Cómo montar un agente de IA en n8n sin que se invente las respuestas
El nodo AI Agent, la memoria, las herramientas y el system prompt: qué hace cada pieza y por qué un agente sin límites promete descuentos que no existen.
Por Carlos Ruiz · Director Comercial
Montar un agente de IA en n8n es fácil. Montarlo para que sirva en producción, con clientes de verdad al otro lado, es otra cosa. La diferencia casi nunca está en el modelo que eliges: está en las tres piezas que se conectan alrededor.
Un agente de IA es un modelo de lenguaje al que se le da memoria, herramientas y un conjunto de instrucciones, y que decide por su cuenta qué paso dar en cada momento. Esa es la diferencia con una cadena de nodos, donde la secuencia la fijas tú de antemano. En n8n se construye con el nodo AI Agent, y las tres piezas que lo rodean —memoria, herramientas y system prompt— son las que deciden si sirve o se inventa las respuestas.
Este artículo explica qué hace cada una y en qué orden conviene montarlas.
Agente o cadena: no es lo mismo
n8n ofrece dos aproximaciones y se confunden a menudo:
| Basic LLM Chain | AI Agent | |
|---|---|---|
| Qué hace | Manda un texto al modelo y devuelve la respuesta | Decide por su cuenta qué herramientas usar y en qué orden |
| Memoria | No | Sí, conectable |
| Herramientas | No | Sí, varias |
| Cuándo usarlo | Clasificar, resumir, extraer datos | Conversar y consultar sistemas |
La regla práctica: si la tarea siempre se resuelve igual, no necesitas un agente. Clasificar correos entrantes o extraer los campos de una factura es una cadena, no un agente. Meter un agente ahí añade imprevisibilidad y coste sin ganar nada.
El agente se justifica cuando no sabes de antemano qué hará falta: si el cliente pregunta por su pedido hay que consultar el ERP, si pregunta por el horario no hay que consultar nada, y eso lo decide sobre la marcha.
La memoria: por qué pregunta tres veces lo mismo
Un modelo de lenguaje no recuerda nada entre llamadas. Si no le pasas el historial, cada mensaje llega como si fuera el primero, y el cliente tiene que repetir su número de pedido tres veces.
En n8n la memoria se conecta al agente como un nodo aparte. Las opciones habituales:
- Simple Memory — se guarda en la propia instancia. Va bien para probar, pero se pierde al reiniciar n8n, y eso incluye cada actualización del contenedor.
- Postgres o Redis — sobrevive a reinicios y aguanta varias conversaciones a la vez. Es lo que hay que usar en cuanto haya clientes reales.
Aquí hay un detalle que sale caro: la memoria tiene una ventana, y todo lo que está dentro se envía en cada llamada. Una conversación larga significa mandar cada vez más texto, así que el coste por mensaje crece según avanza la charla. Conviene limitar la ventana a los últimos mensajes en lugar de arrastrar el hilo entero.
Y una decisión que no es técnica sino legal: si guardas conversaciones con clientes, eso son datos personales. Hay que saber cuánto tiempo se conservan y poder borrarlos.
Las herramientas: lo que separa un agente útil de un chatbot
Un agente sin herramientas es un modelo de lenguaje con memoria. Sabe hablar, no sabe nada de tu negocio.
Las herramientas son lo que le permite consultar el estado real: el stock, la fecha de un pedido, los huecos libres de la agenda. En n8n se conectan al nodo del agente, y cada una lleva una descripción que le dice al modelo cuándo usarla.
Esa descripción importa más de lo que parece. Es literalmente lo único que el modelo lee para decidir si esa herramienta le sirve. «Consulta pedidos» es mala; «Devuelve el estado y la fecha de entrega de un pedido a partir de su número» es buena, porque dice qué necesita de entrada y qué devuelve.
Un patrón que funciona bien: una herramienta que sea otro workflow de n8n. Así la lógica compleja vive en su propio flujo, se prueba por separado y el agente solo la invoca.
El system prompt es donde pones los límites
Aquí está la diferencia entre un agente que ayuda y uno que te mete en un problema. Un modelo sin instrucciones claras acabará prometiendo un descuento que no existe o un plazo de entrega que no puedes cumplir, porque su instinto es ser complaciente.
Lo que no puede faltar:
- Qué es y para quién trabaja. El nombre del negocio y a qué se dedica.
