Cómo construir un AI SDR con n8n: la arquitectura de $50/mes que desplegamos para clientes (2026)

Cómo construir un AI SDR con n8n: la arquitectura de $50/mes que desplegamos para clientes (2026)

11x cobra alrededor de $2.000 al mes. Artisan parte desde $1.500. Regie desde $1.000. Nosotros construimos la misma máquina de outbound para nuestros clientes B2B en n8n por $50-65/mes, y la arquitectura que presentamos aquí es exactamente la que desplegamos. Techsy opera una agencia de AI SDR, así que esto no es teoría — es el flujo de trabajo que hemos puesto en producción para clientes de SaaS, fintech y devtools desde principios de 2025.

Puntos clave:

• Un AI SDR construido en n8n cuesta $50-65/mes a 1.000 leads, frente a los $1.500-2.000/mes de herramientas gestionadas como 11x o Artisan.
• La arquitectura de 7 etapas: ingesta de leads, enriquecimiento, investigación, generación, revisión humana, envío y clasificación de respuestas.
• El activo más desplegado es el prompt del sistema del nodo AI Agent — publicamos una plantilla completa de 40 líneas más abajo.
• No construyas esto si envías menos de 100 emails fríos al mes o no tienes infraestructura de entregabilidad y calentamiento.

Qué hace realmente un AI SDR (y por qué n8n es el canvas adecuado)

Un AI SDR (Sales Development Representative con IA) es un flujo de trabajo autónomo que ingesta leads objetivo, los enriquece con datos firmográficos y de comportamiento, redacta emails outbound personalizados usando un LLM, los envía desde una bandeja de entrada calentada y clasifica las respuestas — todo sin un SDR humano en el bucle. En n8n, vive como un único flujo de trabajo visual que puedes editar, depurar y poseer por completo.

Lo que queda automatizado: enrutamiento de leads, búsquedas de enriquecimiento, investigación, redacción de emails, envío, clasificación de respuestas y actualizaciones de CRM. Lo que sigue siendo humano: la curación de listas objetivo (especialmente la definición del ICP), la aprobación legal del copy y el proceso de escalada cuando una respuesta se convierte en una conversación real. Un AI SDR no es un chatbot — es un sistema de prospección para conversaciones outbound.

¿Por qué n8n en lugar de Zapier o Make? Tres razones. El nodo AI Agent incorpora tool calling nativo y output estructurado (Zapier todavía envuelve OpenAI en un paso HTTP genérico). El self-hosting te da ejecuciones ilimitadas en un VPS de $5. Y el canvas visual permite que alguien no técnico de tu equipo depure una llamada fallida a Apollo sin abrir un editor JSON. Si eres nuevo en el nodo AI Agent de n8n, empieza con nuestro tutorial de agentes IA en n8n antes de esta guía — cubre los conceptos fundamentales. La documentación oficial de n8n Advanced AI incluye la referencia del nodo.

La arquitectura de 7 capas (del intent a la respuesta)

Las siete capas son: Ingesta de leads (webhook o CSV), Enriquecimiento (Apollo o Clay), Investigación (un AI Agent que extrae contexto), Generación (el LLM de email con restricciones), Revisión humana (aprobación en Slack para los primeros 100), Envío (Instantly o Smartlead) y Clasificación de respuestas (un AI Agent que enruta respuestas al CRM, Slack o auto-respuesta). Cada capa se corresponde exactamente con un nodo de n8n — esa es la restricción de diseño que mantiene el build sostenible.

Aquí está el desglose capa por capa:

El equipo de PageLines publicó un marco útil sobre el stack SDR autónomo que mapea una arquitectura similar — aquí lo llevamos más lejos haciendo cada capa concreta para nodos de n8n. Para autonomía multicanal más allá del email outbound (LinkedIn + email + ads en un solo flujo), nuestra guía de generación de leads en redes sociales B2B autónoma cubre el patrón paralelo.

