📤 Lo que el nodo puede enviar
El nodo puede enriquecer sus respuestas enviando contenido multimedia. El envío se configura desde el prompt, referenciando los recursos que el nodo tiene disponibles (ya sea desde su base de conocimiento, una URL externa, o archivos generados dinámicamente como una cotización).
Tipo | Comportamiento |
Imágenes | PNG y JPG. Se muestran inline (directamente en el chat), no solo como descarga. Admiten caption (texto descriptivo). |
Se muestran con una vista previa visual y su botón de descarga. | |
Audio | Generado automáticamente a partir de la respuesta de texto (si tienes habilitada la respuesta en audio). |
📥 Lo que el nodo puede recibir e interpretar
Tu agente inteligente no solo lee texto; tiene la capacidad de ver fotos, escuchar notas de voz y leer el contenido de los documentos que le envían tus clientes.
📸 Imágenes
El nodo acepta imágenes en PNG, JPG y JPEG. Utiliza un modelo con capacidad de visión para interpretar el contenido: puede describir lo que ve y responder preguntas sobre la foto. Las imágenes quedan guardadas en el contexto de la conversación, por lo que el nodo puede referenciarlas en mensajes posteriores.
Casos típicos: Capturas de error, fotos de productos, documentos físicos fotografiados.
📄 Documentos (PDF)
El agente es capaz de leer y entender el contenido de los PDF que manda el cliente, como comprobantes de pago, órdenes, formularios o documentación de identidad.
Lectura profunda: Lee la página completa, no solo el texto crudo. Identifica tablas y elementos visuales, y funciona perfectamente con documentos escaneados.
Límites de tamaño: El agente puede leer archivos de hasta 15 MB. Si el PDF supera ese peso, el agente informará al cliente que no puede leerlo, pero la conversación continuará con normalidad.
Excepciones: El agente también avisará si no puede procesar el archivo porque es un PDF protegido con contraseña, un archivo dañado, o un escaneo de tan baja calidad que resulta ilegible.
Regla de procesamiento: Se lee un PDF por mensaje. Si el cliente manda varios, se procesarán uno por uno.
Otros formatos excluidos: Esta capacidad de lectura interna aplica solo para PDF. Si el cliente envía Word, Excel, archivos comprimidos o video, el agente detectará la recepción del archivo, pero no podrá leer su contenido.
Aclaración sobre la memoria: La información de un PDF enviado por el cliente se entiende exclusivamente para resolver esa conversación; no se suma a la base de conocimiento general del agente. Todos los PDF recibidos quedan adjuntos en el historial de la conversación y se pueden descargar desde la vista de detalle.
🎙️ Audio
El nodo acepta mensajes de voz en MP3, OGG, WAV y M4A. El audio entrante se transcribe automáticamente a texto y se procesa como cualquier otro mensaje escrito. Además, puedes configurar que el nodo responda también con un audio (generando una nota de voz a partir de su texto). Ambos procesos (transcripción y generación) quedan registrados en tu historial.
📏 Límites de WhatsApp por tipo de archivo
Tipo | Formatos soportados | Tamaño máx. | Soporta Caption |
Audio | AAC, AMR, MP3, M4A, OGG | 16 MB | No |
Documento | PDF, DOC(X), XLS(X), PPT(X), TXT | 100 MB | Sí |
Imagen | JPEG, PNG | 5 MB | Sí |
Video | MP4, 3GPP (códec H.264 / audio AAC) | 16 MB | Sí |
(Nota: Cada archivo recibido se descarga y se guarda en tu almacenamiento propio, ya que los identificadores multimedia de Meta/WhatsApp expiran a los 30 días).
🟢 Funciones nativas de WhatsApp
Estas tres funciones hacen la conversación más natural y operan de forma transparente; no requieren configuración por nodo, ya que funcionan a nivel global del canal.
Responder a un mensaje citado: Si el cliente responde citando un mensaje anterior (ej. una foto, una cotización o una opción de carrusel), el nodo recibe esa referencia como parte del contexto.
Si es imagen: Accede al archivo y razona sobre el contenido visual junto con el nuevo mensaje.
Si es texto: Lo recibe como un bloque adicional de memoria.
Si es interactivo: Identifica qué opción exacta citó el cliente.
(El nodo también puede citar mensajes del cliente al responderle).
Indicador de escritura: Cuando el modelo de IA empieza a generar una respuesta, el cliente verá en su pantalla el clásico "escribiendo…". Este indicador se libera justo al enviar el mensaje, o después de un máximo de 25 segundos. (Solo se dispara si efectivamente se va a responder).
Vista previa de enlaces: Los mensajes que contienen una URL se envían con una vista previa enriquecida (título, descripción, imagen pequeña) en lugar del texto crudo. Es un interruptor a nivel de canal, habilitado por defecto. Si la web de destino no soporta vista previa, el link llega como texto normal sin generar error.
¡Haz que tu IA lea, vea y escuche como un humano! 🚀
Al aprovechar las capacidades multimedia y la nueva lectura inteligente de documentos PDF, dejas atrás los bots de texto plano para crear agentes inmersivos que analizan comprobantes, escuchan notas de voz e interactúan con la naturalidad que tus clientes exigen. ✅