Jak zbudować bota na WhatsApp, który kwalifikuje leada w 60 sekund

WhatsApp jest w Polsce drugim najczęściej używanym komunikatorem po Messengerze. Jeśli Twoi leady preferują pisanie nad dzwonienie, WhatsApp Business API + AI to przepustowość, o której nie śniło się call center: jeden bot obsługuje 500 rozmów równolegle, 24/7, po polsku i po angielsku, z odpowiedzią w 3 sekundy.

W tym tutorialu pokazuję, jak zbudować takiego bota w Make + OpenAI + WhatsApp Cloud API — całość w jeden weekend, koszt miesięczny poniżej 50 USD przy 1000 rozmów.

Architektura

1. Lead pisze do Ciebie na WhatsApp (z reklamy Click-to-Chat, ze strony lub QR).
2. WhatsApp Cloud API wysyła webhook do Make.
3. Make loguje wiadomość w Supabase/Airtable (historia konwersacji).
4. GPT-4o z systemowym promptem kwalifikacyjnym generuje odpowiedź.
5. Make wysyła odpowiedź przez WhatsApp Cloud API.
6. Po spełnieniu kryteriów kwalifikacji (budżet, timeline, decision maker) bot zapisuje leada w CRM i wysyła link do kalendarza.

Krok 1: WhatsApp Business Cloud API

Zapomnij o Twilio — Meta udostępnia własne Cloud API, które jest tańsze i bezpośrednie. Setup:

• Załóż konto na developers.facebook.com, stwórz aplikację typu Business.
• Dodaj produkt „WhatsApp".
• Dostaniesz testowy numer i sandbox z 1000 darmowych konwersacji miesięcznie.
• Na produkcję: verify swój numer firmowy (WhatsApp Business Manager).
• Cennik: marketing conversation = 0.0616 USD, utility = 0.0224 USD (Polska, stawki 2026).

Krok 2: Webhook do Make

W Make stwórz scenariusz startujący od modułu „Webhooks → Custom webhook". Dostaniesz URL — wklej go w Meta Developer Console jako callback URL dla wiadomości. Ustaw subscription field: messages.

Pułapka: Meta wymaga weryfikacji webhooka. Make obsługuje to automatycznie, ale na pierwszy strzał subskrypcji trzeba dodać static verify token — wstaw go w module „Custom webhook" → Advanced settings.

Krok 3: Historia konwersacji w Supabase

GPT nie ma pamięci między wywołaniami. Żeby bot „pamiętał" poprzednie wiadomości, musisz mu je przekazywać. Najprościej: tabela w Supabase z kolumnami phone_number, role (user/assistant), content, created_at.

W Make po odebraniu wiadomości:

1. Wstaw wiadomość usera do Supabase.
2. Pobierz ostatnie 20 wiadomości dla tego numeru, posortowane chronologicznie.
3. Zmapuj je jako array do OpenAI API w formacie [{role:'user', content:'...'}, {role:'assistant', content:'...'}].

Krok 4: Prompt systemowy — serce bota

To tu większość tutoriali upada. Słaby prompt = bot, który brzmi jak robot i odstrasza leady. Oto szkielet, który faktycznie działa:

Jesteś asystentem sprzedażowym firmy [X]. Twoim zadaniem jest:
1. W naturalny sposób przywitać osobę.
2. Zrozumieć jej problem (pytania otwarte, nie ankieta).
3. Zebrać 4 informacje, ale rozłożone w rozmowie:
   - branża
   - skala problemu (liczby, czas, pieniądze)
   - kto decyduje
   - kiedy chcą to rozwiązać
4. Jak zbierzesz wszystkie 4, wyślij w odpowiedzi JSON:
   {"qualified": true, "summary": "...", "budget_signal": "...", "urgency": "..."}
5. Nie zadawaj wszystkich pytań naraz. Maks. 1 pytanie na wiadomość.
6. Nie udawaj człowieka. Jak spyta „jesteś botem" — odpowiedz szczerze.
7. Język: polski, ty/pan zależnie od tonu rozmówcy.
8. Nigdy nie obiecuj cen ani terminów — przekazuj do kalendarza.

Krok 5: Router — rozmowa vs. qualified

W Make dodaj Router po OpenAI. Jedna gałąź: jeśli odpowiedź zawiera "qualified": true → zapisz do CRM (HubSpot/Pipedrive/Airtable) + wyślij link do kalendarza (Cal.com/Calendly). Druga gałąź: zwykła odpowiedź → wyślij do WhatsApp.

Krok 6: Wysyłka odpowiedzi

Moduł HTTP w Make, POST na https://graph.facebook.com/v19.0/[PHONE_NUMBER_ID]/messages, z bearer tokenem i body:

{
  "messaging_product": "whatsapp",
  "to": "{{phone}}",
  "type": "text",
  "text": { "body": "{{gpt_response}}" }
}

Koszty miesięczne (1000 konwersacji)

• WhatsApp Cloud API: pierwsze 1000 darmowe, potem ~0.02 USD/conversation = ~0 USD.
• OpenAI GPT-4o: średnio 10 wiadomości/konwersację × 500 tokenów × 0.0025 USD/1K = ~12 USD.
• Make: plan Core 9 USD (10 000 operacji starczy z zapasem).
• Supabase: free tier (50 MB bazy to dziesiątki tysięcy rozmów).
• Razem: ~85 PLN/mc na 1000 konwersacji.

Pułapki, na które nadepnieszy

• Session window. Po 24h od ostatniej wiadomości usera nie możesz mu pisać „free-form" — tylko przez zatwierdzone template'y. Zaplanuj follow-upy w oknie.
• Rate limit OpenAI. Przy nagłym skoku ruchu uderzysz w 500 req/min. Make ma built-in retry, ale lepiej dodać moduł „Sleep" 1s przed GPT.
• Halucynacje cen. Zawsze dodaj do promptu „nigdy nie podawaj cen". GPT zmyśli, a lead przyjdzie z pretensjami.
• Zgoda marketingowa. Pierwsza wiadomość od usera daje zgodę na odpowiedź — nie zaczynaj rozmowy od cold outreach, to łamie ToS WhatsApp.