Agentes de IA en n8n vs workflows: cuál usar y cuándo

En treinta turnos controlados de soporte, ambos diseños resolvieron los mismos 20 casos, pero el nuevo Agent de n8n necesitó 40 llamadas a workflows acotados y conservó 20 sesiones de conversación. Al comparar agentes de IA en n8n con workflows, la decisión no pasa por cuál automatiza más: conviene dejar el control en un workflow cuando la secuencia es fija y usar un Agent solo cuando la conversación deba decidir el siguiente paso.

Agentes de IA en n8n vs workflows: el veredicto

Elija un workflow de n8n si puede trazar la secuencia antes de iniciar la ejecución. Elija un Agent de n8n si la siguiente acción útil depende de lo que diga una persona, de lo que devuelva una herramienta o de lo que ya se haya establecido en la conversación. Para soporte y operaciones en producción, el diseño más sólido suele ser híbrido: el Agent decide y workflows acotados hacen el trabajo.

Esta diferencia importa más que la mera presencia de un modelo en la automatización. Un workflow puede llamar a un modelo y seguir siendo determinista. Un Agent puede llamar a workflows y seguir siendo agéntico, porque es el modelo —no el lienzo— quien elige la siguiente herramienta.

La pregunta decisiva es sencilla: ¿quién debe controlar el siguiente paso? Si la respuesta es quien diseña la automatización, deje el workflow al mando. Si es el modelo, después de leer la conversación actual y los resultados de las herramientas, use un Agent. n8n plantea la misma recomendación en el anuncio del producto: las secuencias fijas encajan en workflows, mientras que las solicitudes abiertas corresponden a Agents capaces de determinar los pasos. La explicación del lanzamiento de n8n marca esta frontera con una claridad poco habitual.

Qué cambió el 25 de septiembre

n8n presentó la nueva interfaz Agents el 25 de septiembre de 2026. Ahora, un Agent es un artefacto de proyecto de primera clase, con su propio modelo, instrucciones, herramientas, memoria, sesiones, borrador, versión publicada, canales y programaciones. Vive junto a los workflows, en vez de quedar dentro de un lienzo concreto. La documentación actual de n8n Agents lo presenta como el espacio para trabajos demasiado abiertos para un workflow fijo.

La novedad útil es esa identidad compartida. Un mismo Agent publicado puede responder en un canal, ejecutarse según una programación o recibir un mensaje de otro workflow. El historial de la sesión registra la conversación, las herramientas, los resultados, los errores y las aprobaciones pendientes. Editar el borrador no modifica silenciosamente la versión publicada.

El modelo tampoco debería tener acceso amplio a todos los sistemas. Una herramienta basada en un workflow le ofrece un contrato de acción acotado: entradas con nombre, una credencial controlada, un resultado conocido y un límite opcional de aprobación. Una de las primeras reacciones de profesionales resumió bien la idea: reutilizar workflows existentes como herramientas aporta más valor que añadir otra envoltura de chat.

n8n AI Agent Workflow Builder: qué cambió

El patrón anterior construía un agente dentro de un workflow con Chat Trigger, memoria, un nodo AI Agent, un modelo y herramientas. Ese patrón sigue funcionando. El nuevo builder traslada la identidad persistente del agente, las sesiones, las versiones y los distintos puntos de entrada a un artefacto compartido.

No es un simple cambio visual en el editor. Cambia quién asume cada responsabilidad:

• El Agent controla la conversación y el ciclo de selección de herramientas.
• Los workflows publicados controlan acciones acotadas, como consultar una cuenta o redactar una respuesta.
• El canal, la programación o el workflow que hace la llamada controla cuándo recibe trabajo el Agent.
• Una persona encargada de aprobar controla la decisión final sobre una herramienta sensible.

n8n Agents vs nodo AI Agent

El nodo AI Agent existente sigue siendo un nodo de workflow. Se conecta a un modelo de chat y al menos una herramienta, y después elige herramientas durante la ejecución de ese workflow. n8n afirma que las implementaciones actuales con el nodo AI Agent seguirán funcionando. La documentación vigente del nodo continúa describiendo ese diseño de modelo más herramientas.

Use el nodo cuando el agente pertenezca a un solo workflow y ese workflow deba controlar su disparador, la configuración de memoria y su ciclo de vida. Use el nuevo Agent cuando una misma identidad tenga que persistir entre conversaciones o recibir llamadas desde varios lugares. Migrar es opcional; no es un requisito para mantener en funcionamiento un agente existente basado en nodos.

