n8n + Inteligencia Artificial Local — Automatización de Procesos y Agentes

Temario oficial · 18 horas · Instituto Linux

Docente: Fabian Ampalio

Octubre 2026

Plataforma: n8n 2.x Local / Self-Hosted (Node.js LTS, GitHub) · Ollama (LLM Local) · SQLite / PostgreSQL · Telegram API

1. Información clave del programa

Ítem Detalle
Duración 18 horas reloj · 9 clases de 2 horas
Frecuencia Jueves, 18:00 a 20:00 (ART)
Inicio Jueves 17 de septiembre de 2026
Metodología de Clase 1ª Hora: Exposición teórica y demostración en vivo por el docente.
2ª Hora: Taller práctico guiado en equipos sobre el entorno local propio.

Calendario de clases

# Fecha Módulo
1Jue 01/10Arquitectura e instalación nativa de n8n sobre Node.js y GitHub
2Jue 08/10El modelo de datos: items, expresiones, JSON y lógica de control
3Jue 15/10Webhooks, triggers y bots de Telegram con BotFather
4Jue 22/10Automatización de Moodle: gestión de usuarios, matrículas y Web Services
5Jue 29/10Integración con ARCA (ex-AFIP) y facturación por API REST/SOAP
6Jue 05/11Inteligencia Artificial local con Ollama e integración en n8n
7Jue 12/11Agentes de IA conversacionales con memoria persistente en Telegram
8Jue 19/11Herramientas (Tools) y RAG: agentes que consultan datos propios
9Jue 26/11Puesta en producción, seguridad, diagnóstico y proyecto integrador

3. Objetivos específicos

Al finalizar, el participante podrá:

  1. Instalar y ejecutar n8n localmente sobre Node.js usando npm/npx o el repositorio oficial de GitHub, prescindiendo del uso de contenedores Docker.
  2. Gestionar variables de entorno críticas y comprender el modelo de persistencia local con SQLite y PostgreSQL.
  3. Dominar el modelo de ejecución de n8n: items, arrays, ramas, ejecuciones parciales y transformar payloads complejos mediante el nodo Edit Fields y expresiones JS.
  4. Diseñar flujos con lógica de control: condicionales, ruteo múltiple (Switch), uniones de ramas (Merge) e iteraciones controladas (Split in Batches).
  5. Exponer y asegurar endpoints HTTP/Webhooks para recibir eventos externos y procesar callbacks en tiempo real.
  6. Construir e integrar bots de Telegram interactivos creados vía BotFather, gestionando comandos, webhooks e interacciones en tiempo real.
  7. Automatizar la administración de Moodle mediante su API de Web Services (creación de usuarios, matriculación masiva y consulta de cursos).
  8. Orquestar procesos de facturación e integración con ARCA (ex-AFIP), gestionando autenticación, certificados digitales y payloads XML/JSON.
  9. Desplegar modelos de Lenguaje de Gran Escala (LLMs) locales con Ollama en el equipo propio y conectarlos nativamente a n8n.
  10. Construir agentes de Inteligencia Artificial conversacionales con memoria persistente por usuario y system prompts acotados.
  11. Dotar a los agentes de IA de herramientas avanzadas (Tools) para consultar bases de datos relacionales, invocar sub-workflows y consultar APIs.
  12. Implementar arquitecturas RAG (Retrieval-Augmented Generation) sobre documentación interna propia con almacenamiento de vectores locales.
  13. Aplicar un esquema riguroso de manejo de errores, sub-workflows modulares y notificaciones proactivas de fallas.
  14. Diagnosticar fallas operativas reales: tokens de API vencidos, referencias vacías en JSON, respuestas inesperadas de servicios externos y desvíos en agentes de IA.

