n8n — co to jest, jak zacząć i ile kosztuje (przewodnik 2026)

Czym jest n8n i jak działa

n8n (czyt. „n-eight-n”, od nodemation) to narzędzie klasy low-code do budowania automatyzacji. Zamiast pisać skrypt, układasz na kanwie kolejne bloki i łączysz je strzałkami — a pod spodem możesz w dowolnym miejscu wstawić kod JavaScript, jeśli klikanie przestaje wystarczać.

Cała platforma opiera się na trzech pojęciach:

n8n bywa nazywany open source, ale formalnie nie jest — działa w modelu fair-code na Sustainable Use License. Licencja pozwala używać i modyfikować kod za darmo, ale nakłada trzy ograniczenia, cytowane wprost z jej treści: (1) „You may use or modify the software only for your own internal business purposes or for non-commercial or personal use” — użycie i modyfikacja wyłącznie do własnych, wewnętrznych celów biznesowych albo niekomercyjnie, (2) „You may distribute the software or provide it to others only if you do so free of charge for non-commercial purposes” — redystrybucja tylko nieodpłatnie i niekomercyjnie, (3) „You may not alter, remove, or obscure any licensing, copyright, or other notices” — nie wolno usuwać ani zasłaniać informacji o licencji i prawach autorskich (Sustainable Use License, docs.n8n.io).

W praktyce dla większości firm oznacza to: wolno Ci postawić n8n dla siebie za darmo, wolno też świadczyć płatne usługi budowania workflow klientom. To nie jest interpretacja — n8n stwierdza w dokumentacji licencji wprost, że „you are now free to offer commercial consulting or support services (e.g. building n8n workflows) without the need for a separate license agreement”, i wymienia jako dozwolone m.in. konsulting, stawianie i utrzymywanie n8n na cudzych serwerach oraz budowanie integracji. Nie wolno natomiast sprzedawać dostępu do samego n8n jako usługi ani wbudowywać go w swój komercyjny produkt bez umowy z producentem — granicą jest handel samą platformą, nie ekspertyzą wokół niej.

Jak zacząć z n8n — pierwsze workflow krok po kroku

Masz dwie drogi startu i różnią się głównie tym, ile czasu zapłacisz na wejściu.

Droga A: n8n Cloud (najszybsza)

Zakładasz konto, dostajesz gotową instancję z adresem HTTPS, webhookami i backupem. Nie konfigurujesz niczego. Wadą jest limit executions w planie i to, że dane przechodzą przez infrastrukturę dostawcy.

Droga B: self-hosted przez Dockera (tańsza i bez limitu wykonań)

Na dowolnym VPS-ie lub lokalnie wystarczy jedna komenda z oficjalnego obrazu:

docker run -it --rm \
  --name n8n \
  -p 5678:5678 \
  -v n8n_data:/home/node/.n8n \
  docker.n8n.io/n8nio/n8n

Edytor jest wtedy dostępny pod http://localhost:5678, a wolumen n8n_data przechowuje workflow i dane logowania między restartami (Docker Hub — n8nio/n8n). Do produkcji dokłada się jeszcze reverse proxy z certyfikatem SSL i bazę PostgreSQL zamiast domyślnego SQLite.

Pierwsze pięć kroków w edytorze

1. Dodaj trigger. Na start najprościej: „Schedule” (co godzinę) albo „n8n Form” — dostajesz gotowy formularz z linkiem.
2. Podłącz konto (credentials). Każda integracja — Gmail, Slack, Google Sheets, OpenAI — wymaga jednorazowej autoryzacji. Poświadczenia są szyfrowane i wielokrotnego użytku.
3. Dodaj węzeł akcji. Np. „Google Sheets → Append row”.
4. Zmapuj dane. Przeciągasz pola z poprzedniego węzła do pól następnego. To najbardziej „make’owa” część n8n.
5. Wykonaj i sprawdź w zakładce Executions. Widzisz dokładnie, co weszło i wyszło z każdego węzła — to najlepszy debugger w tej klasie narzędzi.

