Esta IA Transforma Planilhas em Aplicativos

As planilhas deveriam ser o local onde as decisões acontecem. Em vez disso, tornaram-se cemitérios de dados—milhares de linhas, dezenas de abas, colunas crípticas como “Status”, “Proprietário” e “Criado_em”, todas engolindo silenciosamente notas de lead, resultados de chamadas e tickets de suporte que ninguém nunca rolará o suficiente para ver. Os CRMs não ajudam muito; eles apenas envolvem as mesmas tabelas em uma interface mais pesada.

A maioria das equipes vive nesse estado: rica em dados, mas pobre em insights. Vendas registra cada chamada, marketing acompanha cada clique, o suporte classifica cada ticket, no entanto, quando alguém pergunta: “O que realmente mudou na semana passada?”, a sala fica em silêncio enquanto alguém tenta desvendar um VLOOKUP. Contextos valiosos se escondem em notas de texto livre, carimbos de tempo e campos de status que ninguém tem tempo para filtrar, agrupar e criar gráficos manualmente.

A análise manual exige um sério esforço cognitivo. Para responder à pergunta “Quais campanhas geraram os leads mais qualificados nos últimos 30 dias?”, você precisa equilibrar mentalmente faixas de datas, segmentos e definições de “qualificado”, e então unir tabelas dinâmicas, filtros e gráficos quebrados. Cada pergunta de acompanhamento—“Certo, mas e quanto à região?”—significa começar essa rotina de ginástica mental de novo.

Esse overhead transforma perguntas básicas em mini-projetos. As pessoas tiram capturas de tela de tabelas brutas para colocá-las em slides, em vez de interrogar os dados em si. Dashboards, quando existem, congelam algumas visões pré-preparadas no tempo, enquanto tudo o mais apodrece em exportações CSV e Planilhas Google esquecidas.

Agora imagine pular tudo isso e simplesmente conversar com seus dados. Pergunte: “Compare o volume de chamadas da semana passada com as duas semanas anteriores”, e um agente de IA extrai informações da sua planilha do Google ou CRM, retornando um gráfico interativo e métricas resumidas: 4.800 chamadas, 4.200 compromissos, linhas de tendência e uma breve narrativa explicando o que mudou.

Esta é a transição de inserção de dados para conversa sobre dados. Em vez de despejar linhas em um sistema e esperar que alguém se importe o suficiente para analisá-las, os usuários de negócios se tornam interrogadores ativos: “Mostre-me as principais objeções dos potenciais clientes,” “Destaque contas em risco de cancelamento,” “Traga à tona os outliers no tempo de resposta.” A interface deixa de ser uma tabela estática e se torna um contraparte responsiva.

Ferramentas como n8n combinadas com Thesis.dev levam isso ainda mais longe. Suas automações existentes continuam escrevendo em planilhas, mas uma camada de interface gerada por IA transforma essas grades mortas em painéis dinâmicos que respondem.

Conheça seu novo analista de dados em IA: uma pilha em três partes que se comporta menos como um software e mais como um colega que realmente lê suas planilhas. n8n atua como o cérebro da automação, Google Sheets armazena a memória, e Thesis.dev fornece a voz e o rosto que transforma respostas em painéis que você pode clicar, passar o mouse e explorar.

Dentro do n8n, um Agente de IA para Análise ocupa o centro dessa estrutura. Ele recebe linhas brutas do Sheets, compreende comandos em linguagem natural como “Compare o volume de chamadas da semana passada com as duas semanas anteriores” e decide qual análise realizar. Em seguida, ele retorna uma resposta estruturada descrevendo gráficos, KPIs e insights narrativos que a Thesis.dev pode renderizar instantaneamente.

Em vez de criar manualmente um esquema ou projetar uma biblioteca de gráficos, você conecta seus dados existentes—registros de agentes de voz, leads coletados da web, estatísticas de chamadas—no fluxo de trabalho do agente. O agente pode filtrar por intervalos de datas, agrupar por resultados e identificar padrões como “4.800 chamadas geraram 4.200 agendamentos” sem que você precise mexer em SQL ou tabelas dinâmicas. Você fala; ele traduz isso em consultas e visuais.

