Outbound email con IA

Qué resuelve este flujo de outbound personalizado

Escribir un correo de primer contacto realmente personalizado para cada prospecto de una lista de cientos de empresas no es viable a mano, pero enviar la misma plantilla genérica a todos tampoco funciona ya en un mercado B2B saturado de outbound automatizado sin criterio. Este flujo de n8n resuelve ese punto intermedio: recibe los datos de un prospecto (nombre, empresa, cargo) junto con tu definición de ICP y tono de marca, genera con un modelo de lenguaje un borrador de correo personalizado que menciona el contexto real de esa empresa, y lo deja en Slack para que una persona lo revise antes de que entre en tu cola de envío habitual. No es un sistema de envío automático a ciegas: es un generador de borradores de calidad que ahorra el tiempo de escribir desde cero, mientras mantiene la decisión final de qué se envía y a quién en manos humanas. Además, al centralizar el ICP y el tono de marca en un único nodo de configuración, cualquier ajuste de posicionamiento que decida el equipo de marketing se refleja automáticamente en todos los borradores futuros, sin tener que reescribir plantillas dispersas por distintos documentos o herramientas. Esto convierte el flujo en un punto único de verdad sobre cómo debe sonar tu marca en la prospección fría, algo especialmente valioso cuando varias personas del equipo comercial envían outbound en paralelo y quieres mantener coherencia de tono entre todas ellas.

Qué necesitas antes de importar el flujo

Necesitas una instancia de n8n, acceso a un proveedor de modelos de lenguaje con su clave de API, y un canal de Slack donde el equipo comercial pueda revisar y editar los borradores antes de aprobarlos. También necesitas un sistema de cola de envío al que trasladar los correos ya aprobados, que puede ser tu propia herramienta de email marketing, un CRM con función de secuencias, o incluso una hoja de cálculo que alimente un proceso de envío manual controlado.

Cómo está construido el workflow

El flujo tiene un único punto de entrada, un Webhook que recibe los datos del prospecto (email, nombre, empresa, cargo) y un indicador de si esa persona se ha dado de baja previamente. Un nodo de configuración centraliza el tono, el idioma, los datos de acceso al modelo de lenguaje, la URL del webhook de Slack y la URL de la cola de envío final. Tras la normalización de los datos recibidos, un nodo IF comprueba el campo unsubscribed: si la persona está en la lista de baja, el flujo se detiene ahí y no genera ningún borrador. Si no lo está, el nodo de IA genera el correo, que se envía a Slack para revisión humana; solo cuando alguien del equipo aprueba y edita el texto, este pasa manualmente al sistema de cola de envío.

Configurar el ICP y los datos de la campaña

Importa el JSON en n8n y abre el nodo Config ICP. Define el tono y el idioma que debe usar el modelo, rellena llmUrl, apiKey y model con los datos de tu proveedor de IA, y añade slackWebhookUrl y sendQueueUrl con las direcciones correspondientes a tu canal de revisión y tu sistema de envío. Copia la URL de producción del Webhook y apúntala desde el origen de tus datos de prospección, ya sea una hoja de cálculo, un CRM o una herramienta de scraping de leads que uses de forma legítima. El cuerpo que espera el flujo incluye email, name, company, title y unsubscribed; cuantos más de estos campos completes con datos reales, más específico y creíble será el borrador que genere el modelo, en lugar de caer en frases genéricas que cualquier prospecto reconoce como plantilla automatizada.

Por qué el envío nunca es automático en la primera fase

El envío automático sin revisión humana es la forma más rápida de dañar la reputación de tu dominio de correo y de incumplir buenas prácticas de outreach: un modelo de lenguaje puede alucinar datos sobre la empresa del prospecto, usar un tono equivocado o simplemente escribir algo que no encaja con tu marca. Por eso este flujo siempre entrega el borrador en Slack para que una persona lo lea, corrija lo que haga falta y solo entonces lo traslade a la cola de envío real. Revisa en cada prueba que los enlaces incluidos en el correo son correctos, que el nombre y la empresa del prospecto aparecen bien escritos, y que el mensaje muestra de forma visible la opción de darse de baja o de oponerse a este tipo de comunicación, tal y como exige la normativa de comunicaciones comerciales.

