Los agentes de IA para marketing se encargan de las tareas repetitivas que van desde una idea hasta una publicación lista. Este artículo explica de qué está hecho un agente, cinco flujos de n8n para contenido, SEO, publicaciones en redes sociales y contactos, las herramientas y modelos que hay detrás, lo que cuesta ejecutarlos y los errores que hacen fracasar a los agentes.
La mayoría de los equipos de marketing no necesitan un robot que los reemplace. Necesitan algo que se encargue de las decenas de pequeñas tareas que van de una buena idea a una publicación lista: extraer datos de búsqueda, redactar el brief, redimensionar la foto, registrar el contacto, enviar el informe del lunes. Ese es el trabajo de un agente de IA para marketing, y n8n es uno de los lugares más prácticos para crear uno. Este artículo explica de qué están hechos estos agentes, cinco flujos de n8n que conviene construir primero, las herramientas y modelos que hay detrás, lo que cuesta ejecutarlos y los errores que los hacen fallar en la segunda semana.
Un agente de IA para marketing es un modelo de lenguaje con una tarea, un conjunto de herramientas y permiso para decidir cuál usar después. Dale un objetivo como "convierte esta actualización del producto en una publicación de lanzamiento y tres textos para redes", y leerá la entrada, planificará los pasos, llamará a las herramientas que necesite, revisará su propio resultado y te devolverá algo que una persona puede aprobar. La diferencia con un script simple es el paso de decisión. Un script sigue un único camino fijo. Un agente elige el camino según lo que va encontrando por el camino.
Ambas tienen su lugar. Muchas tareas de marketing funcionan mejor como automatizaciones simples, y usar un agente en el trabajo equivocado solo añade costo y variabilidad.
| Automatización simple | Agente de IA | |
|---|---|---|
| Camino | Fijo, idéntico en cada ejecución | Elegido por el modelo en cada ejecución |
| Entrada | Campos estructurados | Texto desordenado, correos, páginas web, imágenes |
| Ideal para | Sincronizar un formulario con un CRM | Clasificar contactos, redactar, investigar |
| Modo de fallo | Se detiene con un error | Produce una respuesta errónea con total seguridad |
| Costo por ejecución | Casi nada | Tokens del modelo en cada paso |
💡 Regla práctica: si puedes escribir los pasos como un diagrama de flujo sin ningún "depende", crea una automatización. Si los pasos dependen de lo que dice el contenido, usa un agente.
Cada agente en n8n, y en la mayoría de los otros frameworks, se reduce a las mismas cuatro partes:
Hay una quinta parte igual de importante y que se olvida con facilidad: un punto de control en el que una persona aprueba cualquier cosa que llegue al cliente antes de que salga.
n8n es una plataforma de automatización de flujos de código abierto con un editor visual y más de 500 integraciones. Su nodo AI Agent te permite conectar a un solo agente un modelo de chat, un nodo de memoria y cualquier número de herramientas, todo en el mismo lienzo que tus nodos de Gmail, Slack, Google Sheets y CRM. Para quienes trabajan en marketing, esto importa porque el agente no es un producto aparte. Está dentro del flujo que ya mueve tus datos.
Puedes ver cada paso de una ejecución, abrir cualquier nodo y leer qué entró y qué salió. Cuando un agente escribe un asunto flojo, puedes encontrar el paso exacto en el que se torció el contexto en lugar de adivinar. Puedes añadir un nodo de código cuando un nodo visual no hace lo que necesitas, y puedes fijar notas adhesivas en el lienzo para que el resto del equipo entienda el flujo.
n8n también es compatible con el Model Context Protocol en ambos sentidos. Un nodo MCP Client Tool permite a un agente llamar a herramientas de un servidor MCP, y un flujo puede exponerse como herramienta para otras aplicaciones de IA. La investigación que creaste para un agente puede servir a otro.
La Community Edition autoalojada es software libre, así que tu costo es el servidor donde corre, a menudo un VPS pequeño. En n8n Cloud, los planes se cobran por ejecuciones mensuales de flujos y no por usuario. Al escribir esto, el plan de entrada cuesta alrededor de €20 al mes con facturación anual e incluye 2.500 ejecuciones, y el plan Pro ronda los €50 con 10.000. Una ejecución es una pasada completa del flujo, sin importar cuántos pasos tenga. Algunas plataformas alojadas cobran el uso por tarea o por paso, así que un agente de quince pasos puede contar como quince unidades allí y como una sola ejecución aquí. Revisa la página de precios actual antes de comprometerte, porque los planes y los límites cambian.
💡 Consejo de presupuesto: el uso del modelo se factura aparte, según el proveedor de IA que conectes. n8n cuenta ejecuciones; tu proveedor de modelos cuenta tokens. Controla ambos desde el primer día.
