¿Qué es un agente de IA y en qué se diferencia de un workflow normal?
Un workflow tradicional en n8n es lineal: si pasa A, hacé B, luego C. Es determinista. Siempre hace lo mismo con los mismos inputs.
Un agente de IA es diferente: tiene un objetivo, puede elegir qué herramientas usar para lograrlo, evalúa los resultados intermedios y ajusta su plan. Es como la diferencia entre un robot de ensamblaje (workflow) y un empleado autónomo (agente).
🧠 Ejemplo concreto:
Workflow tradicional: "Si llega email de cliente → extraer nombre → responder con template X"
Agente de IA: "Llegó un email de cliente. ¿Es una queja, una consulta técnica o una solicitud de presupuesto? Según eso, ¿debo responder yo directamente, escalar al equipo técnico, o enviar el formulario de cotización? Primero busco el historial del cliente, luego decido..."
Qué vas a construir en esta guía
Un agente de soporte que:
- Recibe mensajes de clientes por WhatsApp o formulario web
- Busca en tu base de conocimiento (Google Sheets o Supabase) si hay una respuesta
- Si encuentra la respuesta → la personaliza con Claude y responde
- Si no encuentra → escala al equipo humano con el contexto completo
- Registra toda la interacción para mejorar la base de conocimiento
¿Por qué Claude en lugar de GPT-4o?
GPT-4o es excelente, pero Claude tiene ventajas específicas para agentes:
- Contexto más largo: Claude 3.5 Sonnet soporta 200.000 tokens de contexto. Podés pasarle documentos completos, manuales, bases de datos enteras.
- Mejor en instrucciones complejas: Claude sigue instrucciones largas y estructuradas con más precisión. Menos "alucinaciones" en tareas de razonamiento.
- Formato de respuesta: Claude es mejor generando JSON estructurado sin errores, lo que es crítico cuando el output del agente va a otros nodos de n8n.
- Costo por token: Claude Haiku es extremadamente barato para tareas simples (clasificación, extracción de datos).
Arquitectura del agente
ENTRADA
↓ WhatsApp / Formulario / Email
CONTEXTO (Claude necesita saber quién es el cliente)
↓ Buscar historial en Supabase
↓ Buscar cliente en Google Sheets
RAZONAMIENTO (Claude decide qué hacer)
↓ ¿Está en la base de conocimiento? → responder
↓ ¿Es una queja? → tono empático + escalada
↓ ¿Es técnica? → buscar en docs → responder
↓ ¿No sé? → pedir más info o escalar
ACCIÓN
↓ Responder al cliente (WhatsApp / Email)
↓ Actualizar CRM con resumen
↓ Si escala: alerta Telegram al equipo
MEMORIA
↓ Guardar interacción para mejorar futuras respuestas
Antes de construir el agente, necesitás una base de conocimiento. Lo más simple: un Google Sheet con dos columnas.
Columna A: Pregunta/Tema
"¿Cuánto cuesta el plan Pro?"
"¿Cuánto tiempo tarda la implementación?"
"¿Qué integraciones tienen disponibles?"
"¿Tienen soporte en Argentina?"
Columna B: Respuesta
"El plan Pro cuesta $449 USD/mes e incluye..."
"El primer workflow está activo en 7 días..."
"Conectamos más de 400 servicios incluyendo..."
"Sí, somos un equipo argentino, horario GMT-3..."
💡 Tip: Empezá con 20-30 preguntas frecuentes. El agente va a escalar lo que no sepa, y esas escaladas te van a decir exactamente qué agregar a la base de conocimiento.
El agente puede recibir mensajes de múltiples canales. Usá el nodo que corresponda:
- WhatsApp: HTTP Request recibiendo webhook de Evolution API
- Formulario web: Webhook estándar de n8n
- Email: Nodo de Gmail/IMAP con polling cada 5 minutos
{
"event": "messages.upsert",
"data": {
"key": { "remoteJid": "5491155557777@s.whatsapp.net" },
"message": {
"conversation": "Hola, quiero saber cuánto cuesta el plan Pro"
}
}
}
Antes de llamar a Claude, traemos toda la base de conocimiento. Esto parece ineficiente pero funciona bien para bases de menos de 200 entradas. Para bases más grandes, usamos embeddings vectoriales (Supabase + pgvector).
Sheet: Base de Conocimiento
Options: Return All Rows: true
Después de traer las filas, usá un nodo Code para formatear la base de conocimiento como texto:
const rows = $input.all();
const kb = rows.map(r =>
`P: ${r.json.Pregunta}\nR: ${r.json.Respuesta}`
).join('\n\n');
return [{ json: { knowledge_base: kb } }];
Acá está el núcleo del agente. El prompt del sistema le da a Claude su rol, contexto y cómo debe responder. Es importante ser muy específico.
Sos el agente de soporte de Copisrad.cloud, una empresa
argentina de automatización con n8n. Tu objetivo es
responder consultas de potenciales clientes de forma
útil, honesta y en un tono profesional pero cálido.
