{ "active": false, "activeVersion": null, "activeVersionId": null, "connections": { "Google Gemini Chat Model": { "ai_languageModel": [ [ { "node": "AI Agent", "type": "ai_languageModel", "index": 0 } ] ] }, "AI Agent": { "main": [ [ { "node": "Execute a SQL query", "type": "main", "index": 0 } ] ] }, "Execute a SQL query": { "main": [ [ { "node": "If Alert Level Is Not Low", "type": "main", "index": 0 } ] ] }, "Fetch CRM Data": { "main": [ [ { "node": "If", "type": "main", "index": 0 } ] ] }, "Schedule Trigger": { "main": [ [ { "node": "Fetch CRM Data", "type": "main", "index": 0 } ] ] }, "If": { "main": [ [ { "node": "Format Data for AI", "type": "main", "index": 0 } ], [] ] }, "Generate HTML Report": { "main": [ [ { "node": "Send email", "type": "main", "index": 0 } ] ] }, "Format Data for AI": { "main": [ [ { "node": "AI Agent", "type": "main", "index": 0 } ] ] }, "Structured Output Parser": { "ai_outputParser": [ [ { "node": "AI Agent", "type": "ai_outputParser", "index": 0 } ] ] }, "If Alert Level Is Not Low": { "main": [ [ { "node": "Generate HTML Report", "type": "main", "index": 0 } ] ] } }, "createdAt": "2025-11-27T20:55:09.390Z", "id": "U7TOVBPrWYVgks6Z", "isArchived": false, "meta": { "templateCredsSetupCompleted": true }, "name": "CRM Data Integration Subworkflow", "nodes": [ { "parameters": { "options": {} }, "id": "b97348da-99a4-4b85-9d6e-3d0e4bcdba20", "name": "Google Gemini Chat Model", "type": "@n8n/n8n-nodes-langchain.lmChatGoogleGemini", "typeVersion": 1, "position": [ -464, 1008 ], "credentials": { "googlePalmApi": { "name": "" } } }, { "parameters": { "agent": "conversationalAgent", "promptType": "define", "text": "=**Rol asignado al modelo:**\n*Eres un analista de datos experto en CRM y gesti\u00f3n de reclamos, especializado en detectar patrones, anomal\u00edas y riesgos operativos. Tu objetivo es producir un an\u00e1lisis claro, conciso y profesional basado en los datos proporcionados.*\n\n**Instrucciones:**\n\nAnaliza los siguientes datos de reclamos del CRM. Los datos ya han sido procesados y contienen informaci\u00f3n como `cliente_id`, `tipo_reclamo`, `fecha_reclamo`, `ciudad`, `prioridad`, entre otros:\n\n{{ JSON.stringify($json) }}\n\nTu an\u00e1lisis debe identificar y describir en texto:\n\n1. Reclamos duplicados o muy similares\n2. Patrones geogr\u00e1ficos o temporales de reclamos\n3. Incrementos inusuales en ciertos tipos de reclamo\n4. Clientes con m\u00faltiples reclamos recurrentes\n\n**Responde \u00fanicamente en JSON**, siguiendo exactamente este formato, como **un array de objetos**, donde cada objeto contiene un campo `ai_analysis` con la informaci\u00f3n solicitada:\n\n```json\n[\n {\n \"ai_analysis\": {\n \"anomalias_detectadas\": \"Describe en una frase o p\u00e1rrafo las anomal\u00edas detectadas de manera profesional\",\n \"patrones_identificados\": \"Describe en texto los patrones observados y su posible relevancia\",\n \"recomendaciones\": \"Proporciona recomendaciones accionables basadas en los hallazgos\",\n \"nivel_alerta\": \"bajo | medio | alto\"\n }\n }\n]\n```\n\n**Notas importantes:**\n\n* No agregues campos adicionales, comentarios ni texto fuera del JSON.\n* S\u00e9 preciso, objetivo y profesional en tu redacci\u00f3n.\n* Si la informaci\u00f3n disponible es insuficiente para detectar anomal\u00edas o patrones, ind\u00edcalo de forma clara en los campos correspondientes, manteniendo el formato JSON.\n* Aseg\u00farate de que la salida sea un **array de objetos**, no un string dentro de un campo como `unified`.", "hasOutputParser": true, "options": {} }, "id": "aba4c8e0-cb9e-434d-b8e6-61b31df8850e", "name": "AI Agent", "type": "@n8n/n8n-nodes-langchain.agent", "typeVersion": 1.7, "position": [ -464, 800 ] }, { "parameters": { "operation": "executeQuery", "query": "INSERT INTO crm_analisis_resultados \n(anomalias, patrones, recomendaciones, nivel_alerta, processed_at)\nVALUES \n(\n '{{ $json.output[0].ai_analysis.anomalias_detectadas.replace(/'/g, \"''\") }}',\n '{{ $json.output[0].ai_analysis.patrones_identificados.replace(/'/g, \"''\") }}',\n '{{ $json.output[0].ai_analysis.recomendaciones.replace(/'/g, \"''\") }}',\n '{{ $json.output[0].ai_analysis.nivel_alerta.replace(/'/g, \"''\") }}',\n '{{ $now }}'\n)\nRETURNING *;\n", "options": {} }, "id": "fe328a9d-337f-459d-9a10-e9e5000cb7b8", "name": "Execute a SQL query", "type": "n8n-nodes-base.postgres", "typeVersion": 2.4, "position": [ -96, 800 ], "credentials": { "postgres": { "name": "" } } }, { "parameters": { "operation": "executeQuery", "query": "SELECT \n id,\n cliente_id,\n nombre_cliente,\n tipo_reclamo,\n descripcion,\n fecha_reclamo,\n estado,\n ciudad,\n coordenadas_lat,\n coordenadas_lon,\n consumo_m3,\n created_at\nFROM crm_reclamos\nWHERE fecha_reclamo >= CURRENT_DATE - INTERVAL '1 day'\n AND estado IN ('pendiente', 'en_proceso')\nORDER BY fecha_reclamo DESC\nLIMIT 1000;", "options": {} }, "id": "97e4d5d6-bc9c-45ee-a63d-59d4e1914b79", "name": "Fetch CRM Data", "type": "n8n-nodes-base.postgres", "typeVersion": 2.4, "position": [ -1136, 816 ], "alwaysOutputData": true, "credentials": { "postgres": { "name": "" } } }, { "parameters": { "rule": { "interval": [ { "field": "hours", "hoursInterval": 24 } ] } }, "id": "7d68b74f-374f-43de-92f7-a02171eb6c15", "name": "Schedule Trigger", "type": "n8n-nodes-base.scheduleTrigger", "typeVersion": 1, "position": [ -1360, 816 ] }, { "parameters": { "conditions": { "options": { "caseSensitive": true, "leftValue": "", "typeValidation": "strict", "version": 1 }, "conditions": [ { "id": "has-cliente-id", "leftValue": "={{ $('Fetch CRM Data').item.json }}", "rightValue": true, "operator": { "type": "object", "operation": "notEmpty", "singleValue": true } } ], "combinator": "and" }, "options": {} }, "id": "9d472e24-c5c0-48f6-b382-3b57a61a8b5d", "name": "If", "type": "n8n-nodes-base.if", "typeVersion": 2, "position": [ -928, 816 ] }, { "parameters": { "html": "\n\n \n\n
\n\n