Realistyczny czas do pierwszej działającej automatyzacji: 1–2 godziny w n8n Cloud lub około pół dnia przy self-hostingu — dla porównania Zapier wymaga 10–15 minut, a Make 30–45 minut (szacunki polskiej agencji Fluxlab). n8n nie jest narzędziem, które wygrywa łatwością startu. Wygrywa tym, co dzieje się później.

Ile kosztuje n8n — cloud vs self-hosted

Cennik n8n Cloud

Rozliczenie idzie za liczbę wykonań workflow, nie za liczbę kroków w środku. W każdym planie liczba aktywnych workflow jest nielimitowana. Wszystkie ceny poniżej to stawki przy rozliczeniu rocznym — przy płatności miesięcznej producent liczy więcej.

Koszt self-hostingu

Sama Community Edition jest darmowa i bez limitu wykonań workflow (n8n.io/pricing) — płacisz wyłącznie za serwer i za swój czas. Czego w niej nie ma: logowania przez SSO/SAML/LDAP, wersjonowania workflow przez Git ani rozbudowanych projektów współdzielonych z rolami — producent trzyma te funkcje w planach Business i Enterprise (a zewnętrzny magazyn sekretów i streaming logów wyłącznie w Enterprise). Jeśli firma wymaga logowania korporacyjnego albo audytowalnej historii zmian, „darmowy” self-hosting przestaje być darmowy. Poniższe kwoty to szacunki polskiej agencji wdrożeniowej, nie cennik producenta — traktuj je jako rząd wielkości, bo realny koszt zależy od dostawcy VPS:

Czego naprawdę potrzebuje serwer — konkretne wymagania

Polskie teksty o n8n kończą się na „wystarczy tani VPS”. Oto liczby, których w nich nie ma:

Trzy rzeczy, które z tego wynikają:

• Wąskim gardłem jest RAM, nie procesor. n8n działa na Node.js i trzyma dane całego wykonania w pamięci jako obiekty JavaScript. Węzeł Code przetwarzający ładunek 100 MB potrafi chwilowo zająć ~300 MB RAM. Dlatego VPS za 50 zł (zwykle 2 GB) jest dobry do startu i lekkich przepływów, ale rozsypie się przy równoległych wykonaniach i plikach.
• PostgreSQL od pierwszego dnia. SQLite blokuje cały plik przy zapisie i nie obsługuje queue mode. Migracja później jest bolesna — postaw Postgresa od razu, nawet przy małym wdrożeniu.
• Queue mode wchodzi, gdy widzisz objawy: edytor tnie podczas wykonań, webhooki zwracają timeouty (HTTP 504), budowanie workflow zwalnia w godzinach szczytu.

Ukryty koszt, o którym nikt nie pisze: self-hosting to nie tylko 50 zł za VPS. To także aktualizacje (n8n wydaje wersje niemal co tydzień), backupy bazy, monitoring i ktoś, kto o 2:00 w nocy zorientuje się, że instancja padła w środku przetwarzania zamówień. Fluxlab w swojej kalkulacji doliczał do kosztu serwera 300–500 zł/mies. utrzymania przy większych wdrożeniach — i to jest liczba uczciwa. Jeśli w firmie nie ma nikogo od DevOps, n8n Cloud za €20 bywa tańsze niż „darmowy” self-hosting.

n8n vs Zapier vs Make — czym się naprawdę różnią

Porównywanie cen tych trzech narzędzi „za plan” nie ma sensu, bo każde liczy coś innego:

Dlatego n8n tanieje tym mocniej, im bardziej rozbudowane są Twoje automatyzacje.

