Parece que casi todos los aspectos del mundo tecnológico moderno se están acelerando. La mayoría de las empresas hacen todo lo posible por mantener el ritmo, aunque la tasa de éxito es ciertamente lo suficientemente alta dada la cantidad de intentos en curso. En este artículo El Estado de la IA en los Negocios 2025: La Brecha de la IA Generativa | Cactus proporcionamos algunas ideas sobre este problema.
El ritmo acelerado del cambio es especialmente evidente en el SaaS. Nuevas plataformas aparecen casi a diario, prometiendo resolver los problemas «más críticos» en todas las industrias y mercados, mientras que otras desaparecen o son adquiridas en cuestión de semanas. En un panorama donde la complejidad sigue aumentando, ¿cómo pueden los equipos acortar de manera realista los ciclos de desarrollo de nuevos productos y servicios?
Creo que la respuesta es doble: existe el impulso implacable por «más» que es inherente a nuestro sistema económico y están las nuevas tecnologías que surgieron para satisfacerlo. En primer lugar, la Inteligencia Artificial, especialmente los Grandes Modelos de Lenguaje (LLM), mejora significativamente las capacidades de los desarrolladores expertos. Incluso las personas con menos conocimientos técnicos ahora pueden crear productos digitales, desde flujos de trabajo automatizados hasta aplicaciones sencillas.
Existe una fuente adicional de empoderamiento: la disponibilidad de nuevas herramientas, comúnmente conocidas como herramientas «low-code» o incluso «no-code» que no requieren una amplia experiencia en programación, lo que permite a cualquier persona automatizar flujos de trabajo o crear aplicaciones visualmente.
Herramientas Low-Code
Permítanme primero explicar el concepto detrás de las herramientas «low-code». En esencia, toman el código complejo normalmente necesario para proporcionar cierta funcionalidad y lo empaquetan en módulos preconfigurados. En lugar de escribir todo desde cero, los usuarios pueden combinar estos módulos listos para usar, generalmente a través de una interfaz gráfica, para resolver un problema empresarial o crear un flujo de trabajo específico.
El enfoque de modularizar funcionalidades no es algo nuevo; los desarrolladores lo han estado haciendo durante décadas. Lo que hace diferentes a las herramientas low-code, en mi opinión, es la combinación de una interfaz gráfica y una vasta biblioteca de módulos. Arrastrar y soltar módulos en un lienzo basado en la web y conectarlos siguiendo una lógica de negocio acerca la resolución de problemas a las partes interesadas. Los propietarios de proyectos con inclinaciones técnicas pueden incluso experimentar e iterar sobre las soluciones ellos mismos, sin necesidad de un desarrollador para cada cambio.
Tantas Herramientas, Tantos Dolores de Cabeza
La aceleración mencionada anteriormente también afecta al panorama de las herramientas low-code. Hay innumerables herramientas para elegir. Tomemos, por ejemplo, algunas de las destinadas a la automatización de procesos de negocio:
-
-
Zapier: Automatiza flujos de trabajo de IA, Agentes y Aplicaciones
-
Make | Herramientas y Software de Automatización de Flujos de Trabajo con IA
-
Power Automate: Automatización Robótica de Procesos Inteligente | Microsoft Power Platform
-
n8n.io – Herramienta de automatización de flujos de trabajo con IA
-
Programación low-code para aplicaciones orientadas a eventos : Node-RED
-
Elegir la correcta no es sencillo y depende de los objetivos específicos a alcanzar, el software ya en uso o los sistemas existentes. Si, por ejemplo, ya se utilizan productos de Microsoft en tu empresa y el objetivo es automatizar procesos dentro del ecosistema de Microsoft, Power Automate podría ser una opción adecuada. Incluso es posible que la elección de la herramienta se reduzca a preferencias personales, como pequeñas diferencias en la funcionalidad de la interfaz de usuario.
Dos ejemplos prácticos usando n8n
Acabo de mencionar que podría ser difícil elegir entre todas las opciones, así que ¿por qué elegí n8n para demostrar sus capacidades basándome en un ejemplo? Hay tres razones principales. La primera razón es que n8n puede alojarse localmente, podría ser un servidor interno o incluso un ordenador personal. Otra razón es que n8n es modular en el sentido de que si hay una funcionalidad que necesitas que no está cubierta por los módulos preconfigurados (o nodos, como se denominan en n8n), puedes desarrollar la funcionalidad e integrarla en n8n. La tercera razón es que n8n es gratuito para uso interno con fines comerciales. Eso significa que no hay coste asociado al uso. Hay algunas restricciones de funcionalidad, pero incluso con estas restricciones hay muchas cosas que podrías automatizar usando n8n.