Un matiz del bucle cerrado: la Clasificación de respuestas retroalimenta a la Ingesta de leads como señal negativa — cualquiera que se dé de baja o responda "persona equivocada" recibe un flag de no-contactar en el siguiente pase de enriquecimiento. Ese bucle es lo que convierte esto en un sistema en lugar de un mail-merge sofisticado.

Requisitos previos: n8n Cloud vs self-hosted, claves LLM, stack de envío

Antes de abrir n8n, necesitas cuatro cosas: una decisión de hosting (Cloud o self-hosted), dos claves de API LLM (OpenAI más Anthropic como fallback), un stack de envío (Instantly o Smartlead — nunca Gmail a escala) y 3-5 bandejas de entrada calentadas en un dominio de envío separado. Nosotros por defecto llevamos a nuestros clientes al self-hosted en un servidor Hetzner de $5 — el límite de ejecuciones de n8n Cloud duele en cuanto superas los 500 leads/día.

Cloud vs self-hosted, cara a cara:

Si usas self-host, aquí está el docker-compose.yml mínimo que desplegamos:

services:
  n8n:
    image: n8nio/n8n:latest
    restart: always
    ports:
      - "5678:5678"
    environment:
      - N8N_HOST=n8n.yourdomain.com
      - N8N_PROTOCOL=https
      - N8N_BASIC_AUTH_ACTIVE=true
      - N8N_BASIC_AUTH_USER=admin
      - N8N_BASIC_AUTH_PASSWORD=${N8N_PASSWORD}
      - WEBHOOK_URL=https://n8n.yourdomain.com/
    volumes:
      - ./n8n_data:/home/node/.n8n

Añade Caddy o Traefik para la terminación HTTPS. Para self-hosting con LLM local (verticales sensibles a la privacidad), el tutorial de n8n + Ollama es la referencia más clara. Claves LLM: consigue una clave OpenAI (GPT-4o-mini hará el 90% del trabajo) y una clave Anthropic (Claude Haiku 3.5 como fallback). Stack de envío: Instantly a $37/mes te da calentamiento ilimitado y una API limpia. Consulta la página de precios de n8n para los números actuales de niveles Cloud.

Paso 1 — Ingesta de leads y enriquecimiento

La ingesta de leads es solo la puerta de entrada. El trabajo real ocurre en el enriquecimiento, donde conviertes un email + nombre de empresa en una fila con cargo, nivel de seniority, tamaño de empresa, etapa de financiación, stack tecnológico y actividad reciente en LinkedIn. Por defecto usamos Apollo para búsquedas en frío y Clay para los casos difusos — mismo formato de payload, diferente precio por fila. Apollo cuesta $0,02-0,05 por contacto a escala; Clay parte de $349/mes con minería de señales más rica.

1.1 El disparador webhook (o importación CSV)

Dos patrones. Patrón A: un webhook se dispara cada vez que tu equipo añade una fila a un Airtable o Google Sheet de "leads objetivo". Patrón B: una carga manual de CSV a través del nodo Spreadsheet File de n8n. Usamos el Patrón A para campañas continuas y el Patrón B para listas puntuales del equipo de ventas.

1.2 Nodo Apollo HTTP Request

El endpoint /v1/people/match de Apollo acepta un email y devuelve el registro enriquecido:

{
  "method": "POST",
  "url": "https://api.apollo.io/v1/people/match",
  "headers": {
    "Content-Type": "application/json",
    "Cache-Control": "no-cache",
    "X-Api-Key": "{{ $env.APOLLO_API_KEY }}"
  },
  "body": {
    "email": "={{ $json.email }}",
    "reveal_personal_emails": false,
    "reveal_phone_number": false
  }
}

Conecta la respuesta a un nodo Set que extrae organization.industry, organization.estimated_num_employees, title y seniority. Ese es tu payload de enriquecimiento.

