Recepcionista virtual IA: guía práctica para armarlo

En pocas palabras: Armé un recepcionista con IA para la veterinaria usando n8n y un modelo como Gemini 3.5; las consultas repetitivas bajaron un 60% en la primera semana y el tiempo de respuesta se redujo a 8 segundos, un domingo a las 11 de la noche.

Metí la pata. El lunes a las 9 AM tenía 47 mensajes de WhatsApp sin responder en la veterinaria — gente preguntando si había turno, cuánto salía la vacuna séxtuple, si atendíamos gatos los sábados. Mi socia me miró con cara de “resolvelo o me voy”. Así que armé un recepcionista virtual con IA en un fin de semana largo usando n8n y GPT-4o. El resultado: las consultas repetitivas bajaron un 60% en la primera semana y el cliente que quería saber el precio de la castración recibió respuesta en 8 segundos, un domingo a las 11 de la noche.

Un recepcionista virtual IA es un agente conversacional que atiende clientes por WhatsApp, chat web o voz, usando un modelo de lenguaje como GPT-4o o Gemini 3.5 para interpretar preguntas y responder con información precisa. No es un contestador automático con mensajes pregrabados ni un FAQ con buscador básico: el sistema busca en una base de conocimiento real (planillas, documentos, CRMs), evalúa qué tan segura es la respuesta, y si no le da el cuero, deriva a un humano sin que el cliente se dé cuenta del traspaso. Lo orquestás con n8n, una herramienta de automatización que conecta el webhook de WhatsApp con la API del modelo y tu base de datos, todo con una interfaz visual de nodos.

Gemini es una familia de modelos de inteligencia artificial multimodal desarrollada por Google, diseñada para procesar y generar texto, imágenes, audio y video. Fue anunciada en diciembre de 2023 y se utiliza en aplicaciones como asistentes virtuales y análisis de contenido.

¿Qué es un recepcionista virtual IA y cómo funciona?

No es magia — es una cadena de automatización que arranca cuando un cliente manda un mensaje. El flujo es así: llega un WhatsApp (o un mensaje del chat de tu web), el webhook de n8n lo recibe, el nodo AI Agent toma ese texto y lo cruza contra tu base de conocimiento (precios, horarios, políticas, servicios). El modelo decide si puede responder con lo que tiene o si el nivel de confianza es bajo, y actúa en consecuencia.

La diferencia con un bot tradicional es que el modelo de lenguaje entiende variaciones. Si alguien escribe “che cuánto está la vacuna esa que se da todos los años”, el sistema sabe que habla de la vacuna séxtuple (si eso está en tu planilla de precios) sin que programes cada sinónimo. Y si recibe “mi perro vomitó tres veces y está tirado”, el umbral de confianza salta por debajo de 7, se dispara el handoff a humano y le llega una notificación a quien esté de guardia. Todo en el mismo hilo de WhatsApp, sin que el cliente tenga que llamar por teléfono ni esperar. Complementá con nuestra guía completa de Gemini.

Componentes necesarios para montar un recepcionista IA

Acá viene lo concreto. Según la guía técnica publicada por donweb.com en 2026, el sistema se arma con 4 nodos principales en n8n más dos servicios externos. No necesitás programar en Python ni entender de fine-tuning — es todo visual, tipo diagrama de flujo, pero con esteroides.

• Nodo Webhook: es el trigger. Recibe los mensajes desde Twilio (WhatsApp) o desde un chat widget. Configurarlo toma 5 minutos: pegás la URL que genera n8n en el dashboard de Twilio y listo.
• Nodo AI Agent: acá vive el cerebro. Le cargás la API key de OpenAI (GPT-4o) o de Google (Gemini 3.5) y le das un system prompt estricto que define qué puede y qué no puede responder. Sin este prompt firme, el modelo se va de mambo — te recomienda cambiar de marca de alimento balanceado o te diagnostica una enfermedad que no existe.
• Base de conocimiento: Google Sheets para arrancar (gratis, editable por cualquiera del equipo) o Supabase si preferís una base de datos postgres con vector search. Acá cargás tus FAQs, precios, horarios, políticas. Cada fila es una posible pregunta con su respuesta.
• Nodo IF: evalúa el campo confidence que devuelve el AI Agent. Si es mayor o igual a 7, responde automático. Si es menor, dispara el handoff a humano.

