Pasos con LLM dentro de n8n: dónde ayuda el nodo de agente y dónde te arruina

Los nodos de IA de n8n han hecho trivial meter un modelo dentro de un flujo, y el resultado en las cuentas que hemos revisado es una distribución bimodal: un puñado de automatizaciones que de verdad no podrían existir de otra forma, y una larga cola de pasos donde se le pidió a un modelo algo que una expresión regular ya hacía bien.

La distinción no va de lo lista que sea la tarea. Va de qué pasa cuando el paso se equivoca.

Las tres formas que funcionan

Clasificación con lista cerrada. «¿Este correo entrante es una incidencia de soporte, una oportunidad comercial o una factura de proveedor?» La salida es uno de tres valores, todas las ramas posteriores están contempladas, y una respuesta equivocada manda un mensaje a la cola equivocada donde lo ve una persona. Es el paso de IA con más valor en la mayoría de empresas, y es barato: unos pocos cientos de tokens de entrada por ejecución.

Extracción hacia un esquema. Sacar importe, fecha, NIF y proveedor de una factura hacia un JSON de forma fija. Usa el modo de salida estructurada para que el modelo quede atado al esquema, y valídalo igualmente: un JSON bien formado con un número verosímil pero equivocado es el fallo que duele, y ninguna cantidad de ingeniería de prompt lo elimina. Valida la aritmética, no el formato.

Redacción para una persona. Una primera respuesta, un resumen, un título de ticket propuesto. El agente produce, alguien aprueba. Aquí es donde el modo de fallo de un modelo —seguro de sí mismo y equivocado— sale más barato, porque el paso de aprobación está haciendo el trabajo que si no tendría que hacer la evaluación.

Dónde sale mal

Como enrutador sobre un conjunto abierto. «Decide a cuál de estos doce sistemas llamar y con qué argumentos» es la demo del nodo de agente, y es la que produce incidentes. Doce herramientas son doce radios de acción, y el paso que decide es justo el que no puedes cubrir con pruebas unitarias. Si el modelo tiene que elegir, limita la elección a una lista y registra la elección con su razonamiento.

Como lo que escribe. Un nodo de agente con una herramienta que puede actualizar el CRM actualizará, tarde o temprano, el registro equivocado. No a menudo. Una vez cada pocos miles de ejecuciones basta cuando el flujo corre mil veces al día. Pon la escritura detrás de un paso determinista: el modelo propone un cambio, el código lo valida contra reglas que escribiste tú, el código lo aplica. Esa frontera es todo el diseño, y es el tema de permisos para agentes que actúan.

Como sustituto de un parser. Si el formato de entrada es estable, parséalo. Un modelo que lee un CSV es cien veces más caro y menos fiable que el nodo de CSV, y fallará distinto cada vez, lo que deja inservible el informe de error.

Las partes operativas que se saltan

Fija la versión del modelo. «Última» significa que el comportamiento de tu flujo cambia según el calendario del proveedor. Fíjala, y trata una actualización de modelo como un cambio con una ejecución de prueba detrás.

Pon un tiempo límite y un tope de tokens en cada nodo de IA. Sin ellos, una entrada patológica se convierte en una ejecución cara y lenta, y en modo cola ocupa un worker.

Guarda el prompt fuera del nodo. Los flujos son bloques de JSON; un prompt enterrado en la línea 400 de una exportación es un prompt que no revisa nadie. Ten los prompts en un fichero o una tabla, referencialos por clave y versionalos: lo contamos en versionar prompts y evaluar automatizaciones.

Registra entradas, salidas y coste por ejecución. n8n no va a hacerlo por ti de una forma que puedas consultar. Un nodo pequeño que escriba modelo, tokens, latencia y decisión en una tabla convierte «el paso de IA va raro» en un número.

Lo que cuesta

Un paso de clasificación en un modelo pequeño sale por una fracción de céntimo por ejecución: en la mayoría de flujos el modelo no es la parte cara, lo es la API a la que llamas después. Lo que revienta el presupuesto es un nodo de agente conversacional dando vueltas sobre llamadas a herramientas: quince turnos a cuatro mil tokens de contexto cada uno es otro orden de magnitud. Si tu nodo de IA tiene un bucle, limita las iteraciones.

Qué hacer esta semana

Abre tus flujos y lista todos los nodos de IA. Para cada uno, escribe qué pasa si la salida es incorrecta: ¿lo ve una persona o se escribe algo? Los del segundo grupo que no tengan un paso de validación delante de la escritura son los primeros que hay que arreglar.