¿Cuántas horas a la semana dedicas a trabajo que no tiene nada que ver con producto?
Yo lo medí. Veinte. Algunas semanas, treinta. Sprint reports que se comen un día entero. Feedback disperso en cinco herramientas que tenía que leer, clasificar y convertir en tickets uno por uno. Status updates escritos desde cero cada lunes.
No era product manager. Era un router de datos muy caro. Moviendo información entre herramientas que deberían hablarse entre ellas. Gastaba 170 horas al mes en esto en mi propia empresa antes de automatizarlo todo. Hoy te enseño cómo hacer lo mismo con dos workflows que puedes montar en una tarde.
Las 5 Tareas que te Roban el Tiempo (20-30 h/semana)#
| # | Tarea | Horas/semana |
|---|---|---|
| 1 | Sprint reports | 8-12/sprint |
| 2 | Clasificar feedback | 5-10 |
| 3 | Mover datos entre herramientas | 3-5 |
| 4 | Mantener al equipo sincronizado | 2-4 |
| 5 | Preparar decisiones | 1-2/reunión |
Workflow 1: El Viernes Automatizable#
Sprint report automático que se publica en Slack cada viernes a las 9am.
Nodos clave:
Schedule Trigger:
Cada semana, viernes, 9:00 AM
Airtable:
Filtrar por Sprint = Actual, Status = Done
Code node:
Agrupar por asignado, contar story points, formatear como Slack markdown
Slack:
Publicar en #sprint-updates
Tu sprint report llega cada viernes a las 9:05. No hiciste nada.
No hay IA en el Workflow 1. Es pura fontanería de datos.
Cuatro nodos que te ahorran 4-6 horas por sprint. Ahora imagina qué pasa cuando le añadimos inteligencia.
Workflow 2: El Router Inteligente#
Clasificación de feedback con IA que envía bugs, features y preguntas al canal de Slack correcto. Un nodo de IA convierte un flujo mecánico en un flujo inteligente.
Nodos clave:
n8n Form Trigger:
Nombre, Email, Texto de Feedback, Área de Producto
Basic LLM Chain:
Clasificar feedback con IA
Switch:
Redirigir según resultado del LLM (BUG / FEATURE / QUESTION)
Slack:
Canal diferente por categoría
Airtable:
Registrar cada feedback clasificado
El Prompt de Clasificación
You are a product feedback classifier for a SaaS company. Your task: classify the feedback below into exactly ONE category. Categories: - BUG — The user reports something broken, crashing, erroring, or not working as expected. Look for words like: crash, error, broken, fail, wrong, doesn't work, can't. - FEATURE — The user requests new functionality or an improvement to existing features. Look for words like: add, would be nice, wish, could you, suggestion, improve. - QUESTION — The user asks how to do something or needs help understanding the product. Look for words like: how do I, where is, can I, is it possible, help. Rules: - If the feedback contains BOTH a bug and a feature request, classify as BUG (broken things take priority). - If unclear, classify as QUESTION (safest default — a human will review). - Respond with ONLY the category name in caps. No explanation, no punctuation. Feedback: {{ $json.Feedback }}
¿Por qué funciona este prompt?
Role
establece contexto ("product feedback classifier")
Signal words
por categoría guían el pattern matching del LLM
Tiebreaker rule
resuelve casos ambiguos (bugs > features > questions)
Safe default
nada se pierde
Strict output
hace que el nodo Switch sea fiable
Un nodo de IA convirtió un flujo mecánico en un flujo inteligente.
La Prueba Ambigua
"Estaría genial que el export pudiera manejar más de 100 filas sin crashear."
¿Es un feature request ("estaría genial") o un bug ("crashear")? La tiebreaker rule del prompt lo resuelve: si el feedback contiene un bug y un feature request, clasificar como BUG — lo roto tiene prioridad.
