La Revolución de la Atención al Cliente: Creando un Agente de IA Humanizado en WhatsApp con OpenAI y n8n

La Urgencia de la Automatización Inteligente

En el panorama empresarial actual, la velocidad y la eficiencia son determinantes. He comprobado que el 70% de las empresas que no adopten soluciones de Inteligencia Artificial hoy, enfrentarán serias dificultades en el corto plazo. No estamos hablando de un simple chatbot; me refiero a una arquitectura completa capaz de recibir audios, transcribirlos, entender el contexto, responder coherentemente y recordar conversaciones previas.

Mientras muchas organizaciones invierten recursos significativos en equipos humanos para responder mensajes, tú puedes implementar un agente que atiende, clasifica y conversa con un tono humano, disponible 24 horas al día, 7 días a la semana. Los agentes conversacionales han evolucionado más allá de los bots rudimentarios; hoy, con la integración de memoria de contexto, LLMs (Large Language Models) y reglas orquestadas en herramientas como n8n, podemos tener asistentes que mantienen conversaciones fluidas, recuerdan al usuario y actúan basándose en interacciones pasadas.

El objetivo final es integrar la IA de manera efectiva en plataformas como WhatsApp, dotándola de una memoria contextual robusta. Esto no solo incrementa la retención de leads, sino que también optimiza flujos de trabajo en departamentos clave como atención al cliente y ventas, liberando carga humana y duplicando la velocidad de respuesta. Es un sistema 'Plug and Play' que puedes configurar y optimizar para tu empresa en menos de una semana, otorgándote una ventaja competitiva masiva.

Desentrañando el Flujo de un Agente Profesional de WhatsApp en n8n

A continuación, te mostraré el flujo real que hemos implementado en Desarrollos Conia (DIA) para un agente profesional de WhatsApp con memoria, transcripción y respuestas naturales, todo orquestado en n8n. Cada bloque tiene un propósito quirúrgico y es fundamental para el funcionamiento del sistema.

1. El Punto de Entrada: Webhook y Evolution API

El flujo comienza con un nodo Webhook. En nuestro caso, el asistente de WhatsApp está alojado dentro de Evolution API. Configuramos el Webhook con la Test URL, el método HTTP en POST y 'Authentication' en None, activando 'Respond Immediately' para una respuesta ágil.

{  "webhookUrl": "TU_WEBHOOK_URL",  "httpMethod": "POST",  "authentication": "None",  "respondImmediately": true}

2. Clasificación de Mensajes: Texto o Audio

Una vez configurado el nodo Trigger de Webhook, pasamos a un nodo Switch. Este nodo es crucial para detectar el tipo de mensaje entrante. Si es texto, el mensaje continúa directamente al nodo de filtro. Si es un audio, se inicia el proceso de transcripción, ya que los LLMs no procesan audios directamente; primero deben ser convertidos a texto.

3. Transcripción de Audio: De Base64 a Texto con OpenAI

Aquí es donde la magia de la transcripción ocurre:

• Filtro de Audio: Un primer filtro asegura que solo los audios pasen por este camino ('is not equal to audio' para el camino de texto).
• Evolution API - Obtener Media: Utilizamos la operación 'Obtener media en base64' para recuperar el contenido del audio. Necesitamos el nombre de la instancia de Evolution API y el ID del mensaje que nos llega del Webhook.
• Conversión a Archivo: El 'Data base64' se convierte en un archivo temporal. Es fundamental utilizar 'Move Binary Data to File' (o 'Move Base64 String to File') y nombrar el archivo como fe.ogg, que es el formato que OpenAI entiende para la transcripción.
• OpenAI Transcripción: Conectamos nuestras credenciales de OpenAI y utilizamos el modelo de transcripción (Whisper). El 'Input Data' será el archivo data que hemos generado previamente.

4. Normalización y Contextualización de Datos (Edit Fields)

Después de la transcripción, o directamente si el mensaje era texto, pasamos por un nodo Edit Fields. Este nodo es vital para estandarizar la información que el agente recibirá. Aquí consolidamos datos como el contenido del mensaje, el tiempo, el payload general, el nombre del remitente, el tipo de mensaje, la instancia, la API Key, el ID del mensaje, el ID del chat y la transcripción del audio (si aplica).

5. El Corazón del Agente: La Memoria Buffer

Este patrón es oro puro para lograr una fluidez humana en el agente. La Memoria Buffer se encarga de que cada mensaje se guarde temporalmente para agruparlos y evitar respuestas anticipadas, simulando un proceso de pensamiento humano.

• Primera Memoria Buffer: Almacena el mensaje entrante en una memoria temporal, acumulando mensajes para un procesamiento por lotes.
• Get Message Buffer: Recupera todos los mensajes que se han almacenado en el buffer. El output de este nodo son todos los mensajes acumulados.
• Nodo Wait (15 segundos): Este nodo es clave. Espera 15 segundos para capturar múltiples mensajes que un usuario podría enviar en rápida sucesión (el típico “envío un WhatsApp, se me ocurre otra cosa, envío un segundo WhatsApp”). Esto permite al agente procesar la idea completa del usuario.
• Switch y Bucle: Un nodo Switch verifica si han llegado más mensajes dentro de los 15 segundos. Si no, continúa; si sí, el nodo de espera crea un bucle para seguir recogiendo mensajes dentro de ese rango de tiempo.
• Eliminar Buffer: Una vez procesados los mensajes, se limpia la memoria temporal, quedándonos solo con la información relevante.

