Para muchas PYMES, la automatización con IA empieza por una plataforma SaaS: Make.com, Zapier o herramientas similares conectadas a un modelo de lenguaje en la nube. Cada resumen de correo, cada clasificación de ticket de soporte, cada actualización de CRM genera una pequeña factura. A volumen moderado, esas fracciones de céntimo suman fácilmente cientos de euros al mes. Y cada documento que automatizas pasa por infraestructura que no controlas.
En 2026, la comunidad de IA autoalojada ha adoptado una alternativa práctica: n8n como capa de automatización de flujos de trabajo, y Ollama como entorno local de ejecución de modelos de lenguaje. Ambas herramientas corren completamente en tu propio hardware. El resultado son flujos de trabajo con IA que no generan costes por token, no requieren contratos de tratamiento de datos con terceros y mantienen cada documento procesado dentro de tu red.
Qué es n8n y por qué es relevante para PYMES
n8n es una plataforma de automatización de flujos de trabajo de código abierto con un editor visual, comparable a Zapier o Make.com pero autoalojada y con soporte nativo para nodos de IA. Dispone de integraciones preconstruidas con cientos de servicios: bandejas de correo electrónico, CRM, exportaciones de ERP, calendarios, plataformas de tickets, Slack, RSS y más.
El equipo de n8n publica en GitHub un Self-Hosted AI Starter Kit que agrupa n8n, Ollama, PostgreSQL y Qdrant (para búsqueda vectorial) en un stack Docker Compose. Ollama expone un endpoint REST compatible con la API de OpenAI en el puerto 11434 que n8n consume sin configuración adicional. Según reportes de la comunidad, el stack está listo para producción en menos de una hora desde cero.
El resultado práctico: flujos de trabajo impulsados por IA que corren exclusivamente en tu propia infraestructura, sin ninguna ruta por la que los datos de negocio puedan llegar a sistemas externos.
Casos de uso que funcionan bien para PYMES
Clasificación y priorización de correo electrónico
Un flujo de trabajo lee los correos entrantes, los envía al modelo local y extrae prioridad, tema y una respuesta sugerida. Los resultados se depositan en un tablero kanban o CRM antes de que ningún miembro del equipo abra la bandeja de entrada. Con Llama 3.1 8B, el modelo más recomendado por los profesionales para flujos de trabajo en tiempo real, la latencia es suficientemente baja para un procesamiento casi instantáneo.
Enrutamiento y clasificación de documentos
Facturas, contratos, albaranes, candidaturas: n8n puede leer documentos entrantes, clasificarlos y enviarlos a la carpeta o bandeja de entrada correctas sin que el contenido de los archivos llegue jamás a una API externa. Para sectores con documentación confidencial, asesorías, despachos jurídicos, sanidad, esta es una ventaja de cumplimiento estructural.
Preprocesamiento de tickets de soporte
Las solicitudes de soporte entrantes se resumen, categorizan y enriquecen con una respuesta propuesta. El agente revisa y decide; el modelo hace el trabajo previo. Los profesionales de la comunidad reportan reducciones en el tiempo medio de gestión de tickets, aunque los porcentajes varían según el caso de uso y el modelo elegido.
Extracción de datos de contratos y documentos
Un modelo Qwen2.5 7B puede extraer datos estructurados de contratos, partes, duraciones, condiciones de pago, plazos de rescisión, y escribirlos directamente en un ERP o base de datos. Combinado con un modelo Whisper local para transcripción, la misma infraestructura puede convertir grabaciones de reuniones en actas estructuradas automáticamente. Para más detalles sobre este enfoque, consulta nuestro artículo sobre soberanía de datos e IA local.
Enriquecimiento de CRM y scoring de leads
Cuando se rellena un formulario de contacto, n8n puede enviar el texto al modelo local, generar una clasificación de sector y una puntuación de urgencia, y actualizar el CRM antes de que ningún comercial vea el lead. Ningún dato de prospecto pasa por un servicio de IA de terceros.
Modelos recomendados para flujos de trabajo de automatización
No toda tarea de automatización requiere un modelo de frontera. Para la mayoría de los flujos de trabajo de PYMES, los modelos más pequeños ofrecen la calidad necesaria con baja latencia:
- Llama 3.1 8B (Meta, Apache 2.0): el estándar de la comunidad para flujos de trabajo en tiempo real. Rendimiento reportado en Mac Mini M4 con 16 GB de memoria unificada: 30-60 tokens/segundo.
- Qwen2.5 7B (Alibaba, Apache 2.0): excelente rendimiento en español, alemán y otros idiomas europeos. Requisitos de hardware similares a Llama 3.1 8B.
- Mistral 7B (Mistral AI, Apache 2.0): fiable para salida estructurada y generación de JSON, que n8n puede consumir directamente en nodos posteriores.
- Llama 3.3 70B (Meta, Apache 2.0): para análisis complejos, documentos largos o tareas que requieren razonamiento más profundo. Necesita 64-96 GB de memoria unificada; recomendado en Mac Studio M3 Ultra o un servidor GPU dedicado.
Todos los modelos se gestionan a través de Ollama y están disponibles con un único comando de descarga.