La misma tarea de soporte, implementada de dos maneras

La comparación controlada utilizó una instancia local desechable de n8n 2.40.7, un único endpoint local determinista compatible con OpenAI y un fixture JSON fijo. Fue una prueba de enrutamiento y orquestación, no un benchmark de calidad del modelo ni de latencia en la nube.

Ejemplo de n8n AI Agent: clasificación de soporte

El fixture contenía 20 tickets de soporte sintéticos:

• Diez llegaban con un formato fijo que incluía ID del ticket, ID de la cuenta, área del producto y problema.
• Otros diez omitían deliberadamente el ID de la cuenta y el área del producto, por lo que un sistema útil tenía que formular una pregunta de seguimiento.
• Cada caso final tenía una cola esperada fija: facturación, soporte técnico o general.

Cada diseño procesó los mismos 30 turnos de usuario. Los diez tickets completos necesitaron un turno cada uno. Los diez incompletos requirieron una pregunta inicial y una respuesta de seguimiento, es decir, 20 turnos adicionales.

1. 1

   Construir la secuencia fija

   El workflow empleó tres nodos: un webhook recibía el ticket, el modelo local compartido lo clasificaba y un parser devolvía JSON estructurado. Todos los mensajes entrantes recorrían esos nodos en el mismo orden.

2. 2

   Construir el Agent

   El Agent utilizó el mismo modelo, instrucciones explícitas de clasificación, memoria de sesión almacenada y tres herramientas de workflow publicadas: Get Account Context, Draft Support Reply y Page On Call. Las dos primeras estaban disponibles directamente. Page On Call exigía aprobación.

3. 3

   Evaluar el trabajo completado

   Un caso solo se consideraba completo cuando el resultado contenía la cola final esperada. Por separado, se registraron las preguntas de aclaración, las ejecuciones, las sesiones, las solicitudes al endpoint del modelo, las llamadas a herramientas de workflow, los fallos y las acciones innecesarias.

Los dos diseños enviaron los 20 casos finales a la cola esperada. El resultado no demuestra que Agents y workflows tengan la misma capacidad de decisión. El stub era deliberadamente determinista para que la prueba aislara la orquestación. Lo que sí muestra es dónde aparece la maquinaria adicional: el workflow fijo hizo una solicitud al modelo por turno, mientras que el Agent llamó al modelo varias veces para elegir herramientas, procesar sus resultados, generar la respuesta y mantener su ejecución.

Las 100 solicitudes al endpoint del Agent se dividieron en 70 solicitudes de streaming para razonamiento o ciclos de herramientas y 30 solicitudes auxiliares sin streaming en esta configuración local. Debe interpretarse como una advertencia para medir el consumo del proveedor, no como un multiplicador universal. Otro modelo, otra configuración de memoria, otro prompt o una revisión distinta del producto pueden cambiar la cifra.

Cuándo conviene usar agentes de IA en n8n

Use un Agent cuando la conversación cambie el plan. Una solicitud de soporte que empieza con «la facturación es incorrecta» puede exigir una consulta de cuenta, una pregunta aclaratoria, una revisión de políticas o una aprobación antes de actuar. No es posible conocer la rama correcta hasta recibir la información que falta.

Use un workflow cuando el plan ya sea conocido. Una exportación nocturna, una sincronización de un webhook con el CRM o una secuencia de enriquecimiento de leads se benefician de nodos explícitos, reintentos predecibles y una ruta de ejecución que puede inspeccionarse sin reconstruir la decisión de un modelo.

Ganador en control y depuración: workflow

Es más fácil razonar sobre un workflow porque los posibles nodos siguientes están visibles en el lienzo. Si falla un proceso determinista, la ejecución indica qué nodo falló. Es la opción predeterminada correcta para movimientos de dinero, eliminación de registros, cambios de permisos y otras operaciones en las que la flexibilidad supone más riesgo que beneficio.

Una sesión de Agent proporciona otro tipo de trazabilidad: mensajes, elecciones de herramientas, resultados, errores y aprobaciones. Es útil, pero no convierte una decisión probabilística en un grafo declarado. Si la secuencia nunca necesita variar, añadir un ciclo de razonamiento solo crea otra superficie de fallo.