\n Reporte de Reclamos - CRM\n

\n\n

\n Se han procesado los siguientes reclamos reportados por clientes. \n Este informe ha sido generado autom\u00e1ticamente por el sistema CRM con an\u00e1lisis de IA.\n

\n\n
\n {{\n $input.all().map(i => i.json).map(item => `\n
\n\n \n Reclamo ID: ${item.id}\n \n\n

\n Nivel de Alerta: ${item.nivel_alerta.toUpperCase()}\n

\n\n
\n Anomal\u00edas Detectadas:\n

${item.anomalias}

\n
\n\n
\n Patrones Identificados:\n

${item.patrones}

\n
\n\n
\n Recomendaciones:\n

${item.recomendaciones}

\n
\n\n

\n Procesado el: ${new Date(item.processed_at).toLocaleString()}\n

\n\n
\n `).join(\"\")\n }}\n
\n\n

\n Este es un reporte autom\u00e1tico generado por el sistema CRM con an\u00e1lisis de IA.\n

\n\n
\n \n\n" }, "id": "48541223-8b90-403a-8461-ca4167cddf90", "name": "Generate HTML Report", "type": "n8n-nodes-base.html", "typeVersion": 1, "position": [ 384, 784 ] }, { "parameters": { "jsCode": "const items = $input.all();\nconst processedItems = [];\n\nfunction simpleHash(str) {\n let hash = 0;\n for (let i = 0; i < str.length; i++) {\n const char = str.charCodeAt(i);\n hash = ((hash << 5) - hash) + char;\n hash = hash & hash;\n }\n return Math.abs(hash).toString(16);\n}\n\nfor (const item of items) {\n const data = item.json;\n\n const hasRequiredFields = data.cliente_id &&\n data.tipo_reclamo &&\n data.fecha_reclamo;\n\n if (!hasRequiredFields) {\n processedItems.push({\n ...data,\n validation_status: 'error',\n validation_message: 'Campos requeridos faltantes',\n processed_at: new Date().toISOString()\n });\n continue;\n }\n\n let prioridad = 'media';\n const tipoLower = data.tipo_reclamo.toLowerCase();\n\n if (tipoLower.includes('fuga') || tipoLower.includes('corte')) {\n prioridad = 'alta';\n } else if (tipoLower.includes('calidad') || tipoLower.includes('presi\u00f3n')) {\n prioridad = 'alta';\n } else if (tipoLower.includes('factura')) {\n prioridad = 'media';\n } else {\n prioridad = 'baja';\n }\n\n processedItems.push({\n ...data,\n prioridad,\n validation_status: 'success',\n processed_at: new Date().toISOString(),\n data_hash: simpleHash(JSON.stringify({\n cliente_id: data.cliente_id,\n fecha_reclamo: data.fecha_reclamo,\n tipo_reclamo: data.tipo_reclamo\n }))\n });\n}\n\nfunction formatJSON(arr) {\n return JSON.stringify(arr, null, 2);\n}\n\nconst unified = formatJSON(processedItems);\n\nreturn [\n { json: { unified } }\n];\n" }, "id": "9b5eaf40-88e0-4944-9719-ba2db718bf36", "name": "Format Data for AI", "type": "n8n-nodes-base.code", "typeVersion": 2, "position": [ -688, 800 ] }, { "parameters": { "fromEmail": "=santiago.amaya-z@mail.escuelaing.edu.co", "toEmail": "=laura.perilla-q@mail.escuelaing.edu.co, ricardo.ayala-g@mail.escuelaing.edu.co, santiago.botero-g@mail.escuelaing.edu.co, andres.calderon-r@mail.escuelaing.edu.co, santiago.amaya-z@mail.escuelaing.edu.co", "subject": "=Reporte Diario CRM - {{ $json.report_timestamp }}", "html": "={{ $json.html }}", "options": {} }, "id": "f44f3821-429f-4426-b0ca-199bf4e0ea05", "name": "Send email", "type": "n8n-nodes-base.emailSend", "typeVersion": 2.1, "position": [ 608, 784 ], "credentials": { "smtp": { "name": "" } } }, { "parameters": { "schemaType": "manual", "inputSchema": "{\n \"$schema\": \"https://json-schema.org/draft/2020-12/schema\",\n \"title\": \"An\u00e1lisis de Reclamos CRM\",\n \"description\": \"Esquema para el resultado del an\u00e1lisis de reclamos, incluyendo anomal\u00edas, patrones y recomendaciones.\",\n \"type\": \"array\",\n \"items\": {\n \"type\": \"object\",\n \"properties\": {\n \"ai_analysis\": {\n \"type\": \"object\",\n \"description\": \"Resultado del an\u00e1lisis realizado por el modelo sobre los reclamos CRM\",\n \"properties\": {\n \"anomalias_detectadas\": {\n \"type\": \"string\",\n \"description\": \"Descripci\u00f3n de las anomal\u00edas detectadas en los reclamos\"\n },\n \"patrones_identificados\": {\n \"type\": \"string\",\n \"description\": \"Patrones observados en los datos de reclamos, geogr\u00e1ficos, temporales o por tipo\"\n },\n \"recomendaciones\": {\n \"type\": \"string\",\n \"description\": \"Recomendaciones accionables basadas en los hallazgos\"\n },\n \"nivel_alerta\": {\n \"type\": \"string\",\n \"description\": \"Nivel de alerta asignado seg\u00fan la criticidad de los hallazgos\",\n \"enum\": [\"bajo\", \"medio\", \"alto\"]\n }\n },\n \"required\": [\n \"anomalias_detectadas\",\n \"patrones_identificados\",\n \"recomendaciones\",\n \"nivel_alerta\"\n ],\n \"additionalProperties\": false\n }\n },\n \"required\": [\"ai_analysis\"],\n \"additionalProperties\": false\n }\n}" }, "type": "@n8n/n8n-nodes-langchain.outputParserStructured", "typeVersion": 1.3, "position": [ -320, 1008 ], "id": "61b3e240-b7ad-4fcc-bd12-1310ae09f4b1", "name": "Structured Output Parser" }, { "parameters": { "conditions": { "options": { "caseSensitive": true, "leftValue": "", "typeValidation": "strict", "version": 2 }, "conditions": [ { "id": "21037a47-b766-4cb9-85de-ac62b934c579", "leftValue": "={{ $json.nivel_alerta }}", "rightValue": "bajo", "operator": { "type": "string", "operation": "notEquals" } } ], "combinator": "and" }, "options": {} }, "type": "n8n-nodes-base.if", "typeVersion": 2.2, "position": [ 112, 800 ], "id": "36cbbb94-3a54-457d-a201-dbd44cb7f622", "name": "If Alert Level Is Not Low" } ], "settings": { "executionOrder": "v1" }, "shared": [ { "updatedAt": "2025-11-27T20:55:09.400Z", "createdAt": "2025-11-27T20:55:09.400Z", "role": "workflow:owner", "workflowId": "U7TOVBPrWYVgks6Z", "projectId": "xno20arzPonor2IK" } ], "staticData": null, "tags": [ { "updatedAt": "2025-11-27T20:55:21.471Z", "createdAt": "2025-11-27T20:55:21.471Z", "id": "xJr6SPZKss4pCHM4", "name": "CRM" } ], "triggerCount": 0, "updatedAt": "2025-12-06T23:01:08.000Z", "versionId": "07385577-a3ec-417f-8059-0bd3483fd7b3" }