Crea tu primer agente IA en Telegram con n8n (tutorial paso a paso)

Un agente IA conversacional en Telegram se puede montar en 20 minutos con n8n. Sin código complicado, sin pagar APIs caras, sin trámites. Este tutorial te lleva del cero al "ya tengo un bot que responde con IA en mi Telegram" con todos los pasos exactos, y al final te explica cómo darle el salto a un agente que conozca los datos reales de tu negocio.

Por qué empezar con Telegram (y no WhatsApp)

Telegram es el sandbox perfecto para tu primer agente IA. Las razones:

• Es gratis y sin trámites: creas un bot en 60 segundos hablando con @BotFather.
• No hay límites artificiales: puedes enviar y recibir todos los mensajes que quieras sin restricciones de "ventana de 24 horas" como en WhatsApp Business.
• n8n tiene nodos nativos: el trigger y el envío de mensajes son arrastrar y soltar.
• Sirve para producción real: muchas empresas usan Telegram para atención interna o canales privados de clientes.

Cuando domines Telegram, saltar a WhatsApp con Evolution API es trivial: el patrón es el mismo, solo cambia el nodo de entrada y salida.

Requisitos previos

• Una cuenta de Telegram (la tuya personal vale).
• Una instancia de n8n (cloud gratis para empezar, o self-hosted si ya lo tienes montado).
• Una API key de OpenAI (recargas con 5€ y te dura semanas) o de Anthropic Claude.
• 20 minutos sin interrupciones.

El flujo que vas a montar

Antes de tocar nada, conviene visualizar el workflow completo. Son 3 nodos en línea, con dos sub-nodos del agente:

[Telegram Trigger] → [AI Agent] → [Send a text message]
                          ↑      ↑
                       [LLM]  [Memoria]

Sencillo. Lo justo para que entiendas la mecánica básica del agente. Más adelante (último apartado) te explico cómo este patrón evoluciona a uno de producción con base de datos.

Paso 1: Crear el bot en Telegram con BotFather

Abre Telegram y busca al usuario @BotFather. Es el bot oficial de Telegram que sirve para crear y configurar otros bots.

1. Pulsa "Iniciar" o escribe /start.
2. Escribe el comando /newbot.
3. BotFather te pide un nombre (el que verán los usuarios). Algo descriptivo, por ejemplo: "Asistente Demo".
4. Después te pide un username. Debe terminar en bot (ejemplo: asistente_demo_bot) y ser único en todo Telegram.
5. BotFather te devuelve un token con este formato: 1234567890:ABC-DEF1234ghIkl-zyx57W2v1u123ew11.

Guarda ese token en un sitio seguro. No lo compartas: cualquiera con él puede controlar tu bot.

Paso 2: Configurar el trigger de Telegram en n8n

1. Crea un workflow nuevo en n8n. Pulsa "Add first step" y busca el nodo "Telegram Trigger".
2. En el campo Credentials, crea una credencial nueva pegando el token que te dio BotFather.
3. En Updates selecciona message (es el evento que se dispara cuando alguien te escribe).
4. Pulsa "Execute step". n8n queda escuchando. Ahora abre Telegram, busca tu bot por el username y envíale un "Hola".
5. Si todo va bien, n8n muestra el mensaje recibido con todos sus datos: message.text, message.from.id, message.chat.id, etc.

Paso 3: Conectar el AI Agent

1. A la derecha del Telegram Trigger pulsa el + y busca "AI Agent".
2. En Prompt Type selecciona Define (te permite escribir el texto del usuario manualmente).
3. En el campo Text pon: ={{ $json.message.text }}.

Paso 4: Sub-nodo LLM (modelo de IA)

1. Dentro del AI Agent, en el sub-nodo Chat Model, elige una opción:
   • OpenAI Chat Model: en el campo Model selecciona gpt-4.1-mini. Es la combinación coste/calidad más equilibrada de OpenAI.
   • Anthropic Chat Model: selecciona claude-sonnet-4-5 si prefieres Claude.
2. Crea las credenciales con tu API key.

Paso 5: Sub-nodo Memoria por usuario

Sin memoria, el agente no recuerda lo que se dijo dos mensajes atrás. Lo arreglamos:

1. Dentro del AI Agent, en el sub-nodo Memory, añade "Window Buffer Memory".
2. En Session ID Type selecciona Custom Key.
3. En Session Key pon: ={{ $json.message.from.id }}.

Usamos el ID del usuario, no el del chat. Si más adelante el bot se mete en grupos, cada usuario sigue teniendo su propio hilo de memoria. Es más limpio.

Paso 6: Definir el comportamiento con un system prompt

Aquí es donde el agente deja de ser un ChatGPT genérico y se convierte en tu agente. En el nodo AI Agent, expande Options → System Message y escribe algo como:

Eres el asistente virtual de [tu negocio].
Tu función es atender consultas básicas de los usuarios.

REGLAS:
- Responde SIEMPRE en español, con tono cercano pero profesional.
- Si te preguntan sobre algo que no sabes, dilo claramente.
  NO inventes información.
- Si te preguntan sobre temas ajenos al negocio, redirige
  amablemente al tema principal.
- Cuando el usuario quiera contactar con un humano o pedir
  información que no puedes facilitar, pídele su email y
  teléfono y dile que un responsable se pondrá en contacto.

Cuanto más específico sea el system prompt, más coherente y útil será el agente. Es la diferencia entre "ChatGPT respondiendo lo que se le ocurre" y "asistente con un rol claro".

