Cómo crear un chatbot de inteligencia artificial para tu sitio de WordPress

Un visitante formula una pregunta a las 23:00 h de un domingo. En la mayoría de las páginas web de WordPress, se marcha sin obtener respuesta. En cambio, un chatbot de IA moderno le responde en tres segundos, basándose en TU contenido, y califica al cliente potencial antes de remitírtelo. Ya no hablamos de un árbol de decisión rígido, sino de un asistente impulsado por un modelo de lenguaje grande (LLM) y alimentado con tus páginas, artículos y preguntas frecuentes. A continuación te explicamos cómo crearlo, paso a paso, con los costes reales.

Los componentes de un chatbot WordPress AI

• El LLM, El modelo lingüístico (Claude AI, GPT-4 o Mistral) que comprende y genera el texto.
• La base de conocimientos, Sus páginas, artículos, FAQ, documentación, indexados en la base de datos de vectores
• El GAR (Recuperación-Generación mejorada), el sistema que busca los pasajes pertinentes para cada pregunta.
• La interfaz de chat, Widget integrado en tu WordPress, responsive, personalizado a tu carta
• El backend, API que orquesta RAG + LLM (n8n, Make o código personalizado)

Paso 1: Elegir tu LLM

Claude AI (Antrópica), Nuestra principal recomendación. Excelente en francés, seguro, preciso, honesto sobre sus limitaciones. API accesible a partir de 3 $/millón de tokens. Perfecto para chatbots de soporte y calificación.

GPT-4 (OpenAI), Muy creativo, multimodal, amplio contexto. Ligeramente más caro. Servidores estadounidenses, compruebe el cumplimiento del RGPD en función de su uso.

Mistral Grande, Código abierto, alojamiento disponible en la UE. Excelente para el francés. Ideal si sus datos son sensibles y desea el máximo cumplimiento del RGPD.

Paso 2: Construir la base de conocimientos

1. Exporte el contenido de WordPress (entradas, páginas, preguntas frecuentes) mediante la función nativa de exportación XML de WordPress.
2. Limpiar el contenido (eliminar HTML, normalizar)
3. Divide en «chunks» de entre 500 y 1000 tokens
4. Generar incrustaciones (vectores digitales) a través de la API OpenAI o Cohere
5. Almacenar en una base de datos vectorial (Pinecone, Chroma, o pgvector si es autoalojado)

Paso 3: Configurar la RAG con n8n

1. Flujo de trabajo n8n : Webhook (pregunta del usuario)
2. Nodo : Generar la incrustación de la pregunta
3. Nodo: Buscar los 5 trozos más cercanos en Pinecone
4. Nodo: Construir aviso con contexto + pregunta
5. Nodo: Enviar a Claude AI API
6. Nodo: Devuelve la respuesta al widget de chat

El secreto de un buen chatbot no está en el modelo, sino en el sistema de prompts. Es este el que evita las alucinaciones y marca el tono. Esta es la estructura que utilizamos:

Eres el asistente de [Empresa]. Responde ÚNICAMENTE basándote
en el CONTEXTO que se proporciona a continuación. Normas:
- Si la respuesta no está en el contexto, dilo con sinceridad
  y sugiere ponerse en contacto con el equipo. Nunca te inventes nada.
- Responde en francés, con un tono profesional y conciso (3 frases como máximo).
- Termina con una acción útil: un enlace a la página adecuada o
  la propuesta de dejar un correo electrónico para que se pongan en contacto contigo.

CONTEXTO:
{chunks_pertinents}

PREGUNTA: {question_utilisateur}

Este enfoque de «responder únicamente en función del contexto» es lo que distingue a un chatbot fiable de un artilugio que se inventa tarifas y funcionalidades inexistentes.

Paso 4: Integrar el widget en WordPress

Opción 1: Crear un shortcode de WordPress que cargue un widget JavaScript personalizado (botón flotante, ventana de chat, animación de apertura).

Opción 2: Utiliza Crisp, Intercom o Tidio como interfaz de chat, y conecta tu backend RAG + LLM como un bot personalizado a través de su API.

Opción 3: Utilizar una solución llave en mano como Voiceflow o Botpress, que ofrecen interfaces sin código e integración con WordPress en 5 minutos.

Paso 5: Probar y calibrar

• Pruebe manualmente más de 100 preguntas típicas de sus visitantes
• Comprueba que el bot responda «no lo sé» cuando se le planteen temas que no entran dentro de su ámbito (sin inventarse respuestas).
• Ajustar las instrucciones del sistema (tono, límites, CTA recomendados)
• Configurar la escalada humana para casos complejos

¿Cuánto cuesta un chatbot con IA para WordPress?

La cuestión del presupuesto no tarda en surgir. Hay tres opciones, y la API es la más barata:

• API LLM : ~3 $ por cada millón de tokens de entrada con Claude. Para un sitio web con 1 000 conversaciones al mes, suele haber entre 15 y 40 $ al mes.
• Base vectorial : gratuita en modo autohospedado (pgvector, Chroma), ~70 $ al mes para un Pinecone gestionado con un volumen moderado.
• Desarrollo e integración : ese es el coste real, de una vez por todas. Un chatbot RAG a medida, conectado a tu contenido y a tu CRM, suele costar unos cuantos miles de euros, dependiendo de su complejidad.

Resultados esperados

• 80 preguntas frecuentes sobre % resueltas sin intervención humana
• Tiempo medio de respuesta: 2-3 segundos (frente a las 2-4 horas de un ser humano)
• Disponibilidad 24/7/365
• +20 a +35 % de clientes potenciales cualificados (el chatbot recopila información antes de transmitirla)

Un chatbot suele ser solo el primer paso. La lógica de RAG y n8n que se describe aquí es la misma que la de los agentes de IA que automatizan procesos empresariales completos, y combina a la perfección con el’Automatización del comercio electrónico mediante Make y n8n. Para tener una visión general, mira cómo La IA está transformando por completo la creación de sitios web de WordPress.

Desarrollar este sistema internamente requiere tiempo y conocimientos especializados en modelos de lenguaje grande (LLM). Si prefieres un chatbot operativo en unas semanas en lugar de en unos meses, esto es exactamente lo que necesitas. nuestro servicio de chatbot con IA para sitios web.