Je WhatsApp Business krijgt om 23:00 een bericht van een potentiële klant. Zie je het pas de volgende ochtend, dan is die klant vaak al bij een concurrent. Een AI-bot in n8n vangt dat gat op: hij leest binnenkomende berichten, antwoordt zelf en tikt jou op de schouder als het spannend wordt. Hieronder bouw je hem in vier nodes, zonder een regel code.
Wat je nodig hebt
Drie dingen: een WhatsApp Business-account met toegang tot Meta’s Cloud API, een n8n-installatie (zelf-gehost of via n8n Cloud), en een API-sleutel voor je AI-model naar keuze. De koppeling met WhatsApp regel je eenmalig in Meta’s developer-portal — dat is het meeste werk. Daarna is de rest slepen en klikken in de n8n-editor.
💡 Beginner-tip: Een “node” in n8n is één blokje in je workflow dat één taak doet. Je verbindt ze met lijntjes van links naar rechts; een bericht loopt dat pad af. Je hoeft niets te programmeren, alleen de blokjes instellen.
De vier nodes, stap voor stap
-
Zet de WhatsApp-trigger neer. Start een nieuwe workflow, klik op het plus-icoon en zoek op “WhatsApp”. Kies de node WhatsApp Business Cloud en daarbinnen de trigger On message. Deze node luistert vanaf nu naar elk bericht op je zakelijke nummer. Je herkent dat hij werkt aan een groen vinkje na een testbericht.
-
Koppel de AI Agent-node. Trek een lijn vanuit de trigger naar een nieuwe node en zoek op “AI Agent”. Hang daar een chatmodel onder (GPT-5 mini of een Claude Haiku-model volstaan voor klantenservice-chat) en schrijf in het systeem-veld kort wie de bot is: “Je bent de klantenservice van [bedrijf]. Antwoord kort, vriendelijk en in het Nederlands.” Dit systeemprompt bepaalt de toon.
-
Voeg een Memory-node toe. Zonder geheugen behandelt de bot elk bericht los en vergeet hij wat de klant net zei. Hang een Memory-node onder de AI Agent en zet de limiet op ongeveer 10 berichten. Genoeg om een boeking of vraag af te ronden, zonder de bot te overladen met oude context.
-
Stuur het antwoord terug. Klik op het plus-icoon na de AI Agent, zoek opnieuw WhatsApp Business Cloud en kies deze keer de actie Send Message. Verwijs bij het bericht-veld naar de output van de AI Agent. Sla op, zet de workflow op Active en stuur jezelf een testbericht — het antwoord hoort binnen enkele seconden terug te komen.
⚡ Gevorderden: De echte kracht zit in Tools. Hang onder de AI Agent een Google Sheets-, database- of Google Calendar-tool, en de bot kan voorraad checken of zélf een afspraak inplannen in plaats van alleen praten. Begin zonder tools, voeg ze pas toe als de basis staat.
De ontsnappingsroute die je niet moet vergeten
Een bot die vastloopt op een boze klant is erger dan geen bot. Bouw daarom een doorschakeling in: voeg een node toe die jou pingt — via Telegram of e-mail — zodra de bot het antwoord niet weet of de klant om een mens vraagt. Je bepaalt de drempel zelf. Een klacht, een concrete offerte of simpelweg “buiten kantooruren” zijn goede momenten om over te dragen. Zo houdt de automatisering de druk van de ketel zonder dat klanten het gevoel krijgen tegen een muur te praten.
Wat het kost
De zelf-gehoste n8n is gratis; je betaalt alleen je eigen hosting. n8n Cloud rekent per uitvoering, en je AI-model reken je apart af per token. Voor een kleine klantenservice-stroom blijven die kosten bescheiden. Groeit het aantal gesprekken, kies dan bewust een goedkoop chatmodel en houd je tokenverbruik in de gaten — daar loopt de rekening het snelst op.
Wil je begrijpen waarom dit soort AI-agents nu overal opduiken en wat dat breder betekent? Lees de duiding op hetlaatsteainieuws.nl.
Checklist: staat je bot?
- WhatsApp Business-account gekoppeld aan Meta’s Cloud API
- WhatsApp Business Cloud-trigger op “On message” en getest
- AI Agent-node met een chatmodel en een duidelijk systeemprompt
- Memory-node op ongeveer 10 berichten
- Send Message-node verwijst naar de AI-output
- Doorschakeling (Telegram/e-mail) actief voor twijfelgevallen
- Workflow op “Active” gezet en met een echt testbericht gecontroleerd
Bronnen
- n8n — Building your first WhatsApp chatbot (workflow-template) — officiële n8n-template met de trigger- en send-nodes
- n8n — Complete business WhatsApp AI-powered RAG chatbot — voorbeeld met AI Agent, memory en tools
- The Practical Developer — Build an AI WhatsApp Customer Service Bot with n8n — de tutorial die dit onderwerp aandroeg