Automatización inteligente: la IA en tus flujos de trabajo, RGPD y AI Act

La automatización inteligente es un proceso automatizado que sigue reglas fijas y deja a la IA solo los pasos que exigen entender algo: leer un correo, sacar los datos de una factura o clasificar una consulta. IBM la llama también automatización cognitiva. En una empresa pequeña suele ser un paso de IA dentro de n8n, Make o Zapier. Te explicamos los términos, adónde van los datos y qué piden el RGPD y el AI Act. Además, probamos el filtro de datos personales de n8n: de 34 valores inventados, solo sustituyó 9 por completo.

La automatización inteligente en una frase

En su página en español, IBM define la automatización inteligente, «a veces llamada automatización cognitiva», como el uso de inteligencia artificial, gestión de procesos empresariales (BPM) y automatización robótica de procesos (RPA) para agilizar y escalar la toma de decisiones en las organizaciones.

En un equipo pequeño, el reparto es sencillo: las reglas hacen lo previsible y la IA, lo que las reglas no saben hacer. Una regla puede guardar un adjunto, pero no entiende si una clienta pide un reembolso o avisa de un paquete dañado. Ahí va el paso de IA, y conviene que responda con campos con nombre («categoría», «número de pedido», «urgente: sí o no») y no con un párrafo: una regla puede comprobar un campo, no un texto libre.

Según el INE, en el primer trimestre de 2025 el 21,1 por ciento de las empresas españolas de 10 o más empleados usaba inteligencia artificial, 8,7 puntos más que un año antes. Entre las de menos de 10 empleados con conexión a internet, el 13,4 por ciento.

RPA, IPA, agentes, hiperautomatización: los términos

La tabla es nuestro resumen; ninguna fuente traza exactamente estas fronteras. Lo que importa es la diferencia entre proceso y agente. Según Anthropic, en un flujo de trabajo los modelos y las herramientas siguen caminos definidos de antemano; en un agente, el modelo dirige el proceso. Anthropic recomienda la solución más sencilla, porque un agente cuesta más y sus errores pueden encadenarse. La Agencia Española de Protección de Datos (AEPD) describe la IA agéntica como sistemas que no solo responden a preguntas, sino que actúan de forma autónoma para lograr sus objetivos. Make aconseja darle a un agente solo lo que le confiarías a un becario, y Gartner pronosticó en junio de 2025 el abandono de más del 40 por ciento de los proyectos de IA agéntica antes de que acabe 2027. Para empezar, basta con un proceso fijo con un paso de IA.

Un ejemplo: el buzón de atención al cliente de una tienda online

1. Disparador (regla): llega un correo al buzón de atención al cliente.
2. Clasificación (IA): envío, devolución, factura u otro.
3. Extracción (IA): el número de pedido, en un campo aparte.
4. Comprobación (regla): formato del número y estado del pedido en la tienda; si algo no cuadra, el correo pasa a una persona.
5. Borrador (IA): una respuesta a partir del estado del pedido y de tus páginas de ayuda.
6. Aprobación (persona): alguien del equipo la revisa, por ejemplo en Slack.
7. Envío (regla): solo después de aprobarla.

Solo los pasos 2, 3 y 5 son «inteligentes»; la aprobación evita que una respuesta equivocada llegue a una clienta. Envía a la IA el texto del correo, no toda la ficha del cliente. Aun así, ese texto suele contener datos personales: nuestra prueba muestra qué puede hacer un filtro con ellos. El mismo esquema convierte una transcripción en un acta de reunión o resume una entrevista transcrita.

Lo que muestran 13.300 plantillas de n8n

El 13 de octubre de 2026 descargamos las fichas de las 13.300 plantillas de la biblioteca pública de n8n y contamos los nodos de IA.

Después de «AI Agent» y el modelo de chat de OpenAI, el nodo de IA más frecuente es el «Structured Output Parser», que hace que el modelo responda con campos definidos por un esquema JSON. El nodo «Guardrails», el que probamos, aparece en solo 24 plantillas, todas añadidas desde noviembre de 2025. Más cifras en nuestra guía n8n: qué es y para qué sirve.

Los pasos de IA en n8n, Make y Zapier

n8n solo está en inglés. Sus nodos «Text Classifier» e «Information Extractor» clasifican un texto o sacan campos de él. Con «Ollama Chat Model» puedes usar un modelo instalado en tu propio equipo. Antes de que un agente ejecute una herramienta, el flujo puede pararse y pedir aprobación, por ejemplo en Slack: «Approve» o «Deny». El nodo «Guardrails», en el modo «Sanitize Text», sustituye direcciones web, claves secretas o datos personales por etiquetas.

Make reúne sus módulos en el «Make AI Toolkit»: «Extract information from text», «Categorize text», «Translate text», «Summarize text»… El modelo llega a través del proveedor integrado de Make, disponible en todos los planes, o de tu propia conexión, solo en los planes de pago. «Make AI Agent (New)» está en beta abierta desde el 2 de febrero de 2026, sin aprobación integrada: Make aconseja darle al agente una herramienta que te envíe el resultado para revisarlo. Si conociste Make como Integromat, mira qué fue de Integromat.

