Questo workflow trasforma WhatsApp in un punto di accesso a un chatbot AI che può elaborare messaggi di testo, vocali, immagini e documenti PDF. In base al tipo di contenuto ricevuto, instrada il messaggio verso il trattamento appropriato, genera una risposta con modelli OpenAI e la invia all’utente su WhatsApp. Una memoria conversazionale conserva il contesto tra i messaggi.
A cosa serve
Può essere utile per un’attività che riceve domande o materiali dai clienti tramite WhatsApp e vuole rispondere con l’aiuto dell’AI. Un utente può scrivere una domanda, inviare un vocale, condividere un’immagine oppure allegare un PDF. Il workflow gestisce questi input in modo diverso, invece di trattarli tutti come testo semplice.
Per i messaggi scritti, un agente basato su GPT-4o-mini prepara la risposta seguendo un system prompt personalizzato. Le risposte sono pensate per essere concise e leggibili da mobile. Nel ramo delle immagini, il contenuto viene scaricato e analizzato da un modello OpenAI capace di interpretare immagini; il risultato è una descrizione strutturata. Per i vocali, OpenAI Whisper trascrive l’audio e l’agente AI elabora il testo. È prevista anche la possibilità di convertire la risposta in audio con il text-to-speech di OpenAI. Per i PDF, il workflow estrae il testo e lo combina con il messaggio dell’utente, così che l’AI possa fornire un riepilogo o una risposta pertinente.
Come funziona
Il trigger di WhatsApp avvia il workflow quando arriva un messaggio. Uno Switch controlla il tipo di input e instrada il contenuto verso il ramo adatto: testo, audio, immagine o documento. I file necessari vengono scaricati prima dell’elaborazione. I PDF vengono filtrati in base al MIME type; i formati non supportati ricevono un messaggio di errore.
Dopo l’elaborazione specifica del contenuto, l’agente AI genera la risposta. Per gli input audio è prevista la conversione della risposta in voce e l’invio come messaggio audio; per gli altri input la risposta viene inviata come testo su WhatsApp. La memoria mantiene il contesto della conversazione per ciascun utente, con una finestra di 10 interazioni.
Cosa ti serve
Servono le credenziali di WhatsApp Business API e un account Meta Developer. Le credenziali vanno configurate nei nodi WhatsApp coinvolti nel trigger, nel recupero degli URL dei file e nell’invio dei messaggi. Occorre anche una chiave API OpenAI, da collegare ai nodi usati per l’agente, l’analisi delle immagini, la trascrizione audio e la generazione audio.
Le credenziali autorizzano n8n a collegarsi ai servizi, ma non sostituiscono gli eventuali requisiti o costi dei servizi stessi: verifica le condizioni dei tuoi account Meta e OpenAI prima di attivare il flusso. Il prompt dell’agente è personalizzabile; va adattato al tipo di domande e al tono che vuoi usare con i tuoi contatti.
Come importarlo
Apri la pagina del workflow su n8n.io e seleziona “Use for free”, oppure copia il JSON del workflow e incollalo in un nuovo workflow n8n. Dopo l’importazione, collega le credenziali a ogni nodo che comunica con WhatsApp o OpenAI. Controlla inoltre che il prompt sia adatto al tuo servizio e verifica le impostazioni di instradamento dei tipi di messaggio. Prima di usarlo con i clienti, prova separatamente testo, audio, immagini, PDF e un formato non supportato, verificando sia le risposte sia il corretto invio su WhatsApp.
n8n Cloud o self-hosted
Il workflow usa nodi nativi di n8n o nodi community verificati da n8n, quindi può essere eseguito sia su n8n Cloud sia su un’installazione self-hosted. Se un nodo community verificato fosse richiesto nell’istanza, l’owner o un amministratore deve installarlo dal pannello dei nodi, nella sezione “More from the community”. In entrambi i casi, restano necessari i collegamenti ai servizi esterni.
Limiti e aspetti da verificare
Il ramo documenti accetta solo PDF: per abilitare altri formati occorre adattare il filtro e la gestione dei file. Anche i tipi di messaggio riconosciuti dipendono dalle regole dello Switch, da rivedere se vuoi gestire ulteriori contenuti. La memoria copre una finestra di 10 interazioni, quindi non equivale a una cronologia illimitata. Infine, verifica con test reali la qualità delle trascrizioni, delle descrizioni delle immagini e delle risposte generate, oltre al comportamento del ramo audio se scegli di inviare risposte vocali.