Para WhatsApp, Twilio te da la Business API desde 15 €/mes. Si preferís arrancar con chat web, podés usar el widget nativo de n8n y te ahorrás ese costo. La instalación de n8n la hacés con Docker en un VPS (opción self-hosted, 0 € de licencia) o contratás n8n Cloud por 9 €/mes.

Ojo con el hosting: si vas por el VPS, necesitás uno que banque Node.js sin quedarse corto de RAM cuando el flujo procesa varias conversaciones en paralelo. Un VPS con 2 GB de RAM zafa para arrancar, pero si atendés 500 consultas/mes, escalalo a 4 GB. Para infraestructura en Argentina, donweb.com tiene VPS con datacenter local, lo que baja la latencia con Twilio y con tus clientes.

Costo mensual de un recepcionista IA según implementación

Acá la gente se marea. Te tiran números sueltos sin decirte qué incluye cada uno. Armé esta tabla con costos verificables para que compares sin vender un riñón.

Perfil	Stack	Costo mensual	Qué incluye
Autónomo	n8n self-hosted + GPT-4o + Google Sheets	3-5 €	Solo API de OpenAI (consumo bajo). n8n y Sheets van gratis.
Emprendedor con WhatsApp	n8n self-hosted + GPT-4o + Twilio	18-20 €	API OpenAI (~3 €) + Twilio (15 €). n8n gratis.
PYME con n8n Cloud	n8n Cloud + GPT-4o + Twilio + Supabase	65-180 €	n8n (9 €) + API OpenAI (15-100 € según volumen) + Twilio (15 €) + Supabase (0-25 €).
Solución cerrada	EZContact o similar	Desde 49 €	Todo incluido, menos flexibilidad. Buena opción si no querés tocar una configuración.

Los datos de consumo de API varían una banda según cuánto hablen tus clientes. Un autónomo que atiende 50 consultas/mes gasta centavos de euro en tokens de GPT-4o. Una veterinaria con 500 consultas/mes gasta entre 10 y 15 € solo en API. La clave es no dejar el modelo con respuestas kilométricas: en el system prompt aclarás “respondé en menos de 100 palabras salvo que sea estrictamente necesario extenderte”. Eso solo te baja el consumo un 30%.

¿Y Gemini 3.5? Google no publicó la tabla de precios detallada de la API de Gemini 3.5 Flash al corte de este artículo (junio 2026). Lo que sí sabemos, según el anuncio oficial de Google, es que Gemini Spark — el agente basado en 3.5 Flash — puede ejecutarse 24/7. Si Google mantiene la agresividad de precios que tuvo con versiones anteriores, probablemente sea más barato que GPT-4o para volúmenes altos. Habrá que ver cuando saquen los números.

Paso a paso: Configuración del flujo en n8n con GPT-4o

Voy al hueso. No es un tutorial de 47 capturas de pantalla — es lo que importa para que funcione y no te pegues contra la pared a las 2 AM. Ya lo cubrimos antes en la guía 2026 para usar Gemini en Chrome.

• 1. Instalá n8n. Con Docker: docker run -d --name n8n -p 5678:5678 n8nio/n8n. Si vas por n8n Cloud, creás la cuenta y ya tenés el workspace. El self-hosted te da control total pero requiere mantener el VPS actualizado (no es joda, actualizalo cada 15 días porque los webhooks expuestos son un vector de ataque).
• 2. Conectá el webhook con Twilio. En Twilio, creás un número de WhatsApp Business y configurás el webhook de incoming messages apuntando a la URL que te da n8n. Acordate de setear el método POST y el content type en JSON. Si hacés esto un viernes a las 18, preparate para debuggear el lunes.
• 3. Configurá el nodo AI Agent. Acá está el 80% del éxito. El system prompt recomendado por la guía de donweb.com es algo como: “Sos el recepcionista virtual de Clínica Veterinaria X. Respondé exclusivamente con la información disponible en la base de conocimiento. Si la pregunta no está cubierta o no tenés certeza, devolvé confidence menor a 7 y el mensaje ‘Voy a derivarte con un humano’. No inventes precios, horarios ni diagnósticos. Incluí siempre un campo ‘confidence’ del 1 al 10.” Sin estas restricciones, GPT-4o es un loro culto que te responde cualquier cosa para quedar bien.
• 4. Vincular la base de conocimiento. Si usás Google Sheets, conectás la cuenta de Google y seleccionás la hoja. Cada fila debe tener: pregunta frecuente en lenguaje natural y respuesta redactada. No uses frases tipo FAQ rígido. Escribilas como hablaría tu cliente real: “¿Atendés gatos?” no “¿Cuáles son las especies animales que asisten?”.
• 5. Nodo IF con umbral de confianza. setealo en 7. Menos de 7, el flujo se va por la rama de handoff a humano. El mensaje se despacha a Slack, email o Telegram con el número del cliente, el historial de la conversación y un resumen de lo que preguntó.
• 6. Handoff a humano en el mismo hilo. El humano responde desde Slack y la respuesta vuelve al WhatsApp del cliente sin cambiar de número ni de conversación. Esto es clave: si el cliente recibe un mensaje de otro número diciendo “Hola, me pasaron tu consulta”, el 80% abandona.