Thesis.dev atua como uma camada de interface de usuário generativa que consome a saída do agente e a transforma em componentes interativos. Uma resposta pode gerar: - Um gráfico de séries temporais do volume de chamadas - Cartões de KPI para total de chamadas, agendamentos e taxa de conversão - Uma tabela das principais objeções - Um breve resumo textual com recomendações de próximos passos

Ferramentas de BI tradicionais, como Tableau ou Power BI, exigem modelagem antecipada, data warehouses e especialistas que cuidam dos painéis. Você importa CSVs, define dimensões, ajusta joins e então espera dias ou semanas por um novo relatório. Cada nova pergunta de um stakeholder se torna mais um ticket na fila de espera.

Esse conjunto movido por IA inverte essa dinâmica. Uma vez conectado, o mesmo fluxo de trabalho responde a dezenas de novas perguntas sem modelagem adicional: “Mostre-me o desempenho por agente,” “Destacar dias com quedas,” “Classificar campanhas por chamadas agendadas.” Você recebe um novo painel em segundos, não uma corrida depois.

A velocidade se torna o principal recurso. Equipes não técnicas podem interrogar dados operacionais em tempo real tão rápido quanto conseguem digitar, enquanto n8n e Thesis.dev cuidam silenciosamente da infraestrutura, layout e timestamps nos bastidores.

A UI generativa é o que acontece quando a IA para de responder com parágrafos e começa a responder com interfaces. Em vez de um bloco de texto, você obtém gráficos, cartões, tabelas e painéis completos que se materializam a partir de um único comando como "Compare o volume de chamadas da semana passada com as duas semanas anteriores."

Por trás dos panos, a IA nunca desenha pixels. Ela gera uma descrição estruturada de como a tela deve parecer: “um gráfico de barras de chamadas diárias, o eixo x são as datas, o eixo y é a contagem de chamadas, destacar os últimos 7 dias, adicionar dois cartões de KPI para chamadas totais e agendamentos, além de um breve resumo narrativo.” Esse esquema em formato JSON vai para o Thesis.dev, que renderiza a interface instantaneamente no navegador.

Pense no Thesis.dev como um mecanismo de front-end em tempo real conectado a um LLM. O n8n alimenta-o com dados em tempo real do Google Sheets ou de um CRM, o agente de IA decide quais visuais fazem sentido, e o Thesis.dev transforma isso em um painel interativo que você pode passar o mouse, filtrar e reorganizar sem tocar no código. Sem componentes de React, sem variáveis CSS, sem etapa de compilação.

A proposta é brutalmente simples: zero trabalho de front-end. Você descreve o que deseja em linguagem natural, e o sistema gera: - Um layout - Componentes visuais - Dados vinculados e interações

Se você pode dizer "mostre-me as principais objeções dos prospects deste mês e faça uma tendência semanal", você pode desenvolver uma interface de análise que funcione.

Analogamente, imagine descrever uma pintura para um artista de speedrun que pinta em tempo real enquanto você fala. “Faça o fundo escuro, adicione uma linha vermelha brilhante pelo centro, anote os picos.” A UI generativa faz isso, exceto que a “pintura” é um cockpit de dados ao vivo impulsionado por timestamps, filtros e métricas.

Para quem está montando isso por conta própria, o n8n cuida da orquestração e dos prompts de IA; o Thesis.dev cuida da renderização. O Tutorial oficial: Crie um fluxo de trabalho de IA no n8n (Documentação oficial do n8n) orienta sobre como fazer um agente de IA produzir as respostas estruturadas que as camadas de interface de usuário generativas, como o Thesis.dev, esperam.

Antes de painéis e gráficos, você precisa de uma tela. Nesta construção, essa tela é o n8n, uma plataforma de automação visual onde cada peça de lógica vive como um nodo em um fluxograma. Você começa criando uma conta gratuita na nuvem do n8n, e depois clica em “Novo fluxo de trabalho” para chegar a um editor vazio com um único ponto de entrada solitário esperando para ser conectado.

Em vez de um cron job ou webhook, este sistema começa com uma conversa. O nó Chat Trigger do n8n atua como a porta de entrada, capturando cada mensagem que vem da interface Thesis.dev e transformando-a em uma entrada estruturada para o fluxo de trabalho. Adicione "Chat Trigger" como seu primeiro nó e você efetivamente disse ao n8n: “Sempre que um usuário digitar uma pergunta, inicie este fluxo.”

