Automatización e IA de código abierto: n8n, Dify, Browser Use, MiroFish

Qué cubre esta guía

• Qué hace cada una de las cuatro herramientas, en palabras sencillas, según su README y su documentación
• Un primer proyecto pequeño para cada herramienta, al alcance de una pyme
• Qué hace falta para usarla: la nube del proveedor o un servidor propio, claves de API, conocimientos
• Qué permite cada archivo de licencia y dónde pone el límite
• Una tabla comparativa y una respuesta breve a por cuál empezar
• Hábitos de seguridad con las claves de API, los datos personales y las acciones automáticas

Cuatro herramientas de un vistazo: código público, licencias distintas

Las cuatro publican su código, pero con licencias distintas. Browser Use usa la licencia MIT y MiroFish la GNU AGPL versión 3, ambas licencias de código abierto habituales. Dify usa una Apache License 2.0 modificada con condiciones adicionales. n8n tiene su propia Sustainable Use License: su documentación dice que la empresa no llama a n8n open source, porque la licencia limita el uso comercial, y prefiere el término fair-code.

n8n: flujos que conectan tus aplicaciones

El README define n8n como una plataforma fair-code para crear agentes de IA y flujos de trabajo: dibujas el proceso en un lienzo visual y añades código donde los bloques hechos no alcanzan. Según la documentación, un flujo puede arrancar con un webhook o un horario, bifurcarse por condiciones, ejecutar tu JavaScript o Python y esperar a que una persona apruebe la acción que quiere realizar un agente de IA.

Un primer proyecto: la consulta del formulario de tu web llega por webhook, n8n la añade como fila en Google Sheets, un modelo de lenguaje redacta un borrador de respuesta y en tu gestor de tareas aparece una tarea con recordatorio. Una persona lee el borrador y lo envía.

Qué necesitas: n8n Cloud, una suscripción de pago con 14 días de prueba gratuita, o la edición Community gratuita en tu servidor. Según la documentación, alojarlo tú exige conocimientos técnicos, y el servidor y su mantenimiento son cosa tuya. Los pasos con IA requieren la clave de API de un proveedor de modelos.

La licencia: LICENSE.md permite usar o modificar el software solo para los fines internos de tu negocio o para uso no comercial o personal, y entregarlo a terceros solo gratis y con fines no comerciales. Los archivos marcados con .ee quedan bajo la n8n Enterprise License, aparte. Según la FAQ de la licencia, llevar tu negocio con n8n y cobrar a clientes por montarles flujos está permitido; alojarlo como servicio para que los clientes creen sus propios flujos, no.

No encaja si nadie puede ocuparse de un servidor y no quieres el plan en la nube, ni si piensas revender n8n en sí: para eso la documentación exige un acuerdo comercial aparte.

Dify: una aplicación de IA que responde con tus documentos

El README describe Dify como una plataforma de código abierto para desarrollar aplicaciones LLM: lienzo visual para flujos de IA, extracción de texto de PDF y otros formatos habituales, agentes, registros y una API por aplicación. En la documentación tus datos viven en bases de conocimiento, y la aplicación terminada se comparte con un enlace web, se incrusta en una página como widget de chat o se llama por API.

Un primer proyecto: un asistente interno para el equipo. Carga en una base de conocimiento la lista de precios, las condiciones de envío y las respuestas más frecuentes a clientes, monta un chat sobre ella y comparte el enlace. Antes de fiarte de las respuestas, pasa tus veinte preguntas más habituales por la prueba de recuperación que describe la documentación.

Qué necesitas: Dify Cloud o la Community Edition en tu servidor, que se arranca con Docker Compose; el README indica un mínimo de 2 núcleos de CPU y 4 GiB de RAM. En ambos casos conectas un proveedor de modelos, normalmente con una clave de API y un consumo que él factura.

La licencia: el archivo LICENSE dice que Dify está bajo una Apache License 2.0 modificada y puede usarse comercialmente, también como backend de otras aplicaciones. Hace falta una licencia comercial del titular en dos casos: operar un entorno multi-tenant con el código fuente de Dify sin autorización escrita (un inquilino es un espacio de trabajo) y quitar o modificar el logotipo o la información de copyright en la consola o las aplicaciones de Dify cuando usas su frontend.

No encaja en un servicio donde cada cliente recibe un espacio de trabajo propio, salvo que obtengas la licencia comercial. La documentación dice que una base de conocimiento hace las respuestas menos propensas a las alucinaciones, no libres de ellas: una persona sigue revisando precios y plazos.

Browser Use: un agente que trabaja en el navegador

Browser Use es un agente de IA para el navegador: describes la tarea en una frase y el agente abre un navegador, recorre las páginas y devuelve una respuesta. El README ofrece tres vías: una nube alojada, una herramienta de línea de comandos que da acceso al navegador a un agente que ya usas y una biblioteca de Python de código abierto que ejecutas desde tu código.