Ceny wejściowe i limity

Dwie pułapki w powyższej tabeli. Po pierwsze, ceny n8n i Zapiera to stawki przy rozliczeniu rocznym — Zapier Professional przy abonamencie miesięcznym kosztuje 29,99 USD, nie 19,99 USD (zapier.com/pricing). Po drugie, „najtańszy płatny plan” Zapiera obejmuje tylko 750 tasków miesięcznie; cena rośnie wraz z progiem tasków (producent oferuje progi od 100 do 2 mln tasków/mies.). Porównywanie 19,99 USD z 20 EUR za 2 500 wykonań n8n jest więc porównaniem dwóch różnych rzeczy.

Jak koszt rośnie ze skalą

Fluxlab policzył ten sam proces (formularz → walidacja → sprawdzenie w CRM → utworzenie/aktualizacja rekordu → Slack → zadanie w Asanie) na trzech poziomach wolumenu:

Sprawdziliśmy tę kalkulację u źródła i jedna pozycja jej nie wytrzymuje: przy 3 500 taskach Zapier Professional nie kosztuje 19,99 USD — to stawka za 750 tasków przy płatności rocznej, a cena rośnie z progiem tasków (zapier.com/pricing). Pierwszy wiersz zaniża więc koszt Zapiera. Kierunek wniosku to nie zmienia, ale pokazuje, jak łatwo pomylić „cenę planu” z „ceną Twojego wolumenu”.

Wniosek jest taki: przy małym wolumenie przewaga cenowa n8n jest żadna — Make za $9 jest tańszy, a Zapier prostszy. Różnica robi się dramatyczna dopiero przy dziesiątkach tysięcy operacji miesięcznie, gdzie self-hosted n8n bywa kilkukrotnie tańszy od SaaS-u.

Kiedy wybrać które narzędzie

• Zapier — potrzebujesz działającej automatyzacji dziś, wolumen jest mały, nikt nie ma czasu uczyć się narzędzia.
• Make — procesy średnio złożone, wolumen rośnie, szukasz kompromisu między prostotą a elastycznością.
• n8n — masz w zespole kogoś technicznego, dane są wrażliwe (RODO, sektor regulowany), integrujesz systemy wewnętrzne bez gotowych konektorów albo rachunki za SaaS zaczęły boleć.
• Power Automate — czwarta opcja, pomijana w polskich porównaniach, a często najrozsądniejsza, jeśli firma i tak siedzi w Microsoft 365. Plan Premium kosztuje 13 EUR / użytkownik / mies. przy rozliczeniu rocznym, a jako jedyne z tej czwórki obsługuje prawdziwe RPA — klikanie w aplikacjach desktopowych bez API (plan Process, 130 EUR / bot / mies. za tryb nienadzorowany) (cennik Microsoft).

Ta ostatnia różnica jest ważniejsza, niż się wydaje: n8n, Zapier i Make łączą się z aplikacjami przez API — ich węzły, moduły i zapy to wywołania interfejsów programistycznych, a tam, gdzie gotowego konektora nie ma, zostaje węzeł HTTP, czyli znowu API. Narzędzia RPA działają inaczej: sterują aplikacją tak, jak robiłby to człowiek. Microsoft opisuje to wprost przy desktop flows — pozwalają automatyzować „legacy applications, such as terminal emulators”, a interakcja z maszyną odbywa się „przez elementy interfejsu użytkownika, obrazy lub współrzędne” (Microsoft Learn). Jeśli więc Twój proces polega na przepisywaniu danych do dwudziestoletniego systemu bez interfejsu programistycznego, żadne z trzech narzędzi z tabeli Ci nie pomoże — potrzebujesz RPA.

Szersze porównanie warstw automatyzacji — od no-code, przez RPA, po AI podejmujące decyzje — opisujemy w przewodniku po automatyzacji procesów biznesowych.

Co konkretnie zautomatyzować w n8n — przykłady workflow

Poniższe scenariusze pochodzą z wdrożeń raportowanych przez polskie agencje — to nie są pomysły „z sufitu”.