6. Procesamiento y Agregación de Mensajes

• Split Out: Este nodo separa los mensajes acumulados en paquetes individuales, un ítem por cada mensaje.
• JSON Parser: Convierte la información a un formato JavaScript, preparándola para la agregación.
• Aggregate: Reagrupa todos los ítems y la información del contenido, asegurando que el agente reciba un bloque coherente de texto.
• Edit Fields (Formato Final): Añadimos saltos de línea para organizar el contenido de manera legible (Mensaje 1, Mensaje 2, etc.), proporcionando un contexto claro al agente.

7. El Cerebro del Sistema: El Agente de IA

Aquí reside el núcleo pensante de nuestro agente. Creamos un nodo AI Agent con las siguientes configuraciones:

• Require Specific Output Format: Marcado para asegurar que la respuesta del agente tenga un formato específico que podamos parsear, idealmente en JSON.
• Enable Fallback Model: Activo para que, si nuestro LLM principal falla, tengamos una segunda oportunidad con otro modelo.
• Modelo LLM: Utilizamos GPT-4o con una temperatura de 0.1. Una temperatura baja asegura que el agente sea lo más formal posible y se adhiera estrictamente a las instrucciones del prompt. El prompt, chicos, es la clave de todo.
• Fallback Model: También configuramos un GPT-4o, ya que es un modelo robusto y rara vez falla.
• Memoria: Implementamos una memoria Postgres alojada en Supabase, en una tabla llamada agente_whatsapp. Con un contexto de 10 mensajes, el agente siempre recordará las interacciones previas con el usuario.
• Output Parser: Configuramos el prompt para que el agente responda en un formato escalonado (Mensaje 1, Mensaje 2, Mensaje 3). Esto evita enviar un párrafo monolítico y humaniza la conversación.

8. El Prompt Maestro: La Clave de la Humanización

El Prompt Maestro es el alma de nuestro agente. Aunque pueda parecer contraintuitivo, he comprobado que los prompts en inglés suelen funcionar mejor. Nuestro prompt incluye:

• Expresiones: Para capturar dinámicamente el nombre del usuario, su mensaje o la transcripción del audio, asegurando siempre el contexto.
• System Message: Aquí reside la inteligencia del agente.
• Descripción y Objetivos: Define el rol y las metas del agente.
• Formato de Output: Instrucciones claras para el envío escalonado de mensajes (Mensaje 1, Mensaje 2, Mensaje 3).
• Ley del Espejo: Un principio crucial para la humanización. El agente refleja el estilo y tono del usuario.
• Ajustes Dinámicos y Estilo de Comunicación: Guías para adaptar la interacción.
• Checklist de Calidad y Prohibiciones: Asegura respuestas de alta calidad y evita comportamientos no deseados (ej. responder siempre en español europeo, seguir la Ley del Espejo).
• Información de DIA: Contexto sobre nuestra empresa.
• Ejemplos de Output: Clarifican el formato de respuesta esperado.
• Triggers y Ofertas: Palabras clave y detalles sobre nuestros servicios para que el agente tenga contexto comercial.
• KPIs del Agente y Recordatorio Final: Para minimizar errores y optimizar el rendimiento.

9. Envío Escalonado de Mensajes: La Interacción Humana

Para finalizar, implementamos el envío escalonado de mensajes. Cada mensaje generado se envía con pausas naturales, haciendo que la interacción se sienta mucho más humana. Nuestro agente, al que llamamos Will, no parece un bot que responde instantáneamente, sino un humano que piensa antes de cada respuesta.

• Edit Fields: Recoge los mensajes 1, 2 y 3 del output del agente.
• Evolution API - Enviar Mensaje: Envía el primer mensaje a la instancia de WhatsApp, al número del destinatario (obtenido del Webhook) y con el contenido del mensaje 1.
• Nodo Wait (5 segundos): Espera 5 segundos antes de enviar el siguiente mensaje.
• Evolution API - Enviar Mensaje: Envía el segundo mensaje.
• Nodo Wait (6 segundos): Espera 6 segundos antes del último mensaje.
• Evolution API - Enviar Mensaje: Envía el tercer y último mensaje.

10. Robustez del Sistema: Notificaciones de Error

Para garantizar la fiabilidad, hemos implementado un nodo de Email que nos notifica directamente si el agente falla. Esto es fundamental para la monitorización y el mantenimiento del sistema.

Así es como nuestros partners y las empresas con las que trabajamos rentabilizan la automatización. Este sistema es 100% escalable y recurrente, ofreciendo un retorno de inversión significativo.