Zapier llama a su paso de IA «AI by Zapier». Según su ayuda del 1 de octubre de 2026, está integrando ahí sus agentes independientes, con un interruptor «Require approval before running» para cada herramienta; una ejecución que supera su límite de tareas, 75 por defecto, se pausa. Zapier solo está en inglés.

Adónde van los datos de un paso de IA

Hay dos lugares: donde la plataforma guarda tus datos y donde el modelo los procesa.

• n8n: n8n Cloud funciona en Microsoft Azure, de momento en la Unión Europea; si lo alojas tú, los datos se quedan en tu infraestructura. El nodo de modelo que elijas decide adónde va el texto.
• Make: al crear la organización eliges un centro de datos en Estados Unidos o en la UE, sin vuelta atrás. Pero, según Make, una zona europea no garantiza que la IA procese en Europa: Maia, «Make AI Web Search» y todos los modelos de OpenAI a través del proveedor de Make pasan por Estados Unidos. En su tabla de 29 modelos contamos, para cuentas en zona europea, 10 procesados en regiones europeas (entre ellas Londres y Zúrich, fuera de la UE) y 19 en Estados Unidos. Con conexión propia, Make solo garantiza el procesamiento en la UE para 3 de 10 tipos de proveedor.
• Zapier: aloja los datos en Amazon Web Services en Estados Unidos, sin opción europea, y está certificado en el Data Privacy Framework UE-EE. UU. De sus 23 subencargados de infraestructura (lista vigente desde el 23 de octubre de 2026), 22 están solo en Estados Unidos.

La idea clave: dónde se procesan tus datos lo deciden el modelo y su proveedor, no el alojamiento de la plataforma.

Nuestra prueba: el filtro de datos personales de n8n

Cómo lo probamos: el 16 de octubre de 2026 ejecutamos en local el código del nodo Guardrails del paquete npm oficial de n8n, versión 2.43.7, en el modo «Sanitize Text», protección «PII», tipo «All» (los 36 tipos previstos), con los ajustes de un flujo. Esta comprobación no usa ningún modelo de IA. La prueba se diseñó para la versión alemana de esta guía: los 34 valores personales son inventados, con formatos de Alemania, Austria y Suiza. Añadimos 6 líneas comerciales sin datos personales y 4 valores estadounidenses de control.

Resultado: 9 valores sustituidos por completo, 7 en parte y 18 nada.

• Correo y teléfono: solo se sustituyeron una dirección de correo sencilla y un móvil sin espacios; todos los números escritos con espacios pasaron, salvo tres con prefijo internacional, sustituidos en parte.
• IBAN y tarjeta: los IBAN en un solo bloque y la tarjeta de prueba, sí; escritos en grupos de cuatro, los IBAN solo en parte, porque el patrón de tarjeta bancaria atrapa las cifras del medio.
• Números fiscales, de seguridad social, de identidad y de IVA: dos de nueve, con etiquetas equivocadas. Curiosamente, el patrón llamado ES_NIE atrapó un número de documento de identidad alemán.
• Nombres, direcciones, fechas de nacimiento: ninguno. La dirección IP sí se sustituyó.

Los 4 valores estadounidenses se sustituyeron todos, pero el filtro modificó 5 de las 6 líneas comerciales: un número de cliente de 9 cifras se convirtió en un número fiscal australiano.

Por qué: el código solo compara el texto con patrones (expresiones regulares). De los 36 tipos, 9 son generales, como el correo o el IBAN; los otros 27 son de nueve países, entre ellos España, Estados Unidos e Italia. El teléfono sigue la división estadounidense, la fecha pone el mes antes del día y el IBAN va en un solo bloque. Con cuatro patrones propios añadidos en «Custom Regex», el filtro sustituyó 22 de 34 valores, pero entonces modificó las 6 líneas comerciales.

¿Y con datos españoles? Lo que dice el código

No repetimos la prueba con valores españoles, pero los patrones se pueden leer en el código del nodo. Los móviles españoles tienen nueve cifras y empiezan por 6 o 7 (CNMC). El NIF de una persona de nacionalidad española es el número de su DNI seguido de una letra mayúscula de verificación (Real Decreto 1065/2007), y el NIE, una letra inicial, siete cifras y una letra de verificación (Orden INT/2058/2008).

Los dos tipos españoles del filtro no encajan con los documentos de las personas; el DNI y el NIE se detectarían por casualidad, con etiquetas de Singapur. Los formatos internacionales sí funcionan: correo sencillo, IBAN sin espacios, tarjeta, dirección IP. Un filtro así es una red de seguridad, no una garantía: pruébalo con tus propios datos inventados y envía a la IA solo los campos necesarios. En Zapier, la detección de datos personales de «AI Guardrails by Zapier» admite inglés y español, según su ayuda; no la hemos probado. El Make AI Toolkit no tiene un módulo de este tipo.

