Agente IA para ventas en WhatsApp: guia de configuracion

Agente IA para ventas en WhatsApp: guia de configuracion

Para implementar un agente IA de ventas en WhatsApp, necesitas tres piezas: una API de WhatsApp Business (Evolution API o Twilio), un modelo de lenguaje con memoria persistente, y un orquestador que conecte ambos (n8n o un script propio). Este articulo muestra la arquitectura exacta que usamos en AgentesNexo y los comandos para montarla en un dia.

El problema que resuelve es concreto: el 78% de los clientes espera respuesta en menos de 10 minutos cuando escribe por WhatsApp (Meta, 2026), pero la mayoria de los equipos de ventas en LATAM gestiona WhatsApp manualmente. El resultado es leads frios, ventas perdidas y vendedores saturados respondiendo preguntas repetitivas.

Esta guia es para duenos de negocios y equipos comerciales que ya usan WhatsApp como canal principal y quieren escalar sin contratar mas personal.

Requisitos previos

• WhatsApp Business API: Evolution API v2 (self-hosted, gratuito) o Twilio WhatsApp (de pago, mas simple)
• Orquestador: n8n 1.x o superior (self-hosted) o un servidor Node.js
• Modelo: Claude 3.5 Sonnet o GPT-4o via API (recomendamos Sonnet por costo/calidad en ventas)
• Base de datos: PostgreSQL para memoria persistente (conversaciones + estado del lead)
• Conocimiento basico de JSON y variables de entorno

Como conectar la API de WhatsApp Business

Con Evolution API, levantar la instancia tarda menos de 5 minutos si tienes Docker:

git clone https://github.com/EvolutionAPI/evolution-api
cd evolution-api
cp .env.example .env
# Editar .env: set AUTHENTICATION_API_KEY=tu-clave-segura
docker compose up -d

Una vez activa, crear una instancia y conectar el numero escaneando el QR:

curl -X POST https://tu-dominio:8080/instance/create \
  -H #43a047">"apikey: tu-clave" \
  -H #43a047">"Content-Type: application/json" \
  -d '{#43a047">"instanceName": "ventas-01", "qrcode": true}'

Para Twilio, el proceso es mas directo: crear un numero en el dashboard, activar la sandbox de WhatsApp y copiar el webhook URL al siguiente paso.

Como configurar el webhook que activa el agente

Cuando llega un mensaje, Evolution (o Twilio) hace un POST a tu webhook. Aqui es donde entra el agente:

{
  #43a047">"event": "messages.upsert",
  #43a047">"data": {
    #43a047">"key": { "remoteJid": "59167564218@s.whatsapp.net" },
    #43a047">"message": { "conversation": "Hola, quiero saber el precio del plan Pro" },
    #43a047">"pushName": "Carlos"
  }
}

En n8n, el flujo base tiene 4 nodos:

1. Webhook — recibe el evento de Evolution o Twilio
2. Function — extrae contacto + texto del mensaje
3. HTTP Request — llama al LLM con el historial de conversacion
4. HTTP Request — envia la respuesta via Evolution API

Cual es la mejor forma de darle memoria y conocimiento al agente

Un agente de ventas sin contexto es inutil. La memoria tiene dos capas:

Memoria de conversacion (por sesion): guarda los ultimos N mensajes del hilo en PostgreSQL y los incluye en cada llamada al LLM.

CREATE TABLE IF NOT EXISTS conversations (
  id SERIAL PRIMARY KEY,
  phone VARCHAR(20),
  role VARCHAR(10),
  content TEXT,
  created_at TIMESTAMP DEFAULT NOW()
);

-- Recuperar los ultimos 10 turnos para el prompt
SELECT role, content FROM conversations
WHERE phone = $1 ORDER BY created_at DESC LIMIT 10;

Conocimiento del negocio (skill): inyectar el catalogo, precios, condiciones de pago y objeciones frecuentes como system prompt. Este archivo se actualiza sin tocar codigo:

/srv/agente-ventas/knowledge/catalogo.md
/srv/agente-ventas/knowledge/objeciones.md
/srv/agente-ventas/knowledge/politica-precios.md

El system prompt carga estos archivos al arrancar y los pasa al LLM en cada llamada:

const knowledge = await fs.readFile('/srv/agente-ventas/knowledge/catalogo.md', 'utf8');

const systemPrompt = #43a047">`
Eres el agente de ventas de [Empresa]. Tienes acceso al siguiente catalogo:
${knowledge}