4. A quién está dirigido

Perfil principal

  • Administradores de sistemas y personal de IT que buscan reemplazar scripts sueltos y tareas programadas por flujos auditables, mantenibles y centralizados.
  • Administradores de plataformas educativas (Moodle) que necesitan automatizar las altas de alumnos, cobros y notificaciones sin intervención manual.
  • Desarrolladores y técnicos de PyMEs que deben conectar sistemas heterogéneos: facturación (ARCA/AFIP), campus virtuales, CRM y mensajería instantánea.
  • Responsables de operaciones y administración que ejecutan procesos repetitivos de alto volumen y buscan eficientizar el back-office localmente.
  • Consultores, freelancers e integradores que desean incorporar automatizaciones con IA local a su catálogo de servicios profesionalizables.

Perfil secundario

  • Emprendedores técnicos que están desarrollando un producto y necesitan orquestar procesos sin depender de servicios SaaS costosos.
  • Docentes y responsables de laboratorios de informática que desean incorporar automatización e IA local en sus programas de estudio.

No es para

  • Personas sin ninguna base técnica previa. El curso presupone manejo básico de terminal y conceptos generales de comunicación por red/APIs.

5. Requisitos previos

Conocimientos obligatorios:

  • Manejo básico de terminal/línea de comandos (Linux Bash o Windows PowerShell/CMD).
  • Comprensión conceptual de APIs REST: métodos HTTP (GET, POST), URLs y headers.
  • Lectura y estructura de datos en formato JSON (objetos, arrays, llaves y valores).

Deseable, no excluyente:

  • Nociones básicas de JavaScript (variables, condicionales).
  • Experiencia previa administrando Moodle, realizando trámites en ARCA/AFIP o usando bots de Telegram.

6. Laboratorio requerido

El curso se desarrolla con las manos en el teclado desde la primera clase. Cada estudiante utilizará su propia máquina de trabajo:

Equipamiento y software local:

  • PC o notebook con **8 GB de RAM mínimo** (16 GB recomendado para la ejecución fluida de modelos locales con Ollama).
  • Sistema Operativo: Linux (Debian, Ubuntu o derivados) o Windows 10/11.
  • Node.js LTS (v20 o v22) e Gestor de paquetes `npm` instalados en el sistema.
  • Git instalado para la obtención del código fuente.
  • Ollama instalado localmente para el módulo de Inteligencia Artificial.
  • Conexión estable a internet para el consumo e integración con APIs externas.

7. Temario detallado

Clase 1 — Arquitectura e instalación nativa de n8n sobre Node.js y GitHub

Jueves 17/09

Objetivo de la clase: dejar una instancia de n8n instalada y operativa localmente sobre el sistema operativo propio (Linux/Windows) sin Docker, comprendiendo la arquitectura sobre Node.js.

  • Evolución de la automatización: del script aislado en bash/Python al motor de orquestación auditable.
  • Qué es n8n y su arquitectura nativa basada en Node.js y TypeScript.
  • Licenciamiento: Community Edition self-hosted, repositorios de GitHub y términos de uso comercial.
  • Instalación paso a paso en el equipo local: prerrequisitos de Node.js LTS y npm.
  • Despliegue nativo mediante `npm install -g n8n` y clonado desde el repositorio de GitHub.
  • Variables de entorno locales críticas: N8N_ENCRYPTION_KEY, N8N_PORT, N8N_USER_FOLDER y zona horaria.
  • Persistencia nativa: base de datos SQLite embebida por defecto frente a PostgreSQL externo.
  • Recorrido por la interfaz web local (canvas, panel de nodos, ejecuciones, credenciales).
  • Estructura interna de un workflow: nodos, conexiones y el JSON subyacente. Exportación e importación manual.
  • Primer flujo funcional: Manual Trigger → HTTP Request a una API pública → Edit Fields → Inspección del resultado.

Taller en equipos (1h): Instalación de Node.js y n8n en las computadoras de los alumnos, configuración de la clave de cifrado local y ejecución del primer workflow de prueba.

Clase 2 — El modelo de datos: items, expresiones, JSON y lógica de control

Jueves 24/09

Objetivo de la clase: dominar la estructura de datos que viaja entre nodos y aplicar transformación y ruteo de información de forma limpia y defensiva.