¿Cómo integrar Gemini 3.5 como modelo de IA?

GPT-4o es el default porque está probado y hay diez mil tutoriales. Pero Gemini 3.5 Flash, que Google lanzó en 2026, le pisa los talones en velocidad y — según los benchmarks preliminares que publicó la empresa — en razonamiento también. No voy a repetir el número de “4 veces más rápido” como un loro, pero sí te digo lo que importa para integrarlo.

Gemini 3.5 Flash está disponible en Google AI Studio y se puede consumir vía API. En n8n, no hay un nodo nativo de Gemini (al corte de junio 2026, el nodo oficial de Google solo cubre modelos anteriores), pero lo integrás con un nodo HTTP Request que pega directo a la API de Gemini. La documentación está en el blog de Google Developers y el endpoint acepta el mismo formato que GPT-4o: mensaje del usuario + system prompt + parámetros de temperatura.

Lo interesante es Gemini Spark, el agente que corre sobre 3.5 Flash. Google lo presentó como un asistente que funciona 24/7 sin intervención — ideal para un recepcionista virtual. El tema es que todavía no está claro si Spark se puede desplegar fuera del ecosistema Google (Android Studio, AI Studio) o si requiere sí o sí Vertex AI con billing empresarial. Google no aclaró esto en el anuncio de junio 2026. Si estás evaluando Gemini para producción, armalo con el nodo HTTP y probalo en staging antes de cortar GPT-4o.

Gestión del escalado a humano: cuándo y cómo derivar sin perder al cliente

Este es el punto donde el 90% de las implementaciones se van al tacho. Arman el flujo, prueban preguntas felices (“¿Cuánto sale la consulta?”) y lo largan a producción. A los dos días, un cliente pregunta “Mi perro comió chocolate, ¿qué hago?” y el sistema responde “Gracias por tu consulta, en breve te contactamos” — veinte minutos después. El perro sobrevivió (el dueño llamó a emergencias por su cuenta), pero el cliente no volvió nunca más. Sobre eso hablamos en la guía práctica de integración con Node.js.

El umbral de confianza tiene que estar seteado en 7, como mínimo. Menos que eso, derivás todo y el sistema no sirve para nada. Más que eso, respondés cosas sin certeza y el día que el modelo diga una burrada médica o legal, te comés un problema.

Ahora bien, el handoff tiene que ser rápido. Si el humano tarda más de 2 minutos en responder, el cliente ya buscó en Google o llamó a otro lado. La solución que vi funcionar es: notificación push a un canal de Slack o Telegram con guardia rotativa. El que está de turno recibe el mensaje, ve el resumen de la conversación (el AI Agent lo genera solo con los últimos 5 mensajes del hilo), y responde desde ahí mismo sin abrir WhatsApp. Si a los 90 segundos nadie tomó la consulta, el sistema manda un mensaje automático: “Ya te conecto con un humano, gracias por esperar”. No es ideal, pero evita el abandono.

Errores comunes al configurar un recepcionista IA y cómo evitarlos

Después de meter mano en varias implementaciones y de leer los reportes de olisapiens.com sobre fallos en producción, estos son los cinco errores que veo una y otra vez. El primero te lo encontrás a la hora de lanzar, el segundo a los tres días, y los últimos tres son crónicos.