RGPD: qué revisar antes del primer paso de IA

Esto no es asesoramiento jurídico. En sus orientaciones sobre IA agéntica (febrero de 2026), la AEPD aclara que automatizar no siempre supone una decisión automatizada en el sentido del artículo 22 del RGPD. Propone aplicar la minimización a cada operación: revisar la sintaxis de un correo antes de enviarlo no requiere el nombre del destinatario. Y plantea filtrar los datos que pasan entre los pasos de un agente, justo lo que intenta un filtro como el de n8n. El reglamento añade:

• Encargado del tratamiento (artículo 28): el proveedor debe ofrecer garantías suficientes, y un contrato fija, entre otras cosas, el objeto, la duración, la finalidad y el tipo de datos.
• Minimización (artículo 5): datos adecuados, pertinentes y limitados a lo necesario.
• Transferencias (artículos 44 y siguientes): para Estados Unidos, una decisión de adecuación del 10 de julio de 2023 cubre a las organizaciones certificadas en el Data Privacy Framework; el 3 de septiembre de 2025, el Tribunal General de la UE desestimó un recurso de anulación contra ella.
• Evaluación de impacto (artículo 35): solo si es probable un alto riesgo.
• Decisiones automatizadas (artículo 22): toda persona tiene derecho a no ser objeto de una decisión basada únicamente en el tratamiento automatizado que produzca efectos jurídicos en ella o le afecte significativamente de modo similar.

La AEPD describe también un riesgo concreto, la inyección de instrucciones «cero clic»: un atacante envía un correo con instrucciones invisibles, por ejemplo texto blanco sobre fondo blanco, y el agente las obedece al leerlo para resumirlo. Por eso, un paso de IA que lee correos entrantes no debería poder enviar, pagar o borrar sin una regla o una aprobación de por medio.

Si trabajas desde Latinoamérica, el RGPD te alcanza sobre todo cuando ofreces bienes o servicios a personas que están en la UE; en los demás casos, consulta la ley de protección de datos de tu país.

AI Act: qué se aplica a un equipo pequeño

El reglamento distingue al proveedor, que desarrolla un sistema de IA y lo pone en el mercado o en servicio con su propio nombre, y al responsable del despliegue, que lo usa bajo su propia autoridad, salvo en una actividad personal. Un equipo que usa un paso de IA en n8n, Make o Zapier en su trabajo suele ser responsable del despliegue; con un chatbot propio bajo su nombre, también puede ser proveedor.

El Ómnibus digital sobre IA, el Reglamento (UE) 2026/1744, entró en vigor el 27 de julio de 2026 y movió varios plazos; muchos resúmenes aún muestran las fechas antiguas.

• Alfabetización en IA (artículo 4): proveedores y responsables del despliegue adoptan medidas para promoverla entre su personal, sin tener que garantizar un nivel concreto para cada persona, según el texto modificado. Apunta quién se ha formado y cómo.
• Transparencia (artículo 50): el proveedor se asegura de que las personas sepan que hablan con una IA, salvo que sea evidente. El responsable del despliegue debe señalar las ultrafalsificaciones y los textos generados por IA publicados para informar sobre asuntos de interés público, salvo revisión humana o control editorial con un responsable editorial.
• Emociones: la definición exige datos biométricos; analizar el tono de un correo no entra ahí, según nuestra lectura.
• Selección de personal: analizar y filtrar solicitudes de empleo o evaluar candidatos es alto riesgo a partir del 2 de diciembre de 2027, y el artículo 22 del RGPD ya limita las decisiones totalmente automatizadas. Make incluye un agente de preselección de candidatos entre sus ejemplos, aunque aconseja alejar a los agentes de decisiones de alto impacto. No dejes que una IA evalúe a personas sin aclarar antes tus obligaciones.

En España, el Gobierno creó en 2023 la Agencia Española de Supervisión de la Inteligencia Artificial (AESIA), con sede en A Coruña, para asumir la supervisión que exige el reglamento. El AI Act también alcanza a proveedores y responsables del despliegue de fuera de la UE cuando los resultados del sistema se usan en la Unión. Esto no es asesoramiento jurídico.

Por dónde empezar

1. Elige un solo proceso con entradas desordenadas que alguien hace a mano cada semana.
2. Constrúyelo primero sin IA y añade después un paso de IA con campos con nombre como salida.
3. Envía solo los datos necesarios y prueba tu filtro con datos inventados en tus formatos: DNI, NIE, móviles, fechas.
4. Pon un cierre antes de la salida: una regla o una aprobación humana antes de enviar, pagar o borrar.
5. Revisa al proveedor: modelo, región, contrato de encargo del tratamiento y uso de los datos para entrenar.
6. Anota la formación del equipo y las reglas de uso de la IA.

Después, deja el proceso unas semanas en marcha y cuenta las correcciones. Solo entonces tiene sentido pensar en un agente.