Alternative a n8n: quando il flusso a nodi non basta più

Se stai cercando alternative a n8n, con ogni probabilità non hai un problema con n8n. Hai un flusso che sei stanco di aprire. È partito come cinque nodi che spostavano righe da un form a un gestionale, oggi ne conta ottanta, ha tre rami che nessuno ricorda perché esistono e ogni volta che un fornitore cambia un campo qualcuno passa il pomeriggio a capire dove si è fermato. La domanda che porti in cerca, «cosa uso al posto di n8n?», è la domanda sbagliata, ma è quella giusta da cui partire: dietro c’è un dubbio più serio, cioè se il problema sia lo strumento o la categoria di strumento. Questo pezzo serve a distinguere i due casi. Perché nel primo cambi tool e risolvi; nel secondo cambi tool e ti ritrovi lo stesso groviglio con nomi diversi.

Prima di decidere se fare il salto di categoria, la domanda che quasi sempre pesa quanto quella tecnica è economica: quanto costa un agente AI per una PMI nel 2026.

In questo articolo scoprirai:

• Cosa risolve bene un flusso a nodi, e perché non va buttato
• I tre punti in cui un workflow a nodi comincia a rompersi
• Alternative a n8n: Make, Zapier e le opzioni open source
• Il salto di categoria: quando serve un agente e non un workflow
• La controprova: quando un agente è la risposta sbagliata
• Quanto costa n8n davvero: cloud, self-hosted e le ore di manutenzione

Cosa risolve bene un flusso a nodi, e perché non va buttato

Partiamo dalla parte scomoda per chi vende consulenza: n8n è un ottimo strumento, e nella maggior parte dei casi in cui viene usato è anche la scelta corretta. Dirlo non è cortesia, è la condizione per essere creduti dopo, quando spiegheremo dove smette di bastare.

Quando usare n8n conviene davvero

Un workflow a nodi eccelle in una situazione precisa: il percorso è noto in anticipo. Sai che quando arriva un evento devi fare A, poi B, poi, se una condizione è vera, C. Nessuno deve decidere niente a runtime: la logica sta tutta nel disegno. In questo scenario un flusso visuale batte il codice su tre fronti: si legge senza essere sviluppatori, si modifica in dieci minuti, e ha già pronte centinaia di integrazioni che altrimenti andrebbero scritte a mano.

Sincronizzare due anagrafiche. Notificare su Slack quando un deal cambia stato. Generare un report notturno. Trasformare un CSV e caricarlo. Sono lavori a percorso fisso, e per questi il paradigma a nodi è la risposta giusta, non un compromesso. Vale anche per buona parte di quello che serve per automatizzare i processi ripetitivi del back-office: se il processo è davvero ripetitivo, un workflow lo copre benissimo. Il problema nasce quando «ripetitivo» era una semplificazione che ci siamo raccontati.

Quando la scelta ricade davvero sull’agente su misura, si apre subito un altro problema: portare un agente AI dal POC alla produzione è il punto in cui la maggior parte dei progetti si ferma.

I tre punti in cui un workflow a nodi comincia a rompersi

Il paradigma non si rompe gradualmente: si rompe in tre punti specifici, sempre gli stessi. Riconoscerli è più utile di qualsiasi comparativa di prodotti.

1. I rami condizionali che esplodono

Il primo sintomo è aritmetico. Ogni decisione che aggiungi al flusso raddoppia i percorsi possibili: tre condizioni fanno otto rami, cinque ne fanno trentadue. Finché le eccezioni sono due o tre il disegno regge; quando la realtà del processo ne ha quindici, questo cliente fattura diversamente, quel fornitore manda il PDF invece dell’XML, questa categoria vuole l’approvazione manuale, il canvas smette di essere una mappa e diventa un labirinto. Ed è qui che nasce il costo nascosto: la manutenzione non cresce con il numero di nodi, cresce con il numero di combinazioni che qualcuno deve tenere in testa. ZenML lo descrive senza giri di parole: i workflow complessi diventano «scatole nere» in cui il debug è il controllo manuale dell’output di ogni nodo, senza debugger né test unitari. Il segnale d’allarme non è «ho tanti nodi». È «non riesco più a prevedere cosa succede se cambio questo ramo».

2. Lo stato che deve sopravvivere fra un’esecuzione e l’altra

Il secondo punto è più insidioso perché non dà errori: dà risultati sbagliati in silenzio. Un workflow a nodi è progettato per essere stateless, parte, elabora, finisce, dimentica. Va benissimo finché ogni esecuzione è indipendente.