A partir daí, você adiciona o cérebro. O n8n vem com um nó Agente de IA que reúne um modelo de linguagem, memória e ferramentas em um único orquestrador. Pesquise por “Agente de IA”, adicione-o como o próximo passo, e o n8n o conecta automaticamente ao seu Gatilho de Chat, para que cada consulta do usuário seja direcionada diretamente ao agente.

A configuração inicial foca na escolha de um modelo de chat e na conexão das credenciais. No nó do Agente de IA, você escolhe um provedor de modelo de chat (por exemplo, compatível com OpenAI) e cria novas credenciais, colando sua chave de API do middleware C1 da Thesis.dev em vez de uma chave padrão da OpenAI. Você também atualiza a URL base de api.openai.com/v1 para o endpoint da Thesis.dev, de modo que todas as chamadas de modelo passem pela camada de interface generativa.

Uma vez que esses dois nós estejam no lugar, o esqueleto do aplicativo existe: mensagem do usuário → Gatilho de Chat → Agente de IA → resposta. Cada comportamento adicional—consultar Google Sheets, filtrar por intervalos de datas, agregar estatísticas de chamadas, formatar saídas para painéis—torna-se um novo nó ou ramificação dessa espinha. Você não está escrevendo funções; você está desenhando lógica.

Compreender que o modelo visual baseado em nós é crucial. Cada nó representa uma ação específica, e as conexões definem o fluxo de dados, permitindo que você veja literalmente como uma pergunta como “Compare as chamadas da última semana com as das duas semanas anteriores” percorre gatilhos, agentes, buscas de dados e retorna para um painel renderizado.

Pense neste passo como dar óculos à sua IA. Até que você mude para onde ela envia suas solicitações, seu Agente de IA n8n é apenas mais um chatbot conectado à API padrão da OpenAI, cego à ideia de layouts, gráficos ou painéis.

Em vez de direcionar o agente para api.openai.com, você deve redirecioná-lo para Thesis.dev. No nó do Agente de IA, adicione uma nova credencial de modelo de chat, escolha OpenAI e cole sua chave de API do Thesis.dev. Em seguida, sobrescreva o campo URL Base para que as solicitações sejam enviadas ao endpoint de middleware do Thesis.dev, e não diretamente aos servidores da OpenAI.

Essa troca de campo única é o que desbloqueia a UI generativa. Thesis.dev ocupa uma posição central como um proxy de API: ele intercepta o prompt do agente, injeta instruções sobre componentes, estilo e layout, e então encaminha um prompt refinado para o LLM subjacente. Quando o LLM responde, o Thesis.dev reformata a resposta em um esquema pronto para UI que seu frontend pode renderizar como gráficos, cartões, tabelas ou painéis completos.

Em vez de um bloco de texto, o agente agora retorna um JSON estruturado descrevendo visuais. Uma consulta como “Compare o volume de chamadas da semana passada com as duas semanas anteriores” é transformada em: - Uma especificação de gráfico de linhas com datas no eixo x e contagem de chamadas no eixo y - Cartões de KPI para chamadas totais e compromissos (por exemplo, 4.800 chamadas, 4.200 compromissos) - Insights narrativos e próximos passos recomendados

Para configurar isso, acesse Thesis.dev e crie uma conta gratuita. Após fazer login, abra o menu da sua conta, clique em Chaves de API e gere uma nova chave (nomeie algo como “n8n‑teste” para se lembrar do que se trata). Copie essa chave e cole no campo de chave de API nas suas credenciais do OpenAI no n8n.

Agora, ajuste a URL Base. Por padrão, o n8n preenche com `https://api.openai.com/v1`. Substitua esse valor pelo endpoint da Thesis.dev fornecido em sua documentação ou no painel. A partir deste ponto, todas as chamadas do Agente de IA passarão pela middleware da Thesis.dev em vez de se comunicarem diretamente com a OpenAI.

Mais uma peça crítica: adicione um nó de Memória Simples após o Agente de IA. A memória permite que o agente se lembre de perguntas anteriores, filtros e entidades, para que acompanhamentos como "Agora divida isso por representante" ou "Mostre apenas o último mês" ainda se refiram ao mesmo conjunto de dados e carimbos de data/hora. Sem isso, cada pergunta se torna um recomeço, e sua "conversa com o painel" se transforma em uma série de consultas isoladas e amnésicas.

