Come creare un agente AI su WhatsApp con n8n: guida pratica all'automazione conversazionale per PMI

Se lavori in una PMI e ricevi decine di messaggi WhatsApp al giorno — richieste di preventivo, domande sui prodotti, prenotazioni, assistenza post-vendita — sai già qual è il vero collo di bottiglia della tua azienda: non è il marketing, non è il prodotto, è il tempo che spendi a rispondere manualmente a conversazioni ripetitive che potrebbero essere gestite da un agente AI. In questa guida vedremo come costruire un agente AI conversazionale su WhatsApp usando n8n come layer di orchestrazione e un modello come Claude Sonnet o GPT-4 come cervello, partendo dalle prime sperimentazioni con la libreria open source Open-WA fino ad arrivare a un'architettura production-ready basata sulla WhatsApp Business Cloud API ufficiale di Meta. L'obiettivo non è teorico: al termine della guida avrai chiaro cosa serve, come collegarlo e quali sono i limiti reali da conoscere prima di mettere in produzione.

Prima di scrivere il primo nodo su n8n serve capire perché questo stack è diventato lo standard de facto per l'automazione conversazionale nelle piccole imprese. WhatsApp è il canale di contatto preferito per il 78% dei clienti italiani in fase di richiesta informazioni, ma quasi nessuna PMI riesce a garantire risposte tempestive fuori dall'orario di lavoro. n8n è una piattaforma di automazione visuale open source (self-hostable o cloud) che permette di collegare API, database, LLM e webhook senza scrivere un backend da zero: è il ponte perfetto tra WhatsApp e l'intelligenza artificiale. Un LLM come Claude o GPT-4 fornisce il cervello conversazionale — comprensione del linguaggio, memoria del contesto, capacità di rispondere in modo naturale e coerente con il tono di voce del tuo brand. La somma di questi tre elementi è un agente AI che risponde 24/7, qualifica lead, prenota appuntamenti sul tuo calendario e passa la conversazione a un umano solo quando serve davvero.

Molti tutorial online partono ancora oggi da Open-WA, una libreria open source che permette di controllare WhatsApp Web via Puppeteer simulando un browser. Open-WA è stata storicamente il modo più veloce e gratuito per iniziare a sperimentare bot su WhatsApp: bastava scannerizzare un QR code con il telefono e si aveva subito accesso alla ricezione e all'invio di messaggi via API HTTP locale, perfetta da agganciare a n8n. Il problema è che questa architettura viola apertamente i Termini di Servizio di WhatsApp: Meta considera qualunque client non ufficiale come uso non autorizzato e ha attivato negli ultimi anni sistemi di detection sempre più aggressivi che portano al ban del numero, spesso senza preavviso. Per un progetto personale o per un prototipo interno di 24 ore Open-WA resta didatticamente utile per capire i concetti; per qualunque uso professionale — soprattutto se il numero WhatsApp è quello aziendale — è una scelta rischiosa che prima o poi presenta il conto. La transizione da Open-WA alla WhatsApp Business Cloud API ufficiale è oggi il passaggio più importante da compiere.

La WhatsApp Business Cloud API è l'infrastruttura ufficiale di Meta pensata per aziende che vogliono automatizzare la messaggistica in modo conforme e scalabile. È gratuita fino a 1000 conversazioni al mese avviate dall'utente (le più comuni per una PMI), non richiede server dedicati perché è hostata direttamente da Meta, supporta messaggi di testo, immagini, PDF, template approvati, pulsanti di risposta rapida e liste interattive. Per attivarla servono quattro cose: un account Meta Business Manager verificato, un numero di telefono dedicato che non abbia già un account WhatsApp attivo (una SIM nuova o un numero VoIP funzionano perfettamente), una WhatsApp Business Account creata dentro il Business Manager, e un'app Meta for Developers con il prodotto WhatsApp abilitato. Dal pannello sviluppatori otterrai un Phone Number ID, un WhatsApp Business Account ID e un token temporaneo di 24 ore che dovrai poi sostituire con un token di sistema permanente generato dal Business Manager. Segnati questi tre valori: sono la chiave d'ingresso di tutto il flusso su n8n.