Empieza con flujos que te ahorren horas cada semana y que tengan un fallo barato. Un mal borrador esperando aprobación te cuesta minutos. Un mal correo enviado a 5.000 contactos cuesta mucho más.
| Flujo | Disparador | Frecuencia típica | Ejecuciones al mes |
|---|---|---|---|
| Del brief de contenido al borrador | Nueva fila en una hoja de planificación | 12 publicaciones al mes | 12 |
| Agente de investigación SEO | Programación | Cada día laborable | unas 22 |
| Publicaciones en redes con fotos | Webhook desde el blog | 12 publicaciones al mes | 12 |
| Calificación de contactos | Envío de formulario | 200 contactos al mes | 200 |
| Informe semanal | Programación | Cada lunes | unas 4 |
Los conteos de ejecuciones son aritmética simple. Los cinco juntos suman unas 250 ejecuciones al mes, que caben de sobra en un plan de 2.500 ejecuciones. Los tokens del modelo son la parte que crece con el volumen.
Una nueva fila en tu hoja de planificación inicia la ejecución. El agente lee el tema y la frase de búsqueda objetivo, busca en la web los resultados mejor posicionados, extrae sus encabezados y arma un brief: enfoque, esquema, preguntas que responder y páginas internas a enlazar. Una segunda llamada al modelo redacta un primer borrador a partir de ese brief, usando las notas de voz que guardaste en la memoria. El flujo guarda el borrador en un documento y avisa al editor por Slack.
El editor sigue haciendo el trabajo de verdad: recortar, verificar datos y añadir lo que solo tu equipo sabe. El agente elimina la página en blanco, no al editor.
Ejecútalo cada mañana de los días laborables. El agente lee los datos de posicionamiento de una hoja o de una API a la que ya exportas, marca las páginas que perdieron posiciones y propone una solución para cada una: una sección que falta, una estadística desactualizada, un título que ya no coincide con la búsqueda. Escribe los hallazgos en una hoja con una columna de prioridad.
El detalle importante es de dónde salen los datos. No le pides al modelo que conozca tus posiciones. Se las das a través de una herramienta y le pides que interprete los números.
Cuando una entrada del blog se publica, se activa un webhook. El agente lee el artículo, escribe un texto para cada plataforma, elige los tres ángulos más fuertes y redacta un prompt de imagen para cada uno. Un nodo HTTP Request envía esos prompts a un modelo de imagen, las imágenes vuelven y un mensaje en Slack muestra las publicaciones terminadas para su aprobación. La llamada de imagen se explica paso a paso en una sección posterior.
Un envío de formulario activa la ejecución. El agente lee el campo de texto libre, comprueba el dominio de la empresa en tu CRM, puntúa la idoneidad del contacto de uno a cinco con una razón de una línea y redacta una respuesta. Las puntuaciones altas van directamente a un vendedor con el borrador adjunto. Las puntuaciones bajas reciben un correo de seguimiento cortés, después de que una persona haya revisado el lote.
Este es el flujo con más volumen de la tabla, así que también es donde un modelo rápido y económico como Gemini 3.5 Flash o Claude 4.5 Haiku se gana su lugar.
Cada lunes, el agente extrae las cifras de la semana pasada de tus analíticas, plataformas publicitarias y herramienta de correo, las compara con la semana anterior y escribe cinco frases que un gerente ocupado sí leerá: qué cambió, por qué probablemente cambió y qué hacer a continuación.
Saca la aritmética del modelo. Deja que los nodos de n8n calculen los totales y los cambios porcentuales, y luego dale al agente las cifras ya terminadas para que las describa. Los modelos son buenos explicando un número y poco fiables calculándolo.
Tu conjunto de herramientas tiene tres capas: el orquestador que ejecuta el flujo, el modelo que razona y las herramientas de medios que producen imágenes. Así encajan las opciones más comunes.
| Capa | Opción | Ideal para | Ojo con |
|---|---|---|---|
| Orquestador | n8n autoalojado | Control, privacidad, muchas ejecuciones | Tú mantienes el servidor |
| Orquestador | n8n Cloud | Puesta en marcha rápida, sin servidor | Límites de ejecución por plan |
| Modelo de razonamiento | Claude Sonnet 5 | Planificación de varios pasos, uso de herramientas | Más pesado que un modelo pequeño en tareas sencillas |
| Modelo rápido | Gemini 3.5 Flash | Clasificación y textos a gran volumen | Razonamiento más ligero que los modelos grandes |
| Modelo centrado en agentes | Kimi K2.6 | Bucles de agente con muchas herramientas | El comportamiento cambia según el modelo; prueba tus prompts |
| Modelo de imagen | PicassoIA Image | Fotos de campaña desde la API | Revisa el plan y los límites |
Ajusta el modelo a la tarea en lugar de elegir uno favorito. Usa un modelo grande como Claude Sonnet 5 para el paso de planificación, donde una mala decisión desperdicia todos los pasos siguientes. Usa un modelo pequeño como GPT-5 mini para clasificar, redactar textos y reescribir.
