Automatizar alertas de stock con n8n e IA

La gestión de stock sigue siendo, en muchas empresas, un proceso sorprendentemente manual. Alguien revisa los niveles cada mañana en el ERP, exporta un Excel, compara con los mínimos y avisa por correo o por chat si algo está bajo. Funciona mientras el catálogo es pequeño y la demanda es estable. Pero en cuanto crece el número de referencias, aparecen estacionalidades o se suman almacenes, el sistema manual se rompe.

Los síntomas son siempre los mismos: roturas de stock que se detectan demasiado tarde, exceso de inventario en productos que no rotan, pedidos de reposición que dependen de la memoria de alguien y alertas que llegan (si llegan) cuando ya no hay tiempo de reaccionar.

¿Qué falla en la gestión manual de alertas de stock?

Antes de hablar de automatización, conviene ser honestos sobre qué falla exactamente en la gestión manual. No es que sea imposible gestionar stock a mano; es que no escala y los errores se acumulan de forma invisible.

• Los umbrales de alerta son fijos y genéricos: el mismo mínimo para un producto de alta rotación que para uno que se vende una vez al trimestre.
• Las revisiones dependen de que alguien las haga: si la persona encargada está de baja o tiene otra prioridad, las alertas no se generan.
• Los avisos llegan tarde: cuando el nivel ya está por debajo del mínimo, no cuando está a punto de estarlo.
• No se detectan anomalías: un pico de consumo inesperado pasa desapercibido hasta que el producto se agota.
• Los cruces entre datos de ventas, previsiones y stock disponible se hacen a mano, con el riesgo de error que eso implica.

¿Qué alertas de stock merece la pena automatizar?

No todas las alertas tienen el mismo valor. El error habitual es intentar automatizarlo todo a la vez. Es mejor empezar por las alertas que más impacto tienen en la operativa y que más tiempo consumen de forma manual.

Alerta de punto de reorden

Es la más básica y la más rentable de automatizar. Cuando el stock disponible de un producto baja del punto de reorden (stock de seguridad + consumo previsto durante el lead time de reposición), se genera una alerta con la cantidad sugerida de pedido. Si ya tienes claros los cálculos, el artículo sobre stock óptimo con IA y automatización detalla las fórmulas.

Alerta de anomalía en consumo

Si un producto que normalmente se consume a un ritmo estable de repente duplica o triplica su salida, conviene saberlo antes de que se agote. Esta alerta compara el consumo reciente con la media histórica y avisa cuando la desviación supera un umbral definido.

Alerta de sobrestock

Tan problemático como la rotura es tener demasiado inventario de algo que no se mueve. Una alerta de sobrestock identifica productos cuyo nivel de inventario supera ampliamente la demanda prevista y que están generando un coste de almacenamiento innecesario.

Alerta basada en forecast

En lugar de comparar el stock con un umbral fijo, esta alerta compara el stock actual con la demanda prevista para los próximos días o semanas. Si el stock no cubre la demanda proyectada, se genera la alerta antes de que se alcance el mínimo. Es la alerta más sofisticada porque requiere un modelo de forecasting de demanda alimentándola, pero también la más útil a medio plazo.

¿Cómo diseñar workflows en n8n para alertas de stock?

n8n es una herramienta de automatización de flujos de trabajo que permite conectar sistemas, transformar datos y ejecutar acciones condicionales sin necesidad de programar desde cero. Su interfaz visual y su modelo de ejecución basado en nodos la hacen especialmente adecuada para este tipo de automatizaciones.

Arquitectura general del workflow

Un workflow típico de alertas de stock en n8n sigue esta estructura.

1. 1Trigger: un temporizador (cada hora, cada mañana) o un webhook que se dispara cuando el ERP registra un movimiento de stock.
2. 2Consulta de datos: nodo que conecta con la base de datos del ERP o del WMS para obtener los niveles de stock actuales por producto.
3. 3Enriquecimiento: cruce con datos de ventas recientes, lead times de proveedor y, si existe, la previsión de demanda.
4. 4Evaluación de reglas: comparación del stock disponible con los umbrales (punto de reorden, anomalía, sobrestock). Aquí se aplican las condiciones que determinan si se genera alerta o no.
5. 5Notificación: envío de la alerta por el canal adecuado (email, Slack, Teams, SMS) con los datos relevantes: producto, stock actual, umbral, cantidad sugerida de reposición.
6. 6Registro: escritura del evento en un log (base de datos, Google Sheets, sistema propio) para trazabilidad y análisis posterior.

Nodos clave en n8n

Los nodos más habituales en este tipo de workflow son: nodo de base de datos (MySQL, PostgreSQL, MSSQL) para la consulta al ERP, nodo HTTP Request si el ERP expone una API REST, nodo Function para cálculos personalizados (media móvil, desviación estándar), nodo IF para las condiciones de alerta, nodo de email o Slack para la notificación, y nodo Spreadsheet o base de datos para el registro.

¿Cómo integrar las alertas con el ERP y el WMS?

La integración con el sistema de gestión de inventario es el punto más crítico del proyecto. Sin acceso fiable a los datos de stock en tiempo real (o casi real), la automatización no tiene sentido.

ERP con API

Si tu ERP tiene una API REST o SOAP (SAP, Odoo, Dynamics 365, Holded), n8n se conecta directamente con nodos HTTP Request autenticados. Es el escenario ideal porque los datos están actualizados y la conexión es bidireccional: puedes leer stock y, en algunos casos, generar pedidos de reposición automáticos.

