Chatbot de WhatsApp con IA: cómo armar una atención que califica leads

Calificar no es recolectar datos. Es descubrir tres cosas: si la persona tiene el problema que resuelves, si tiene capacidad de compra y si el momento tiene sentido. Un buen marco de referencia es el BANT adaptado: presupuesto, autoridad, necesidad y plazo. No necesitas sacarlo todo de una vez, pero sí salir de la conversación sabiendo lo suficiente para que el vendedor decida dónde invertir tiempo.

El error clásico es tratar WhatsApp como un formulario disfrazado. El bot pregunta nombre, correo, teléfono y servicio de interés en secuencia, el lead responde en automático o abandona, y el equipo recibe un registro muerto. Una buena calificación se parece a una conversación. La IA hace una pregunta a la vez, reacciona a lo que la persona dijo y solo avanza cuando entendió la respuesta anterior.

Antes de programar cualquier cosa, escribe en papel el perfil del lead ideal y el del lead que quieres descartar rápido. Un estudio de estética de ticket alto, por ejemplo, quiere saber la región, el procedimiento de interés y si la persona ya pidió un presupuesto antes. Un despacho de abogados quiere el tipo de caso y la urgencia. Sin ese recorte, la IA conversará bien y no calificará nada, que es el peor de los mundos: cuesta dinero y no genera ventas.

Empieza por la apertura. El primer mensaje de la IA debe confirmar el contexto de donde viene el lead (anuncio, enlace en la bio, recomendación) y hacer una pregunta abierta que revele la intención. Algo como "¿qué te trajo hasta aquí hoy?" rinde mucho más que un menú numerado, porque la respuesta ya clasifica al lead antes del segundo mensaje.

Después viene la fase de descubrimiento, y aquí está el núcleo de la calificación. Encadena de dos a cuatro preguntas que midan encaje y urgencia, siempre reaccionando a la anterior. Si el lead dice que quiere armonización facial, la IA no salta al precio: pregunta si es la primera vez, qué le gustaría mejorar a la persona y para cuándo. Cada respuesta se convierte en un dato que el vendedor lee después. El secreto es que la IA sepa cuándo dejar de preguntar, porque un interrogatorio largo espanta tanto como un formulario.

Arma este flujo en un constructor visual en lugar de amarrar todo en código. Con el Flow Builder dibujas los caminos, defines los disparadores de cada respuesta y dejas que la IA complete los huecos de lenguaje natural, manteniendo el control sobre lo que es regla fija (horario de atención, política de precios) y lo que es conversación libre. Esto separa lo que debe ser determinístico de lo que se beneficia de la flexibilidad de la IA.

Reserva siempre una salida de descarte cortés. No todo lead encaja, y está bien. Si la persona está fuera de tu zona de atención o busca algo que no haces, la IA debe cerrar con respeto y quizá sugerir una alternativa, sin ocupar la fila del vendedor. Calificar también es saber decir que no rápido.

La calidad de la calificación vive en el prompt de sistema de la IA. Ahí describes el negocio, el tono de voz, el perfil de lead ideal, las preguntas obligatorias y las cosas que nunca debe hacer, como prometer un plazo de entrega o cerrar un precio fuera de la tabla. Trata ese prompt como un documento de capacitación para un agente nuevo: cuanto más específico y con más ejemplos reales, mejor el resultado.

Dale contexto a la IA, no solo instrucciones. Necesita acceder a la información del lead que ya existe (historial de la conversación, de qué campaña vino, si ya es cliente) para no repetir preguntas ni tratar a un cliente antiguo como un extraño. En la práctica, esto significa pasar el historial del hilo y algunos metadatos en cada llamada al modelo. Un agente que te pregunta el nombre por tercera vez pierde la venta, y con la IA no es distinto.

Define límites claros de decisión. La IA califica, recoge información y agenda, pero no debería dar descuentos, confirmar disponibilidad real de agenda sin revisar el sistema ni opinar sobre casos sensibles. Deja esas fronteras explícitas y crea un disparador de escalamiento para cuando el lead pida algo fuera del alcance. Es mejor que la IA diga "voy a llamar a un especialista para esto" a que invente una respuesta que genere problemas después.

Cada instancia puede tener su propia IA, con prompt, tono y reglas propios. Si atiendes una clínica y una inmobiliaria en el mismo panel, cada número ejecuta un agente distinto sin mezclar contexto. Si quieres profundizar en cómo configurar el agente por instancia, mira la guía de chatbot de WhatsApp con IA, que detalla las opciones de comportamiento y humanización de la conversación.

