Chatbot para WhatsApp con IA: guía completa de configuración

Un chatbot para WhatsApp con IA que esté bien configurado puede atender cientos de conversaciones simultáneas, calificar leads en tiempo real y derivar solo los casos complejos a un humano. No es magia: es arquitectura. Esta guía cubre el proceso completo que usamos en AgentesNexo para implementar chatbots empresariales en WhatsApp, desde la API hasta la lógica de respuesta.

¿Qué necesitas antes de empezar?

• Cuenta de WhatsApp Business API (Meta for Developers o proveedor BSP como Twilio, 360dialog o Vonage)
• Número de teléfono dedicado verificado por Meta (no puede ser un número personal activo)
• Servidor o VPS para el middleware (Node.js, Python o cualquier runtime con webhook)
• Proveedor de LLM: OpenAI GPT-4o, Anthropic Claude o Google Gemini (cualquiera con API REST)
• Base de datos para guardar historial de conversaciones (PostgreSQL o Redis recomendado)
• Conocimiento básico de APIs REST y manejo de webhooks

1. Cómo funciona la arquitectura de un chatbot WhatsApp con IA

El flujo es siempre el mismo, sin importar el proveedor:

1. El cliente envía un mensaje por WhatsApp
2. Meta reenvía ese mensaje a tu webhook (URL pública que tú controlas)
3. Tu servidor procesa el mensaje, consulta al LLM con contexto del cliente y el historial reciente
4. El LLM genera una respuesta
5. Tu servidor envía esa respuesta de vuelta a WhatsApp Business API
6. El cliente recibe el mensaje como si viniera de un número normal de WhatsApp

El punto crítico es el paso 3: el contexto que le pasas al LLM determina la calidad de las respuestas. Un chatbot sin contexto es un chatbot genérico. Con contexto (historial, perfil del cliente, catálogo de productos, FAQs de tu empresa) es un agente con expertise real.

[Cliente WA] → [Meta Cloud API] → [Tu webhook] → [LLM + Contexto] → [Respuesta] → [Meta Cloud API] → [Cliente WA]

2. Configurar el webhook con Meta Cloud API

El camino más rápido es usar Meta Cloud API directamente desde Meta for Developers. Pasos:

2.1 Crear la app en Meta for Developers

1. Ve a developers.facebook.com → Mis apps → Crear app
2. Tipo: Empresa → WhatsApp Business
3. Vincula tu cuenta de WhatsApp Business

2.2 Configurar el webhook

Meta necesita verificar tu endpoint antes de enviar mensajes. El servidor debe responder a un GET con el token de verificación:

// Node.js / Express
app.get('/webhook', (req, res) => {
  const mode = req.query['hub.mode'];
  const token = req.query['hub.verify_token'];
  const challenge = req.query['hub.challenge'];

  if (mode === 'subscribe' && token === process.env.VERIFY_TOKEN) {
    res.status(200).send(challenge);
  } else {
    res.sendStatus(403);
  }
});

2.3 Recibir y procesar mensajes

app.post('/webhook', async (req, res) => {
  const body = req.body;
  const message = body.entry?.[0]?.changes?.[0]?.value?.messages?.[0];

  if (!message || message.type !== 'text') return res.sendStatus(200);

  const from = message.from; // número del cliente
  const text = message.text.body;

  const reply = await generateReply(from, text);
  await sendWhatsAppMessage(from, reply);

  res.sendStatus(200);
});

Siempre responde 200 inmediatamente. Si tardas más de 5 segundos, Meta reintentará el envío y recibirás duplicados.

3. Conectar el LLM con contexto de tu empresa

Aquí está la diferencia entre un chatbot genérico y uno útil. La función generateReply debe:

1. Recuperar el historial de conversación del cliente (últimos 10-15 turnos)
2. Cargar el perfil del cliente si existe (nombre, compras previas, estado del pedido)
3. Incluir el prompt de sistema con las instrucciones de tu empresa
4. Llamar al LLM con todo ese contexto

async function generateReply(phone, userMessage) {
  const history = await getHistory(phone);
  const profile = await getClientProfile(phone);

  const systemPrompt = #43a047">`
    Eres el asistente de [Nombre Empresa]. Tu objetivo es ayudar a los clientes
    con consultas sobre productos, precios y pedidos.
    Responde siempre en español, de forma concisa (máximo 3 oraciones).
    Si no sabes algo, di que derivarás la consulta a un asesor.
    Perfil del cliente: ${JSON.stringify(profile)}
  `;

  const response = await openai.chat.completions.create({
    model: 'gpt-4o-mini',
    messages: [
      { role: 'system', content: systemPrompt },
      ...history,
      { role: 'user', content: userMessage }
    ],
    max_tokens: 300
  });

  const reply = response.choices[0].message.content;
  await saveToHistory(phone, userMessage, reply);
  return reply;
}

Para conectar el agente con tu CRM o ERP y tener datos del cliente en tiempo real, revisa nuestra guía sobre cómo integrar agentes IA con CRM y APIs internas.