Agentes de IA não “veem” magicamente sua planilha. Eles precisam de Ferramentas—capacidades explícitas que permitem que eles leiam, escrevam e busquem sistemas externos sob demanda. No Agente de IA do n8n, as Ferramentas funcionam como um conjunto de ferramentas: você decide quais serviços o modelo pode chamar, e o n8n os expõe como operações seguras e parametrizadas.

Comece abrindo seu nó de Agente de IA no n8n e acessando a aba Ferramentas. Adicione uma nova Ferramenta e escolha o nó Google Sheets como a ação subjacente. Isso transforma a integração com o Sheets, que você já conhece, em algo que o agente pode invocar durante a conversa, por exemplo, quando um usuário pergunta: “Mostre o volume de chamadas da semana passada.”

Para autorizar o acesso, crie ou selecione credenciais do Google Sheets diretamente na configuração da Ferramenta. O n8n solicitará que você faça login na sua conta do Google e aprove os escopos para que possa ler a planilha que armazena seus registros de chamadas brutas, dados de leads ou métricas de desempenho. Uma vez aprovado, o agente agora tem uma janela segura e revogável para esse documento—nada mais.

Em seguida, aponte a Ferramenta para o conjunto de dados exato que você deseja que o agente utilize. Configure: - ID da planilha ou URL para o registro do seu agente de voz - Nome da aba específica (por exemplo, “Chamadas_2024”) - Intervalo ou modo (como “Ler todas as linhas”)

Você também pode restringir colunas—datas, IDs de chamadas, resultados, carimbos de data/hora—para evitar alimentar o modelo com ruído irrelevante. Essas proteções ajudam a IA a responder perguntas com precisão e a manter seus painéis rápidos.

Do ponto de vista do agente, toda pergunta em linguagem natural que envolva dados agora passa por esta Ferramenta. Pergunte sobre “compromissos agendados nos últimos 7 dias”, e a IA chamará o nó do Google Sheets, puxará apenas aquelas linhas e, em seguida, entregará resumos estruturados ao Thesis.dev, que os transforma automaticamente em gráficos, cartões ou tabelas.

O mesmo padrão de ferramenta se expande além das Planilhas. Troque por um nó do Airtable para consultar uma base, ou um nó do PostgreSQL / MySQL para acessar um banco de dados SQL em produção com consultas parametrizadas. Para uma análise mais aprofundada sobre como configurar esse tipo de automação, Como Construir Fluxos de Trabalho de IA com n8n – freeCodeCamp detalha padrões mais avançados que se encaixam perfeitamente nesta pilha de interface generativa.

O poder finalmente chega quando o fluxo de trabalho deixa de ser um diagrama e começa a se comportar como um produto vivo. Isso acontece no n8n com algumas chaves enganosamente pequenas que controlam como seu agente de IA fala, ouve e permanece online para usuários reais.

Comece com a responsividade. Tanto o Gatilho de Chat quanto os nós do Agente de IA precisam ter o Streaming ativado. Sem o streaming, os usuários ficam olhando para uma interface vazia até que o modelo conclua toda a sua resposta; com o streaming, o Thesis.dev exibe a saída parcial em tempo real, para que gráficos, cartões e explicações apareçam progressivamente à medida que o modelo processa.

No nó Chat Trigger, ative o streaming para que o n8n encaminhe os tokens à medida que chegam, em vez de armazenar toda a resposta. Em seguida, abra o nó AI Agent e ative o streaming lá também, o que instrui o endpoint subjacente da Thesis.dev a emitir dados de forma incremental. Juntas, essas duas configurações transformam seu painel de “enviar e aguardar” em algo que se sente como um analista ao vivo digitando de volta.

A interatividade também depende da confiabilidade. Configure o fluxo de trabalho para o modo Sempre ativo no n8n Cloud ou garanta que sua instância auto-hospedada permaneça em funcionamento, para que seu endpoint público não fique fora do ar durante a noite. Adicione nós básicos de tratamento de erros se você espera dados desorganizados ou falhas na API, especialmente quando suas planilhas do Google ultrapassarem algumas milhares de linhas.

Uma vez que o streaming e a estabilidade estejam configurados, clique em Ativar no fluxo de trabalho. O n8n o publica como um endpoint ao vivo e expõe uma URL pública — tipicamente um link no estilo webhook que aceita solicitações POST de aplicativos externos.