1.3 Alternativas con Clay y Apify

Si Apollo falla (alrededor del 15-20% de los contactos B2B en nuestra experiencia), cae al Apify Proxycurl para LinkedIn a $0,01/búsqueda, o Clay si necesitas enriquecimiento en cascada a través de múltiples proveedores. Construye una rama try/catch en n8n usando el nodo IF para que los leads que fallan tengan una segunda oportunidad en lugar de desaparecer.

1.4 Schema de salida

Estandariza en un único schema JSON para los nodos siguientes:

{
  "lead_id": "string",
  "email": "string",
  "first_name": "string",
  "company": "string",
  "title": "string",
  "industry": "string",
  "headcount": "integer",
  "linkedin_url": "string",
  "enrichment_source": "apollo|clay|proxycurl"
}

El enriquecimiento es donde se establece el presupuesto de personalización post-Apollo — cada contacto a $0,04 tiene ese mismo límite en cuanto al gasto de tokens LLM que puede justificar.

Paso 2 — Capa de investigación con el nodo AI Agent

El trabajo del Research Agent es tomar un lead enriquecido y producir una hipótesis de dolor en una sola línea más un evento disparador reciente (una ronda de financiación, un lanzamiento de producto, una nueva contratación). Funciona como un nodo AI Agent con dos herramientas: una herramienta de búsqueda web (SerpAPI o Brave Search) y una búsqueda opcional en LinkedIn (Proxycurl). La salida es JSON estructurado para que el siguiente nodo pueda ramificar por icp_fit_score. Hemos comprobado que GPT-4o-mini maneja el 80% de los trabajos de investigación a 1/20 del costo de Sonnet — escala a Claude Sonnet solo cuando el score de ajuste al ICP es límite (0,4-0,6).

2.1 Configuración del nodo AI Agent

Modelo: GPT-4o-mini. Temperatura: 0,3 (buscas consistencia, no creatividad). Memoria: desactivada — cada lead es stateless. Iteraciones máximas: 5 (limita el bucle de tool calling o los costos de tokens se disparan con búsquedas alucinadas).

2.2 Herramientas

Conecta dos herramientas HTTP Request: una para SerpAPI (https://serpapi.com/search?q={query}&num=5), otra para Proxycurl LinkedIn. El Agent decide cuál llamar.

2.3 Output estructurado

Fuerza un schema JSON en la salida:

You are a B2B research agent for an AI SDR pipeline. Given an enriched lead,
research their company in the last 90 days and return a structured assessment.

Tools:
- web_search(query): SerpAPI top 5 results
- linkedin_lookup(url): Proxycurl person + company profile

Rules:
- Spend at most 3 tool calls per lead.
- If no recent trigger found, set recent_trigger to null. Do not invent.
- ICP fit is for B2B SaaS sellers: prefer 50-500 headcount, recent funding.

Output JSON exactly:
{
  "icp_fit_score": 0.0-1.0,
  "pain_hypothesis": "string, ≤25 words",
  "recent_trigger": "string or null",
  "do_not_contact_reason": "string or null"
}

El campo do_not_contact_reason es la restricción de seguridad — se activa cuando el agente detecta un competidor, un cliente actual o un despido reciente. Cualquier lead con un valor aquí salta el resto del pipeline.

Paso 3 — Generación de emails con restricciones

El Email Generation Agent es el activo más desplegado de toda la construcción. Su trabajo: tomar el lead enriquecido más la salida del Research Agent y producir un asunto de menos de 50 caracteres, un cuerpo de menos de 80 palabras y una única CTA suave. También elimina frases prohibidas mediante un pase de regex post-generación. La lista de frases prohibidas es la restricción más desplegada que usamos — eliminar "revolutionary" hace que las tasas de respuesta suban 1-2 puntos de un día para otro. La propia guía de restricciones de Apollo respalda esto con datos del proveedor.