Agencja Evolpe raportuje z własnych wdrożeń m.in. skrócenie prospectingu mailowego z ~20 godzin tygodniowo do 3 godzin oraz codziennego przeglądu aktywności na LinkedIn z godziny do maksymalnie 15 minut (evolpe.pl).

Uwaga metodologiczna: to są dane podawane przez firmy sprzedające wdrożenia, więc traktuj je jako górną granicę tego, co osiągalne, a nie jako gwarancję. Bez zmierzenia stanu wyjściowego w swojej firmie nie masz jak zweryfikować, czy „oszczędziłeś 5 godzin”.

n8n jako platforma AI — agenci, LLM i human-in-the-loop

Od 2025 roku n8n przestał być tylko łącznikiem API. Ma natywne węzły AI (integracja z LangChain), pamięć konwersacji, obsługę wektorowych baz danych i węzeł AI Agent, który sam decyduje, których narzędzi użyć.

Typowe zastosowania:

• Ekstrakcja danych z dokumentów. Faktura PDF trafia na skrzynkę, model (Claude, GPT, Gemini) wyciąga z niej kody produktów, EAN, ilości i ceny, a n8n dopisuje dostawę do systemu magazynowego — a jeśli produktu nie ma w bazie, zakłada nową kartotekę. Scenariusz opisany przez Vorma.
• Klasyfikacja i routing zgłoszeń. Model czyta treść maila i decyduje, do którego zespołu trafi — to klasyczne zadanie dla agenta AI osadzonego w workflow.
• Chatbot na własnych danych. Dokumenty firmowe w bazie wektorowej + węzeł Retrieval + LLM = asystent odpowiadający na pytania o wewnętrzne procedury, bez wysyłania całej bazy wiedzy do zewnętrznego SaaS-u.

Jakość takich automatyzacji stoi i upada na instrukcji dla modelu — warto zajrzeć do zasad pisania promptów, zanim zaczniesz debugować „głupiego agenta”.

Najważniejsza zasada projektowa: nie usuwaj człowieka z pętli tam, gdzie błąd kosztuje. Agent przygotowuje 20 ofert, człowiek zatwierdza 18. Agent kategoryzuje 1 000 maili, człowiek poprawia przypadki brzegowe. n8n ma do tego dedykowane węzły zatwierdzania (human-in-the-loop) i to jest właściwy sposób ich użycia.

Bezpieczeństwo, RODO i argument za self-hostingiem

To jest realny powód, dla którego polskie kancelarie, przychodnie i firmy finansowe wybierają n8n zamiast Zapiera: przy self-hostingu dane klientów nie opuszczają Twojej infrastruktury. Nie ma transferu do dostawcy SaaS, nie ma dodatkowego podmiotu przetwarzającego w rejestrze, nie ma pytania o transfer do USA.

O czym pamiętać przy własnej instancji:

• PostgreSQL zamiast SQLite w produkcji — SQLite nie wytrzyma równoległych wykonań przy większym ruchu.
• HTTPS i reverse proxy — webhooki bez SSL to zaproszenie do problemów.
• Backup bazy i wolumenu n8n_data — workflow i poświadczenia siedzą właśnie tam.
• Ograniczenie ryzykownych węzłów. W n8n 2.0 węzły ExecuteCommand i LocalFileTrigger są domyślnie wyłączone — producent uzasadnia to wprost ryzykiem: pozwalają uruchamiać dowolne komendy i sięgać do systemu plików. Odblokowuje się je, usuwając je z listy w zmiennej NODES_EXCLUDE — i robi się to świadomie, nie odruchowo (n8n Docs — v2.0 breaking changes).
• Modele AI też są przetwarzającym. Jeśli wysyłasz treść faktur do zewnętrznego LLM-a, self-hosting samego n8n nie załatwia zgodności — dane i tak wychodzą na zewnątrz.