Si no estás de acuerdo con esa clasificación, cambias una línea del prompt. No un retrain del modelo. No un ticket para data science. Una línea de texto. Escribiste acceptance criteria, no código — y esa es una decisión de producto, no de ingeniería.
Descargar Workflow 2 JSONEl Patrón#
Ambos workflows siguen la misma estructura:
Este patrón sirve para:
Priorizar tickets de soporte
Redirigir leads de ventas
Priorizar quejas de clientes
Clasificar respuestas NPS
Procesar envíos de formularios
El flujo no cambia. El prompt sí.
¿Quieres ir más allá en AI Product Management?
Lo que acabas de leer es una fracción de lo que cubro en el AI PM Bootcamp de Marily Nika. El programa completo te lleva de "quiero usar IA" a "estoy lanzando productos de IA" — con proyectos reales, no teoría. Es donde me formé, y ahora enseño ahí como Fellow.
Empieza#
n8n Cloud (14 días gratis) — regístrate y empieza a construir
Elige la tarea más aburrida de tu viernes
Monta un workflow esta semana
La primera automatización es la más difícil. La segunda lleva la mitad de tiempo.
Lo que Aprendí Automatizando 170 Horas al Mes#
Automatiza la tarea aburrida primero.
El caso de uso vistoso es tentador. Pero los sprint reports me devolvieron 12 horas cada dos semanas — más que cualquier integración ingeniosa que monté.
Tu base de datos es el cerebro.
No montes una "base de datos de automatización" aparte. Jira, Airtable y Sheets ya contienen el 90% de los datos que tus workflows necesitan.
Automatiza el trigger, no solo la tarea.
Un workflow que corre "cuando pulso un botón" ahorra tiempo. Uno que corre "cuando se cierra un deal" ahorra tiempo Y te saca del loop por completo. El segundo vale 10x más.
Empieza con uno.
Intenté automatizar todo a la vez y acabé con 14 workflows medio rotos y cero ahorro de tiempo. Un workflow funcionando fiablemente le gana a cinco en borrador.
Preguntas Frecuentes#
¿Qué es n8n?
n8n es una plataforma de automatización de workflows open source. Te permite conectar herramientas (Slack, Jira, Airtable, APIs) y crear flujos de trabajo visuales sin código. A diferencia de Zapier o Make, es self-hostable y tiene nodos de IA nativos para integrar LLMs directamente en tus automatizaciones.
¿Puede n8n conectarse a Jira / Salesforce / mi herramienta?
Sí. Más de 400 integraciones — Jira, Salesforce, Notion, Linear, HubSpot, Zendesk, Google Sheets. Si lo usas, n8n probablemente se conecta.
¿n8n es gratis?
Self-hosted es gratis para siempre (open source, sin límites). En cloud tienes 14 días de prueba gratis del plan Pro, sin tarjeta. Después desde 24 €/mes. Para lo que se muestra aquí, el trial sobra.
¿Qué LLM debería usar para el clasificador?
El que tu empresa ya pague. El prompt funciona igual con Claude, GPT-4 o Gemini. El patrón de clasificación no cambia con el modelo.
¿n8n o Make? ¿En qué se diferencia de Zapier?
n8n es open source, self-hostable, con nodos de IA nativos y un canvas visual que te deja ver la lógica de branching. Zapier es genial para triggers simples. Make tiene buen pricing. n8n es para cuando necesitas branching, IA, loops y control total — y está creciendo un 647% anual en España.
¿Y si la IA clasifica algo mal?
Cambias el prompt. Añades un signal word, ajustas la tiebreaker rule, añades una categoría. Iteras en texto plano, no en código. Y el log de Airtable te permite revisar y corregir.
Importa los Workflows#
Descarga los archivos JSON e impórtalos directamente en tu instancia de n8n:
Cómo importar:
En n8n, pulsa el botón +, selecciona "Import from File" y elige el JSON. Después conecta tus credenciales de Slack, Airtable e IA.