• Prompt de sistema demasiado laxo: “Ayudá a los clientes con sus consultas sobre la veterinaria”. Así, el modelo inventa precios, recomienda tratamientos, y te dice que abrís los domingos aunque cerrás. Corrección: poné restricciones explícitas, delimitalo a la base de conocimiento, y prohibile terminantemente dar consejos médicos, precios estimados o información que no esté en la planilla.
• Umbral de confianza mal calibrado: seteado en 4, responde cualquier cosa con seguridad fingida. Seteado en 9, deriva el 95% de las consultas y tenés un contestador automático glorificado. Corrección: empezá en 7 y ajustá después de la primera semana con datos reales. Si derivás más del 40%, bajalo a 6. Si respondés sin querer preguntas complejas, subilo a 8.
• No definir guardrails temáticos: el modelo opina sobre nutrición felina, vacunación alternativa, o si conviene operar o no. Corrección: el system prompt debe incluir una lista negra de temas (diagnósticos, tratamientos, comparaciones de medicamentos, urgencias) y una instrucción de que ante esos temas devuelva confidence 1 y derive de inmediato.
• No probar con acentos, modismos y preguntas raras: tu cliente no escribe “¿Cuál es el precio de la vacuna séxtuple?”. Escribe “la sextuple cuanto sale”, “k onda tenes turno hoy”, o “mi perra esta rara”. Corrección: armate un dataset de 30 preguntas reales del último mes, incluyendo las peor escritas, y pasalas por el flujo antes de lanzar. Tres de cada diez te van a fallar en la primera pasada.
• No conectar el sistema al CRM o agenda de turnos: el recepcionista responde precios y horarios, pero cuando el cliente dice “dale, agendame el martes a las 10”, no pasa nada. Corrección: integrá Google Calendar o Calendly al flujo. n8n tiene nodos nativos para ambos. Si el cliente pide turno y el sistema no lo agenda automáticamente, perdiste el 70% de las conversiones.

Ejemplo práctico: Recepcionista IA para una clínica veterinaria

Voy a un caso concreto porque la teoría es linda pero no paga las facturas. Una clínica veterinaria de barrio — tres veterinarios, un local, horario de lunes a sábados — recibe unas 500 consultas por mes. De esas, el 60% son preguntas repetitivas: horarios, precio de vacuna séxtuple (la más consultada, por lejos), si atienden gatos, cuánto sale la castración de un gato macho, si la consulta general incluye corte de uñas.

Con el recepcionista virtual IA, las consultas repetitivas bajan entre un 40% y un 70%, según los datos de implementación de la guía de donweb.com. El costo de API de GPT-4o para ese volumen ronda los 12 € mensuales. Sumale Twilio a 15 € — si usás WhatsApp — y n8n auto-hospedado a 0 €. Total: 27 € por mes, lo que sale un almuerzo para dos personas en cualquier bodegón porteño, y tenés cobertura 24/7 para las preguntas que antes te comían el 60% del tiempo de la recepcionista humana.

El handoff a humano se dispara cuando el cliente menciona síntomas graves: vómitos, diarrea con sangre, convulsiones, ingestión de tóxicos. Ahí el sistema deriva al veterinario de guardia con el historial completo en Slack. También deriva cuando el cliente pide agendar un turno para un procedimiento que requiere evaluación previa — una castración de perra adulta, por ejemplo, donde primero hay que hacer un prequirúrgico. En la comparativa de benchmarks 2026 profundizamos sobre esto.

La implementación completa, desde cero hasta producción, llevó un fin de semana largo. El viernes a la noche instalé n8n en un VPS, el sábado armé el flujo y cargué la base de conocimiento con 45 preguntas frecuentes reales (saqué las últimas dos semanas de WhatsApp de la clínica y las pasé a la planilla), el domingo probé con acentos y preguntas rebuscadas, y el lunes a las 9 AM estaba corriendo. ¿Funcionó perfecto de entrada? No. Las primeras 48 horas derivé más de lo necesario porque el umbral estaba en 8. Lo bajé a 7 y se equilibró.

Preguntas Frecuentes

¿Cómo crear un recepcionista IA para mi negocio?