Smette di andare bene quando il processo ha una memoria. Una pratica che resta aperta tre settimane e cambia stato quattro volte. Una trattativa in cui la risposta di oggi dipende da cosa è stato promesso al cliente due mesi fa. Un ciclo di solleciti che deve sapere quanti ne ha già mandati e come sono andati. A quel punto lo stato lo metti da qualche parte, una tabella, un campo sul CRM, un foglio, e da lì in poi metà del lavoro del flusso serve a leggere e riscrivere quel «da qualche parte». Il workflow non orchestra più il processo: fa da impiegato a un database che avete inventato per l’occasione. ZenML segnala che queste piattaforme sono costruite per transazioni brevi e senza stato, e che superare i limiti di tempo lascia dati incoerenti.

Quando quel «da qualche parte» diventa mezza dozzina di sistemi diversi da leggere e riscrivere, esiste un livello sotto che se ne occupa: il protocollo MCP per collegare gli agenti ai sistemi aziendali.

3. La gestione degli errori che copre solo il caso facile

n8n gli errori li gestisce, e li gestisce bene per quello che promette: puoi definire un error workflow che parte quando un’esecuzione fallisce, usare il nodo Error Trigger per riceverne i dettagli e forzare tu stesso un fallimento con Stop And Error. La documentazione ufficiale descrive esattamente questo perimetro, e segnala anche il limite: se l’errore nasce nel nodo trigger, i dati che arrivano al flusso di gestione sono meno ricchi.

Il punto è che tutto questo risponde alla domanda «avvisami che è andata male», non alla domanda «gestiscilo». Un errore vero raramente è binario. L’API risponde ma con un campo vuoto. Il documento è arrivato in un formato che nessuno aveva previsto. Il totale non torna di 0,03 euro. Un workflow può solo scegliere fra i rami che gli hai disegnato: se la casistica non c’era, si ferma e chiama un umano. Quando la percentuale di esecuzioni che finiscono su una scrivania supera il quindici per cento, l’automazione ha smesso di essere tale, sotto il cinque per cento il paradigma a nodi regge senza discussioni, e in mezzo c’è una zona grigia in cui la decisione dipende da quanto costa ogni intervento manuale. È una regola pratica nostra, ricavata dai progetti che abbiamo visto, non un dato preso da una fonte: serve a dare un ordine di grandezza, non a stabilire una soglia esatta.

Alternative a n8n: Make, Zapier e le opzioni open source

Se ti riconosci solo nel primo punto, troppi rami, ma processo comunque prevedibile, la soluzione può essere davvero cambiare nodo. Vale la pena sapere chi c’è, e su quale asse si differenzia. Un dettaglio che pesa più di quanto sembri: n8n non è software open source in senso stretto. Usa la Sustainable Use License, modello «fair-code»: il codice è disponibile e l’autohosting per uso interno è libero, ma non puoi rivenderlo come SaaS. Per molte aziende è irrilevante; per chi costruisce un prodotto sopra, è dirimente.

Alternative a n8n free, open source e self-hosted

Composio, che ha testato direttamente il campo, riassume così le tre ragioni per cui si cercano alternative: licenza, hosting e modello di prezzo. Nessuna delle tre è «il mio processo è troppo complesso». Tienilo a mente.

Il salto di categoria: quando serve un agente e non un workflow

Qui cambia il piano del discorso. La distinzione più pulita l’ha scritta Anthropic: i workflow sono «sistemi in cui LLM e strumenti sono orchestrati attraverso percorsi di codice predefiniti», mentre gli agenti sono «sistemi in cui gli LLM dirigono dinamicamente i propri processi e l’uso degli strumenti». Detto in italiano operativo: in un workflow il percorso lo decidi tu a priori, in un agente lo decide il sistema mentre lavora.

È esattamente la risposta ai tre punti di rottura. I rami non vanno più disegnati uno per uno, perché la decisione è presa caso per caso a partire dagli obiettivi e dalle regole che hai dato. Lo stato non va appoggiato a una tabella improvvisata, perché la memoria del processo è parte dell’architettura. E l’errore imprevisto non è un ramo mancante: è una situazione da valutare, con la possibilità di riprovare diversamente o di fermarsi e chiedere. Se vuoi la mappa completa del concetto, l’abbiamo scritta nella guida su cosa sono gli agenti AI e cosa sanno fare davvero.

Cosa fare con n8n e cosa fare con un agente

La controprova: quando un agente è la risposta sbagliata

Vale la pena insistere, perché l’errore opposto costa di più. Anthropic è esplicita: i sistemi agentici «scambiano latenza e costo con prestazioni migliori sul compito», e la complessità va aggiunta «solo quando migliora dimostrabilmente i risultati». L’autonomia porta con sé costi più alti e il rischio di errori che si accumulano.

