Los chatbots improvisan. Nosotros construimos otra cosa: un proceso determinista en n8n donde cada paso está fijado — y la red neuronal solo hace lo que se le da bien: entender texto. Cada ejecución queda registrada, cada mensaje al cliente lo aprueba tu encargado. El resultado es una automatización en la que puedes confiar cientos de veces al día.
01 · Por qué los agentes solos fallan
Los agentes programadores (Claude Code, Codex y similares) arman una primera versión rápido — y luego resuelven la misma tarea de forma distinta cada día. Para un proceso que se repite cientos de veces, eso es inaceptable. La matemática es brutal:
0.95²⁰ ≈ 36% de ejecuciones exitosas de punta a punta. Incluso
con 99% por paso solo llegas al ≈ 82%. Por eso la
automatización seria pone dentro de la red neuronal solo tareas
estrechas — y deja todo lo demás sobre rieles fijos.02 · El método — ingeniero y rieles
Es la arquitectura a la que todo el mercado llegó en 2026 — OpenAI, Zapier y n8n coincidieron en la misma fórmula: un agente arriba, un proceso predecible abajo.
Construye tu automatización desde una descripción en lenguaje normal en días, no en meses. Después relee el diario de ejecuciones cada semana y propone pequeñas mejoras — que tú apruebas.
Una secuencia fija: aceptar la solicitud, clasificarla, guardarla, recordar a tiempo. Funciona exactamente como está especificado — cien o mil veces seguidas. Por eso en el centro está n8n, no una ventana de chat.
Un trabajo estrecho por llamada — clasificar la solicitud, extraer fechas e importes, redactar una respuesta. Formato rígido de entrada y de salida. El tren nunca se sale de los rieles.
Cada llamada al modelo pasa por tu propia pasarela: reparto entre modelos baratos e inteligentes, control de costes, paneles. Cada ejecución registra entrada, salida, errores, coste y tiempo.
Si el paso 7 de 10 falla a las 3 a.m., la ejecución continúa desde el paso 7 — no desde el principio. Sin cargos dobles, sin cartas duplicadas a clientes, y una aprobación puede esperar una semana sin romper nada.
03 · Tres sectores, tres rieles que funcionan
Basados en datos del sector (Anthropic, Zapier, McKinsey, Menlo Ventures) y cientos de despliegues reales: son los procesos que las empresas automatizan primero, porque el retorno es más rápido y el riesgo es menor.
Una solicitud llega a las 11 p.m. desde un formulario o Telegram. Por la mañana el cliente ya está frío — o ya reservó con la competencia. Los rieles aceptan la solicitud al instante, el LLM rellena una ficha ordenada desde el texto libre, y tu encargado recibe una respuesta lista con botones de Enviar / Editar. Cada día a las 10:00 el sistema prepara seguimientos para quienes llevan 2+ días en silencio — otra vez, solo con aprobación. Como dicen los practitioners: “el mayor cambio no fue una herramienta de IA — fue el aburrido seguimiento automatizado.”
Resultado: primera respuesta en menos de un minuto, cero solicitudes nocturnas perdidas, +20–40% de leads silenciosos reactivados con seguimientos.
“¿Dónde está mi pedido?”, “¿me quedará bien?”, “¿cómo lo devuelvo?” — más del 70% de los tickets son consultas, no decisiones. Los rieles sacan el pedido de tu tienda, el LLM redacta la respuesta desde tu base de conocimiento, y todo lo dudoso — reembolsos, quejas, enfado — cae en una cola humana como ticket ya preparado. La lección de Klarna 2024–2025 (piloto automático total, caída de calidad, recontratación) queda descartada desde el primer día.
Resultado: respuestas instantáneas 24/7 para lo rutinario, tu equipo solo atiende lo que necesita personas — el coste por ticket cae varias veces.
Extraer importes, fechas y contrapartes de escaneos es justo la tarea estrecha que los LLM hacen bien — y justo donde la confianza ciega es peligrosa. Los rieles procesan cada documento, y todo lo que esté por debajo del ~97% de confianza va a tu especialista en una cola de excepciones en vez de entrar en los libros. Las personas dejan de teclear y empiezan a verificar.
Resultado: documentos rutinarios procesados en segundos, trazabilidad total de cada cifra, especialistas dedicados al criterio — no a picar datos.
04 · Cómo trabajamos
Mapeamos dónde se atascan las solicitudes, cuánto te cuesta y qué proceso único paga todo el proyecto. Recibes un presupuesto cerrado — sin niebla de horas.
El agente-ingeniero construye el proceso determinista en tu servidor: disparadores, pasos LLM vía tu pasarela, base de datos, aprobaciones del encargado en Telegram. Ves las primeras ejecuciones en un diario en vivo.
HTTPS en todo, secretos bajo llave, accesos documentados, prompts y manuales. Tu equipo aprende los dos botones que importan: aprobar y escalar.
El agente relee el diario, detecta dónde cae la calidad y propone ajustes en los rieles. Automatización que mejora en vez de pudrirse — ese es todo el sentido del ciclo ingeniero-y-rieles.
05 · Preguntas
No — cambió su rol. En 2026 n8n levantó a valoración de $5.2B y lanzó Agents, donde el flujo se vuelve la herramienta del agente: “se ejecuta exactamente como está especificado”. El constructor de agentes de ChatGPT cerró; Zapier devolvió el agente al flujo ordinario paso a paso. El veredicto del mercado: un agente arriba, un proceso predecible abajo.
No por nuestros rieles. Todo lo que mira al cliente espera un toque humano — Enviar o Editar en Telegram. El LLM lee y redacta; los rieles y tu encargado deciden. El envío totalmente autónomo está en nuestra lista de lo que nunca se automatiza.
En tu servidor: n8n, la base de datos y la pasarela LiteLLM corren en Docker en tu VPS. Las llamadas se pueden dirigir a cualquier proveedor — o a uno europeo / local si el cumplimiento lo exige. Tras la entrega, ningún dato pasa por nuestra infraestructura.
La base cabe en un VPS pequeño (2 CPU / 4 GB RAM, unos euros al mes). Los costes de modelo se topan por flujo en la pasarela — normalmente céntimos por lead o ticket — y cada céntimo queda visible en el diario.
Un chatbot improvisa toda la conversación. Nuestro paso LLM hace un trabajo estrecho con formato estricto dentro de un proceso fijo — y un humano aprueba el resultado. Esa es la diferencia entre una demo y un proceso que sobrevive al contacto con clientes reales.
Envía un párrafo: ¿dónde se acumulan las solicitudes en tu negocio? En una semana recibirás un esquema de rieles — qué pasos se vuelven deterministas, dónde va el LLM y qué retorno deja. Gratis, sin compromiso.
¿Prefieres Telegram? Añade tu usuario junto al email al desplegar — una línea en este archivo.