RGPD, opt-out y alternativas en Make/Zapier

Antes de enviar correos reales, confirma que tienes base legal para contactar con esos prospectos (normalmente interés legítimo en un contexto B2B, si el mensaje es relevante y respeta el derecho de oposición) y documenta de dónde proceden los datos de contacto que usas. El mensaje final debe incluir siempre una forma clara y sencilla de darse de baja.

Cómo medir la calidad de los borradores con el tiempo

Lleva un registro sencillo de cuántos borradores generados por el modelo se aprueban tal cual, cuántos requieren edición ligera y cuántos se descartan por completo; esta proporción te dice si merece la pena seguir ajustando el prompt de configuración o si ya está dando resultados aceptables. Si notas que el equipo edita sistemáticamente el mismo tipo de frase (por ejemplo, aperturas demasiado genéricas o cierres poco naturales), añade esa observación como instrucción explícita en el nodo de configuración en vez de corregirlo a mano cada vez. También es útil guardar los borradores finalmente enviados junto con la respuesta que obtuvieron, cuando la haya, para ir construyendo con el tiempo una idea de qué tono y qué tipo de gancho inicial funciona mejor con tu ICP concreto, en lugar de depender solo de la intuición de quien revisa los correos esa semana.

Importar, configurar y producción 24/7

En n8n: ⋯ → Import from File → el JSON de este recurso. El flujo llega inactive. Abre el sticky INSTRUCCIONES del lienzo y el nodo Config/Set: URLs, umbrales y placeholders. Enlaza credenciales reales (HTTP Header Auth, OAuth Google Sheets, Slack Incoming Webhook, CRM Private App) — nunca dejes tokens en el archivo versionado.

Prueba una ejecución Manual o un evento de test (formulario, webhook, cron forzado). Revisa CRM, Sheets o Slack. Solo entonces Active. Timezone del workflow: Europe/Madrid.

Para que corra solo hace falta n8n online. Self-hosted UE: VPS Hetzner/OVH/IONOS (o panel con Docker) → Ubuntu → Docker Compose (n8n + Postgres) → HTTPS con Caddy/Nginx → N8N_HOST, WEBHOOK_URL, GENERIC_TIMEZONE=Europe/Madrid, N8N_ENCRYPTION_KEY. Alternativa: n8n Cloud (importas, conectas credenciales y Active; vigila límites). Make/Zapier: mismo mapa mental; este JSON es el esqueleto n8n.

EU AI Act y RGPD: qué es y por qué tu empresa debe aplicarlo

El Reglamento (UE) 2024/1689 (EU AI Act) ya está en vigor. Si tu empresa usa n8n con nodos de IA (Gemini, OpenAI, Claude, etc.) en ventas o operaciones, actuáis como desplegadores (deployers): no hace falta ser el fabricante del modelo. Desde el 2 de febrero de 2025 el Artículo 4 exige alfabetización en IA del personal que opera estos sistemas; en agosto de 2026 se refuerza la supervisión (AESIA en España) y la trazabilidad.

En paralelo, el RGPD (AEPD) aplica porque el flujo trata datos de contacto B2B. Base jurídica, minimización y, si hay perfiles automatizados a escala, evaluación de impacto. AI Act y RGPD se acumulan: un fallo puede implicar ambas autoridades.

Este recurso ayuda en la práctica: placeholders sin secretos, Europe/Madrid, opción self-hosted en VPS UE (soberanía de datos), registro de ejecuciones en n8n (logs) y espacio para human-in-the-loop (aprobación antes de acciones sensibles). Detalle: /uso-responsable-de-ia-y-transparencia. Texto informativo, no asesoramiento legal.