Copie o URL do webhook gerado imediatamente. Este endereço se torna a ponte entre o seu backend n8n e o front-end da Thesis.dev: cole-o na configuração da Thesis.dev para que cada consulta de usuário na interface generativa seja direcionada diretamente para o seu agente de IA e retorne componentes de interface estruturados em tempo real.

O primeiro contato real com seus dados acontece em thesis.dev/n8n. Você recebe um front-end mínimo: um campo de URL e uma caixa de chat. Cole sua URL de webhook do n8n no campo no topo, clique em salvar e sua aba do navegador agora se comunica diretamente com o fluxo de trabalho que você acabou de criar.

Agora digite um prompt que realmente estresse o sistema: “Compare o volume de chamadas da semana passada com as duas semanas anteriores.” Essa única frase se transforma em um pipeline completo de solicitações: Thesis.dev a envia para n8n, seu agente de IA acessa o Google Sheets, puxa as linhas corretas e retorna uma resposta estruturada em vez de um bloco de texto.

Quando a resposta chega, o Thesis.dev não apenas imprime números. Ele gera um gráfico comparativo das contagens de chamadas ao longo das três semanas, com pontos interativos e eixos rotulados, permitindo que você visualize as variações diárias e as diferenças semanais de forma rápida.

Acima ou ao lado do gráfico, você verá cartões de KPI que resumem a história. Na demonstração, esses cartões incluem totais como 4.200 agendamentos e 4.800 chamadas, calculados a partir da mesma planilha ao vivo que antes era apenas linhas e carimbos de data/hora. Agora parece mais um painel de uma ferramenta de análise SaaS do que uma visualização de planilha improvisada.

Role a página para baixo e a interface acrescenta contexto narrativo. O agente explica se o volume de chamadas está aumentando ou diminuindo, destaca qualquer pico ou queda, e pode sugerir próximos passos, como aumentar a capacidade dos agentes em dias específicos ou verificar a qualidade dos leads caso as nomeações fiquem aquém do volume de chamadas.

A partir daqui, experimente de forma agressiva. Pergunte: - “Mostre os agentes com melhor desempenho por compromissos concluídos nos últimos 30 dias.” - “Revele os desfechos de chamadas mais comuns e suas taxas de conversão.” - “Destaque os dias com quedas anormais entre chamadas e compromissos agendados.”

Cada nova pergunta reutiliza a mesma pilha: o n8n orquestra, o Google Sheets fornece dados, e o Thesis.dev autogerencia a interface. Você pode alternar de gráficos de séries temporais para gráficos de barras segmentados, de cartões de KPI a tabelas detalhadas, sem nunca tocar em um construtor de gráficos ou escrever uma única linha de código frontend.

De repente, isso deixa de ser uma demonstração inteligente de IA e passa a parecer um produto que você pode vender. Uma vez que você tenha um agente de IA conectado ao Sheets e ao Thesis.dev, você, de fato, construiu um modelo reutilizável: conecte uma nova fonte de dados, ajuste o prompt, entregue ao cliente um login e cobre uma taxa mensal por "análises impulsionadas por IA."

Agências de automação e freelancers independentes podem oferecer isso como um “Cockpit de Análise de IA” por meio de um contrato de manutenção. Você cuida da parte de dados e do design de prompts; os clientes recebem uma URL privada onde podem fazer perguntas como “Mostre a receita do mês até a data por canal” ou “Quais representantes estão tendo desempenho abaixo esta semana?” e assistir aos painéis se materializarem em tempo real.

Uma startup pode usá-lo como um painel de vendas em tempo real. Conecte o n8n ao HubSpot ou Pipedrive, sincronize com o Google Sheets a cada 5 minutos e deixe o fundador perguntar: “Quais sequências de prospecção geraram demonstrações acima de $5k ARR na semana passada?” O sistema responde com um funil de conversão, um ranking de representantes e uma breve narrativa sobre onde os negócios estão estagnando.

Agências de marketing podem vender um rastreador de desempenho de leads por cliente. Agrupe os dados da plataforma de anúncios, eventos da página de destino e resultados do CRM em uma tabela unificada e então exponha perguntas como: - “Quais campanhas geram os SQLs mais baratos por canal?” - “Mostre a fadiga criativa dos nossos três principais grupos de anúncios.” - “Compare o CPL desta semana com a média das últimas 4 semanas.”

