Risposta diretta
Un WhatsApp chatbot funzionante ha quattro componenti: il canale di accesso all’API WhatsApp Business, un motore che decide le risposte (nativo o AI esterna), un CRM che tiene il contatto e la sua storia, un calendario collegato per chiudere la prenotazione. Senza queste quattro cose connesse, non hai un chatbot: hai un autorisponditore che perde i lead in uscita.
La maggior parte dei tutorial si ferma al canale. Ti mostrano come collegare WhatsApp a un tool, ti fanno mandare il primo messaggio automatico, e dichiarano vittoria. Il canale è il pezzo più semplice. Il problema è quello che viene dopo: chi decide cosa rispondere, dove finisce il contatto, cosa succede quando il bot non sa rispondere, e cosa fa il sistema quando la finestra di conversazione si chiude. Questo articolo copre l’architettura completa, i costi reali dei piani che reggono il carico, e i tre punti dove i WhatsApp chatbot si rompono in silenzio.
L’architettura di un WhatsApp chatbot che regge in produzione
Quattro strati, ognuno con un compito preciso. Se li sovrapponi o ne salti uno, la macchina produce errori che non vedi.
Strato 1: il canale
WhatsApp non ti dà accesso diretto all’automazione. Devi passare dall’API WhatsApp Business Cloud, che Meta gestisce e che richiede un numero verificato e un account Meta Business. Da lì in poi hai due strade: usi un provider intermedio come Twilio o 360dialog, oppure colleghi direttamente via webhook a un tool di automazione come Make o n8n. Il provider intermedio costa di più ma semplifica la gestione dei template e del numero. La connessione diretta è più economica ma richiede più configurazione.
Strato 2: il motore
Il motore è chi decide cosa rispondere. Hai tre opzioni concrete: la Conversation AI nativa di GoHighLevel, un agente costruito su GPT o Claude chiamato via webhook, oppure un tool come n8n con un nodo AI al centro del flusso. Parto sempre dal nativo quando è disponibile: resta tutto dentro lo stesso sistema dove vive il contatto, non aggiungo latenza, non pago token extra per ogni messaggio. Il modello esterno lo tengo come rete, non come punto di partenza. Serve quando il nativo non regge conversazioni lunghe o con molto contesto da tenere a mente — nella pratica è un caso raro.
Se vuoi capire la differenza tra un chatbot classico e un agente AI che ragiona sul contesto, ho scritto qui la distinzione che conta davvero.
Strato 3: il CRM
Ogni messaggio che arriva deve agganciare un contatto. Non crearlo da zero ogni volta: agganciarlo, o crearlo se è nuovo e taggarlo con la fonte. Se il bot non scrive nel CRM, la conversazione esiste solo in WhatsApp. Quando il lead arriva in call, il commerciale parte da zero. Il tag di ingresso — canale, campagna, keyword — si cattura solo al primo messaggio. Dopo non lo recuperi.
Strato 4: il calendario
Il bot qualifica e prenota. La prenotazione deve atterrare direttamente in calendario, con conferma automatica al lead e notifica all’operatore. Se il bot manda un link Calendly e aspetta che il lead lo usi da solo, stai perdendo il 40-60% delle conversioni nel passaggio. Il calendario deve essere un’azione del bot, non una sua speranza.
Costi reali: cosa paghi e per cosa
I costi di un chatbot su WhatsApp hanno tre voci distinte. Molti ne vedono una sola e si sorprendono a fine mese.
| Voce di costo | Cosa copre | Ordine di grandezza |
|---|---|---|
| API WhatsApp Business | Conversazioni avviate dall’azienda o dall’utente | Da ~0,05 a ~0,15 USD per conversazione (varia per paese) |
| Provider/piattaforma | Infrastruttura, numero, gestione template | Da 0 (self-hosted n8n) a 97+ USD/mese (piani SaaS) |
| Motore AI (se esterno) | Token GPT/Claude per ogni risposta generata | Dipende dal volume; su GPT-4o ~0,005 USD per risposta media |
| CRM/automazione | GoHighLevel, Make, n8n — il layer che connette tutto | Da 0 (Make piano free, 1.000 op/mese) a piani enterprise |
Un chatbot AI su WhatsApp a volume basso (sotto i 500 contatti/mese) può girare con meno di 100 euro al mese tutto compreso, se scegli bene la stack. A volume alto, la voce che pesa di più è quasi sempre il motore AI esterno — non il canale.