Un primer proyecto, solo de lectura a propósito: una vez por semana el agente abre cinco páginas públicas de proveedores que tú indicas y anota precio y disponibilidad en una tabla, que luego comparas con las páginas. Comprueba que las condiciones de uso de cada sitio permiten visitas automatizadas.

Qué necesitas: para la biblioteca, Python 3.11 o superior y la clave de API de un modelo en un archivo .env; el navegador puede ser local o alojado por el proveedor. Según el README, la biblioteca es gratuita y el uso de modelos y los navegadores alojados se cobran aparte. Hace falta alguien que maneje Python y la terminal.

La licencia: el archivo LICENSE es la MIT License. Permite usar, copiar, modificar, distribuir y vender el software siempre que el aviso de copyright y el texto del permiso se mantengan en todas las copias. El software se entrega tal cual, sin que el autor responda de su funcionamiento.

Cuidado con los inicios de sesión. El README muestra cómo reutilizar tu perfil de Chrome, y entonces el agente actúa dentro de tus cuentas. Empieza con un perfil limpio y deja pagos, mensajes y borrados a una persona.

MiroFish: una simulación de cómo podría reaccionar la gente

El README presenta MiroFish como un motor de inteligencia de enjambre. Subes materiales de partida, por ejemplo un informe, y describes con palabras corrientes lo que quieres prever. El motor construye un grafo de conocimiento, genera personajes, ejecuta una simulación en la que esos agentes de IA interactúan y redacta un informe. Las demostraciones publicadas son una simulación de opinión pública y el final perdido de una novela clásica.

Un primer proyecto: antes de anunciar un cambio de precios, sube el borrador del anuncio y una descripción de tus grupos de clientes, sin nombres ni contactos, y pregunta cómo podría desarrollarse la conversación. Plantea a cinco o diez clientes reales las objeciones que no habías previsto.

Qué necesitas: Node.js 18 o superior, Python 3.11 o 3.12 y el gestor de paquetes uv, o bien Docker. Hacen falta dos claves: la de una API de modelo de lenguaje en formato OpenAI y la de Zep Cloud. El README avisa de un consumo alto del modelo y sugiere empezar con menos de 40 rondas de simulación. Es una herramienta para desarrolladores.

La licencia: el archivo LICENSE es la GNU Affero General Public License, versión 3. Puedes usar, modificar y compartir el programa. Una versión modificada que entregues sigue bajo la misma licencia, y la sección 13 dice que, si modificas el programa y dejas que otros lo usen a través de una red, debes ofrecerles sin coste el código fuente de tu versión.

La advertencia principal: el README habla de predecir cualquier cosa, pero el 4 de octubre de 2026 no contenía cifras de precisión ni comparaciones de simulaciones pasadas con lo ocurrido después. Una simulación da hipótesis, no pruebas de demanda: muestra lo que los modelos de lenguaje imaginan que diría la gente. Trata el informe como preguntas para clientes reales, nunca como motivo para comprar existencias.

¿Por cuál empezar?

Parte de la tarea, no de la herramienta. Escribe el proceso tal como lo haces hoy a mano y elige la herramienta que encaja.

Una herramienta, un proceso, dos semanas. Si después la automatización sigue necesitando arreglos diarios, el proceso no estaba listo para automatizarse.

• Una rutina se repite entre aplicaciones (consultas, tablas, recordatorios): n8n, con la prueba en la nube, sin servidores.
• Te hacen una y otra vez preguntas cuya respuesta está en tus documentos: Dify.
• El trabajo solo existe como clics en una web sin exportación ni API, y cuentas con un desarrollador: Browser Use.
• Tienes una pregunta concreta sobre la reacción del público y presupuesto para el consumo del modelo: MiroFish, como experimento y en último lugar.

Seguridad: claves, datos personales y revisión del trabajo de la máquina

Las cuatro herramientas envían texto a un modelo de lenguaje y actúan en tu nombre. Cuatro hábitos lo mantienen bajo control.

Relee el archivo de licencia antes de cualquier uso comercial, porque las condiciones cambian.

• Claves de API. Guarda cada clave en los ajustes de credenciales de la herramienta o en un archivo .env, nunca en un prompt, un chat o una captura. Usa una clave por herramienta y fija un límite de gasto mensual si el proveedor lo ofrece, por ejemplo 20 €.
• Datos personales. Lo que un flujo envía a un modelo alojado sale de tus sistemas. Quita nombres, teléfonos y direcciones cuando la tarea funcione sin ellos, y comprueba qué exigen el RGPD y las condiciones del proveedor.
• Acceso. Da a cada herramienta el acceso más estrecho que le permita funcionar: una hoja y no toda la unidad, un perfil de navegador sin sesiones guardadas.
• Revisión. Que la automatización prepare y una persona apruebe hasta haber revisado unas decenas de casos reales. Todo lo que envía, paga o borra queda tras un paso de aprobación humana.