  • El Item como unidad fundamental de ejecución: por qué los nodos procesan listas y qué implica que un flujo itere automáticamente.
  • Estructura del item: separaciones de datos `json` y datos binarios `binary`.
  • Sintaxis de expresiones {{ $json.campo }} y variables globales ($now, $execution, $env).
  • Referencias a nodos previos no adyacentes: $('Nombre_Nodo').item.json.campo y cómo evitar referencias nulas.
  • Uso de optional chaining (?.) para prevenirlos fallos por campos faltantes en JSONs dinámicos.
  • Nodo Edit Fields (Set): normalización, mapeo y limpieza temprana de datos.
  • Control de flujo: condicionales IF, ruteo múltiple con Switch y nodo Filter.
  • Manejo de arrays: Split Out, Aggregate y patrones de bucle con Split In Batches.
  • Uso del Code Node con JavaScript para transformaciones complejas cuando las expresiones no alcanzan.

Taller en equipos (1h): Dada una respuesta JSON ruidosa y anidada de un sistema, normalizarla a un objeto plano y clasificar los datos por tres rutas diferentes según su contenido.

Clase 3 — Webhooks, triggers y bots de Telegram con BotFather

Jueves 01/10

Objetivo de la clase: conectar n8n con eventos del mundo exterior exponiendo Webhooks y construyendo un bot interactivo de Telegram.

  • Anatomía de los nodos Trigger: Schedule (cron) frente a llamadas por eventos HTTP externos.
  • Webhook Node: métodos (GET/POST), paths, autenticación por Header y tipos de respuesta.
  • Diferencia crítica entre Test URL y Production URL durante el desarrollo.
  • Túneles de desarrollo local (ngrok / n8n tunnel) para recibir webhooks públicos en la máquina local.
  • Creación de un Bot en Telegram mediante @BotFather: obtención de API Token y configuración de comandos.
  • Configuración del nodo nativo de Telegram en n8n y escucha de eventos mediante Telegram Trigger.
  • Enviando mensajes formateados (Markdown/HTML), botones interactivos y respuesta a comandos específicos (`/start`, `/ayuda`).
  • Filtrado temprano de eventos en la entrada para procesar únicamente los mensajes relevantes.

Taller en equipos (1h): Crear un bot propio en Telegram con @BotFather y armar un flujo en n8n local que responda a comandos dinámicos y procese mensajes enviados por los integrantes del equipo.

Clase 4 — Automatización de Moodle: gestión de usuarios, matrículas y Web Services

Jueves 08/10

Objetivo de la clase: orquestar la integración con la plataforma educativa Moodle para automatizar altas, matriculaciones y consultas de alumnos.

  • Arquitectura de la API de Web Services de Moodle: habilitación de protocolos REST, creación de tokens y asignación de funciones.
  • Configuración del nodo HTTP Request en n8n para comunicarse con endpoints de Moodle.
  • Operación de alta de usuarios: invocando la función core_user_create_users pasando parámetros en formato URL-encoded o JSON.
  • Verificación previa de existencia de usuarios mediante core_user_get_users para evitar duplicaciones.
  • Matriculación automática de alumnos en cursos mediante enrol_manual_enrol_users.
  • Manejo de respuestas de error internas de Moodle (retorno de códigos 200 HTTP con un payload JSON de error).
  • Conexión del flujo: Solicitud recibida vía Telegram/Webhook → Verificación en Moodle → Alta y Matriculación → Notificación de confirmación al alumno.

Taller en equipos (1h): Construir un flujo que reciba una solicitud con datos de un estudiante desde Telegram y ejecute el alta y matriculación automática en un entorno Moodle de pruebas.

Clase 5 — Integración con ARCA (ex-AFIP) y facturación por API REST/SOAP

Jueves 15/10

Objetivo de la clase: entender y estructurar los flujos de integración con servicios de facturación electrónica e inspección de padrones (ARCA/ex-AFIP).