Tradotto: se il tuo flusso fa cinquantamila esecuzioni al mese e ogni esecuzione è identica alla precedente, un agente ti farà pagare del ragionamento che non serve a niente. Se il processo deve essere ripetibile al carattere per ragioni di audit, il non determinismo è un difetto e non una funzione, un tema che tocca da vicino la governance degli agenti AI in azienda. E se il tuo unico problema è che il canvas è disordinato, la risposta è rifattorizzare il workflow in sotto-flussi, non cambiare paradigma.

Il criterio più onesto è lo stesso di prima, applicato al contrario: conta quante delle tue esecuzioni finiscono con un umano che deve decidere. Sotto il cinque per cento, resta sui nodi. Fra il cinque e il quindici sei nella zona grigia: si valuta caso per caso, guardando quanto costa ogni intervento manuale. Sopra il quindici, e in crescita, il workflow non sta automatizzando: sta smistando. Ripetiamo che è una nostra regola pratica e non una soglia certificata da una fonte, ma è la stessa scala su tutto l’articolo. Se la distinzione ti interessa dal lato acquisto più che dal lato architettura, l’abbiamo affrontata anche confrontando agenti AI custom e soluzioni off-the-shelf.

Il conto completo: licenza, hosting e ore di manutenzione

Il costo di n8n è la domanda che le persone fanno davvero, e la risposta pubblicata è solo il primo terzo del conto.

Quanto costa n8n al mese, davvero

Sul cloud i piani partono da 20 € al mese per 2.500 esecuzioni, salgono a 50 € per 10.000 e arrivano a 667 € al mese per il piano Business con 40.000 esecuzioni: sono tutti prezzi annuali mensilizzati, cioè la cifra che paghi al mese sottoscrivendo un anno, con la fatturazione mensile pura che costa di più. Il dettaglio che rende n8n competitivo è l’unità di misura: un’esecuzione è un’intera run del workflow, indipendentemente da quanti passaggi contenga. È il contrario di Make, che conta un credito per ogni singolo modulo eseguito: uno scenario da venti passaggi consuma venti crediti, non uno. Su flussi lunghi la differenza è di un ordine di grandezza.

n8n self-hosted in azienda: dove finisce il risparmio

La Community Edition self-hosted è gratuita, e da lì nasce l’illusione contabile. Il server non è gratis, gli aggiornamenti non si applicano da soli, i backup vanno verificati, e le funzioni che un’azienda chiede quasi subito, SSO, ambienti separati, log conservati, stanno nelle edizioni con licenza. Ma la voce più pesante non è nessuna di queste: sono le ore di chi tiene in piedi il flusso. Il tempo speso ogni settimana a capire perché un’esecuzione si è fermata è il vero prezzo, e non compare in nessun listino. È lo stesso ragionamento che fa la differenza quando si stima quanto dura davvero implementare un agente AI.

Se sei nel secondo caso, da dove si comincia

Se sei arrivato fin qui probabilmente hai già smesso di cercare un nome da mettere al posto di n8n. Hai riconosciuto almeno due dei tre punti di rottura, e la tabella ti ha detto quello che sospettavi: il problema non è quale canvas usi, è che il tuo processo ha smesso di essere disegnabile.

La buona notizia è che non si ricomincia da zero. Il lavoro fatto su n8n non si butta: le integrazioni che hai mappato, i campi che hai normalizzato, le eccezioni che hai scoperto sul campo sono esattamente il materiale che serve a specificare un agente. Anzi, un flusso a nodi cresciuto per due anni è la documentazione più accurata che esista del vostro processo reale, quella che nessuno avrebbe mai scritto a tavolino. Nella pratica i due mondi convivono: l’agente prende le decisioni e gestisce i casi aperti, i workflow restano a fare i passaggi deterministici a valle.

Il passo successivo dipende da dove sta la difficoltà. Se è nei dati, il nodo è far parlare l’agente con i gestionali che avete già, con tutto quello che comporta quando sono sistemi legacy. Se è nell’architettura, più processi che si parlano, il tema è la multi-agent orchestration.

Se invece la domanda è che forma dare alla cosa, il primo bivio resta quello fra un prodotto pronto e una soluzione su misura, senza promettere che sia il momento giusto per tutti.

Fonti:

• n8n — Pricing ufficiale: piani cloud e conteggio delle esecuzioni
• n8n Docs — Handle errors gracefully: error workflow, Error Trigger, Stop And Error
• Make — Pricing: i crediti si consumano per singolo modulo eseguito
• Anthropic — Building effective agents: la distinzione fra workflow e agenti
• ZenML — n8n alternatives: i limiti di debug e di stato delle piattaforme a nodi
• Composio — Top n8n alternatives: licenza, hosting e modello di prezzo
• Carly — Alternative a n8n free e open source: la Sustainable Use License