
La conclusión incómoda que casi nadie escribe: si tu proceso tiene un camino único y conocido, no necesitás un agente — necesitás un workflow clásico, que es más barato, más rápido y 100% predecible. El agente vale la pena cuando la entrada es lenguaje natural variado y la resolución requiere combinar fuentes.
Ejemplo de punta a punta: agente que consulta stock y responde clientes
El caso que más nos piden: clientes que preguntan por WhatsApp "¿tenés la bomba presurizadora X-200?" y alguien del equipo corta lo que está haciendo para mirar el sistema. Armemos el agente completo:
Paso 1 — Trigger: nodo de WhatsApp (vía WhatsApp Business API o un proveedor como Evolution API en self-hosted). Cada mensaje entrante dispara el workflow. Si querés profundizar esta pata, tenemos una guía de automatizar WhatsApp con n8n.
Paso 2 — Nodo AI Agent con este system prompt (resumido):
Sos el asistente de ventas de una distribuidora de sanitarios. Respondés consultas de stock y precios usando las herramientas disponibles. Si el producto no existe o la consulta no es de productos, derivás a un humano con la tool "escalar". Nunca inventes stock ni precios. Respondé en español rioplatense, máximo 3 oraciones.
Paso 3 — Tools (tres alcanzan):
consultar_stock: HTTP Request a la API del sistema de gestión (o consulta directa a la base con el nodo Postgres). Recibe nombre o código de producto, devuelve unidades y precio. Si tu sistema no expone estos datos, ese puente es justamente lo que resolvemos con desarrollo de APIs.buscar_producto: búsqueda difusa por descripción, para cuando el cliente escribe "la bomba chiquita para el tanque" en vez del código.escalar: sub-workflow que notifica a un vendedor por Slack con el historial de la conversación y le avisa al cliente que un humano lo contacta.
Paso 4 — Memory: Simple Memory con ventana de 10 mensajes, clave = número de teléfono del cliente. Así "¿y en color blanco?" se entiende como continuación de la consulta anterior.
Paso 5 — Respuesta: el output del agente vuelve por el mismo canal de WhatsApp.
Tiempo de armado de la primera versión funcional: una tarde si la API de stock ya existe. Llevarlo a producción real —validaciones, manejo de errores, logging de conversaciones, casos borde— es donde suele entrar un partner de integración de IA.
¿Querés ver un agente respondiendo con TUS productos y TU stock? Agendá una demo de 30 minutos y lo armamos en vivo con datos de tu negocio.
Cuánto cuesta operar un agente: la cuenta de tokens, en serio
Los números que nadie publica, con precios 2026 de GPT-4o-mini (USD 0,15 por millón de tokens de entrada, USD 0,60 por millón de salida):
Una conversación típica del agente de stock:
- 8 mensajes de ida y vuelta, con system prompt, historial y 2 llamadas a tools.
- Consumo total: ~6.000-12.000 tokens de entrada acumulados + ~1.000 de salida.
- Costo: USD 0,002 a 0,008 por conversación.
Proyectado a escala mensual:
| Conversaciones/mes | Costo en tokens (GPT-4o-mini) | Con Claude/GPT de gama alta |
|---|---|---|
| 500 | USD 1-4 | USD 15-60 |
| 2.000 | USD 5-16 | USD 60-240 |
| 10.000 | USD 25-80 | USD 300-1.200 |
Tres lecciones de esa tabla:
- El costo de tokens no es el problema para la enorme mayoría de las PyMEs: el agente de 2.000 conversaciones cuesta menos que un almuerzo. El costo real está en la implementación y el mantenimiento.
- Elegí el modelo según la tarea: para consultar stock y responder cortito, un modelo económico sobra. Reservá los modelos de gama alta para razonamiento complejo (análisis de contratos, soporte técnico profundo).
- La memoria infla la cuenta: cada mensaje re-envía el historial. Limitá la ventana de memoria (10-15 mensajes) o el agente charlatán te multiplica los tokens por 5.
