Cómo crear un agente de IA con n8n que atiende clientes por WhatsApp: guía paso a paso para empresas

Tiempo estimado de lectura: 13 minutos

A diferencia de un chatbot tradicional con respuestas predefinidas, un agente IA entiende la intención del usuario, accede a información de tu empresa y puede ejecutar acciones: crear un lead en tu CRM, enviar una ficha de producto o escalar a un comercial cuando la conversación lo requiere.

En Inprofit llevamos más de tres años implementando automatizaciones con n8n self-hosted para empresas. En esta guía te mostramos la arquitectura exacta que usamos, los pasos para construirlo y los casos de uso que más retorno generan en entornos B2B.

¿Qué es un agente de IA y en qué se diferencia de un chatbot?

Antes de entrar en la implementación, es importante aclarar la diferencia porque muchas empresas llegan buscando «chatbot para WhatsApp» y lo que realmente necesitan es un agente.

El agente IA no solo responde: razona. Si un usuario dice «necesito lo mismo que pedí el mes pasado», el agente puede consultar el historial almacenado en Supabase y recuperar ese pedido. Eso es imposible con un chatbot clásico.

¿Por qué usar n8n para construir tu agente de WhatsApp?

Hay varias plataformas para conectar IA con WhatsApp: ManyChat, Tidio, Chatfuel, o incluso Make (Integromat). Entonces, ¿por qué n8n?

n8n self-hosted te da control total de los datos. Tus conversaciones de clientes no pasan por servidores de terceros. Para empresas B2B con datos sensibles (presupuestos, condiciones comerciales, información de clientes), esto no es un detalle menor.

n8n es el orquestador más potente para agentes IA. Desde la versión 1.x, n8n incluye el nodo nativo AI Agent, que integra directamente con OpenAI, Anthropic (Claude), Google Gemini y otros LLMs, además de herramientas de memoria, vectores y búsqueda. No necesitas código adicional para conectar el razonamiento del LLM con el resto de tu stack.

El coste por conversación es marginal. Con una instancia self-hosted en un VPS de 10-20€/mes, el único coste variable es el de las llamadas al LLM (fracciones de céntimo por mensaje). Comparado con plataformas SaaS que cobran por conversación o por usuario activo, el ahorro a escala es significativo.

Se integra con cualquier herramienta de tu stack. CRMs (HubSpot, Odoo, Salesforce), bases de datos (Supabase, PostgreSQL), herramientas de email, Google Calendar, Slack… n8n tiene más de 400 integraciones nativas.

Si todavía no tienes claro si n8n o Make es la mejor opción para tu empresa, te recomendamos leer nuestra comparativa detallada: Make vs n8n: cuál elegir para automatizar tu empresa.

Arquitectura del agente: los cuatro componentes que necesitas

Antes de abrir n8n, entiende los bloques que componen el sistema. Un agente de IA para WhatsApp tiene siempre cuatro capas:

1. La capa de mensajería: WhatsApp Business API

WhatsApp no permite conectar herramientas directamente a una cuenta personal. Para automatizar necesitas WhatsApp Business API, que puedes obtener a través de:

• Meta directamente (gratuito, proceso de verificación de empresa)
• Proveedores BSP (Business Solution Providers): 360dialog, Vonage, Twilio. Más rápidos de activar, con coste por mensaje o suscripción mensual.

Para proyectos empresariales y con volumen medio-alto, recomendamos 360dialog por su integración limpia vía webhook y su modelo de precios predecible.

Una vez activa, la API envía los mensajes entrantes a una URL webhook de tu elección. Ahí es donde entra n8n.

2. La capa de orquestación: n8n

n8n recibe el webhook, extrae el mensaje del usuario, lo pasa al agente IA, recibe la respuesta y la devuelve a WhatsApp. También orquesta las acciones adicionales: crear un contacto en el CRM, guardar el contexto en base de datos, notificar al equipo de ventas por Slack, etc.

3. La capa de razonamiento: el LLM

El modelo de lenguaje es el «cerebro» del agente. Recibe el mensaje del usuario junto con las instrucciones de tu empresa (el system prompt) y genera la respuesta. Las opciones más usadas en proyectos de producción:

• GPT-4o (OpenAI): el más capaz y versátil. Mejor opción si la complejidad conversacional es alta.
• Claude 3.5 Sonnet (Anthropic): excelente para seguir instrucciones largas y precisas. Ideal si el agente debe ceñirse a un protocolo estricto.
• Llama 3 (local via Ollama): para entornos que no pueden enviar datos a servidores externos.