- Qué tiene prohibido afirmar. Precios que no estén en la herramienta, plazos, descuentos, disponibilidad.
- Qué hacer ante la duda. La instrucción explícita de decir que no lo sabe y derivar a una persona. Un agente que admite no saber da mucha mejor impresión que uno que improvisa.
- El aviso de que es un sistema de IA. No es opcional: el artículo 50 del Reglamento Europeo de Inteligencia Artificial obliga a informar de que se está interactuando con una IA.
La forma más rápida de comprobar si tus límites aguantan es intentar romperlos tú: pídele un descuento, un plazo imposible, información de otro cliente. Lo que ceda en esa prueba, cederá con un cliente real.
Los fallos que más se repiten
Dar acceso de escritura desde el principio. Un agente que puede leer el CRM es útil; uno que puede modificarlo puede estropear datos reales por una instrucción mal interpretada. Empieza en solo lectura y añade escritura pieza a pieza.
No poner límite de iteraciones. Un agente puede encadenar llamadas a herramientas buscando una respuesta que no existe, y cada vuelta cuesta dinero. Conviene fijar un máximo y que, al alcanzarlo, derive a una persona.
Confundir “no encontrado” con “no hay”. Si la herramienta falla por un error de conexión y devuelve vacío, el agente dirá tan tranquilo que el pedido no existe. Hay que distinguir el error del resultado vacío y tratarlos distinto.
No vigilar el flujo. Un agente caído es un cliente sin respuesta del que nadie se entera. Merece la pena montar un aviso cuando un workflow falla antes de poner nada en producción.
Guardar la API key del modelo en un nodo Code. El sitio de las claves es el gestor de credenciales, por las razones que explicamos en cómo guardar credenciales en n8n.
Cuándo no compensa montar un agente
Si tus consultas son siempre las mismas cinco preguntas, un menú de opciones las resuelve mejor: es más barato, más rápido y no se equivoca nunca. El agente aporta cuando las preguntas son variadas y hay que consultar datos que cambian.
Tampoco compensa si no tienes dónde consultar. Un agente sin acceso al stock, a la agenda o al CRM solo puede repetir lo que ya pone en tu web, y para eso la web ya está.
En resumen
El modelo es la parte menos determinante. Lo que hace que un agente funcione en producción son la memoria persistente, unas herramientas bien descritas y un system prompt que diga con claridad qué no puede afirmar. Empieza en solo lectura, ponle un tope de iteraciones y prueba tú mismo a romperlo antes de que lo haga un cliente.
Si el canal por el que te escriben es WhatsApp, la otra mitad del trabajo está en conectar WhatsApp con n8n: la API oficial, la ventana de 24 horas y las plantillas condicionan el diseño del agente más que el propio modelo.
Esto lo tenemos funcionando en nuestras propias empresas. Si quieres saber si en tu caso encaja o es sobreingeniería, el diagnóstico es gratuito y en media hora lo sabes. Más detalle en agentes de IA para empresas.
Preguntas frecuentes
¿Qué es un agente de IA en n8n?
Un modelo de lenguaje al que se le dan memoria, herramientas y un conjunto de instrucciones, y que decide por su cuenta qué paso dar en cada momento. Esa es la diferencia con una cadena de nodos, donde la secuencia la fijas tú de antemano. En n8n se construye con el nodo AI Agent.
¿Cuándo hace falta un agente y cuándo basta una cadena de nodos?
Si la tarea siempre se resuelve igual, no necesitas un agente: clasificar correos entrantes o extraer los campos de una factura es una cadena, y meter un agente ahí añade imprevisibilidad y coste. El agente se justifica cuando no sabes de antemano qué hará falta consultar en cada caso.
¿Cómo se evita que un agente de IA prometa cosas que no puede cumplir?
En el system prompt, que es donde se ponen los límites: qué es y para quién trabaja, qué tiene prohibido afirmar —precios, plazos, descuentos, disponibilidad— y la instrucción explícita de decir que no lo sabe y derivar a una persona. La prueba es intentar romperlo tú antes de que lo haga un cliente.
¿Por qué el agente pide tres veces el mismo dato?
Porque un modelo de lenguaje no recuerda nada entre llamadas: si no le pasas el historial, cada mensaje llega como si fuera el primero. En n8n la memoria se conecta como un nodo aparte. Simple Memory se pierde al reiniciar la instancia, así que con clientes reales toca Postgres o Redis.