Reglas: siempre pregunta el nombre al inicio, califica si el cliente tiene presupuesto antes de enviar precios, no des descuentos sin consultar al equipo.
`;

El flujo de ventas: calificar, cotizar y cerrar

El agente sigue tres etapas y guarda el estado del lead en la base de datos:

Etapa 1 — Calificacion: el agente hace 2-3 preguntas para determinar si el lead es viable (presupuesto, urgencia, autoridad de decision). Si pasa, avanza automaticamente. Si no, escala a un humano con un resumen del caso.

Etapa 2 — Cotizacion: con el lead calificado, el agente genera una propuesta personalizada con los productos relevantes y la envia por WhatsApp (texto + imagen si tienes URL del catalogo).

Etapa 3 — Cierre: si el cliente acepta, el agente recoge el metodo de pago y genera el link de cobro (Stripe, MercadoPago, etc.). Si aparece una objecion, el agente responde segun el archivo objeciones.md. Cualquier escenario fuera de estos tres activa una notificacion al equipo humano via Telegram.

Segun HubSpot Research (2025), empresas que responden en menos de 5 minutos tienen 21 veces mas probabilidades de calificar un lead que las que responden en 30 minutos. Un agente IA elimina ese gap — responde en segundos, las 24 horas del dia.

Arquitectura del sistema

WhatsApp Business API (Evolution API)
        | webhook POST
    n8n Workflow
        |
    Agente IA (Claude 3.5 Sonnet)
     |-- Memory: PostgreSQL (historial por telefono)
     |-- Knowledge: catalogo.md + objeciones.md
     |-- Tools: cotizar(), escalar(), notificar()
        |
    Respuesta ---> Evolution API ---> Cliente en WhatsApp

El agente corre en un servidor con 2 vCPU y 4 GB de RAM. Latencia tipica: 1.5-3 segundos por respuesta.

Lo que aprendimos implementandolo en produccion

1. El system prompt manda mas que el modelo. Un agente con instructions vagas alucinara precios. Escribir el prompt como si fuera un manual de onboarding para un vendedor nuevo: reglas claras, ejemplos de respuesta, limites explicitamente definidos.

1. La memoria de 10 turnos es suficiente para el 95% de las ventas. Conversaciones mas largas consumen tokens sin beneficio real — la mayoria de las ventas en WhatsApp cierran en menos de 8 mensajes segun los datos de nuestros despliegues.

1. Escalar rapido es mejor que intentar cerrar solo. Los agentes configurados para cerrar a toda costa generan friccion. Un trigger de escalada conservador (si el cliente pregunta dos veces lo mismo, pasa a humano) sube la conversion medida en clientes reales.

1. WhatsApp Business API tiene limites de mensajes por numero. Evolution API en self-hosted no tiene esos limites, pero si usas la API oficial de Meta, el primer mensaje a un numero nuevo requiere plantilla aprobada. Eso afecta el outreach frio — para leads que ya escribieron primero, no hay ningun problema.

1. La oportunidad en LATAM es real. WhatsApp Business supera los 500 millones de usuarios empresa segun Meta (2026), y el 90% de los clientes B2C espera respuesta inmediata segun Drift (2024). El gap entre expectativa y capacidad humana es el espacio exacto donde opera un agente IA de ventas.

En resumen

• Para implementar un agente IA de ventas en WhatsApp necesitas: Evolution API o Twilio, un LLM (Claude 3.5 Sonnet recomendado), memoria en PostgreSQL y n8n como orquestador.
• La arquitectura tiene tres etapas: calificar el lead, generar la cotizacion, cerrar o escalar al equipo humano.
• El conocimiento del negocio va en archivos .md inyectados como system prompt — se actualiza sin tocar codigo.
• Latencia tipica: 1.5-3 segundos. Disponibilidad: 24/7 sin costo adicional de personal.
• Las empresas que responden en menos de 5 minutos tienen 21x mas probabilidades de calificar un lead (HubSpot Research, 2025).

Si quieres implementar esto en tu negocio sin construirlo desde cero, en AgentesNexo lo hacemos por ti. Escribenos en agentesnexo.com o por WhatsApp al +591 67564218