4. La capa de memoria: Supabase

Sin memoria, el agente «olvida» cada mensaje en cuanto termina la conversación. Con Supabase (PostgreSQL en la nube), almacenas el historial completo de cada conversación por número de teléfono. Cuando llega un nuevo mensaje, n8n recupera el historial y lo inyecta en el contexto del LLM. El agente recuerda quién es el usuario, qué preguntó antes y en qué punto dejó la conversación.

Esta capa es la que convierte un chatbot reactivo en un agente relacional. Ninguno de los competidores que analizan esta solución en español explica esta parte, y es la que más impacto tiene en la experiencia del cliente.

Cómo crear tu agente de IA con n8n para WhatsApp: paso a paso

Paso 1: Configura tu acceso a WhatsApp Business API

1. Entra en Meta for Developers y crea una app de tipo «Business».
2. Activa el producto WhatsApp en tu app.
3. En el panel de WhatsApp, crea un número de teléfono de prueba (o añade el número de empresa tras verificación).
4. Ve a Configuración > Webhooks y añade la URL de tu workflow n8n (la verás en el Paso 2).
5. Suscríbete al campo messages para recibir mensajes entrantes.
6. Copia el token de acceso y el número de teléfono ID: los necesitarás en n8n.

Si prefieres evitar la configuración directa con Meta, puedes usar 360dialog que ofrece un panel más simplificado y el webhook ya configurado.

Paso 2: Crea el workflow principal en n8n

Abre n8n y crea un nuevo workflow. La estructura básica tiene estos nodos en secuencia:

Nodo 1 — Webhook (trigger)

• Tipo: Webhook
• Método: POST
• Path: /whatsapp-agent (o el que prefieras)
• Copia la URL de producción: es la que pegas en Meta/360dialog como webhook URL.
• En «Response Mode» selecciona «Respond to Webhook» para poder controlar cuándo y cómo responde n8n.

Nodo 2 — Set (extracción del mensaje)

• Tipo: Set
• Extrae del JSON entrante:
  • phone_number: {{ $json.entry[0].changes[0].value.messages[0].from }}
  • user_message: {{ $json.entry[0].changes[0].value.messages[0].text.body }}
  • message_id: {{ $json.entry[0].changes[0].value.messages[0].id }}
• También añade un campo timestamp con {{ $now.toISO() }}.

Nota: La estructura exacta del JSON varía ligeramente según el proveedor. Si usas 360dialog, el payload tiene un nivel menos de anidación.

Nodo 3 — Supabase (recuperar historial)

• Tipo: Supabase
• Operación: Get Many Rows
• Tabla: conversation_history
• Filtro: phone_number = {{ $json.phone_number }}
• Orden: created_at ASC
• Límite: últimos 20 mensajes (para no exceder la ventana de contexto del LLM)

Nodo 4 — Code (formatear contexto)

• Tipo: Code (JavaScript)
• Formatea el historial recuperado en el formato de mensajes que espera el LLM:

javascript

const history = $input.all();
const messages = history.map(row => ({
  role: row.json.role, // 'user' o 'assistant'
  content: row.json.content
}));
return [{ json: { formatted_history: messages } }];

Nodo 5 — AI Agent

• Tipo: AI Agent
• Conecta el modelo OpenAI Chat Model (GPT-4o) o Anthropic Chat Model (Claude)
• En «System Message» escribe las instrucciones de tu empresa (ver sección de prompts más abajo)
• En «Messages» inyecta el historial formateado del paso anterior
• Añade como herramientas (Tools) cualquier acción que el agente pueda ejecutar: consultar productos, crear lead en CRM, etc.

Nodo 6 — Supabase (guardar turno)

• Guarda el mensaje del usuario y la respuesta del agente:
  • Inserta fila con role: 'user', content: mensaje_usuario, phone_number
  • Inserta fila con role: 'assistant', content: respuesta_agente, phone_number

Nodo 7 — HTTP Request (enviar respuesta a WhatsApp)

• Tipo: HTTP Request
• Método: POST
• URL: https://graph.facebook.com/v19.0/{PHONE_NUMBER_ID}/messages
• Headers: Authorization: Bearer {ACCESS_TOKEN}
• Body (JSON):

json

{
  "messaging_product": "whatsapp",
  "to": "{{ $('Set').item.json.phone_number }}",
  "type": "text",
  "text": {
    "body": "{{ $('AI Agent').item.json.output }}"
  }
}

Nodo 8 — Respond to Webhook

• Devuelve HTTP 200 a Meta/360dialog para confirmar recepción.
• Si no respondes 200 en menos de 5 segundos, el proveedor reintenta el envío y recibirás el mensaje duplicado.