Ganador en conversación y estado: Agent

El Agent gana cuando el trabajo abarca varios turnos. Las sesiones se almacenan, pueden reanudarse y la memoria de sesión está activada de forma predeterminada. En el fixture, los diez tickets incompletos permanecieron en su sesión original cuando llegaron los datos faltantes de cuenta y producto. El workflow fijo produjo la misma respuesta únicamente porque el mensaje de seguimiento repetía contexto suficiente para un clasificador sin estado.

La diferencia aumenta en el trabajo de soporte real. Si un segundo mensaje solo dice «la cuenta de la UE», un workflow debe volver a cargar el ticket anterior desde un almacén de datos o recibir el historial como entrada. La sesión de Agent ya contiene el contexto de la conversación. La memoria episódica también puede abarcar varias sesiones, aunque n8n exige actualmente una credencial de OpenAI para esa función.

Ganador en acciones sensibles: workflow, con un Agent delante

El híbrido más seguro permite al Agent usar libremente herramientas de solo lectura y exige aprobación para los efectos secundarios. En una prueba preliminar separada con un ticket urgente, el Agent completó la consulta de cuenta de solo lectura, eligió Page On Call y después quedó suspendido. El workflow de aviso no se ejecutó hasta que una persona encargada de aprobar aceptara la llamada a la herramienta.

Ese es el modelo de seguridad correcto: un Agent puede recomendar o solicitar una acción, pero el radio de impacto queda en manos de un workflow acotado y de una aprobación explícita. Las credenciales se asignan a la herramienta, por lo que el Agent no necesita una credencial amplia capaz de hacerlo todo.

Ganador general: híbrido

La nueva interfaz funciona mejor como plano de control conversacional sobre los workflows, no como sustituto. El Agent interpreta, pregunta y elige. Los workflows validan, modifican sistemas y devuelven resultados estructurados. Esta separación también permite probar las acciones de manera independiente del modelo que las selecciona.

Costo de ejecución de los agentes de IA en n8n

Al 26 de septiembre de 2026, n8n no asigna a Agents un plan de precios independiente. Un turno de Agent cuenta como una ejecución, y las ejecuciones de Agents y workflows consumen la misma cuota. El anuncio de lanzamiento de n8n añade un dato importante: las llamadas a herramientas de workflow y a subagentes dentro de ese turno no cuentan como ejecuciones adicionales del plan.

Los precios actuales con facturación anual son $20 al mes para Starter con 2,500 ejecuciones y $50 al mes para Pro con 10,000 ejecuciones. Ambos precios se verificaron en la página de precios de n8n, cuyo selector anual muestra un ahorro del 17%. Para consultar las diferencias más amplias entre planes, vea el análisis de precios de n8n.

Considere el escenario de planificación del encargo: 200 conversaciones de tres turnos cada una.

• Las 600 ejecuciones del Agent resultan de 200 × 3. A efectos de la cuota, las herramientas de workflow internas permanecen dentro de esos turnos.
• En Starter, $20 ÷ 2,500 equivale a $0.008 de la cuota de suscripción por ejecución incluida. Los 600 turnos asignan $4.80 de esa suscripción mensual y dejan 1,900 ejecuciones.
• En Pro, $50 ÷ 10,000 equivale a $0.005 de la cuota de suscripción por ejecución incluida. Los mismos 600 turnos asignan $3.00 y dejan 9,400 ejecuciones.

Estos cocientes son un cálculo de asignación, no tarifas marginales de la factura. Si el turno 601 todavía entra en la cuota del plan, no añade una partida de $0.008 a la factura de Starter.

El punto de corte es el límite de la cuota, no un descuento por elegir Agent frente a workflow. Starter admite 833 conversaciones completas de tres turnos con 2,499 ejecuciones; la conversación 834 llega a 2,502 y supera la cuota de 2,500. Pro admite 3,333 conversaciones de ese tipo con 9,999 ejecuciones; la conversación 3,334 llega a 10,002 y supera la cuota de 10,000.

Si un workflow fijo recibe un webhook por cada mensaje del chat, también consume 600 ejecuciones para los mismos 600 turnos. Por tanto, hay un empate en la factura de ejecuciones. El workflow fijo todavía puede ser más barato en la capa del modelo, porque puede hacer una sola solicitud donde un Agent toma varias decisiones relacionadas con herramientas.

El uso del modelo queda fuera de la cuota de ejecuciones. Los créditos de n8n Gateway usan un saldo prepago independiente, y también es posible elegir una credencial propia del proveedor. La documentación de créditos de Gateway indica que, con saldo cero, los nodos compatibles fallan hasta que el propietario recarga, activa la recarga automática o cambia las credenciales. El resultado local de 30 frente a 100 solicitudes explica por qué tanto el número de ejecuciones como el gasto del modelo deben aparecer en su panel.