  • Modelos de comunicación con ARCA: arquitectura de autenticación WSAA (Web Service de Autenticación y Autorización) y WSFE (Facturación Electrónica).
  • Gestión de certificados digitales (.crt / .key) y firmas CMS dentro de automatizaciones.
  • Consumo de Web Services SOAP/XML desde n8n usando el nodo HTTP Request y transformación de XML a JSON.
  • Consulta de datos de contribuyentes (padrón de CUITs) y validación de condición fiscal.
  • Estructuración de solicitudes de emisión de comprobantes (solicitud de CAE) y manejo de respuestas de rechazo u observaciones.
  • Diseño de un ciclo completo: Recepción de pago/alta → Validación de CUIT en ARCA → Generación de comprobante → Notificación y almacenamiento local.

Taller en equipos (1h): Implementar una simulación completa de consulta de padrón e ingreso de datos para facturación, manejando la transformación de datos y la gestión de errores de validación.

Clase 6 — Inteligencia Artificial local con Ollama e integración en n8n

Jueves 22/10

Objetivo de la clase: instalar y ejecutar un motor de IA local con Ollama en el propio equipo e integrarlo nativamente dentro de los flujos de n8n.

  • Ventajas de la IA Local: privacidad absoluta de datos, soberanía del dato, latencia controlada y costo cero por token.
  • Instalación y configuración de **Ollama** en Linux y Windows.
  • Gestión de modelos mediante la CLI de Ollama (`ollama pull`, `ollama run`): evaluando modelos livianos (llama3.2, phi3, mistral).
  • Exposición del servicio local de Ollama (puerto 11434) para consumo por API REST.
  • Ecosistema de IA en n8n: Nodos de LangChain, nodo **Basic LLM Chain** y sub-nodo **Ollama Model**.
  • Configuración de credenciales locales de Ollama en n8n (`http://localhost:11434` o IP local).
  • Diseño de **System Prompts** efectivos: delimitación de roles, restricciones de respuesta y formato de salida.
  • Procesamiento de texto libre: resúmenes automáticos, extracción de entidades e intención del usuario desde mensajes.

Taller en equipos (1h): Descargar un modelo liviano en Ollama local y construir un workflow en n8n que reciba una consulta larga de un estudiante y devuelva un análisis y clasificación estructurada.

Clase 7 — Agentes de IA conversacionales con memoria persistente en Telegram

Jueves 29/10

Objetivo de la clase: construir un agente conversacional inteligente utilizando el nodo AI Agent de n8n con memoria contextual multi-usuario conectado a Telegram.

  • Diferencia fundamental entre llamada simple a un LLM y un **Agente de IA** (capacidad de razonamiento, decisión y uso de herramientas).
  • Anatomía del nodo **AI Agent** en n8n: conexión de modelos, memorias, parsers y herramientas.
  • Gestión de la **Memoria Conversacional**: sub-nodo *Window Buffer Memory*.
  • La importancia crítica de la clave de sesión (sessionKey): usando el Chat ID de Telegram para aislar las conversaciones de distintos usuarios.
  • Persistencia de memoria en base de datos local frente a memoria volátil en RAM.
  • Mitigación de alucinaciones en el agente mediante System Prompts defensivos.
  • Ensamblado del Bot Tutor Virtual: Telegram Trigger → AI Agent (Ollama + Memoria) → Telegram Response.

Taller en equipos (1h): Transformar el bot de Telegram de la Clase 3 en un Tutor Virtual impulsado por Ollama que mantenga el hilo de la conversación individualmente con cada miembro del equipo.

Clase 8 — Herramientas (Tools) y RAG: agentes que consultan datos propios

Jueves 05/11

Objetivo de la clase: dotar al agente de IA local de capacidad de acción mediante Tools y conectarlo a fuentes de conocimiento propio mediante RAG.

  • Concepto de **Tools (Herramientas)** en agentes: cómo el modelo decide cuándo ejecutar código o consultar un sistema.
  • La descripción de la herramienta como prompt de decisión: buenas y malas prácticas.
  • Creación de herramientas personalizadas (*Custom Workflow Tool*): permitiendo al agente consultar el estado de un alumno en Moodle o validar un CUIT.
  • Introducción a **RAG (Retrieval-Augmented Generation)**: diferencia entre datos estructurados (consultas SQL/API) y datos no estructurados (documentos, PDFs, reglamentos).
  • Carga e ingesta de documentos locales: chunking (fragmentado), modelos de embeddings locales y almacenamiento vectorial en bases relacionales o vectoriales locales.
  • Conectando una herramienta de búsqueda vectorial al agente para responder dudas institucionales basándose únicamente en el reglamento cargado.
  • Trazabilidad de ejecuciones: lectura de logs de razonamiento para diagnosticar qué herramienta seleccionó el agente en cada turno.