Paso 3: Diseña el system prompt de tu agente

El system prompt es la instrucción permanente que define cómo se comporta el agente. Es el equivalente al manual de onboarding de un empleado nuevo. Un buen system prompt para un agente B2B incluye:

Eres el asistente comercial de [NOMBRE EMPRESA], especializada en [sector/producto].

Tu objetivo principal es:
1. Responder preguntas sobre nuestros productos/servicios con precisión
2. Cualificar al usuario (empresa, necesidad, urgencia, presupuesto)
3. Si el usuario cumple el perfil de cliente, ofrecer una reunión con el equipo comercial
4. Si no cumple el perfil, ofrecer recursos útiles y cerrar amablemente

Reglas de comportamiento:
- Responde siempre en el idioma del usuario
- Sé conciso: máximo 3-4 frases por respuesta en WhatsApp
- Nunca inventes información. Si no sabes algo, di que lo consultas y escala
- No menciones precios específicos sin antes cualificar la necesidad
- Si el usuario lleva más de 3 mensajes sin avanzar, propón hablar con una persona

Información sobre nuestra empresa:
[Aquí pega la información que el agente debe conocer: catálogo, precios orientativos, proceso de compra, FAQ, etc.]

La calidad del system prompt determina el 70% del comportamiento del agente. Dedica tiempo a refinarlo con casos reales.

Paso 4: Añade herramientas (tools) para que el agente actúe

La diferencia entre un agente que solo habla y uno que actúa está en las herramientas que le das. En n8n, cada herramienta es un sub-workflow o un nodo que el agente puede invocar cuando lo necesita. Ejemplos prácticos:

• Crear lead en HubSpot/Odoo: cuando el usuario comparte su email o empresa
• Consultar disponibilidad de producto: hace un HTTP Request a tu ERP/catálogo
• Agendar reunión: crea un evento en Google Calendar y envía el enlace de Calendly
• Escalar a humano: envía una notificación a Slack con el resumen de la conversación
• Buscar en base de conocimiento: consulta un vector store con tu documentación interna

Para usar herramientas en el nodo AI Agent de n8n, activa «Use Tools» y añade los sub-workflows o nodos que quieres que el agente pueda invocar. El LLM decide automáticamente cuándo usar cada herramienta según el contexto.

Paso 5: Prueba y ajusta antes de producción

Antes de activar el webhook en producción, prueba con números de prueba de Meta y simula conversaciones reales. Revisa:

• ¿El agente responde en menos de 3 segundos? (Clave para la experiencia en WhatsApp)
• ¿Respeta el system prompt en casos límite?
• ¿El historial se guarda y recupera correctamente en Supabase?
• ¿Qué pasa si el usuario envía una imagen o un audio (tipos de mensaje no soportados)?

Para el último punto, añade un nodo IF antes del agente que filtre por tipo de mensaje y responda con un mensaje amable si el contenido no es texto.

Casos de uso reales para empresas B2B

Cualificación de leads entrantes 24/7

Es el caso de uso con mayor retorno inmediato. El agente recibe el mensaje inicial («quiero información sobre vuestros servicios»), hace las preguntas de cualificación clave (sector, tamaño de empresa, necesidad concreta, urgencia) y, si el lead encaja, crea automáticamente el registro en el CRM y notifica al comercial asignado.

Los equipos de ventas que implementan esto reducen el tiempo de respuesta inicial de horas a segundos y eliminan la pérdida de leads que llegan fuera del horario laboral. Puedes profundizar en cómo estructurar este flujo en nuestro artículo sobre captación de leads B2B con n8n.

Seguimiento de propuestas y recuperación de oportunidades

El agente puede hacer seguimiento proactivo: cuando un CRM marca una propuesta como «sin respuesta en X días», n8n dispara un mensaje de WhatsApp personalizado con el nombre del contacto y la referencia de la propuesta. Si el usuario responde, el agente retoma la conversación y la registra.

