Resultados reales, empresas reales

Cada mes el cliente leia manualmente decenas de informes PDF de calibracion para transcribir los datos a una plantilla Excel de facturacion. Trabajo lento, propenso a errores, repetitivo.

Pipeline n8n que monitoriza el buzon de correo, descomprime los archivos recibidos, extrae los datos estructurados de los PDF con un LLM y rellena automáticamente la plantilla de facturacion. Notificaciones Telegram ante cualquier anomalia.

El volumen de nuevos seguidores y comentarios con palabras clave era demasiado alto para gestionarlo a mano. El cliente perdia oportunidades de conversacion cada día.

ManyChat gestiona los DM personalizados y las respuestas automaticas a los comentarios. Webhook hacia n8n para registro de eventos, estadisticas agregadas en Google Sheets y alertas en Telegram en caso de error.

Cada tramite requeria revisión del correo, archivado de documentos y generacion de etiqueta de envio en un portal de mensajeria sin APIs publicas. Tiempo muerto en cada siniestro.

Dos workflows n8n para triaje del correo, archivado automático, completado de formularios e integración via reverse-engineering de los endpoints del courier. Etiqueta PDF generada en tiempo real.

Llamadas entrantes perdidas durante reuniones y fuera de horario, consultas informativas que consumian tiempo valioso y ningun registro estructurado de las conversaciones.

Agente Retell AI que responde 24/7, agenda citas en Cal.com y envia recap en tiempo real via webhook n8n a Telegram. Misma pipeline para llamadas informativas salientes.

El cliente recibia por WhatsApp mensajes de texto, audio y fotos de clientes finales. Atenderlos a mano era lento, y responder fuera de horario era imposible. Un bot por reglas sonaba falso al primer mensaje.

Workflow n8n con AI Agent y memoria contextual conectado a la API de WhatsApp de YCloud. Transcribe los audios con Whisper, analiza las imágenes con Vision, entiende el contexto y responde en el formato adecuado (texto, imagen, documento, vídeo, audio o plantilla). Typing indicator y pausas naturales para una UX humana.

Cada reunion generaba audio que nadie tenia tiempo de volver a escuchar. Transcribir y resumir a mano era inviable, y depender de un solo servicio de transcripcion era arriesgado: si caia, todo el flujo se bloqueaba.

Pipeline n8n que recibe el audio via webhook e intenta la transcripcion en Speechmatics; si falla pasa a Deepgram y, en última instancia, a AssemblyAI. El transcript va a un LLM via OpenRouter que genera el recap en markdown, convertido a HTML y enviado por email con notificacion en Telegram.

Cada nuevo crash de una app pasaba por alguien que debia revisar si ya estaba reportado, abrir o actualizar la tarjeta, avisar al equipo. Entre apps, entornos y versiones, los crashes recurrentes corrian el riesgo de duplicarse o de perderse.

Webhook n8n recibe los eventos de Crashlytics, hace lookup en DataTable para saber si ese crash ya tiene una tarjeta abierta en Trello: si si, la actualiza con el nuevo contador y manda 'Crash recurrente x N' a Telegram; si no, abre una tarjeta nueva y notifica 'Nuevo crash'. Error trigger dedicado para los fallos del propio flujo.

El estudio publicaba decenas de apps entre App Store y Google Play. Leer cada resena, detectar cambios de rating, traducir varios idiomas y preparar respuestas coherentes era un trabajo diario que nadie cerraba del todo.

Workflow n8n que cada día recoge las nuevas resenas via App Store Connect y Google Play API, normaliza los datos, traduce y clasifica con LLM via OpenRouter, genera un borrador de respuesta, envia el resumen a Telegram, crea una tarjeta Trello para el seguimiento y manda un digest por email con el estado general.