Análisis de n8n 2026: automatización de workflows de IA con soporte de Ollama local

¿Qué es n8n?

• Función principal: construir workflows automatizados de varios pasos de forma visual, sin escribir una aplicación completa para cada integración
• Nodos de IA/LLM: la propia biblioteca de nodos de n8n incluye AI Agent, Basic LLM Chain y sub-nodos de modelo de chat dedicados para Ollama, OpenAI, Anthropic, Google Gemini y otros proveedores, que se conectan a los nodos de agente/cadena como el modelo llamado
• Cientos de nodos de integración prediseñados para aplicaciones y servicios comunes, además de nodos genéricos de solicitud HTTP y webhook para cualquier cosa sin un nodo dedicado
• Autoalojable: se ejecuta como contenedor Docker, paquete npm o en tu propio servidor —los datos del workflow permanecen en la infraestructura que controlas al autoalojarlo
• También se ofrece como servicio gestionado n8n Cloud, para equipos que prefieren no operar el alojamiento ellos mismos

Licencia de n8n: qué significa realmente "fair-code"

• Puedes ver, autoalojar, modificar y usar n8n para fines empresariales internos, incluso comercialmente, sin coste, bajo la Sustainable Use License
• La licencia restringe usar el propio código fuente de n8n para ofrecer una versión alojada multiinquilino competidora de n8n mismo sin un acuerdo comercial aparte
• "Fair-code" es un término propio de n8n para esta categoría de licencia, sin una definición legal formal e independiente como la que tiene "código abierto" a través de la Open Source Initiative
• n8n también ofrece una edición Enterprise con funciones adicionales desbloqueadas mediante una clave de licencia de pago sobre el mismo despliegue autoalojado

¿Cómo instalar y autoalojar n8n?

1. 1
   Prueba local más rápida: ejecuta npx n8n si tienes Node.js instalado — esto inicia una instancia local de n8n que puedes abrir en tu navegador sin un paso de instalación aparte.
2. 2
   Docker (el despliegue autoalojado más habitual): descarga y ejecuta la imagen oficial, montando un volumen para que los datos del workflow persistan entre reinicios del contenedor — consulta el comando exacto actual en la documentación oficial de n8n, ya que las etiquetas de imagen y las opciones cambian entre versiones.
3. 3
   Instalación global con npm: npm install n8n -g, y luego ejecuta n8n start — útil para un despliegue tipo servidor persistente sin Docker.
4. 4
   Incluido con IA local de serie: n8n publica un Self-hosted AI Starter Kit — una configuración de Docker Compose que lanza n8n junto con Ollama y la base de datos vectorial Qdrant, de modo que un entorno de workflow de LLM local queda en marcha con un solo comando.
5. 5
   Alternativa gestionada: regístrate en n8n Cloud en lugar de autoalojar si prefieres no operar tú mismo el servidor, la base de datos y las actualizaciones.
6. 6
   Lee la documentación oficial de autoalojamiento para conocer los requisitos actuales, las variables de entorno y los pasos de actualización antes de desplegar en producción.

Ejecutar n8n con modelos locales mediante Ollama

• Instala y ejecuta Ollama en la misma máquina que n8n (o en una máquina a la que n8n pueda acceder por red), y descarga al menos un modelo, por ejemplo con ollama pull llama3.2
• En el panel de nodos de n8n, añade un nodo Ollama Chat Model (o el sub-nodo Ollama equivalente) y crea una credencial de Ollama que apunte a la URL base de tu instancia de Ollama —http://localhost:11434 si ambos se ejecutan en el mismo host, o una IP/nombre de host accesible si Ollama se ejecuta en otro lugar
• Selecciona qué modelo descargado localmente usar (por ejemplo, un modelo Llama o Qwen ya descargado en Ollama) y configura parámetros de muestreo como temperature, Top K y Top P directamente en el nodo
• Conecta el nodo Ollama Chat Model a un nodo Basic LLM Chain para un uso simple de pregunta y respuesta, o a un nodo AI Agent cuando el workflow necesite que el modelo llame a otras herramientas (otros nodos de n8n) en lugar de responder una sola vez
• Sustituye el nodo local de Ollama por un nodo OpenAI API o Anthropic API en la misma posición del workflow siempre que una tarea necesite un modelo que ofrecen esos proveedores y que no sea práctico ejecutar localmente — el resto del workflow no necesita cambiar
• Si quieres tener modelos locales y una base de datos vectorial funcionando juntos de serie, usa el Self-hosted AI Starter Kit oficial, que aprovisiona n8n, Ollama y Qdrant en un único archivo de Docker Compose

¿Cuánto cuesta n8n?

