Multiverse llega a n8n con un nuevo nodo para crear automatizaciones con IA

Cada vez más equipos quieren usar IA en sus procesos diarios para automatizar tareas de creciente complejidad. Sin embargo, a menudo se encuentran con una barrera clara: pasar de una prueba puntual a un flujo de trabajo útil, repetible y mantenible.

Para abordar esto existen plataformas de automatización como n8n, que permiten conectar aplicaciones, servicios y modelos de IA dentro de un mismo flujo de trabajo. Esto facilita la automatización de procesos, la integración con distintas APIs y sistemas (correos electrónicos, almacenamiento en la nube, etc.) y la evolución de los flujos con el tiempo mediante tareas de mantenimiento, depuración y mejora continua.

Al ser una plataforma extensible, también permite crear nodos personalizados para ampliar aún más sus posibilidades. En este contexto, desde Plain Concepts Research hemos trabajado junto a Multiverse para desarrollar automatizaciones con su tecnología CompactifAI.

CompactifAI es la propuesta de IA eficiente de Multiverse Computing. Ofrece modelos de IA comprimidos, más ligeros y económicos, lo que facilita su despliegue en nubes privadas y permite trabajar con modelos complejos con menores requisitos de memoria y espacio en disco.

Además, CompactifAI ofrece un sistema de modelos accesible mediante API, lo cual encaja de forma natural dentro del sistema de workflows automatizados de n8n: n8n orquesta el proceso y CompactifAI aporta la inteligencia.

Para habilitar el uso de estos modelos de CompactifAI, en Plain Concepts Research hemos creado un community node para n8n que permite integrarlos en los workflows.

La propuesta es sencilla: que cualquier persona que ya utilice n8n pueda incorporar capacidades de IA de CompactifAI en sus automatizaciones con mínimo esfuerzo y sin tener que rehacer los workflows ya existentes.

Con esa idea nació nuestro community node, integrando CompactifAI como una pieza más dentro del ecosistema de n8n. Es open source y está disponible en npm.

Para demostrar las capacidades de este nuevo nodo, hemos preparado dos demos de casos de uso.

En la primera demo llevamos el caso de un flujo real de preevaluación de financiación de primas de seguros. El objetivo es reducir el tiempo de análisis inicial para el usuario, dando una respuesta clara al cliente sin perder control del riesgo.

El workflow que hemos construido en n8n sigue la siguiente secuencia:

• Un formulario web recoge la información del lead (perfil, ingresos, gastos, tipo de seguro e histórico de pagos).
• El flujo normaliza y valida los datos para evitar decisiones sobre entradas incompletas o inconsistentes.
• Un agente con modelos de CompactifAI ejecuta tres análisis especializados: calidad del dato, recomendación comercial (tipo de seguro y enfoque de broker) y análisis inicial de riesgo.
• En paralelo, el proceso aplica reglas de negocio no negociables para asegurar criterios mínimos de política.
• Con todo ello, se genera una decisión inicial (APPROVE, REVIEW o REJECT), junto con una justificación legible para tanto el negocio como el cliente.

Este enfoque combina IA para interpretar contexto y reglas explícitas para garantizar consistencia de los datos y trazabilidad.

El segundo ejemplo muestra un caso muy habitual en equipos técnicos: tener mucha documentación útil, pero dispersa entre manuales, guías y contenido de API. La información existe, pero puede ser difícil de encontrar justo cuando hace falta. Además, a veces está en un lenguaje técnico que puede resultar complejo para alguien que se enfrenta por primera vez a una tecnología.

Para resolver esto, desarrollamos un flujo RAG en n8n orientado a nuestro motor Evergine. La idea es simple: cuando llega una pregunta, el workflow recupera el contexto relevante de la base de conocimiento y, con ese contexto, genera una respuesta útil y específica para la persona que consulta.

Con este enfoque conseguimos tres mejoras claras:

• Menos tiempo buscando información entre múltiples fuentes.
• Respuestas precisas y alineadas con la documentación real del proyecto.
• Mejor experiencia para equipos que necesitan avanzar rápido sin perder rigor técnico.

Este lanzamiento es solo el primer paso. La intención es seguir evolucionando el nodo con nuevas capacidades, mejoras de experiencia y más ejemplos aplicados a escenarios reales.

También queremos construirlo junto a la comunidad: escuchar feedback, detectar necesidades y priorizar mejoras.

Os invitamos a probarlo, experimentar con él y hacernos llegar vuestras impresiones para así poder ir mejorándolo.