3.1 El prompt de sistema (activo estrella)

Copia esto directamente en tu nodo AI Agent:

You are a B2B sales development rep with 3 years of tenure writing cold emails
for a SaaS company. You write the way an experienced AE writes — direct,
specific, no marketing fluff.

INPUT: enriched lead JSON + research JSON.

VOICE RULES:
- Write like a 3-year-tenure AE, not a marketer.
- One ask per email. Soft, low-friction (15-min call, not "demo").
- Reference the recent_trigger if present. Otherwise reference the pain_hypothesis.
- First sentence is NOT a greeting. Start with the trigger or pain.
- No exclamation marks. No emojis.

LENGTH:
- Subject: ≤ 50 characters.
- Body: ≤ 80 words.
- Single paragraph + CTA on its own line.

BANNED PHRASES (case-insensitive — never use any of these):
- "hope this email finds you well"
- "I wanted to reach out"
- "circle back"
- "touch base"
- "synergy"
- "leverage" (as verb)
- "revolutionary"
- "game-changing"
- "in today's fast-paced world"
- "I came across your"
- "quick question"
- "just checking in"

BANNED OPENERS:
- Any sentence starting with "I" or "We".
- Any compliment about the recipient's company ("love what you're doing").

OUTPUT JSON exactly:
{
  "subject": "string",
  "body": "string",
  "cta": "string (one sentence, the ask)",
  "intent_score": 0.0-1.0 (your confidence this lands)
}

If you cannot write an email that passes the rules without inventing facts,
return: {"subject": null, "body": null, "cta": null, "intent_score": 0.0}.
Do not invent quotes, statistics, or product features.

3.2 Output estructurado

El campo intent_score es tu segunda restricción. Cualquier valor por debajo de 0,6 se enruta a la cola de revisión humana independientemente de la etapa de la campaña. Ajustamos el umbral según el ICP — los ICP enterprise tienen un mínimo de 0,75; los de SMB, de 0,55.

3.3 Verificación regex post-generación

El nodo Function de n8n realiza un barrido final de regex contra la lista de frases prohibidas (el LLM ocasionalmente las cuela de vuelta mediante sinónimos). Cualquier coincidencia devuelve el email a la cola con una cadena de feedback para el siguiente intento. Cada nueva relación con un cliente comienza pidiéndoles sus últimos 50 emails outbound, y nuestro modelo redacta 50 en paralelo — esa comparación A/B es cómo calibramos la lista de frases prohibidas por ICP.

Paso 4 — Revisión humana en el bucle (primeros 100 emails)

La revisión humana importa para los primeros 100 emails porque es cuando los puntos ciegos del modelo se manifiestan: un fallo en el ICP, una referencia fuera de tono, una frase prohibida que se coló. Después de que 100 emails pasan con menos del 5% de rechazos, pasas al modo de verificación por muestreo — una muestra aleatoria del 10% revisada diariamente. Nunca dejamos a un cliente operar en autónomo hasta que los primeros 100 emails pasan con menos del 5% de rechazos — ese es el criterio de entrega.

Conecta la rama HITL con el nodo Send and Wait for Approval de n8n. Publica en un canal dedicado de Slack con el nombre del lead, el asunto generado y el cuerpo. Los revisores pulsan Aprobar o Rechazar. Aprobar enruta al Envío; Rechazar vuelve a la Generación con una cadena de feedback de una línea ("demasiado formal", "se perdió el disparador", "frase prohibida: sinergia").

Qué revisar en los primeros 100:

• Frases prohibidas (el regex captura la mayoría, los humanos el resto)
• Fallos de ICP (apuntabas a CTOs, el email lee como si fuera para marketing)
• Tono (demasiado ansioso, demasiado formal, demasiado transaccional)
• Inventos factuales (el modelo inventó una funcionalidad, un nombre de competidor, una cita)

Consejo profesional: registra cada motivo de rechazo en una tabla de Postgres. Después de 100 emails, pasa los rechazos por un clustering para actualizar el prompt del sistema — así es como el prompt evoluciona con el ICP.