Taller en equipos (1h): Conectar dos herramientas al agente de Telegram (una consulta de datos a Moodle y una búsqueda de respuestas sobre un documento PDF local) y verificar el razonamiento del agente.

Clase 9 — Puesta en producción, seguridad, diagnóstico y proyecto integrador

Jueves 12/11

Objetivo de la clase: consolidar las buenas prácticas de operación, respaldo, seguridad e itinerario de diagnóstico, y presentar el proyecto integrador final.

  • Estrategias de despliegue productivo de n8n nativo: gestión del servicio mediante administradores de procesos (PM2 o servicios systemd en Linux).
  • Manejo de errores a nivel de plataforma: **Error Workflows**, captura global de fallas y notificaciones proactivas vía Telegram.
  • Politica de seguridad local: resguardo de secretos fuera del flujo, cifrado de credenciales y rotación de tokens de API.
  • Respaldo y recuperación de la instancia: copia de la base de datos (SQLite/Postgres), exportación automatizada de workflows a formato JSON y custodia de la N8N_ENCRYPTION_KEY.
  • Versionado de workflows en repositorios Git locales o remotos.
  • Guía de troubleshooting sistemático:
    • Webhooks que no disparan o quedan colgados.
    • Errores de referencia en JSON (undefined) y fallos en expresiones.
    • Credenciales o tokens vencidos en servicios externos (Moodle, Telegram, ARCA).
    • Agentes de IA que alucinan o entran en bucles de llamadas a herramientas.
  • Presentación y evaluación técnica de los proyectos integradores desarrollados por los estudiantes.

Laboratorio final / proyecto integrador: Demostración de un flujo automatizado completo e instalado en la máquina propia que integre: captura de eventos vía Telegram → validación o alta de usuario en Moodle / Facturación → Agente de Ollama con herramientas de consulta → respuesta al usuario y manejo centralizado de errores.

8. Metodología

  • Clases en vivo de 2 horas con modalidad de alta interacción y grabación disponible para repaso.
  • Estructura 50/50: 1ª hora dedicada a la exposición conceptual y demostración en vivo por parte del docente; 2ª hora orientada al taller práctico guiado en equipos sobre la instalación propia de cada participante.
  • Instalación 100% nativa local: El stack corre directamente sobre Node.js y el SO del alumno, garantizando independencia de la nube y cero costos recurrentes.
  • Desafíos por clase: Cada encuentro concluye con una consigna práctica a resolver en el laboratorio individual.
  • Entregables y recursos: Se proveen plantillas de workflows en JSON, scripts de automatización, colecciones de prompts y guías paso a paso al cierre de cada módulo.
  • Canal de consultas técnicas permanente a lo largo de toda la cursada.

9. Evaluación y certificación

  • Resolución de laboratorios prácticos semanales.
  • Proyecto Integrador Final: Construcción, documentación y demostración funcional de una solución de automatización integral según los requerimientos de la Clase 9.
  • Certificado de aprobación emitido por Instituto Linux / Carrera Linux, con acreditación detallada de contenidos y carga horaria (18 hs).

10. Fuentes de referencia

Instituto Linux es el ÚNICO instituto de educación a distancia AUTORIZADO por el LINUX PROFESSIONAL INSTITUTE y la LINUX FOUNDATION en el mundo, en idioma español, para formación presencial y a distancia

Instituto Linux - Training Partner Platinum - Linux Fondation

Todos nuestros cursos pueden ser contratados de forma individual o corporativa

Por consultas, comunícate al +54 9 11 69699993

¡QUIERO + INFO!
Linux Professional Institute
Linux International
Linux Argentina
USP
Caninos Loucos
Labrador Caninos Loucos
Project Cauã
Acercando Naciones