Inizia da qui
Make è il layer che dà le braccia al tuo agente AI su WhatsApp
Il modello non decide solo: deve poter scrivere nel CRM, aggiornare tag, inviare notifiche, aprire slot in calendario. Make è il pezzo che esegue queste azioni — e con il piano gratuito da 1.000 operazioni al mese puoi costruire e testare l’intera macchina prima di spendere un euro.
- Giorni 1-3 — costruisci il flow base: trigger WhatsApp in arrivo, risposta AI, scrittura contatto nel CRM
- Giorni 4-5 — aggiungi la logica di handoff: se il bot non sa rispondere, notifica immediata all’operatore
- Giorni 6-7 — collega il calendario e testa l’intero percorso con lead reali a basso volume
Apri il piano gratuito di Make →
Link di affiliazione: se ti iscrivi da qui io prendo una commissione, tu paghi uguale. Lo linko perché ci lavoro dentro ogni giorno.
I tre punti dove il WhatsApp chatbot si rompe in silenzio
Questi non sono errori che vedi. Il sistema risponde 200, i messaggi escono, nessun alert. E nel frattempo perde lead.
1. La finestra delle 24 ore
WhatsApp Business ha una regola che frega quasi tutti al primo deploy: puoi rispondere liberamente a un utente solo nelle 24 ore successive al suo ultimo messaggio. Fuori da quella finestra, puoi mandare solo template pre-approvati da Meta. Se il tuo bot prova a mandare un messaggio libero dopo 24 ore di silenzio, il messaggio non parte — ma spesso il sistema non ti lancia un errore visibile. Produce un fallimento silenzioso.
La guardia corretta: un controllo sul timestamp dell’ultimo messaggio ricevuto, prima di ogni invio. Se la finestra è chiusa, il flow passa a un template approvato o notifica l’operatore. Senza questa guardia, il bot esegue sbagliato con la stessa sicurezza con cui esegue giusto.
2. L’handoff all’umano
Il bot non può gestire tutto. Non deve. Il problema è quando non sa passare il controllo. Succede in due scenari: la domanda è fuori dalla sua knowledge base, oppure il lead ha già detto che vuole parlare con una persona. Se il bot continua a rispondere in entrambi i casi, brucia il lead. Se si ferma senza notificare nessuno, il lead aspetta in silenzio finché non va altrove.
L’handoff ha una sola forma corretta: il bot riconosce il limite, manda un messaggio onesto al lead («Ti metto in contatto con il team»), e simultaneamente apre una notifica urgente all’operatore con il link diretto alla conversazione. Non un’email. Una notifica push o un messaggio in un canale Slack/Teams dedicato, con il contesto già lì. Se l’operatore deve cercare la conversazione, hai già perso due minuti che nel funnel pesano.
Ho scritto più in dettaglio di questo passaggio nell’articolo su come si costruisce un chatbot WhatsApp che fissa appuntamenti.
3. Il contesto perso tra sessioni
Un lead ti scrive oggi, torna domani. Se il bot tratta il secondo messaggio come l’inizio di una conversazione nuova, fa domande che il lead ha già risposto. Questo non è solo fastidioso: segnala al lead che sta parlando con una macchina che non lo ricorda. La fiducia cade.
Il contesto deve vivere nel CRM, non nella memoria della sessione. Ogni risposta del bot deve leggere i campi del contatto — stato di qualifica, obiezioni già emerse, slot già proposti — prima di generare il messaggio successivo. Se usi un motore AI esterno, questo significa passare il profilo del contatto nel prompt di sistema a ogni chiamata. Se usi il nativo GoHighLevel, significa che i campi custom del contatto devono essere aggiornati in tempo reale durante la conversazione. Un CRM che non tiene traccia del contesto non è un supporto alla macchina: è un buco nel sistema.
Quello che nessuno dice
Un’automazione senza guardie esegue sbagliato con la stessa certezza con cui esegue giusto
I tre punti di rottura qui sopra non producono errori evidenti. Il sistema gira, i log sono puliti, nessun alert. Per questo sono pericolosi.