L'architettura dell'agente su n8n è più semplice di quanto sembri e si compone di sei blocchi logici. Primo: un Webhook Trigger che espone un endpoint pubblico HTTPS su cui Meta invia in tempo reale ogni messaggio ricevuto dal tuo numero WhatsApp. Devi configurare l'URL del webhook nel pannello Meta for Developers e superare la verifica del token di challenge (n8n gestisce la parte GET automaticamente se rispondi con il parametro corretto). Secondo: un nodo Set o Function per estrarre dal payload JSON di Meta i campi che ti interessano — numero del mittente, testo del messaggio, timestamp e message_id — normalizzandoli in variabili pulite. Terzo: un nodo di memoria conversazionale, tipicamente una tabella su Supabase o Postgres, dove leggi lo storico dei messaggi precedenti di quel numero per dare contesto all'LLM. Quarto: il nodo LLM vero e proprio — n8n ha integrazioni native con OpenAI, Anthropic e Google — dove costruisci un prompt di sistema che definisce il ruolo dell'agente («sei l'assistente virtuale di [nome azienda], rispondi in italiano, sii professionale ma cordiale, se l'utente chiede un preventivo raccogli nome, esigenza e budget»), passi lo storico dei messaggi come contesto e ricevi la risposta. Quinto: un nodo HTTP Request che chiama l'endpoint POST https://graph.facebook.com/v18.0/{phone-number-id}/messages con il tuo token nel header Authorization e il corpo del messaggio nel formato richiesto da Meta. Sesto: un nodo che salva sia il messaggio dell'utente sia la risposta dell'agente nella tabella di memoria, in modo che la conversazione successiva parta dal contesto aggiornato.

Il vero salto di qualità di un agente AI su WhatsApp non è la fluidità delle risposte ma la capacità di eseguire azioni concrete nei sistemi aziendali. Con n8n questo passaggio è banale perché ogni nodo può essere un tool a disposizione dell'LLM. Alcuni esempi realistici: se l'utente chiede di prenotare un appuntamento, l'agente estrae data e ora, controlla la disponibilità su Google Calendar o Cal.com via API, crea l'evento e invia in chat conferma con link Meet; se chiede un preventivo, raccoglie i dati minimi necessari, crea automaticamente un lead nel tuo CRM (HubSpot, Pipedrive, Notion) e ti invia una notifica interna via email o Slack; se chiede lo stato di un ordine, l'agente interroga il database aziendale o l'API Shopify/WooCommerce e restituisce le informazioni aggiornate; se la richiesta è troppo complessa o emotivamente delicata, l'agente riconosce il segnale (frustrazione, urgenza, tema legale) e passa la conversazione a un operatore umano notificandolo su Slack o via email con l'intero contesto della chat. Questa capacità di orchestrare azioni reali è ciò che trasforma un chatbot generico in un vero agente operativo, ed è esattamente il tipo di lavoro che porta ritorno misurabile per una PMI.