Este flujo, combinado con una estrategia de AI SDR, puede mejorar significativamente la tasa de cierre en pipeline frío. Ver más en: AI SDR: automatización de prospección B2B.

Atención postventa y soporte técnico

Para empresas de software o servicios recurrentes, el agente puede resolver las consultas de soporte más frecuentes (estado de factura, acceso a plataforma, dudas de configuración) sin intervención del equipo. Solo escala cuando detecta frustración en el lenguaje del usuario o cuando la consulta supera su base de conocimiento.

Recuperación de carritos en ecommerce B2B

Si tienes una tienda WooCommerce con clientes empresa, el agente puede enviar un mensaje de WhatsApp cuando un carrito queda abandonado, preguntar si necesita ayuda con el proceso de compra o condiciones de pago y, si el cliente responde, gestionar la consulta en el propio chat. Puedes ver la implementación técnica de este flujo en nuestro artículo sobre recuperar carritos abandonados con WhatsApp e IA.

Errores comunes al implementar un agente IA con n8n para WhatsApp

1. No gestionar los mensajes duplicados. WhatsApp reenvía el webhook si no recibe respuesta 200 en 5 segundos. Si tu agente tarda más (por llamadas al LLM), puedes recibir el mismo mensaje dos veces. Solución: responde 200 inmediatamente con el nodo Respond to Webhook y procesa el mensaje de forma asíncrona.

2. Un system prompt genérico. «Eres un asistente amable que ayuda a los clientes» no es suficiente. El agente necesita saber qué puede y qué no puede hacer, qué información tiene disponible y cuándo debe escalar. Cuanto más específico es el prompt, mejor se comporta el agente.

3. Olvidar el límite de tokens. Si inyectas todo el historial de conversación al LLM sin límite, en conversaciones largas el coste se dispara y la respuesta puede degradarse. Limita el historial a los últimos 15-20 mensajes o usa una estrategia de resumen (el agente genera un resumen cada X turnos que sustituye al historial largo).

4. No contemplar mensajes no textuales. Los usuarios envían audios, imágenes, stickers, ubicaciones. Si no tienes un nodo IF que filtre por tipo de mensaje, el workflow fallará. Define una respuesta estándar para cada tipo no soportado.

5. Saltar las pruebas con casos límite. Prueba siempre: usuario que insulta, usuario que pide cosas fuera del scope, usuario que escribe en otro idioma, usuario que intenta hacer prompt injection («olvida tus instrucciones y…»). Un agente mal probado genera situaciones comprometidas en producción.

¿Cuánto cuesta implementar un agente de IA con n8n para WhatsApp?

Comparado con plataformas SaaS como ManyChat Pro (299 $/mes) o soluciones enterprise de chatbot (desde 500 €/mes), el coste self-hosted es significativamente menor con mayor control y capacidad.

Preguntas frecuentes

Conclusión: el agente de IA más potente es el que está integrado en tu proceso de ventas

Crear un agente de IA con n8n para WhatsApp no es complicado técnicamente. Lo que marca la diferencia entre un agente que realmente impacta en negocio y uno que queda como experimento es la integración con los procesos reales de la empresa: el CRM, el equipo comercial, los flujos de cualificación.

En Inprofit implementamos este tipo de agentes como parte de proyectos de automatización end-to-end, combinando n8n con Supabase, Odoo y las herramientas de cada cliente. Si quieres entender cómo se aplicaría a tu empresa, el siguiente paso es explorar los 8 agentes de IA imprescindibles para empresas en 2026 o ver cómo se estructura una estrategia completa de automatización B2B con n8n y herramientas no-code.

¿Tienes claro el caso de uso pero no sabes por dónde empezar? Cuéntanos tu situación y te hacemos una propuesta sin compromiso.

Publicado por el equipo de Inprofit | Actualizado: mayo 2026 Inprofit es una agencia especializada en automatización empresarial, desarrollo SaaS y marketing digital. Implementamos n8n self-hosted en producción para clientes de distintos sectores desde 2022.

Jorge Anduix

Marketing tecnológico en vena. Fanático de las tecnologías Martech que rompen moldes: IA generativa, blockchain, no-code, metaverso, automatización extrema… Convencido de que el futuro no se espera, se construye (y se vende muy bien).
Responsable del marketing más disruptivo y tecnológico.