Paso 5 — Envío y entregabilidad (SPF, DKIM, DMARC, calentamiento)

La entregabilidad es donde el 80% de los builds de AI SDR fracasan. Los imprescindibles: un dominio de envío separado (nunca tu dominio principal), SPF + DKIM + DMARC completamente configurados, límites de envío de 40-50 emails/día por bandeja de entrada y 3 semanas de calentamiento antes del primer envío en frío. Si tu tasa de spam supera el 0,3%, Google throttlea todo tu dominio — no solo la campaña infractora.

5.1 Dominio de envío separado

Registra un dominio similar (getyourcompany.com en lugar de yourcompany.com). Redirige las respuestas a tu bandeja principal. Esto aísla tu reputación. Si el dominio de envío en frío queda quemado, tu dominio real permanece limpio.

5.2 SPF, DKIM, DMARC

La lista de verificación de entregabilidad completa:

El RFC 8058 es el estándar de baja con un clic — Gmail y Yahoo ahora lo exigen a los remitentes en masa. Instantly y Smartlead añaden esta cabecera automáticamente.

5.3 Límites de envío y calentamiento

40-50 emails/día por bandeja de entrada, límite estricto. Cinco bandejas calentadas = 200-250 emails/día por dominio. ¿Necesitas más? Añade más bandejas, no más emails por bandeja. El calentamiento dura 3 semanas antes de cualquier envío real. El pool de calentamiento gratuito de Instantly te llevará hasta allí.

5.4 Cumplimiento legal

EE.UU.: CAN-SPAM exige una dirección postal física y una baja funcional — la guía de cumplimiento de la FTC es la referencia canónica. UE: el artículo 6(1)(f) del RGPD de interés legítimo es la base habitual para el email B2B en frío, con baja documentada en 72 horas — el texto oficial es breve, léelo. Canadá: CASL es más estricto que CAN-SPAM y requiere consentimiento expreso o implícito.

El informe de entregabilidad de Instantly sitúa el benchmark 2025-2026 de colocación en bandeja de entrada en un 85-90% si se verifican todos los puntos anteriores. La mayoría de los equipos llega al 50-60% porque omiten el dominio de envío separado.

Paso 6 — Clasificación de respuestas y sincronización con CRM

La clasificación de respuestas enruta las respuestas entrantes en cinco categorías — interesado, objeción, baja, fuera de oficina, persona equivocada — y dispara una acción diferente por categoría. Las respuestas de interesados notifican al fundador en Slack y crean un deal en HubSpot. Las objeciones van a una secuencia de seguimiento. Las bajas se escriben en una lista de supresión. Las OOO disparan un reenvío en 7 días. La persona equivocada actualiza el CRM y pide una referencia. En los despliegues para clientes, este paso es el que separa "la IA genera emails" de "la IA gestiona un pipeline" — sin clasificación de respuestas, tienes un mail-merge sofisticado.

6.1 Disparador IMAP

El disparador IMAP Email de n8n sondea tu bandeja de envío cada 60 segundos. Filtra por emails cuyo hilo padre fue originado por tu campaña (coincide la cabecera In-Reply-To con tu registro de Message-ID).

6.2 Agente de clasificación de respuestas

You are a reply-classification agent for an AI SDR pipeline. Read the reply
and classify intent.

OUTPUT JSON exactly:
{
  "intent": "interested|objection|unsubscribe|ooo|wrong_person",
  "confidence": 0.0-1.0,
  "suggested_action": "string, ≤20 words"
}

Rules:
- "interested" = explicit yes, time proposal, or follow-up question.
- "objection" = "not now", "send info", "we use X".
- "unsubscribe" = any opt-out phrase, even polite.
- "ooo" = auto-reply detected.
- "wrong_person" = "I don't handle this", "try X@", "I left the company".