Ci sono cinque errori ricorrenti che vediamo ripetersi in quasi tutti i progetti WhatsApp + AI e che è meglio evitare in partenza. Primo: usare Open-WA in produzione sperando che Meta non se ne accorga — Meta se ne accorge, e il ban del numero aziendale può costare più del canone di un fornitore ufficiale per un anno intero. Secondo: dimenticarsi dei template pre-approvati per i messaggi outbound. WhatsApp permette all'agente di rispondere liberamente nelle 24 ore successive a un messaggio dell'utente, ma per iniziare una conversazione o rispondere fuori da questa finestra serve un template approvato da Meta: pianificalo in anticipo se il tuo caso d'uso prevede messaggi di follow-up. Terzo: non gestire la memoria conversazionale, chiedendo all'LLM di rispondere a un messaggio senza sapere nulla dei precedenti. Il risultato è un agente smemorato che chiede tre volte lo stesso dato: sempre salvare storico su database e passare gli ultimi 10-20 messaggi come contesto. Quarto: prompt di sistema generici. Un prompt vago produce risposte vaghe; investi tempo a scrivere un prompt dettagliato che descriva ruolo, tono di voce, cosa l'agente può e non può fare, quando escalare a un umano, esempi concreti di risposte ideali. Quinto: non prevedere un handoff umano. Nessun agente AI è affidabile al 100%; il pulsante «parla con un operatore» — o il rilevamento automatico di intenti sensibili — è una feature obbligatoria, non opzionale.

Un errore di prospettiva che vediamo spesso è considerare l'agente WhatsApp come un progetto una-tantum: si costruisce, si mette in produzione, si dimentica. In realtà un agente conversazionale è un sistema vivo che va monitorato, misurato e migliorato continuamente. Le metriche minime da tracciare fin dal primo giorno sono: percentuale di conversazioni risolte senza intervento umano, tempo medio di risposta, tasso di soddisfazione (chiedibile in chat con un semplice «ti è stato utile? 👍/👎»), numero di lead qualificati generati, numero di appuntamenti prenotati, costo per conversazione (token LLM + eventuali costi Meta oltre le 1000 conversazioni gratuite). Ogni due settimane apri il log delle conversazioni marcate come «non risolte» o con feedback negativo, capisci il pattern e aggiorna il prompt di sistema o aggiungi un nuovo tool. È in questo loop di miglioramento continuo che l'agente passa da «bel giocattolo» a «asset aziendale che genera revenue misurabile».

Quanto costa e in quanto tempo si mette in piedi? Per un caso d'uso PMI standard — customer support di primo livello, qualificazione lead, prenotazione appuntamenti — l'investimento realistico è di 2-5 giorni di lavoro per la prima versione funzionante e 40-100 euro al mese di costi variabili tra hosting n8n (o piano n8n Cloud), database Supabase (piano gratuito spesso sufficiente all'inizio) e consumo LLM (Claude Sonnet o GPT-4 costano circa 0,003-0,015 euro per messaggio scambiato, dipende dalla lunghezza del contesto). Le prime 1000 conversazioni al mese su WhatsApp Business API sono gratuite; oltre questa soglia i costi Meta variano tra 0,003 e 0,08 euro per conversazione a seconda del paese e del tipo di conversazione. Per una PMI che riceve 30-50 richieste WhatsApp al giorno, un agente ben configurato risolve autonomamente il 60-80% delle conversazioni ripetitive e libera decine di ore di lavoro umano al mese: il ROI è misurabile in settimane, non in mesi.

Se vuoi partire da qualcosa di concreto senza reinventare la ruota, il percorso più efficiente è: (1) attivare la WhatsApp Business Cloud API ufficiale, (2) installare n8n in cloud o self-hostato su un piccolo VPS, (3) configurare la pipeline base descritta sopra con webhook, memoria su Supabase, chiamata a Claude o GPT-4 e risposta via Graph API, (4) integrare i due o tre tool più importanti per il tuo business (calendario, CRM, database ordini), (5) fare 1-2 settimane di test con un numero ristretto di utenti pilota prima di attivarlo sul numero principale. Se cerchi supporto tecnico per progettare o mettere in produzione un agente WhatsApp + n8n adattato al tuo settore, prenota una call conoscitiva: valutiamo insieme il caso d'uso, i volumi attesi e l'architettura più adatta. L'AI conversazionale è oggi una delle leve di produttività più economiche e ad alto impatto disponibili per una PMI: chi la implementa ora costruisce un vantaggio competitivo che è difficile recuperare in ritardo.