Paso 7: Devolver la respuesta al usuario

1. A la derecha del nodo "AI Agent" añade el nodo "Telegram" (no el trigger, el de acción).
2. En Resource selecciona Message y en Operation selecciona Send Message.
3. En Chat ID pon: ={{ $('Telegram Trigger').item.json.message.from.id }}.
4. En Text pon: ={{ $json.output }}.
5. Expande Additional Fields y desactiva Append Attribution. Sin esto, n8n añade automáticamente "Powered by @YourBot" al final de cada mensaje (queda feo en un agente de producción).
6. Activa el workflow con el toggle de arriba a la derecha.

Ya está. Abre Telegram, escribe a tu bot, y deberías recibir respuesta del agente IA en 3-5 segundos.

Probarlo de verdad

Antes de cantar victoria, lánzale preguntas trampa al bot:

• "¿Qué tiempo hace en Madrid?" → debería rechazar amablemente y volver al tema.
• "¿Me llamo Jorge, te lo dije antes?" → si lo dijiste en un mensaje previo, debe recordarlo gracias a la memoria.
• "Cuéntame un chiste sobre programación." → respuesta razonable y en español.
• "Quiero hablar con un humano." → debería pedirte email y teléfono según las reglas del system prompt.

Si las respuestas son coherentes, tienes un agente que funciona. Si alguna se le va, revisa el system prompt: probablemente le falte una regla más estricta.

El siguiente paso: cómo darle al agente los datos reales de tu negocio

Lo que has montado es un agente conversacional genérico: responde con tono propio y recuerda la conversación, pero no conoce tu negocio. No sabe tus precios, tus horarios, tu catálogo, tus clientes, ni puede consultar nada.

Y aquí está la cuestión importante: la forma correcta de darle esa información NO es pegarla en el system prompt. Cuando tu base de conocimiento supera unas pocas frases, eso se rompe rápido (el modelo pierde foco, el coste por mensaje se dispara, los datos cambian y la spec se queda desactualizada). El planteamiento profesional es otro:

Opción 1 — Base de datos relacional + tools

Si tu información es estructurada (productos con precios, servicios con duración, clientes, citas, pedidos…) lo correcto es tenerla en una base de datos relacional como PostgreSQL o MySQL, y dar al agente herramientas (tools) que consulten esa BD.

Patrón: cuando el usuario pregunta "¿cuánto cuesta una limpieza dental?", el agente decide invocar la tool consultar_servicio(nombre), n8n ejecuta una query SQL, devuelve el resultado al agente y este lo formula como respuesta natural. Ventaja: datos siempre frescos, sin duplicar información en prompts, escalable a miles de productos/clientes.

Opción 2 — Base de datos vectorial + RAG

Si tu información es texto libre y largo (manuales, FAQs extensas, documentación interna, contratos, base de conocimiento), lo correcto es una base vectorial como Qdrant, pgvector o Pinecone con un patrón RAG (Retrieval Augmented Generation).

Patrón: tu documentación se trocea, se convierte en vectores y se almacena en la BD. Cuando llega una pregunta del usuario, n8n busca los fragmentos más relevantes y los inyecta como contexto al agente. Ventajas: maneja decenas de miles de documentos sin coste prohibitivo, las respuestas citan fuentes, y se actualiza solo añadiendo documentos a la BD.

¿Cuál usar?

En la práctica, los agentes serios usan ambas: la BD relacional para datos estructurados que cambian (stock, precios, citas, clientes) y la BD vectorial para información que no encaja en tablas (manuales, políticas, contenido editorial). El agente elige por sí mismo qué tool invocar según la pregunta.

Ese es exactamente uno de los grandes saltos que cubrimos en el curso de Automatizaciones en nacaIA Academy: cómo montar un agente IA con BD relacional, RAG, tools, escalado humano y despliegue en producción, paso a paso y con casos reales.

Limitaciones de este nivel

• ✅ Funciona. Conversación natural con memoria.
• ✅ Tono y reglas personalizables vía system prompt.
• ✅ Memoria por usuario.
• ❌ No conoce los datos de tu negocio (precios, horarios, catálogo, clientes). Necesita BD + tools o RAG.
• ❌ No puede ejecutar acciones (crear citas, modificar bases de datos, leer emails). Para eso, tools.
• ❌ Sin fallback humano. Si el agente no sabe responder, el cliente se queda colgado en la conversación.

Cómo evolucionar el agente

• Datos reales del negocio: conectar PostgreSQL para información estructurada y/o Qdrant para documentación con RAG.
• Herramientas (tools): que el agente pueda crear citas, modificar registros, enviar emails, consultar APIs externas.
• Multimodalidad: que el agente entienda imágenes que le envías o transcriba notas de voz.
• Escalado a humano: cuando el agente detecte que no puede ayudar, reenviar la conversación a un humano (a tu Telegram personal, a un canal interno, etc.).
• Migrar a WhatsApp: con todo funcionando en Telegram, conectar el mismo flujo a WhatsApp vía Evolution API es solo cambiar los nodos de entrada y salida.

Próximos pasos

1. Completa el tutorial entero hoy. No leas, haz.
2. Personaliza el system prompt para tu propio caso (tu empresa, hobby, idea).
3. Lánzale preguntas trampa para detectar dónde necesita más reglas.
4. Cuando quieras dar el salto a un agente serio con BD relacional, RAG y tools, echa un vistazo al curso de Automatizaciones en nacaIA Academy.

Construir tu primer agente IA es uno de esos hitos donde de repente entiendes lo que es posible. Bienvenido al lado interesante de 2026.