Sesiones, versiones, aprobaciones y llamadas a workflows

El nuevo Agent justifica su lugar cuando varios puntos de entrada necesitan el mismo comportamiento. n8n almacena cada conversación como una sesión, incluidos los mensajes, las herramientas y las aprobaciones pendientes. El fixture medido creó 20 sesiones, una por ticket, y cada uno de los diez tickets con seguimiento reanudó su sesión para el segundo turno.

El versionado separa la experimentación de la producción. El borrador se guarda mientras se edita, mientras que Publish toma una instantánea que usan los canales, las programaciones y los chats de producción. En la comprobación local, una instrucción aplicada solo al borrador generó una nueva versión de borrador, pero el ID de la versión activa y las instrucciones publicadas no cambiaron. Ese es el comportamiento deseable al perfeccionar un prompt durante operaciones en vivo.

n8n Message an Agent: un Agent, varios puntos de entrada

El nodo Message an Agent permite que un workflow llame a un Agent publicado existente. Un workflow preliminar de dos nodos envió un ticket de facturación al mismo Support Triage Agent, recibió un resultado completo y registró las mismas dos llamadas a herramientas acotadas: primero el contexto de la cuenta y luego la redacción de la respuesta. El nodo también aceptó una clave de sesión personalizada, de modo que un workflow puede continuar una conversación conocida en lugar de empezar desde cero.

Esto crea un patrón de composición útil:

1. Un workflow determinista recibe y valida un evento.
2. Message an Agent entrega únicamente la decisión conversacional al Agent publicado.
3. El Agent elige entre herramientas de workflow acotadas.
4. El workflow que hizo la llamada recibe el texto del Agent, el uso, el registro de llamadas a herramientas y la referencia de la sesión.

Evite la versión circular de esta arquitectura. Un workflow que llama a un Agent no debe estar también conectado a ese Agent como herramienta. Mantenga separados los workflows que sirven como puntos de entrada y los que ejecutan acciones, con nombres que hagan evidente el límite.

Las aprobaciones forman parte del mismo registro de sesión. Cuando se selecciona una herramienta sensible, el Agent se pausa y muestra sus argumentos. Approve permite continuar desde ese punto; Reject cancela la acción. Es más útil que una promesa genérica de «intervención humana», porque quien aprueba puede ver la herramienta y la entrada propuestas antes de que se use la credencial.

En automatizaciones de alto riesgo, el historial de la sesión sigue sin ser suficiente por sí solo. Envíe los fallos del Agent y las elecciones de herramientas sospechosas a una ruta de revisión independiente, y ajuste la retención, la redacción y las alertas a los datos implicados. La guía de análisis de fallos de agentes de IA aborda esa capa de observabilidad independiente.

Cómo cambiar sin reconstruirlo todo

El cambio debería consistir en envolver workflows estables, no en volver a dibujarlos dentro de un prompt. Los workflows existentes ya contienen las piezas valiosas: credenciales, validación, llamadas a API, transformaciones y gestión de fallos.

1. 1

   Conservar la estructura determinista

   Mantenga en workflows las programaciones, los webhooks, la validación y las escrituras irreversibles. No migre una secuencia fija solo para que la arquitectura parezca agéntica.

2. 2

   Convertir las acciones en contratos

   Asigne a cada workflow invocable un esquema de entrada acotado y una salida estructurada. Separe las consultas de solo lectura de los efectos secundarios para aplicar la aprobación únicamente donde haga falta.

3. 3

   Conectar el conjunto mínimo de herramientas

   Empiece el Agent con los pocos workflows necesarios para una tarea. Los nombres y las descripciones específicos ayudan al modelo a elegir bien y facilitan la auditoría del registro de sesión.

4. 4

   Probar conversaciones, no prompts

   Use casos con formato fijo, casos con información faltante, mensajes repetidos y solicitudes inseguras. Antes de publicar la instantánea, evalúe resultados finales, turnos de aclaración, llamadas a herramientas, acciones rechazadas y uso del modelo.

5. 5

   Añadir los puntos de entrada al final

   Cuando el Agent publicado sea estable, conecte un canal, una programación o un workflow Message an Agent. Reutilice la misma identidad en vez de clonar instrucciones en varios lienzos.