Comparativa de costes: automatización en la nube vs. stack local
Una comparativa realista para una PYME con unos 500 pasos de automatización con IA al día:
Stack en la nube (Make.com Business + GPT-4o mini vía API)
- Make.com Business: aproximadamente €29/mes
- API de OpenAI a 500 llamadas/día, aproximadamente 600 tokens cada una: según cálculos de la comunidad, unos €80-130/mes
- Total a tres años: aproximadamente €3.900-5.800
Stack local (n8n autoalojado + Ollama + Mac Mini M4)
- Mac Mini M4 16 GB: aproximadamente €900, pago único
- Electricidad (~40 W, 10 horas/día): aproximadamente €2-3/mes en España
- n8n Community Edition: gratuito
- Total a tres años: aproximadamente €980
El periodo de retorno de la inversión se sitúa, según comparativas reportadas por la comunidad, por debajo de los doce meses a volumen moderado. A medida que el volumen de automatización crece, la ventaja se amplía: los costes de API escalan linealmente, los de hardware no.
Kit Digital: ¿puede financiar este tipo de implantación?
Según nuestra interpretación de las bases del programa, los componentes de automatización de flujos de trabajo de n8n podrían encuadrarse en la categoría de Gestión de procesos y proyectos del Kit Digital, que financia herramientas de digitalización de procesos internos. No obstante, la elegibilidad de cada solución concreta debe ser verificada con el agente digitalizador correspondiente y con la documentación oficial de Red.es. Este artículo no constituye asesoramiento sobre subvenciones.
Más información sobre cómo las PYMES españolas están usando el Kit Digital para implantar IA local en nuestra guía de IA local y Kit Digital.
Cumplimiento del RGPD por diseño arquitectónico
Las plataformas de automatización en la nube enrutan datos de clientes, texto de contratos y documentos internos a través de infraestructura de terceros, normalmente en Estados Unidos. Eso genera una cadena de obligaciones: contratos de tratamiento de datos (DPA), evaluaciones de impacto de transferencias bajo el artículo 46 del RGPD y dependencia de la lista de subencargados del proveedor, que puede incluir decenas de entidades.
Con un stack local de n8n + Ollama, esa cadena no existe. El artículo 25 del RGPD (protección de datos por diseño) se satisface arquitectónicamente: no hay ninguna ruta de red por la que los datos puedan llegar a un tercero. No es una promesa contractual que depende del cumplimiento del proveedor; es una restricción física impuesta por la propia infraestructura.
Para las obligaciones de transparencia del artículo 50 de la Ley de IA de la UE, aplicables desde el 2 de agosto de 2026, un stack local hace que la documentación sea directa: cada invocación del modelo, cada entrada y cada salida pueden registrarse en un sistema que tú controlas y auditarse en cualquier momento, sin necesidad de solicitar registros a un proveedor externo. Para una visión completa de las obligaciones de los operadores según la Ley de IA, consulta nuestra guía de IA local y cumplimiento normativo.
En España, la AESIA (Agencia Española de Supervisión de la Inteligencia Artificial) es la autoridad de control designada para la Ley de IA de la UE. Una arquitectura de IA local simplifica significativamente cualquier eventual supervisión, dado que todos los registros y procesos están bajo control directo del operador.
Qué necesitas para empezar
Hardware
- Mac Mini M4 (16 GB): aproximadamente €900, suficiente para Llama 3.1 8B, Qwen2.5 7B, Mistral 7B
- Mac Studio M3 Ultra (192 GB): recomendado para Llama 3.3 70B y cargas de trabajo paralelas intensas
- Servidor Linux existente con GPU NVIDIA reciente (12+ GB VRAM): también es una opción viable con vLLM u Ollama con backend GPU
Software
- Docker Desktop (gratuito para uso individual y PYMES con ciertas condiciones, consulta los términos actuales)
- n8n Self-Hosted AI Starter Kit (licencia MIT)
- Ollama (licencia MIT)
Tiempo de puesta en marcha Los reportes de la comunidad sitúan la configuración inicial en 1-3 horas hasta la primera automatización productiva. n8n mantiene una creciente biblioteca de plantillas de flujos de trabajo con integración de Ollama que sirven como punto de partida.
Primera descarga de modelo
ollama pull llama3.1:8b, aproximadamente 4,7 GB de descarga; después corre completamente en local.
Por dónde empezar
Si has descartado la automatización con IA por ser demasiado cara, demasiado sensible en materia de privacidad o demasiado técnica, el stack local aborda los tres problemas simultáneamente. Los costes se reducen a casi cero en términos continuos, el cumplimiento del RGPD es estructural en lugar de contractual, y el starter kit de n8n y su biblioteca de plantillas reducen considerablemente la barrera de entrada.
El punto de partida natural es identificar la tarea de gestión documental más repetitiva y de mayor volumen, clasificación de correo, enrutamiento de facturas, categorización de soporte, y construir un único flujo de trabajo a su alrededor. El resto fluye desde ahí.
Si quieres mapear tus flujos de trabajo específicos a un stack de IA local, estamos encantados de orientarte sin ningún compromiso.