ERP sin API

En ERPs más antiguos o sin API documentada, las opciones son: lectura directa de la base de datos (con un nodo MySQL, PostgreSQL o MSSQL), monitorización de archivos exportados (CSV, Excel) que el ERP genera periódicamente, o conexión por ODBC. No es lo ideal, pero para muchas pymes con ERPs legacy es la única vía y funciona correctamente.

WMS dedicado

Si tienes un WMS separado del ERP, n8n puede consultar ambos sistemas y cruzar los datos. Es habitual que el ERP tenga el stock contable y el WMS el stock físico real. La alerta más útil en este caso compara ambos y avisa cuando hay discrepancias significativas.

¿Qué aportan los umbrales dinámicos con IA?

El paso que marca la diferencia entre una automatización básica y una realmente útil es sustituir los umbrales fijos por umbrales que se adaptan a la demanda real.

El problema de los umbrales fijos

Un umbral fijo dice: avísame cuando el stock de este producto baje de 50 unidades. Pero si en enero se venden 10 unidades al mes y en diciembre 200, un umbral fijo de 50 genera una falsa alarma en enero y llega tarde en diciembre. Los umbrales fijos no entienden de estacionalidad, tendencias ni eventos puntuales.

Cómo funciona un umbral dinámico

Un modelo predictivo (Prophet, ARIMA, o incluso una media móvil ponderada bien ajustada) genera una previsión de demanda para los próximos N días. El punto de reorden se recalcula periódicamente como: demanda prevista durante el lead time + stock de seguridad ajustado a la variabilidad prevista. El artículo sobre modelo predictivo de inventario detalla cómo construir y evaluar estos modelos.

En la práctica, el modelo se ejecuta como un servicio (una API Python, una función cloud o un script programado) y n8n lo consulta en el nodo de evaluación. El workflow no cambia mucho: simplemente, en vez de comparar con un número fijo, compara con el valor que devuelve el modelo.

Cuándo merece la pena incorporar IA

• Tienes estacionalidad clara en muchos productos: los umbrales fijos no la capturan.
• Manejas cientos o miles de SKUs: ajustar umbrales a mano para cada producto no es viable.
• Los lead times de proveedor son variables: el stock de seguridad necesita adaptarse.
• Ya tienes datos históricos de al menos 12 meses de ventas o salidas de almacén.

Si no tienes estacionalidad, el catálogo es pequeño y los lead times son estables, una media móvil simple puede ser suficiente. No hace falta un modelo sofisticado para cada caso.

¿Qué errores evitar al automatizar alertas de stock?

• Alertar de todo: si el sistema envía 50 alertas al día, nadie les presta atención. Prioriza por impacto económico y filtra el ruido.
• No ajustar los umbrales después del lanzamiento: los primeros umbrales son aproximaciones. Sin revisión periódica, las alertas pierden relevancia rápido.
• Ignorar los lead times: una alerta que llega cuando ya no hay tiempo de reponer es inútil. El punto de reorden tiene que considerar el tiempo de entrega del proveedor.
• No registrar las alertas: sin un log, no puedes medir si la automatización está funcionando ni detectar patrones de falsos positivos.
• Automatizar sin validar los datos de origen: si el stock del ERP no refleja el stock físico real, las alertas serán incorrectas independientemente de la lógica que apliques.

Cómo empezar: un plan realista

El enfoque que mejor funciona es empezar pequeño, validar y ampliar. No intentes automatizar todas las alertas para todos los productos desde el primer día. Si estás evaluando cómo abordar la automatización, nuestra página de automatización con n8n describe cómo planteamos estos proyectos.

1. 1Selecciona 20-30 productos de alta rotación con datos históricos de al menos 6 meses.
2. 2Define el punto de reorden para cada uno (con fórmula estándar, sin IA al principio).
3. 3Monta el workflow en n8n con la alerta básica de punto de reorden.
4. 4Prueba durante 2-4 semanas, revisa los falsos positivos y ajusta umbrales.
5. 5Añade la alerta de anomalía para los mismos productos.
6. 6Cuando el flujo esté estable, incorpora el modelo predictivo para umbrales dinámicos.
7. 7Amplía progresivamente a más productos y más tipos de alerta.

Este enfoque iterativo evita el error más común: construir un sistema complejo que nadie valida hasta que ya es tarde para ajustarlo.

Para más información, puedes consultar la documentación oficial de n8n.

Preguntas frecuentes

¿n8n es la única opción para automatizar alertas de stock?

No. Hay alternativas como Make (Integromat), Zapier o desarrollos a medida con Python y Airflow. n8n destaca por ser self-hosted (puedes ejecutarlo en tu propia infraestructura), open source y flexible con integraciones a bases de datos y APIs. Para flujos que implican datos sensibles de inventario, el self-hosting es una ventaja relevante.

¿Puedo integrar las alertas con mi sistema de compras para que el pedido se lance automáticamente?

Técnicamente sí, si tu ERP o sistema de compras tiene una API que acepte la creación de pedidos. En la práctica, la mayoría de empresas prefieren empezar con alertas que requieran validación humana antes de generar el pedido. La automatización completa del pedido se introduce después, cuando los umbrales y el flujo están validados y la confianza en el sistema es alta.

¿Qué precisión puedo esperar de un modelo predictivo para stock?

Depende mucho del producto y de los datos disponibles. Para productos de demanda estable, un modelo básico puede tener un error inferior al 10-15%. Para productos con alta variabilidad o estacionalidad compleja, el error puede ser mayor. Lo importante no es la precisión absoluta, sino que el modelo sea mejor que los umbrales fijos que sustituye. Y eso suele cumplirse incluso con modelos sencillos.