No cambie si la secuencia es fija, si el nodo AI Agent actual pertenece a un solo workflow o si su modelo de cumplimiento no admite software en Preview. Para los despliegues Enterprise self-hosted y en queue mode, la respuesta actual es todavía más clara: espere. Si está eligiendo el stack de automatización más amplio en torno a n8n, la comparativa de herramientas de automatización con IA ofrece ese contexto adicional.

El costo de la migración se esconde en las interfaces, no en la cantidad de nodos. Cada herramienta de workflow necesita entradas claras, credenciales controladas, resultados predecibles, acciones seguras frente a duplicados y una persona responsable de las aprobaciones. Un Agent deja al descubierto rápidamente los contratos débiles, porque puede llamar a la misma herramienta en un orden que quien diseñó el workflow original no había previsto.

Límites de Preview y recomendación

n8n Agents se encuentra en Preview. En n8n Cloud, está disponible para todos los usuarios que ejecutan la última versión estable. El self-hosting comienza en la versión 2.32.3 y exige habilitar el módulo agents para una configuración manual. El builder completo asistido por IA es opcional, pero las bases de conocimiento en self-hosting necesitan un sandbox de Daytona y los canales requieren una URL de webhook pública.

Dos límites pueden frenar una migración que, por lo demás, resulta atractiva: Agents todavía no está listo para Enterprise self-hosted y queue mode no es compatible. n8n también advierte que las conexiones de canales en self-hosting, como Telegram, pueden fallar, por lo que recomienda actualmente el modo normal.

Una arquitectura de producción honesta es conservadora. Mantenga el workflow al mando de todas las secuencias que ya conoce. Coloque el Agent únicamente en el punto donde una conversación deba decidir qué sigue. Asígnele workflows acotados como herramientas, almacene la sesión, publique una instantánea probada y exija aprobación antes de cualquier efecto secundario relevante.

Es autonomía suficiente para que la nueva interfaz resulte útil sin pedirle a un Agent en Preview que se convierta en todo su sistema de automatización.

Preguntas frecuentes

¿Puedo usar n8n para crear IA agéntica?

Sí. La nueva interfaz Agents permite crear un Agent persistente capaz de elegir herramientas entre sesiones, mientras que el nodo AI Agent existente implementa comportamiento agéntico dentro de un workflow. Elija el alcance que corresponda a la tarea.

¿Cuáles son los 4 grandes agentes de IA?

No existe un «grupo de los cuatro» reconocido para los agentes de IA. Elija según el trabajo, las integraciones necesarias, el modelo de aprobación, las restricciones de despliegue y el costo, no a partir de una lista genérica de popularidad.

¿Cuáles son los 5 tipos de agentes en IA?

No existe una taxonomía universal de cinco tipos. Para una implementación en n8n, la distinción útil es si un grafo fijo controla la siguiente acción o si un modelo elige entre herramientas acotadas.

¿Qué diferencia hay entre los workflows de n8n y los workflows agénticos?

Un workflow de n8n sigue un grafo declarado de nodos. En un diseño agéntico, un modelo elige la siguiente acción, aunque los workflows pueden seguir ejecutando por debajo las herramientas aprobadas.

¿ChatGPT es una IA agéntica?

Una respuesta de chat no es agéntica por naturaleza. El comportamiento agéntico implica perseguir un objetivo mediante la selección de acciones o herramientas, observar los resultados y decidir qué hacer después.

¿Cuáles son los cuatro tipos de agentes?

No existe un único estándar de cuatro tipos que rija n8n. Es mejor evaluar características operativas: estado, planificación, acceso a herramientas y autonomía.

¿Cuáles son los 3 mejores agentes de IA?

No hay tres opciones universalmente superiores. El Agent adecuado depende de los sistemas a los que deba acceder, del control que necesite y de dónde pueda ejecutarse.

¿Cuáles son los 7 tipos de IA?

Las listas de siete tipos son taxonomías educativas, no reglas de arquitectura. No determinan si un proceso de soporte u operaciones debe implementarse en un workflow de n8n o en un Agent.

¿Cuáles son las 5 partes de un agente de IA?

En una implementación con n8n, empiece por el modelo, las instrucciones, las herramientas, la memoria y los controles de acceso. Añada conocimiento, canales, programaciones o subagentes solo cuando el caso de uso lo requiera.

Si la parte difícil es el punto de decisión conversacional, puedo ayudarle a diseñar y crear el Agent sin renunciar a sus workflows como superficie de control.