A esto sumale la infraestructura de n8n: USD 10-30/mes self-hosted. Comparalo contra las 2-4 horas diarias que el equipo gasta respondiendo consultas de stock y la cuenta cierra sola.
Cuándo NO te conviene un agente de IA
La sección que nos hace perder ventas y ganar confianza:
- Proceso determinístico: si la respuesta a cada entrada es siempre la misma, un workflow clásico o un chatbot de menú lo hace gratis y sin alucinar. No pongas un modelo de lenguaje a hacer un
IF. - Cero tolerancia al error: un agente acierta el 90-98% de las veces según qué tan bien esté acotado. Si una respuesta incorrecta cuesta plata o reputación (precios vinculantes, temas legales o médicos), poné al agente a sugerir y a un humano a aprobar.
- Datos desordenados: si el stock del sistema está siempre desactualizado, el agente va a responder mal con total seguridad. Primero arreglá la fuente.
- Sin volumen: para 5 consultas por día no amortizás ni el armado. Automatizá otra cosa primero — hay 25 ejemplos de automatizaciones con n8n para elegir.
El primer agente se arma acotado o no se arma
Empezá con UN caso de uso, DOS o tres tools y un system prompt que diga claramente qué no puede hacer. Medí una semana, ajustá el prompt, recién después ampliá. Los agentes que fracasan son los que nacieron queriendo resolver todo.
En Deepyze diseñamos, implementamos y mantenemos agentes de IA sobre n8n para empresas de LATAM: desde chatbots con IA que atienden clientes 24/7 hasta agentes internos que destraban operaciones, como parte de nuestro servicio de automatización con IA. Precio fijo, equipo en tu huso horario y propuesta en 24 horas. Contanos qué consultas te gustaría que se respondan solas y armamos el agente de punta a punta.
Preguntas frecuentes
¿Qué es un agente de IA en n8n?+
Es un workflow construido alrededor del nodo AI Agent: un modelo de lenguaje que recibe un objetivo, decide qué herramientas usar (consultar stock, buscar un pedido, crear un ticket) y ejecuta los pasos necesarios hasta resolver. A diferencia de un workflow clásico, el camino no está prefijado: el agente lo decide según el contexto.
¿Qué diferencia hay entre un agente de IA y un chatbot común?+
Un chatbot de respuestas fijas sigue un árbol de decisión: si el cliente toca 'horarios', responde horarios. Un agente entiende la consulta en lenguaje natural, puede consultar tus sistemas en tiempo real y combina varias acciones en una misma conversación, incluso para preguntas que nadie programó explícitamente.
¿Qué es una tool en el nodo AI Agent?+
Una tool es una capacidad que le das al agente: un sub-workflow, una llamada HTTP a tu API o una consulta a base de datos, con un nombre y una descripción. El modelo lee esas descripciones y decide solo cuándo invocar cada una. Sin tools, el agente solo puede conversar; con tools, puede actuar.
¿Cuánto cuesta operar un agente de IA en n8n?+
Con un modelo económico como GPT-4o-mini, una conversación típica de 6-10 mensajes con 2-3 llamadas a tools cuesta entre USD 0,002 y USD 0,01 en tokens. Un agente que atiende 2.000 conversaciones al mes opera por USD 5-20 mensuales, más la infraestructura de n8n.
¿Necesito saber programar para armar un agente en n8n?+
Para un primer agente con tools simples (consultar una planilla, llamar una API documentada), no: todo se configura visualmente. Para producción con clientes reales —manejo de errores, validación de respuestas, escalamiento a humanos— conviene apoyo técnico, porque un agente mal acotado responde cualquier cosa.
¿Querés que esto funcione en tu empresa?
En Deepyze convertimos procesos manuales en sistemas que trabajan solos: automatización con IA, apps web y móviles, y software a medida. Contanos tu caso y en 24 hs tenés una propuesta concreta.
Sin compromiso · Respuesta en 24 hs · Equipo en tu mismo huso horario