If confidence < 0.7, default intent to "objection" (safer than wrong action).

6.3 Enrutamiento con el nodo Switch

El nodo Switch de n8n ramifica según intent:

• interesado → Actualización de Contacto HubSpot (lifecycle = SQL) + ping en Slack a #ventas
• objeción → Añadir a secuencia de seguimiento con retraso de 5 días
• baja → Escribir en tabla de supresión Postgres + enviar confirmación
• fuera de oficina → Programar reenvío en +7 días
• persona equivocada → Actualización CRM, marcar email inválido, solicitar referencia mediante auto-respuesta

6.4 Sincronización con HubSpot

El nodo HubSpot de n8n gestiona la creación de contactos, actualizaciones de etapas de deals y registro de actividad. Registramos cada email enviado y cada respuesta recibida como un Engagement de HubSpot — tus comerciales ven el hilo de la IA junto con su outreach manual.

Paso 7 — Bucle de evaluación (objetivos de tasa de respuesta y cadencia de QA)

El bucle de evaluación es lo que evita que el sistema derive. Rastrea la tasa de respuesta semanalmente, ejecuta una muestra de QA del 10% tras la graduación del HITL, realiza tests A/B de variantes de prompt mediante un nodo Switch y versiona cada cambio de prompt en una tabla de Postgres. El mayor error que vemos: los equipos lanzan un AI SDR y nunca ejecutan el bucle de evaluación — seis meses después están enviando 10.000 emails con una tasa de respuesta del 0,4% y no saben por qué.

Objetivos de tasa de respuesta:

Configuración A/B: clona tu Email Generation Agent, cambia una variable (fórmula del asunto, estilo del opener, suavidad de la CTA), conecta ambos a través de un nodo Switch que distribuye el tráfico 50/50 en rotación. Después de 200 envíos por rama, la variante con mayor tasa de respuesta se convierte en la predeterminada. Para el seguimiento sistemático de la calidad de los prompts cuando superas los 5.000 leads/mes, consulta nuestro comparativo de herramientas de evaluación LLM — a ese volumen querrás Langfuse o Arize, no Postgres.

Cadencia de QA tras la graduación del HITL: muestra aleatoria del 10% revisada diariamente, auditoría completa de la semana cada viernes, versionado del prompt cada vez que la tasa de respuesta se mueve más de 1 punto en cualquier dirección.

Lo que cuesta realmente (1k vs 10k leads/mes)

A 1.000 leads/mes el stack n8n DIY sale por $70-84. A 10.000 leads/mes escala hasta $280-340. Comparado con 11x a $2.000/mes o Artisan a $1.500/mes, la brecha de TCO a 12 meses es brutal — aproximadamente $24.000 vs $780 en el nivel de entrada, y eso incluye las 8 horas de construcción inicial. A 1.000 leads/mes, el stack n8n DIY cuesta menos de lo que 11x te cobra en una hora.

Costo mensual desglosado en dos volúmenes:

GPT-4o-mini a $0,15/$0,60 por millón de tokens según la página de precios de OpenAI es el driver matemático — Claude Haiku 3.5 en los precios de Anthropic es comparable. Puedes acercarte a $50 usando Apify Proxycurl ($0,01/búsqueda) en lugar de Apollo para el enriquecimiento, pero mantenemos Apollo por la precisión en contactos fríos. Si todavía estás eligiendo el LLM, nuestro ranking de frameworks de agentes IA recorre los compromisos de costo por 1k tokens.

TCO a 12 meses entre proveedores:

Los números son demoledores para las herramientas gestionadas. Incluso añadiendo 8 horas de construcción a $150/hora (tarifa mixta de $1.200), el stack DIY todavía ahorra $22.000 al año frente a 11x.

