Automatización con IA: cómo reducí 40 horas semanales a 4
Hace 18 meses, una consultora de recruiting en Buenos Aires me contrató para “hacer algunos scripts”. Terminamos reemplazando dos posiciones de tiempo completo con un sistema que corre 24/7.
Este es el caso real, con números, herramientas y errores que cometimos.
El problema antes de la automatización
La consultora recibía:
- ~500 emails diarios de candidatos con CVs adjuntos
- 120 mensajes de WhatsApp de clientes pidiendo updates
- 40 solicitudes de entrevistas por LinkedIn
- 3 reportes semanales manuales en Excel para cada cliente
Tres personas dedicaban 40 horas semanales a tareas que eran 90% clasificación, extracción y formato.
La arquitectura final
Entradas (Email, WhatsApp, LinkedIn)
↓
[n8n] Trigger + Normalización
↓
[Python] Extracción de datos con LLM
↓
[Supabase] Almacenamiento + clasificación
↓
[n8n] Decision tree + Acciones
↓
Salidas (Email auto, Notificación, Reporte)Paso 1: Ingesta y normalización con n8n
n8n (self-hosted en Railway) conecta:
- IMAP para emails de Gmail y Outlook
- WhatsApp Business API vía 360dialog
- LinkedIn vía API + webhooks de PhantomBuster
Cada entrada se normaliza a un JSON estándar:
{
"source": "email",
"sender": "juan@example.com",
"raw_content": "...",
"attachments": ["cv_juan.pdf"],
"timestamp": "2025-04-15T10:30:00Z"
}Error que cometimos: intentamos procesar PDFs directamente en n8n. Es lento y caro. La solución fue guardar el archivo en S3, mandar la URL a una función Python, y que el workflow continúe vía webhook.
Paso 2: Extracción estructurada con LLM
Usamos OpenAI GPT-4o-mini vía API. No es el modelo más grande; para extracción estructurada no hace falta.
Prompt template (simplificado):
system_prompt = """
Extraé la información del CV en este schema JSON:
- nombre: string
- email: string
- telefono: string
- experiencia_años: number
- tecnologias: string[]
- seniority: "junior" | "semi-senior" | "senior" | "lead"
- disponibilidad: "inmediata" | "1_mes" | "3_meses"
Si falta información, usá null. No inventes datos.
"""Costo real: ~USD 0.003 por CV procesado. Con 500 CVs diarios = USD 4.50/día.
Comparado con un analista junior (USD 1,200/mes), el ROI se alcanza en día 5.
Paso 3: Clasificación y routing
Una vez estructurados, los candidatos se clasifican:
| Score | Acción |
|---|---|
| > 85% match | Email automático al candidato + notificación al recruiter |
| 60-85% | Guardar en shortlist manual para revisión |
| < 60% | Email de agradecimiento automático + feedback genérico |
El criterio de match viene de un job description parseado con el mismo LLM.
Paso 4: Reportes automáticos
Cada viernes a 18:00, n8n dispara:
- Query a Supabase por candidatos de la semana
- Agregación con Python (pandas + jinja2)
- Generación de PDF con Playwright + HTML template
- Envío por email a cada cliente con los candidatos recomendados
Tiempo previo: 3 horas por cliente × 12 clientes = 36 horas/semana. Tiempo actual: 0 horas. El sistema no falló en 8 meses.
Las 3 cosas que no automatizamos
No todo debería ser automático. Dejamos fuera del pipeline:
- Entrevistas técnicas: la IA evalúa código, pero no cultural fit
- Negociación salarial: requiere juicio humano y contexto emocional
- Reclamos formales: un email enojado automatizado empeora todo
Stack y costos mensuales reales
| Servicio | Costo/mes | Rol |
|---|---|---|
| n8n (Railway) | USD 19 | Orchestration |
| OpenAI API | USD 135 | Extracción + clasificación |
| Supabase | USD 25 | Database + Auth |
| S3 (R2) | USD 8 | CVs + reportes |
| PhantomBuster | USD 48 | LinkedIn scraping |
| 360dialog | USD 55 | WhatsApp API |
| Total | USD 290 |
Reemplaza USD 2,400/mes en salarios + 36 horas/semana de un founder.
Empezá hoy: MVP de automatización en 48 horas
Si querés prototipar rápido:
- n8n cloud (gratis hasta 5 workflows)
- Zapier Make si no sabés código
- OpenAI API con prompts simples
- Google Sheets como base de datos temporal
Empezá con UN solo flujo que te moleste. No intentes automatizar todo de una.
Conclusión
La IA no reemplaza recruiters. Reemplaza clasificación manual, copy-paste de Excel, y esperar a que alguien lea un email.
Las 36 horas recuperadas se usan en entrevistas de calidad, negociación con clientes, y estrategia de crecimiento.
¿Querés ver si tu workflow se puede automatizar? Escribinos y en 15 minutos te decimos qué partes tienen ROI positivo.