Ejemplo básico: Enrutar correos electrónicos según el contenido del correo
Para comenzar con un ejemplo básico, imagina que tienes un correo electrónico corporativo como info@tu_empresa.com. Suponiendo que tienes un proceso establecido que filtra los correos SPAM evidentes, deseas analizar el contenido del correo y enrutar la información a la persona correcta dentro de tu empresa para que cada consulta sea notada y procesada rápidamente. Hay varias formas de configurar esto en n8n, pero necesitaríamos al menos tres funcionalidades: un nodo (recuerda que los módulos preconfigurados se llaman así en n8n) que verifique si hay nuevos mensajes en una cuenta de correo determinada, un nodo que analice el contenido del correo y finalmente un nodo que envíe un correo electrónico a la persona encargada.
Así es como se vería esto en n8n:
Echemos un vistazo a cada nodo y su funcionalidad:
Nuevo_Mensaje_Outlook:
Este es el evento que desencadena el flujo de trabajo. En este ejemplo, la cuenta de correo se verifica periódicamente en busca de nuevos mensajes. Los detalles básicos del mensaje, como el asunto del correo, la fecha de recepción, el remitente y el contenido del correo, se envían al siguiente nodo.
Personas_Encargadas:
Este nodo contiene información estática sobre la persona encargada de cada departamento. Dentro de n8n, esto se ve así:
Analizador_Email:
Aquí es donde se analiza el contenido del correo electrónico. En este caso, opté por el nodo Agente que orquesta las llamadas y el razonamiento del Modelo de Lenguaje Grande (LLM). En este punto, es importante notar que, para usar el nodo Agente, necesitas especificar el LLM que deseas utilizar. Los proveedores pueden ser openAI, Anthropic, Gemini o cualquier otro. Dentro de n8n te conectas al servicio a través de la clave API correspondiente. Se aplican los términos de uso del proveedor correspondiente. Si el contenido del correo electrónico tiene requisitos específicos con respecto a la privacidad de los datos, los usuarios podrían optar por Azure OpenAI o incluso Ollama, que generalmente se implementa localmente. Además del LLM, proporcioné al nodo Agente un Formateador_de_Salida. Esto no es obligatorio pero aumenta la fiabilidad de las salidas del LLM, ya que obliga al LLM a responder de manera estructurada en lugar de con texto libre.
Enviar_Mensaje:
Una vez que el nodo Agente ha terminado el análisis, envía la información al último nodo en el que se formatea el correo electrónico y finalmente se envía a la persona encargada.
Ejemplo avanzado: Automatización de un proceso típico de back office – recepción de pedidos
Imagina que eres la persona encargada de la recepción de pedidos en tu empresa. No es raro que este proceso comience con un correo electrónico. El correo electrónico debe leerse, los archivos adjuntos deben abrirse y la información debe extraerse. Procesar el pedido puede implicar tareas como verificar la disponibilidad del producto en una base de datos o documentarlo en un sistema de Gestión de Relaciones con el Cliente (CRM). Todo esto, en principio, puede automatizarse usando n8n.
Sin embargo, para que dicha automatización sea fiable, es esencial cierto conocimiento técnico. El correo electrónico entrante puede incluir diferentes tipos de archivos adjuntos, como imágenes, PDFs u hojas de cálculo. Cada uno de estos archivos adjuntos debe analizarse de manera diferente; para extraer información de los archivos adjuntos, podrían ser necesarios nodos personalizados o incluso scripts. Finalmente, se podría utilizar un nodo Agente para interpretar y estructurar la información extraída antes de crear el registro del pedido en tu sistema. Los nodos Agente suelen utilizar instrucciones específicas redactadas en lenguaje natural. La calidad de estas instrucciones tiene un impacto en el comportamiento del agente.
En esta etapa, la línea entre low-code y desarrollo tradicional comienza a difuminarse. Si bien la interfaz gráfica y los nodos preconstruidos aún aceleran el proceso de desarrollo, una comprensión técnica de lo que sucede debajo del capó se vuelve cada vez más importante.
Conclusión
Las herramientas low-code como n8n pueden acelerar los ciclos de desarrollo y empoderar a personas que quizás nunca han escrito una línea de código para automatizar procesos de negocio básicos. Sin embargo, lo que hay que considerar es que la automatización no elimina la complejidad, solo la traslada a otro lugar. Automatizar procesos de negocio más avanzados requerirá flujos más complejos y, muy probablemente, requerirá una comprensión técnica más profunda de cómo conectar nodos preconfigurados o incluso desarrollar nodos personalizados.
Ahí es donde la experiencia marca la diferencia. En Cactus ayudamos a las organizaciones a configurar herramientas low-code como n8n, y a diseñar e implementar procesos de automatización que realmente funcionen en su contexto específico.