Cuándo NO construir esto

Omite este build si envías menos de 100 emails fríos al mes — las 8 horas de construcción no se amortizarán. Omítelo si estás en una industria regulada (salud, finanzas, gobierno) sin aprobación legal para el outbound en frío. Omítelo si eres un fundador técnicamente no cualificado sin ancho de banda para el mantenimiento. Omítelo si tu equipo no distingue SPF de DKIM. Omítelo si tu ICP es consumer — el email frío es solo B2B.

Los descalificadores, ampliados:

• <100 emails outbound/mes: El tiempo de construcción supera el ahorro anual. Usa una herramienta gestionada con nivel gratuito o hazlo manualmente.
• Industrias reguladas sin aprobación legal: HIPAA, GLBA y regímenes similares convierten el outbound en frío en una mina de cumplimiento. Consulta a un abogado primero.
• Sin infraestructura de calentamiento: Si no tienes Instantly o Smartlead y no estás dispuesto a dedicar tres semanas a calentar un dominio, quemarás tu reputación de remitente en la primera semana.
• Sin ancho de banda para el mantenimiento: Este es un sistema que necesita evaluación semanal. Si nadie es responsable del dashboard de tasa de respuesta, deriva hacia el ruido.
• ICP consumer: El email frío a consumidores cumple con CAN-SPAM pero está comercialmente muerto. Usa publicidad de pago.

Si tu equipo no distingue SPF de DKIM, el AI SDR no es tu cuello de botella — lo es tu infraestructura de envío. Arregla eso primero. Desarrollamos el mismo marco de tres opciones build-vs-buy para los agentes de voz en nuestra guía de construir vs comprar un agente de voz IA — el marco aplica directamente.

Cómo Techsy despliega esto para clientes

Desplegamos esta arquitectura exacta como proyecto de agencia. La cronología: la Semana 1 auditamos tu ICP, configuramos el dominio de envío separado, configuramos SPF/DKIM/DMARC y comenzamos el calentamiento de bandejas. La Semana 2 construimos el flujo de trabajo n8n contra tu CRM. Las Semanas 3-4 ejecutamos el HITL junto a tu equipo. A partir de la Semana 5, funcionamiento autónomo con monitorización diaria de la tasa de respuesta.

Lo que los clientes nos aportan: su documento de ICP, los últimos 50 emails outbound que sus humanos escribieron (los usamos para calibrar la lista de frases prohibidas según su voz) y un recuento de bandejas calentadas que ya poseen (añadimos más si es necesario). Lo que entregamos: el flujo de trabajo n8n configurado para su stack, los prompts del sistema ajustados a su voz, 30 días de monitorización de tasa de respuesta y un runbook en Notion que el equipo usa después de la entrega.

Nos pagas por la disciplina del calentamiento y la monitorización de la tasa de respuesta, no por las licencias de n8n. ¿Quieres que lo construyamos por ti? La página de agencia AI SDR de Techsy explica cómo lo desplegamos para equipos B2B.

Preguntas frecuentes

¿Qué es un AI SDR y cómo funciona?

Un AI SDR es un flujo de trabajo autónomo que ingesta leads objetivo, los enriquece con datos firmográficos, redacta emails fríos personalizados mediante un LLM, envía desde una bandeja calentada y clasifica las respuestas en categorías de acción. El pipeline funciona sin un SDR humano, aunque los humanos siguen siendo responsables de la definición del ICP, la aprobación legal y la escalada cuando las respuestas se convierten en conversaciones reales.

¿Cuánto cuesta construir un AI SDR en n8n en 2026?

A 1.000 leads/mes, espera $70-84/mes: $5 VPS, $8-12 de tokens GPT-4o-mini, $20-30 Apollo y $37 Instantly. A 10.000 leads/mes escala a $280-340. Compara eso con 11x a aproximadamente $2.000/mes o Artisan a $1.500/mes — la brecha de TCO a 12 meses supera los $20.000 incluso después de 8 horas de tiempo de construcción.