Workflow z AI to system AI w rozumieniu AI Act

Self-hosting rozwiązuje kwestię lokalizacji danych, ale nie zdejmuje obowiązków regulacyjnych. Trzy, które dotyczą typowych automatyzacji budowanych w n8n:

• Chatbot musi się przedstawić. Jeśli w n8n zbudujesz asystenta rozmawiającego z klientem, obowiązki przejrzystości z art. 50 AI Act wymagają poinformowania rozmówcy, że ma do czynienia z systemem AI — chyba że jest to oczywiste dla rozsądnie poinformowanej osoby. Przepis jest stosowany od 2 sierpnia 2026 roku (rozporządzenie 2024/1689, EUR-Lex). Uwaga: przesunięcia terminów z pakietu Digital Omnibus objęły systemy wysokiego ryzyka, nie obowiązek przejrzystości — art. 50 zostaje na sierpniu 2026.
• Treści generowane wymagają oznaczenia. Ten sam artykuł nakłada obowiązek znakowania wyników generowanych maszynowo w formacie czytelnym maszynowo — dotyczy to również przepływów masowo produkujących teksty czy obrazy.
• Kompetencje AI są obowiązkiem, nie dobrą praktyką. Art. 4 AI Act obowiązuje od 2 lutego 2025 roku i wymaga, by osoby obsługujące systemy AI miały odpowiedni poziom wiedzy — także wtedy, gdy „systemem AI” jest workflow w n8n z węzłem LLM. Co to znaczy w praktyce, tłumaczymy w tekście o AI literacy.

Jeśli automatyzacja podejmuje decyzje o ludziach — odrzuca reklamację, scoruje kandydata — dochodzi jeszcze art. 22 RODO, który daje człowiekowi prawo do niepodlegania decyzji opartej wyłącznie na zautomatyzowanym przetwarzaniu i do interwencji człowieka (RODO, art. 22). Węzły human-in-the-loop nie są tu wygodą — bywają wymogiem prawnym.

Pełny kontekst regulacyjny rozkładamy w przewodniku po AI Act oraz w przewodniku AI dla firm.

Najczęstsze błędy przy starcie z n8n

1. Wybór n8n „bo darmowy” przy 200 operacjach miesięcznie. Przy tej skali Make za $9 wygrywa wszystkim: czasem wdrożenia, brakiem utrzymania, wsparciem. n8n zaczyna się opłacać przy skali i przy nietypowych integracjach.
2. Self-hosting bez planu utrzymania. Instancja bez backupów i monitoringu to bomba z opóźnionym zapłonem — zwłaszcza gdy przepuszczasz przez nią zamówienia albo faktury.
3. Jedno gigantyczne workflow na wszystko. 60 węzłów w jednym przepływie jest niedebugowalne. Dziel na mniejsze workflow i wywołuj je przez węzeł Execute Workflow.
4. Brak obsługi błędów. Bez Error Workflow automatyzacja psuje się po cichu. Dowiadujesz się o tym od klienta, dwa tygodnie później.
5. Automatyzowanie chaosu. Nieustandaryzowany proces po automatyzacji staje się szybszym chaosem — najpierw uporządkuj proces, potem go zautomatyzuj.

Od czego zacząć w praktyce

Jeśli dopiero wchodzisz w temat: załóż konto w n8n Cloud, zbuduj jeden przepływ, który dziś robisz ręcznie co najmniej raz dziennie (najlepiej: formularz → CRM → powiadomienie), i przez tydzień obserwuj zakładkę Executions. Dopiero gdy wiesz, ile wykonań realnie potrzebujesz i czy dane wymagają zostania w firmie, podejmuj decyzję o self-hostingu.

Jeśli rachunki za Zapiera lub Make przekroczyły kilkaset złotych miesięcznie, a w zespole jest ktoś, kto ogarnia Dockera — migracja na n8n self-hosted zwraca się niemal natychmiast. Jeśli takiej osoby nie ma, „darmowy” n8n będzie najdroższym narzędziem, jakie kupisz.

Najczęstsze pytania o n8n