• Edición Community autoalojada: gratis, sin coste de licencia, bajo la Sustainable Use License
• n8n Cloud Starter: facturación mensual (descuento disponible con facturación anual) con un tope de ejecuciones de workflow mensuales
• n8n Cloud Pro: un tope de ejecuciones mensual más alto que Starter, mismo modelo de facturación por ejecución
• n8n Cloud Business: un tope de ejecuciones aún más alto, pensado para equipos con mayor volumen de automatización
• Enterprise: precio personalizado — contacta con el equipo de ventas de n8n para una cotización; añade gobernanza, SSO y funciones autoalojadas de pago bajo licencia
• n8n factura los niveles Cloud por "ejecuciones de workflow" (una ejecución completa de un workflow, sin importar cuántos nodos o pasos contenga) en lugar de por llamadas de API o pasos individuales

¿Para quién es n8n?

¿Cuándo NO usar n8n?

• Un chatbot de propósito único sin automatización de varios pasos — una aplicación de chat dedicada o una llamada directa a la API supone menos sobrecarga que montar una plataforma de workflow
• Un plan de producto que implica alojar n8n para otros clientes como oferta SaaS multiinquilino — la Sustainable Use License restringe eso sin un acuerdo aparte con n8n
• Un equipo que, por motivos de compras, exige que cada dependencia lleve una licencia de código abierto aprobada por la OSI — la licencia fair-code de n8n es de código disponible, no aprobada por la OSI
• Una carga de trabajo que necesita una biblioteca de agentes a nivel de framework, en código, en lugar de un lienzo de nodos visual — LangChain o CrewAI encajan más directamente con ese patrón
• Usa n8n en su lugar cuando el trabajo real consiste en orquestar varias aplicaciones, API y, opcionalmente, modelos de IA locales o en la nube, en un pipeline visual repetible

n8n frente a otras herramientas de workflow y agentes

Competidores y alternativas a n8n

• Flowise — otro constructor de workflow visual de arrastrar y soltar para cadenas y agentes LLM, con licencia Apache 2.0, con soporte de Ollama; más cercano a n8n en estilo de interfaz que las opciones basadas en código de abajo
• Dify — un constructor de workflow visual que integra un pipeline RAG y un framework de agentes en una sola plataforma, bajo una licencia Apache 2.0 modificada con su propia restricción de reventa SaaS, similar en espíritu a las condiciones fair-code de n8n
• LangChain — un framework basado en código (Python/JavaScript) para cadenas, RAG y agentes, con licencia MIT, para equipos que prefieren escribir la lógica de orquestación directamente en lugar de construirla visualmente
• CrewAI — un framework multiagente basado en código y en roles, con licencia MIT, para equipos que construyen "equipos" de agentes que reparten una tarea entre agentes especializados en lugar de un único workflow lineal

Errores comunes al evaluar n8n

Preguntas frecuentes

Fuentes

Lecturas relacionadas

• Local LLM Software Directory — el catálogo completo de herramientas de IA local al que pertenece este análisis, incluyendo dónde encaja n8n entre las herramientas de workflow y constructores de nodos.
• Análisis de Flowise: constructor de workflow visual — la alternativa visual más cercana para equipos que comparan constructores de workflow LLM de arrastrar y soltar.
• Análisis de Dify: plataforma LLMOps de código abierto — un constructor de workflow que integra RAG y funciones de agentes bajo una licencia de código disponible igualmente restrictiva.
• Análisis de LangChain: funciones, precios, alternativas — una alternativa basada en código para equipos que prefieren escribir la lógica de orquestación en lugar de construirla visualmente.
• Análisis de CrewAI: funciones, precios, alternativas — un framework multiagente basado en código y en roles, para comparar con el nodo AI Agent visual de n8n.
• Reemplazar Zapier con agentes de IA locales — una mirada más amplia a la automatización autoalojada como alternativa a las herramientas de automatización solo en la nube.
• Licencias de herramientas de IA explicadas — contexto sobre las categorías de licencias fair-code, de código disponible y de código abierto mencionadas en este análisis.