4. Derivación a humano y manejo de casos especiales

Ningún chatbot debe operar sin salida de escape. Implementa derivación automática cuando:

• El cliente lo pide explícitamente ("quiero hablar con una persona")
• El LLM detecta frustración o queja grave
• El tema está fuera del scope del agente (reclamos legales, devoluciones complejas)

const needsHuman = detectHumanEscalation(userMessage, llmReply);

if (needsHuman) {
  await sendWhatsAppMessage(phone,
    #43a047">"Entendido. Te conecto con un asesor en este momento. Tiempo de espera estimado: 5 minutos."
  );
  await notifyHumanAgent(phone, conversationHistory);
  await markConversationForHuman(phone);
  return;
}

5. Calificación de leads integrada al flujo de chat

Si tu chatbot de WhatsApp es también un canal de captación, puedes calificar leads durante la conversación sin que el cliente lo note. Después de los primeros 2-3 intercambios, el agente ya tiene suficiente información para asignar una puntuación:

• ¿Tiene presupuesto? (lo mencionó o preguntó por precios específicos)
• ¿Tiene urgencia? (mencionó fechas o "lo necesito ya")
• ¿Es el decisor? (dice "para mi empresa" o "quiero cotizar para...")

El agente registra estos datos en tu CRM automáticamente. Puedes ver el flujo completo de calificación en esta guía de calificación de leads con IA para empresas B2B.

Arquitectura del sistema completo

En AgentesNexo usamos esta arquitectura para clientes con volúmenes de 500 a 5.000 conversaciones diarias. Con GPT-4o mini el costo por conversación se mantiene por debajo de los $0.01 USD en la mayoría de los casos.

Lo que aprendimos implementándolo en producción

1. El prompt de sistema es el 80% del resultado. Un prompt mal escrito produce respuestas fuera de tono aunque el LLM sea excelente. Iterar sobre el prompt da más retorno que cambiar de modelo.

1. Los reintentos de Meta son silenciosos. Si tu webhook no responde 200 en tiempo, recibirás el mismo mensaje dos veces. Siempre usa el ID de mensaje como clave de idempotencia antes de procesar.

1. El historial de conversación importa más de lo que parece. Sin historial, cada mensaje se responde sin contexto y el cliente tiene que repetir información. Con 10 turnos de historial, el agente puede hacer seguimiento y el NPS sube notoriamente.

1. Derivar al humano en el momento correcto es una habilidad. Los mejores chatbots que hemos configurado tienen una tasa de derivación del 15-20%. Si derivás menos, estás perdiendo clientes frustrados. Si derivás más, el bot no sirve de nada.

1. Las plantillas aprobadas por Meta son obligatorias para mensajes salientes. Solo puedes enviar mensajes libres dentro de la ventana de 24 horas desde el último mensaje del cliente. Fuera de esa ventana, necesitás templates pre-aprobados.

Preguntas frecuentes

¿Cuánto cuesta configurar un chatbot de WhatsApp con IA para mi empresa?

El costo tiene dos partes: infraestructura (servidor VPS $20-50/mes, API de LLM según volumen) y el número de WhatsApp Business API (Meta cobra por conversación iniciada desde la empresa, no las iniciadas por el cliente). Para un volumen de 1.000 conversaciones mensuales, el costo operativo suele estar entre $50 y $150 USD/mes.

¿Puedo usar un número de WhatsApp que ya tengo activo?

No directamente. Para usar WhatsApp Business API, el número debe migrarse y ya no funcionará en la app convencional de WhatsApp. Meta exige un número dedicado para la integración con la API.

¿Funciona para ventas o solo para soporte?

Funciona para ambos. Los chatbots de WhatsApp con IA pueden calificar leads, enviar catálogos, procesar pedidos simples y agendar reuniones. La distinción entre "soporte" y "ventas" es de configuración, no de tecnología. Puedes ver un caso completo de ventas en esta guía de agente IA para ventas en WhatsApp.

¿Qué pasa si el cliente escribe en un idioma que el agente no domina?

Los modelos actuales (GPT-4o, Claude) entienden y responden en más de 90 idiomas sin configuración adicional. Si tu empresa opera solo en español, especificarlo en el prompt de sistema es suficiente para que el agente responda siempre en ese idioma incluso si el cliente escribe en otro.

En resumen

1. Crea tu app en Meta for Developers y conecta un número dedicado de WhatsApp Business API
2. Levanta un webhook en tu servidor que responda el handshake de Meta y procese mensajes entrantes
3. Implementa la función de generación de respuestas con LLM, pasando historial y perfil del cliente como contexto
4. Agrega lógica de derivación a humano para los casos que el agente no puede resolver
5. Integra la calificación de leads al flujo de conversación si el canal es también de captación
6. Monitorea el volumen, el tiempo de respuesta y la tasa de derivación en producción