Si ya construiste automatizaciones en n8n pero notas que un nodo switch se queda corto cuando cada contacto escribe algo distinto, este es el salto que necesitas: crear tu primer agente de IA en n8n para clasificar y responder información que no cabe en listas cerradas.

Este recurso es para quienes ya dominan flujos básicos de automatización y quieren entender por qué los agentes de inteligencia artificial resuelven lo que un flujo determinista no puede.

¿Por qué un nodo switch no basta para clasificar mensajes reales?

Hasta ahora, las automatizaciones que construiste respondían exactamente a cómo las configuraste. El nodo switch funciona bien cuando trabaja con una lista cerrada, como un presupuesto de tres opciones que genera tres ramas.

Estas automatizaciones son deterministas: reciben siempre el mismo input y devuelven el mismo output. Pero aquí viene el problema.

Cuando abres cada contacto y lees lo que escribió, cada persona expresa lo que necesita de forma totalmente distinta. Ningún nodo switch puede clasificar esa variedad de información [00:20]. Ahí es donde los agentes de inteligencia artificial se vuelven útiles.

¿Qué es una automatización determinista? Es un flujo que ante el mismo input siempre produce el mismo output. Un nodo switch con tres opciones de presupuesto es determinista porque solo reconoce esas ramas, no lenguaje libre.

¿Cómo se construye el flujo base de un agente en n8n?

Todo empieza creando un nuevo workflow, que en este caso se llama Nexo Agente [00:56]. El primer paso es buscar el trigger on chat message, que permite arrancar el agente de forma sencilla.

Este trigger simula un sistema de mensajería dentro de la plataforma de n8n. Cuando escribes un mensaje, genera la misma información que ves en cada nodo, en los formatos schema, table y JSON [01:20].

Después añades un bloque de inteligencia artificial seleccionando AI y luego AI Agent. Ese nodo recibe como primer dato el prompt, y la información que le pasas es el input generado por el mensaje.

¿Qué debe incluir el system message del agente?

El prompt se agrega con add option y luego system message, y conviene usar la opción expression para visualizarlo mejor [02:14]. El prompt de ejemplo define varios elementos clave:

• Un rol: asistente interno de Nexo.
• Un enfoque: responder solicitudes que llegan a la base de datos en Notion.
• Un tono cercano y servicial.
• Reglas concretas, como responder siempre en español y ser breve.
• El contexto: Nexo es una empresa de servicios de automatización.

Con estos elementos, el agente sabe quién es y cómo comportarse antes de recibir cualquier mensaje.

¿Qué proveedores de IA puedes conectar y cuáles son gratis?

Un agente necesita un modelo para funcionar, y eso se conecta desde chat model [03:10]. En esta práctica se conectan tres proveedores: uno de pago y dos con capa gratuita.

• OpenAI: es de pago. Requiere crear una cuenta, ir a settings y organization settings, recargar saldo a la API y generar una API key en la sección API keys. Nunca compartas esa clave y guárdala en un lugar seguro. En la prueba se usó el modelo gpt-5 mini [04:30].
• Groq: tiene capa gratuita. Es una plataforma que agrupa varios proveedores de IA. Generas la API key desde su sección correspondiente y puedes configurarla para que no expire nunca. Aquí se usó el modelo Qwen 3.8 [06:00].
• Gemini: también gratuito. La API key se obtiene desde AI Studio, en Get API key, y funciona con los modelos de Gemini que aparecen por defecto [07:00].

Con las tres credenciales habilitadas, puedes usar cualquiera de ellas de forma intercambiable en el mismo agente.

¿Necesito pagar para probar un agente de IA en n8n? No. Groq y Gemini ofrecen una capa gratuita con la que puedes generar tu API key y probar tu agente sin recargar saldo, algo que OpenAI sí exige.

¿Cómo pruebas que el agente responde correctamente?

Una vez conectado el modelo, abres Open Chat, reinicias la sesión y escribes algo tan simple como "Hola". El agente procesa el input más el prompt, envía esa información al modelo y responde presentándose como asistente de Nexo [05:00].

Ese ciclo, input más prompt hacia el modelo y de vuelta como respuesta, es el corazón de cómo funciona un agente. Y aquí aparece un detalle interesante que revela su límite.

¿Por qué el agente olvida tu nombre entre mensajes?

Al resetear la sesión y escribir "mi nombre es Javo", el modelo responde saludando: "Hola, Javo". Pero si luego preguntas cuál es tu nombre, el agente indica que todavía no lo sabe [08:30].

Esto ocurre porque el agente necesita una memoria para recordar información entre mensajes. Sin ese componente, cada interacción se procesa de forma aislada, aunque hayas dado el dato un momento antes.

¿Por qué un agente de IA no recuerda lo que le dije antes? Porque sin un componente de memoria cada mensaje se procesa de forma independiente. El agente solo recuerda dentro del contexto que le pases, no entre turnos separados de la conversación.

Ese es justo el siguiente reto: dotar al agente de memoria para que mantenga el hilo de una conversación. ¿Ya intentaste conectar tu primer modelo? Cuéntame en los comentarios cuál proveedor elegiste y cómo te fue con la API key.