- Finestra 24h — controlla sempre il timestamp prima di ogni invio, non dopo il fallimento
- Handoff — la notifica all’operatore è sincrona con il messaggio al lead, non asincrona
- Contesto — i campi CRM si aggiornano durante la conversazione, non solo all’inizio
Chatbot AI su WhatsApp: quando ha senso mettere un agente vero
Un chatbot AI WhatsApp con un agente AI al centro è diverso da un albero di risposte predefinite. L’agente legge il messaggio, decide l’azione, la esegue — senza che tu abbia scritto ogni caso possibile in un flow. Questo ha senso quando il volume di conversazioni supera quello che un flow rigido regge, o quando le domande dei lead sono troppo variabili per essere mappate a mano.
Il limite degli agenti AI su WhatsApp è lo stesso di tutti gli agenti in produzione: senza guardie e senza logging, non sai cosa sta facendo. Un agente che va storto su WhatsApp non manda un log di errore: manda un messaggio sbagliato a un lead reale. Per questo il monitoring non è opzionale — è la differenza tra un sistema che scala e uno che ti crea problemi invisibili a volume.
Se vuoi esplorare le opzioni gratuite prima di impegnarti su una stack, qui trovi cosa esiste davvero e dove ti fermi.
La stack minima che funziona
Non esiste una stack universale. Esistono combinazioni che reggono e combinazioni che producono debito tecnico.
Per un infobusiness o un’agenzia sotto i 1.000 lead/mese, la combinazione più solida è: API WhatsApp Business Cloud diretta + Make come layer di automazione + GoHighLevel come CRM e motore nativo + calendario GoHighLevel. Tutto nello stesso ecosistema, nessun dato che transita tra sistemi che non si parlano.
Per volumi più alti o logiche più complesse, n8n self-hosted con un agente AI esterno regge meglio sul contesto lungo — ma richiede più manutenzione e un monitoring attivo. Il silenzio di un sistema n8n in produzione non è salute: è quasi sempre un sintomo che qualcosa si è fermato senza alert.
Qualunque stack scegli, i tre errori da non fare sono sempre gli stessi: costruire prima del processo, ignorare i casi limite, non avere un owner della macchina che la guarda ogni settimana.
Un WhatsApp chatbot che funziona non è una questione di tool. È una questione di architettura. I quattro strati devono essere connessi, le tre guardie devono essere attive, e qualcuno deve leggere i log prima che il problema diventi visibile al lead. Costruisci la macchina una volta, con i pezzi giusti nell’ordine giusto. Poi lasciala girare.
Domande frequenti
È possibile creare un chatbot WhatsApp gratis?
Puoi costruire la logica senza costi fissi usando Make (piano free, 1.000 operazioni/mese) e n8n self-hosted. L’API WhatsApp Business Cloud ha un costo per conversazione variabile per paese. Un chatbot gratis al 100% non esiste a volume reale: puoi abbattere i costi fissi, non azzerarli.
Qual è la differenza tra un chatbot su WhatsApp e un agente AI su WhatsApp?
Il chatbot segue un albero di risposte scritte a mano: se la domanda non è mappata, si blocca. L’agente AI legge il messaggio, ragiona sul contesto e decide l’azione senza che ogni caso sia stato previsto. L’agente regge conversazioni più variabili, ma richiede monitoring attivo perché può andare storto in modi non prevedibili.
Cosa succede se il bot non sa rispondere?
Se non hai costruito un handoff, il bot risponde comunque — male. La gestione corretta è: il bot riconosce il limite, informa il lead, notifica l’operatore in tempo reale con il contesto della conversazione. Senza questo meccanismo, ogni domanda fuori knowledge brucia un lead.
La finestra delle 24 ore si può aggirare?
No. Puoi usare template pre-approvati da Meta per riaprire una conversazione chiusa, ma il messaggio libero fuori finestra non passa. L’unica soluzione è costruire la guardia nel flow: controlla il timestamp prima di ogni invio e usa il template quando la finestra è scaduta.
Trasparenza: in questo articolo c’è un link di affiliazione. Se ti iscrivi da lì io ricevo una commissione, per te non cambia niente. Linko solo strumenti che uso in produzione.