En n8n adjuntas un modelo de chat distinto a cada nodo AI Agent, así que un mismo flujo puede usar ambos: un modelo pequeño clasifica y uno más grande atiende los casos que requieren criterio. Prueba cada candidato con 20 ejemplos reales de tu bandeja de entrada o de tu cola de contenido pendiente, y quédate con el más barato que los supere. Puedes probar todos estos modelos en el navegador en PicassoIA antes de conectar nada en n8n.
Los agentes de marketing escriben bien, pero no hacen imágenes por sí solos. Para eso les das una herramienta de imagen. PicassoIA ofrece una API para desarrolladores con este fin, y basta un nodo HTTP Request de n8n para llamarla. Modelos de imagen como PicassoIA Image y PicassoIA Image Editor Pro están disponibles a través de ella.
pia_sk_.Authorization y como valor Bearer seguido de tu credencial.POST, URL https://api.picassoia.com/v1/models/picassoia/picassoia-image/predictions.input.GET a https://api.picassoia.com/v1/predictions/ más ese ID, y repite hasta que el estado indique éxito.{
"input": {
"prompt": "Candid photo of a ceramic skincare bottle on a pale stone table, soft window light from the left, 85mm lens, shallow depth of field, visible glaze texture"
}
}
Una cuenta puede ejecutar 5 predicciones al mismo tiempo, así que cuando un agente genere una lista de prompts, pásalos por un nodo Loop Over Items con un tamaño de lote de 5 o menos.
💡 Revisa antes de construir: los campos de entrada, los límites y los requisitos de plan de la API pueden cambiar. Lee la página de la API para ver los valores actuales antes de llevar esto a un flujo de producción.
Dale al agente una plantilla de prompt fija en lugar de dejar que improvise. La estructura que funciona para resultados fotográficos es: sujeto, escenario, dirección de la luz, lente y un detalle de textura.
Antes de conectar un modelo a una automatización, prueba el prompt a mano. GPT Image 2 y Nano Banana Pro están ambos en PicassoIA, así que puedes comparar algunos resultados lado a lado y luego copiar el prompt ganador en tu plantilla.
Imagina a una fundadora con una instancia de n8n en un VPS pequeño y tres flujos: brief de contenido, publicaciones en redes e informe semanal. Eso suma unas 30 ejecuciones al mes. No hay cuota por usuario, así que la factura es el servidor más los tokens del modelo.
Una agencia ejecuta la misma plantilla de flujo para cada cliente, con notas de voz e IDs de hojas distintos cargados desde una tabla de configuración. Un flujo de calificación de contactos por cliente puede llegar a miles de ejecuciones al mes en toda la cartera, y ahí el autoalojamiento deja de ser una preferencia y se convierte en la opción más barata. Mantén un flujo compartido de errores que te avise por Slack cada vez que falle la ejecución de cualquier cliente.
Los mayores ahorros en ambas configuraciones llegan con los primeros borradores y la investigación, porque son las partes lentas. La edición, la aprobación y el juicio siguen siendo humanos. Tus números serán distintos, así que pon en marcha la configuración durante un mes y lee las facturas reales antes de prometer un ahorro a nadie.
💡 Ejecuta tu primer flujo durante dos semanas en modo de aprobación total. Después, relaja los puntos de control solo donde el agente haya demostrado su valor.
Elige una tarea que te quite una hora cada semana. Dibújala con cajas en papel, marca el único paso que requiere criterio y construye solo ese paso como agente. Todo lo que lo rodea sigue siendo un nodo normal de n8n. Añade el punto de control de aprobación, ejecútalo durante dos semanas y luego añade el siguiente flujo.
Cada flujo de este artículo mejora cuando las imágenes son fotografías reales en lugar de stock genérico. Prueba a crear tus propias imágenes con PicassoIA: escribe un prompt con la plantilla de arriba, elige un modelo como GPT Image 2 o PicassoIA Image y mira cómo queda antes de automatizar nada. Cuando el resultado sea el correcto, pasa ese prompt a n8n y deja que tu agente lo repita a escala. Explora todos los modelos disponibles en picassoia.com/en/all-models y empieza hoy con una imagen.
Elige tu idioma
