Serie n8n · IA · correo · Telegram
n8n con inteligencia artificial: resumir y clasificar correos automáticamente
Uno de los usos más prácticos de n8n es poner un modelo de lenguaje en medio de un flujo: llega un correo, la IA decide de qué trata y si es urgente, y n8n actúa según esa decisión. No hace falta programar un backend ni entrenar nada.
Este ejemplo funciona con una instancia propia de n8n como la de la guía de n8n en AWS EC2 y con cualquier proveedor compatible: OpenAI, Anthropic (Claude), Google Gemini u Ollama en local.
Respuesta rápida
Email Trigger (IMAP) → Basic LLM Chain con un modelo de chat → Code que convierte la respuesta en JSON → Switch por categoría → Telegram para lo urgente y Google Sheets para el registro.
1. El flujo completo
Email Trigger (IMAP) → Basic LLM Chain → Code → Switch → Telegram / Google Sheets
Cada correo nuevo genera una ejecución. El modelo devuelve una categoría, si es urgente, un resumen de una frase y la acción recomendada. El nodo Switch envía lo urgente a Telegram y guarda todo en una hoja para tener histórico.
- Email Trigger (IMAP): conecta con tu buzón (Gmail con contraseña de aplicación, Outlook, Zoho…). Marca Format: Resolved para recibir
from,subjectytext. - Basic LLM Chain: el nodo de IA más sencillo. Añádele como subnodo un Chat Model (OpenAI, Anthropic, Gemini u Ollama) y escribe el prompt.
- Code: extrae el JSON de la respuesta y protege el flujo si el modelo responde algo inesperado.
- Switch: una salida para
urgente = truey otra para el resto.
2. El prompt: pide JSON y limita el texto
La clave para que la IA sea útil dentro de un flujo es que responda siempre con la misma estructura. Pide un JSON concreto, da las categorías cerradas y recorta el correo para no gastar tokens con firmas y respuestas anteriores.
Prompt del nodo Basic LLM Chain (modo Define below):
Eres un asistente que clasifica correos de un pequeño negocio.
Lee el correo y responde SOLO con un JSON válido, sin texto adicional:
{
"categoria": "cliente" | "factura" | "soporte" | "spam" | "otro",
"urgente": true | false,
"resumen": "una frase de máximo 25 palabras",
"accion": "qué debería hacer el destinatario"
}
Remitente: {{ $json.from }}
Asunto: {{ $json.subject }}
Texto:
{{ $json.text.slice(0, 4000) }}3. Convertir la respuesta en datos
// Code: convierte la respuesta del modelo en campos y descarta respuestas mal formadas
const salida = [];
for (const item of $input.all()) {
const texto = String(item.json.text ?? item.json.output ?? '');
const json = texto.match(/\{[\s\S]*\}/)?.[0];
try {
const r = JSON.parse(json);
salida.push({ json: {
categoria: r.categoria ?? 'otro',
urgente: Boolean(r.urgente),
resumen: String(r.resumen ?? '').slice(0, 300),
accion: String(r.accion ?? ''),
asunto: $('Email Trigger (IMAP)').item.json.subject,
de: $('Email Trigger (IMAP)').item.json.from,
} });
} catch {
salida.push({ json: { categoria: 'otro', urgente: false, resumen: 'No se pudo clasificar', accion: 'Revisar a mano' } });
}
}
return salida;Texto del nodo Telegram (Parse Mode: HTML) en la salida «urgente» del Switch:
🚨 <b>{{ $json.asunto }}</b>
De: {{ $json.de }}
{{ $json.resumen }}
👉 {{ $json.accion }}4. Qué modelo usar y cuánto cuesta
Para clasificar correos, un modelo pequeño es suficiente: el prompt anterior con 4.000 caracteres de correo cuesta una fracción de céntimo por mensaje. Consulta los precios actuales de tu proveedor, porque cambian a menudo.
| Opción | Ventaja | A tener en cuenta |
|---|---|---|
| Modelo pequeño en la nube (GPT mini, Claude Haiku, Gemini Flash) | Muy barato y rápido; sobra para clasificar | Los correos salen a un proveedor externo |
| Modelo grande en la nube | Mejores resúmenes de hilos largos | Coste por correo bastante mayor |
| Ollama en local | Los datos no salen de tu servidor | Necesita RAM o GPU; en una t3.small no cabe un modelo útil |
5. Privacidad y límites
- Avisa a tu equipo de que los correos pasan por un proveedor de IA y revisa sus condiciones de uso de datos (la mayoría no entrena con datos de la API).
- Excluye buzones con datos de salud, nóminas o información especialmente protegida, o usa un modelo local.
- Limita el texto enviado y elimina adjuntos: el flujo no los necesita para clasificar.
- No dejes que la IA responda sola a clientes al principio: úsala para resumir y priorizar, y revisa durante unas semanas cómo acierta.
N8N_ENCRYPTION_KEY.Preguntas frecuentes
¿Necesito n8n de pago para usar IA?
No. Los nodos de IA están en la Community Edition autoalojada; solo pagas el uso del modelo a tu proveedor.
¿Puedo usar Gmail sin IMAP?
Sí, con el nodo Gmail Trigger y credenciales OAuth de Google. IMAP es más sencillo de configurar y funciona con cualquier proveedor.
¿Qué diferencia hay entre Basic LLM Chain y AI Agent?
El LLM Chain hace una sola llamada con tu prompt. El AI Agent puede decidir usar herramientas (buscar en una hoja, llamar a una API) en varios pasos. Para clasificar, el primero es más barato y predecible.