Marcas de e-commerce obtêm uma visão operacional sem precisar contratar uma equipe de BI. O n8n processa pedidos, reembolsos, inventário e tickets de suporte; o cockpit de IA responde: “Quais produtos estão gerando 80% dos retornos?” ou “Me avise se o AOV de hoje cair 20% abaixo da mediana dos últimos 30 dias.” Você entrega um painel pronto para a diretoria em vez de um CSV.

O valor vem de comprimir os prazos de BI de meses para horas. Painéis tradicionais exigem design de esquema, pipelines ETL e trabalho de front-end; esta pilha utiliza UI generativa para ir de linhas brutas a gráficos interativos, cartões e relatórios baseados em timestamps em um único fluxo de trabalho. Você pode até combiná-la com ferramentas da comunidade, como n8nDash – Um Painel Open Source para n8n para clientes que desejam monitoramento híbrido de IA + estático.

O preço, então, torna-se simples: taxa de configuração para o cockpit inicial, além de uma cobrança recorrente para manutenção, novas perguntas e fontes de dados adicionais. Você não está vendendo "um fluxo de trabalho n8n" — você está vendendo análises conversacionais sempre ativas.

AI Componível é o padrão que está oculto à vista de todos por trás desta configuração n8n + Thesis.dev. Em vez de rezar para que um modelo ou uma plataforma faça tudo, você conecta pequenos serviços especializados: n8n para orquestração e lógica, Google Sheets para armazenamento, Thesis.dev para UI generativa. Cada peça realiza uma tarefa de forma excepcional, e depois passa para a próxima.

Plataformas monolíticas de "IA" prometem mágica de ponta a ponta, mas envelhecem rápido e te prendem ao seu modo de operação. Pilhas componíveis se comportam mais como aplicativos web modernos: você troca componentes por melhores sem precisar derrubar tudo. Hoje é n8n + Thesis.dev; amanhã você pode substituir o Sheets por um armazém Postgres ou adicionar um banco de dados vetorial, sem tocar na camada de interface.

Esse padrão muda discretamente quem pode construir software. Um operador solo com uma conta gratuita na nuvem n8n, uma planilha do Google e uma chave da API do Thesis.dev pode agora criar um painel de IA que antes exigia um engenheiro full-stack, um especialista em visualização de dados e uma equipe de frontend. Você arrasta nós, cola chaves e descreve comportamentos em linguagem natural em vez de escrever React, SQL e configurações de gráficos manualmente.

Os não desenvolvedores, de repente, têm um menu de capacidades em vez de uma parede de código. Quer ir além dos painéis? Você pode adicionar: - Agentes de pontuação de leads que acionam acompanhamentos - Copilotos de QA que resumem os timestamps de chamadas por representante - Portais voltados para o cliente que expõem fatias selecionadas de seus dados

Todos reutilizam a mesma estrutura composicional.

Você já tem os ingredientes: planilhas bagunçadas, CRMs meio usados, relatórios órfãos que ninguém abre. Clone o fluxo de trabalho, aponte para seus próprios dados e conecte sua interface do Thesis.dev em thesis.dev/n8n. Comece a fazer perguntas que suas linhas e colunas nunca poderiam responder sozinhas e crie os tipos de ferramentas impulsionadas por IA que seus futuros concorrentes estão construindo em silêncio agora.

O que é o Thesis.dev?

Thesis.dev é uma plataforma de 'UI generativa'. Ela recebe saídas estruturadas de um modelo de IA e as renderiza automaticamente como componentes de interface do usuário interativos, como gráficos, tabelas e painéis, eliminando a necessidade de codificação manual no front-end.

Preciso de habilidades de programação para seguir este tutorial?

Não. Este fluxo de trabalho é construído usando a interface visual baseada em nós do n8n. Você irá configurar nós e fornecer prompts de texto para a IA, mas nenhuma programação tradicional é necessária.

Que tipo de dados este painel de IA pode trabalhar?

Você pode conectar qualquer fonte de dados estruturada que o n8n suporte, incluindo Google Sheets, Airtable, CRMs como HubSpot ou qualquer banco de dados SQL. O requisito principal é que os dados estejam em um formato de linhas e colunas.

O n8n é gratuito para este projeto?

Sim, o n8n oferece um nível gratuito na nuvem que fornece créditos suficientes para construir e testar todo esse fluxo de trabalho. Para casos de uso de maior volume ou em produção, eles também possuem planos pagos e uma opção de auto-hospedagem.