BASE DE CONOCIMIENTO:
{{ $('Code').item.json.knowledge_base }}
REGLAS:
1. Respondé en español argentino (usá "vos", "te")
2. Si la respuesta está en la base de conocimiento, usala
y personalizá ligeramente el tono
3. Si NO está en la base, escalá: devolvé JSON con
"accion": "escalar" y "motivo": "[razón]"
4. SIEMPRE devolvé un JSON válido con esta estructura:
{
"accion": "responder" | "escalar" | "pedir_info",
"respuesta": "texto para el cliente (si aplica)",
"resumen_interno": "resumen de la consulta para el equipo",
"confianza": 0-100
}
Mensaje del cliente: {{ $('Webhook').item.json.body.message }}
💡 Tip crítico: Pedile siempre a Claude que devuelva JSON estructurado. Así podés usar el nodo "JSON Parse" siguiente y acceder a {{ $json.accion }}, {{ $json.respuesta }}, etc. en los nodos subsiguientes sin parsing manual.
Claude devolvió su decisión. Ahora bifurcamos el workflow:
Valor a evaluar: {{ $json.accion }}
"responder" → Rama A: enviar respuesta al cliente
"escalar" → Rama B: alerta al equipo + registrar
"pedir_info" → Rama C: pedir más datos al cliente
URL: http://tu-api/message/sendText/instancia
Body:
{
"number": "{{ $('Webhook').item.json.sender }}",
"text": "{{ $('JSON Parse').item.json.respuesta }}"
}
Fecha: {{ new Date().toLocaleString('es-AR') }}
Consulta: {{ $('Webhook').item.json.body.message }}
Respuesta:{{ $('JSON Parse').item.json.respuesta }}
Confianza:{{ $('JSON Parse').item.json.confianza }}
Accion: respondido_automatico
WhatsApp → cliente:
"¡Hola! Tu consulta requiere atención personalizada.
Un miembro de nuestro equipo te contacta en las
próximas 2 horas (lun-vie 9-18hs GMT-3). ¡Gracias!"
🚨 *CONSULTA SIN RESPUESTA AUTOMÁTICA*
📱 Cliente: {{ $('Webhook').item.json.sender }}
💬 Consulta: {{ $('Webhook').item.json.body.message }}
🤖 Motivo escalada: {{ $('JSON Parse').item.json.resumen_interno }}
⏰ {{ new Date().toLocaleString('es-AR') }}
Mejoras avanzadas (nivel 2)
Memoria de conversación
El agente básico no recuerda conversaciones anteriores. Para agregarlo, guardá el historial en Supabase y recuperalo al inicio de cada interacción:
Supabase → SELECT * FROM conversaciones
WHERE telefono = '{{ $json.sender }}'
ORDER BY created_at DESC LIMIT 10;
HISTORIAL PREVIO:
{{ $('Supabase').all().map(r =>
`[${r.fecha}] Cliente: ${r.consulta}\nAgente: ${r.respuesta}`
).join('\n') }}
Múltiples herramientas (Tool Use)
Claude puede usar "herramientas" que son nodos de n8n. Con el nodo AI Agent de n8n (disponible desde v1.20), podés darle a Claude acceso a herramientas como:
- Buscar en Supabase (base de conocimiento vectorial)
- Consultar el estado de un pedido en tu ERP
- Crear un ticket en tu sistema de soporte
- Agendar una reunión en Google Calendar
Model: Claude 3.5 Sonnet (via Anthropic node)
Tools:
- Tool 1: "buscar_faq" → Subworkflow que busca en Sheets
- Tool 2: "consultar_pedido" → HTTP a tu API interna
- Tool 3: "crear_ticket" → nodo de tu CRM
Memory: Window Buffer (últimas N interacciones)
Casos de uso reales en Argentina
- Clínicas: Agente responde consultas de WhatsApp, agenda turnos en Google Calendar, escala solo urgencias médicas reales
- E-commerce: Consulta el estado del pedido automáticamente, explica políticas de cambio, deriva devoluciones complejas
- Agencias: Responde consultas de presupuesto con preguntas cualificadoras, agenda demo solo con leads calificados
- Servicios B2B: Agente técnico que responde sobre integraciones disponibles con contexto de la empresa del lead
Conclusión
Los agentes de IA con n8n y Claude no son un proyecto de meses — son un workflow que podés tener funcionando en una tarde. La clave es empezar simple (base de conocimiento en Sheets, respuesta/escalada binaria) e ir agregando complejidad según los datos reales de escalada.
El 80% del valor viene del 20% del esfuerzo: un agente que responde las 20 preguntas más frecuentes automáticamente ya libera horas de trabajo semanal.
¿Querés que construyamos este agente para tu negocio? En Copisrad.cloud lo armamos adaptado a tu base de conocimiento, tus canales y tu CRM.
Diagnóstico gratuito →