¿Puede n8n reemplazar herramientas como Clay, Apollo o 11x?

n8n reemplaza la capa de orquestación y la capa de generación de emails por las que 11x y Artisan cobran. No reemplaza los datos subyacentes — sigues pagando a Apollo o Clay por el enriquecimiento porque poseen la base de datos de contactos. El ahorro está en la orquestación más el impuesto LLM que las herramientas gestionadas marcan 20-30 veces.

¿Es seguro enviar emails fríos desde un AI SDR construido en n8n?

Sí, si configuras correctamente la entregabilidad: dominio de envío separado, SPF + DKIM + DMARC, límites de envío de 40-50/día por bandeja, baja con un clic RFC 8058 y tres semanas de calentamiento antes del primer envío. Sin eso, quemarás tu reputación de remitente en la primera semana independientemente de qué herramienta genere el cuerpo del email.

¿Cuál es el mejor LLM para un AI SDR — GPT-4o-mini, Claude Haiku o Gemini Flash?

GPT-4o-mini es nuestra opción predeterminada a $0,15/$0,60 por millón de tokens — maneja el 80% de los trabajos de investigación y generación con limpieza. Claude Haiku 3.5 es comparable, ligeramente mejor en la coincidencia de tono. Gemini Flash es el más barato pero menos fiable en output estructurado. Usa GPT-4o-mini como principal y Claude Haiku como fallback para el 20% de casos límite.

¿Necesito n8n self-hosted o puedo usar n8n Cloud?

Usa n8n Cloud Starter ($24/mes) si estás por debajo de los 500 leads/mes y no necesitas LLM local. Cambia al self-host en un VPS de $5 de Hetzner en cuanto superes los 500 leads/mes — el límite de ejecuciones de Cloud duele y no puedes ejecutar Ollama. El self-hosting añade mantenimiento Docker pero desbloquea ejecuciones ilimitadas y opciones de LLM local.

¿Cómo evito que mi dominio de envío acabe en listas negras?

Envía un máximo de 40-50 emails/día por bandeja, nunca desde tu dominio principal, mantén las tasas de queja de spam por debajo del 0,3%, atiende las bajas en 24 horas, monitoriza Google Postmaster Tools semanalmente y rota las bandejas si la reputación cae. El mayor cambio individual es el dominio separado — si una campaña sale mal, tu dominio principal permanece limpio.

¿Debería construir mi propio AI SDR o comprar 11x/Artisan/Regie?

Construye si tienes un desarrollador familiarizado con n8n, envías más de 500 emails fríos/mes y quieres control total sobre la generación de emails. Compra si tu equipo no es técnico, envías menos de 100/mes o necesitas tenerlo operativo esta semana. El TCO a 12 meses del DIY es aproximadamente $780 vs $24.000 para 11x — pero solo si lo mantienes activamente.

¿Cuánto tiempo lleva construir un AI SDR en n8n?

4-8 horas para un desarrollador familiarizado con n8n que ya tiene cuentas en Apollo, OpenAI e Instantly. Más cerca de 16-20 horas si estás aprendiendo n8n al mismo tiempo. Añade otra semana para la configuración del dominio de envío y el calentamiento antes de poder ejecutar campañas reales. La capa de entregabilidad siempre tarda más que el propio flujo de trabajo.

¿Cuál es una tasa de respuesta realista para un AI SDR en n8n?

Las tasas de respuesta al primer contacto en frío llegan al 3-8% con un ICP ajustado y entregabilidad limpia. Los pasos 2-3 de la secuencia se sitúan en el 2-5%. Los seguimientos templados (tras una respuesta) alcanzan el 8-15%. Si estás por debajo del 1% en el primer contacto, el problema casi siempre es un fallo en el ICP o la reputación del dominio de envío — no el copy del email. Arregla la capa anterior antes de ajustar el prompt.