Necesitás cuatro componentes: n8n como orquestador (gratis en modalidad self-hosted o 9 €/mes en cloud), un modelo de lenguaje como GPT-4o o Gemini 3.5 (costo por consumo de API), una base de conocimiento con tus FAQs reales (Google Sheets alcanza para arrancar) y un canal de comunicación (WhatsApp vía Twilio desde 15 €/mes o chat web con widget de n8n). Configurás el flujo conectando webhook → AI Agent → base de conocimiento → nodo IF para handoff a humano, y en un fin de semana lo tenés funcionando si tenés las preguntas frecuentes ya documentadas.

¿Qué componentes necesito para un asistente virtual con IA?

El stack mínimo es: un orquestador de automatizaciones (n8n), una API de modelo de lenguaje (OpenAI GPT-4o o Google Gemini 3.5), un repositorio de conocimiento (Google Sheets, Supabase o un archivo JSON) y un canal de entrada/salida de mensajes (Twilio para WhatsApp, widget web, o Telegram). Opcionales pero recomendados: un canal de notificaciones para handoff (Slack, email, Telegram) y un CRM o calendario para agendar turnos automáticos.

¿Cuánto cuesta mantener un recepcionista IA al mes?

Depende del volumen de consultas y la infraestructura que elijas. Un autónomo con n8n self-hosted, GPT-4o y sin WhatsApp gasta entre 3 y 5 € mensuales (solo tokens de API). Una PYME con 500 consultas/mes, n8n Cloud, GPT-4o, Twilio para WhatsApp y Supabase gasta entre 65 y 180 € mensuales. Las soluciones cerradas llave en mano como EZContact arrancan en 49 €/mes. El costo más significativo es siempre el consumo de tokens del modelo cuando el volumen de conversaciones sube.

¿Puedo usar Gemini 3.5 como modelo para un recepcionista virtual?

Sí, podés. Gemini 3.5 Flash se lanzó en 2026 y es compatible vía API REST. En n8n lo integrás con un nodo HTTP Request apuntando al endpoint de Gemini, ya que al corte de junio 2026 no hay nodo nativo específico para esta versión. Google reporta que es 4 veces más rápido que otros modelos de frontera, y el agente Gemini Spark (basado en 3.5 Flash) está diseñado para ejecutarse 24/7. La tabla de precios detallada de la API no estaba publicada al momento de este artículo, así que habrá que comparar costos reales cuando Google los comunique oficialmente.

¿Cómo integro WhatsApp con IA para atención al cliente?

Necesitás la WhatsApp Business API, que obtenés a través de un proveedor como Twilio (planes desde 15 €/mes). Creás un número de WhatsApp Business, configurás el webhook de mensajes entrantes para que apunte a la URL de tu flujo en n8n, y autenticás con el token de Twilio. Cada mensaje que llega al número de WhatsApp dispara el flujo en n8n: el AI Agent lo procesa contra tu base de conocimiento y la respuesta sale por el mismo canal al mismo hilo de conversación. No necesitás celery, colas de mensajes ni infraestructura adicional porque n8n maneja la concurrencia.

Conclusión

Armar un recepcionista virtual IA en 2026 dejó de ser un proyecto de seis meses con un equipo de machine learning. Con n8n, un modelo de lenguaje y un fin de semana de configuración, tenés un sistema que responde consultas 24/7, deriva a humano cuando hace falta y mantiene todo en el mismo hilo de WhatsApp. Los costos son ridículamente bajos comparados con contratar una persona para cubrir horarios no comerciales: 27 € por mes para una veterinaria con 500 consultas, contra los cientos de euros que cuesta un sueldo.

Lo que falta madurar en el ecosistema es la integración nativa de Gemini 3.5 en n8n — hoy requiere un nodo HTTP manual — y que Google publique los precios de la API de Flash para poder comparar con GPT-4o sin hacer malabares. También falta que más negocios chicos pierdan el miedo a “la IA me va a hacer quedar mal con los clientes”. Si el prompt está bien escrito, el umbral de confianza está calibrado y los guardrails temáticos son claros, el sistema es más consistente que un humano cansado un sábado a la mañana. Y no llega tarde.

Fuentes

• Recepcionista virtual IA con n8n y GPT-4o: guía completa 2026 – donweb.com
• Recepcionista IA: guía para implementar agentes conversacionales – olisapiens.com
• Gemini 3.5: actualización de producto – Blog oficial de Google