Para que el bot funcione necesitas tres piezas: un número de WhatsApp accesible por API, un webhook que reciba cada mensaje nuevo y un servicio que decida la respuesta con la IA. Cuando alguien escribe, WhatsApp entrega el evento en tu webhook, tu backend arma el contexto, llama al modelo de lenguaje y devuelve la respuesta por la API. Es un ciclo simple de recibir, pensar y responder, repetido en cada mensaje.

Con ZapZap API, que funciona con instancias de WhatsApp no oficiales, aprovisionas un número, lo conectas leyendo el código QR y empiezas a recibir los eventos en tu endpoint. El costo es de R$15 por número activo al mes, prepago, y hay un crédito de bienvenida al crear la cuenta, sujeto a la campaña vigente. No hay contrato de volumen ni burocracia de aprobación de plantillas.

Un handler de webhook en Node con Express es suficiente para empezar. El esqueleto es directo: lees el cuerpo del evento, ignoras los mensajes enviados por el propio número para no crear un bucle, armas el historial de la conversación y llamas a la IA. Algo como el fragmento de abajo, ilustrativo, da la idea. Los nombres exactos de rutas y campos los confirmas en api.zapzapapi.com/llms.txt, que es la fuente de verdad de la integración.

app.post('/webhook', async (req, res) => { const msg = req.body?.message; if (!msg || msg.fromMe) return res.sendStatus(200); const resposta = await gerarRespostaIA(msg.chatId, msg.text); await enviarTexto(msg.chatId, resposta); res.sendStatus(200); }); Observa el cuidado con fromMe: sin ese filtro la IA responde a sus propios mensajes y entra en un bucle, uno de los errores más comunes en los bots de WhatsApp.

Una calificación sin un buen traspaso desperdicia el trabajo. Define el disparador exacto del traspaso: puede ser que el lead alcance una puntuación de encaje, pida explícitamente hablar con alguien o llegue al final de las preguntas de descubrimiento. En el momento del traspaso, la IA debe avisar al lead que un humano va a asumir y, al mismo tiempo, notificar al equipo con el resumen de lo que descubrió.

El resumen es el entregable más valioso del bot. En lugar de tirarle la conversación cruda al vendedor, la IA condensa lo esencial: quién es, qué quiere, presupuesto señalado, urgencia y próximo paso sugerido. El vendedor abre WhatsApp sabiendo ya con quién habla y por dónde empezar. Eso reduce el tiempo de respuesta humano y aumenta la probabilidad de conversión, porque el contacto llega caliente y con contexto.

Guarda los datos estructurados en algún lugar consultable, sea tu CRM, una hoja de cálculo o una base de datos propia. Cada lead calificado debería convertirse en un registro con la información recogida, para que después puedas medir qué campañas traen buenos leads y cuáles solo llenan la fila. Sin esa capa de datos, tienes un bot que conversa bien pero no genera aprendizaje ni previsibilidad de ventas.

Usa los webhooks también para accionar automatizaciones al final del flujo: agendar un recordatorio, disparar un seguimiento si el lead desaparece o llevar el contacto a una secuencia de nutrición. La idea es que el chatbot no es el final del recorrido, es la puerta de entrada que decide hacia dónde va cada lead, y el equipo humano recibe solo lo que vale su tiempo.

Un número nuevo que empieza a disparar decenas de conversaciones por hora llama la atención de los sistemas antispam de WhatsApp. Por eso importa el calentamiento: subir el volumen poco a poco, mantener intercambios de mensajes de ida y vuelta y evitar mensajes idénticos en masa reduce el riesgo de restricción del número. Trata el número de calificación como un activo que necesita una rutina sana, no como un cañón de disparos.

ZapZap API ofrece calentamiento en comunidad y mecanismos antibloqueo justamente para acercar el número a un comportamiento humano antes de escalar. Esto no es una promesa de inmunidad, ninguna herramienta seria promete eso. Es gestión de riesgo: cuanto más natural el patrón de uso, menor la probabilidad de problemas. Distribuir la operación entre más de un número cuando crece el volumen también diluye el riesgo en lugar de concentrarlo todo en una línea.

Cuida la cadencia de la propia IA. Las respuestas instantáneas en milisegundos, sin variación, delatan la automatización. Pequeños retrasos, escritura simulada y variación en el texto hacen la conversación más creíble para el lead y para los filtros de la plataforma. Humanizar no es solo simpatía, también es una operación más segura.

Por último, mide. Sigue la tasa de respuesta, cuántos leads llegan al traspaso, cuántos terminan en venta y si algún número dio señales de restricción, y ajusta preguntas y prompt con esos datos. Empieza con un número y un flujo pequeño: en ZapZap API la IA se configura por instancia, así que puedes probar tu calificador en un solo número, ver qué convierte y recién después replicarlo. Escala lo que demostró calificar.