Cómo automatizar pedidos por WhatsApp en un restaurante de Lima.
Te cuento la arquitectura mínima viable del sistema que diseñamos para Mar y Selva y que probamos con pedidos simulados: cómo entran los pedidos, cómo el sistema saca los datos del mensaje, cómo se valida la cobertura por distrito y cómo termina la comanda en cocina sin que nadie copie y pegue a mano. Y al final, los tres errores concretos que cometí, para que tú no los repitas.
Arthur Macedo · · 12 min

Un solo número de WhatsApp, dos turnos, y los pedidos se pierden entre saludos.
Muchos restaurantes de Lima reciben pedidos por WhatsApp desde el almuerzo hasta el cierre, y el número suele manejarlo la cajera, en paralelo con la caja física, la atención en sala y las reservas. En horas pico le llegan varios mensajes a la vez: unos pidiendo la carta, otros confirmando una reserva, otros mandando la captura del Yape de un delivery.
Los problemas son predecibles: pedidos que entran a las 9:45 de la noche y nadie responde hasta el día siguiente, direcciones mal copiadas que terminan con el mensajero llamando al cliente desde la otra punta del distrito, Yapes confirmados sin que el ticket llegue nunca a cocina, y el restaurante perdiendo dinero sin saber por qué.
La salida obvia es contratar a alguien más, pero al diseñar el sistema para Mar y Selva partimos de otra idea: el problema no es de personal, es que el flujo del pedido no está escrito en ningún lado y vive en la cabeza de la cajera. Antes de meter más gente al caos, hay que digitalizar el caos.
Cuatro piezas que hacen todo el trabajo.
El stack se reduce a cuatro componentes, y todos hablan el mismo idioma vía webhooks. Lo dejé deliberadamente simple para que una sola persona pueda mantenerlo.
Twilio WhatsApp Business API. Es el puente entre el WhatsApp del cliente y el resto del sistema. Cada mensaje entrante pega contra un webhook de n8n. Empecé con el sandbox (whatsapp:+14155238886).
n8n como router. Es el cerebro. Recibe el webhook, identifica al cliente en Supabase, lo manda al workflow correcto según intención, y orquesta todas las respuestas. Durante las pruebas corrió self-hosted en mi máquina, con quince workflows en total, aunque para pedidos delivery solo importan cuatro.
Supabase como base de datos. Tablas para clientes, menú con alérgenos y variantes, pedidos delivery, y zonas de cobertura. Es Postgres puro, consultado con el HTTP node desde n8n, sin ORM ni abstracciones.
Claude Haiku 4.5 como extractor. Aquí está la diferencia con un bot tradicional de menú-por-botones. En vez de obligar al cliente a navegar un árbol, lo dejas escribir como escribiría a un humano ("quiero 2 patarashcas mixtas y 1 chicha morada, mando a Tomás Marsano 1340") y el modelo te devuelve un JSON estructurado con items, cantidades, dirección y si va con Yape, Plin o efectivo.
De "hola, quiero pedir" a comanda en cocina, sin tocar el teclado.
El flujo completo son seis pasos. Cada paso es un nodo de n8n encadenado con el siguiente. Te lo cuento en el orden en que se ejecuta:
- Webhook recibe el mensaje. Twilio te manda el body como
application/x-www-form-urlencoded. El campo importante esWaId(teléfono sin el+) yBody(texto). Si es audio, llegaMediaUrl0y se manda a Whisper para transcribir. - Identificar al cliente. HTTP node a Supabase:
GET /customers?phone=eq.%2B{{ $json.WaId }}. Si no existe, lo creo en ese mismo nodo. Si existe, traigo suconversation_historyy sus alérgenos. - El router detecta la intención. Claude Haiku recibe el mensaje + historial + menú compacto y devuelve uno de seis valores:
reserva,pedido_delivery,consulta_menu,queja,cancelacion,general. Si espedido_delivery, sigo en este workflow. Si es otra cosa, salto a otro. - Extracción estructurada. Segunda llamada a Claude pidiéndole un JSON específico:
{ items: [{nombre, cantidad, variante}], direccion, metodo_pago, notas }. Aquí es donde el modelo brilla: el cliente escribió "una patarashca mixta sin culantro y un tacacho con cecina, te yapeo" y tú recibes un objeto listo para insertar. - Validar cobertura y calcular el delivery. La dirección pasa por Google Maps Distance Matrix contra la dirección del local. Si el distrito está en la tabla
delivery_zones, calculo cuánto cuesta el delivery. Si no, le contesto educadamente que aún no llegamos a esa zona. La zona de cobertura la dejé configurable por horario, por ejemplo amplia antes de las 6 de la tarde y más chica después, porque eso lo decide el restaurante, no yo. - Confirmar al cliente y mandar comanda. Le mando un mensaje resumiendo el pedido, total y tiempo estimado. Si confirma, inserto el pedido en
delivery_orderscon estadopendiente_pago, genero el enlace de cobro con Culqi, y cuando Culqi confirma el cobro, el pedido pasa a la cocina: vía API del POS si está disponible, o vía un mensaje formateado al canal Alertas Delivery de Chatwoot si no.
Eso es todo. Lo diseñamos para que la cajera solo intervenga si algo se sale del flujo: un cambio de dirección a último momento, una queja o un pedido de un influencer al que hay que tratar distinto.
Tres cosas que se rompieron en las pruebas, y cómo las arreglé.
Si estás construyendo algo parecido, ahórrate estos tres dolores de cabeza. Los descubrí probando el flujo de punta a punta, con pedidos de prueba.
1. URL encoding del + en queries a Supabase. Los teléfonos en Perú empiezan con +51. Si haces GET /customers?phone=eq.+51929410507, Postgrest interpreta el + como un espacio y nunca encuentra al cliente. Hay que encodearlo como %2B. Mi query final quedó phone=eq.%2B{{ $json.WaId }}. Pasé tres horas pensando que era un bug del HTTP node.
2. El bug del Switch v3 con caseSensitive. En n8n v3, el nodo Switch tiene una opción caseSensitive que en ciertas versiones simplemente no funciona: la comparación es siempre case-sensitive aunque la apagues. Me partió el router porque Claude a veces devolvía Pedido_Delivery y a veces pedido_delivery. Solución: forzar .toLowerCase() en un Code node previo, o reemplazar el Switch por uno recreado desde cero; a veces los nodos viejos cargan con el bug y los nuevos no.
3. No validar la dirección antes de cobrar. En la primera versión cobraba con Culqi y después validaba la cobertura, y en las pruebas dos pedidos de fuera de zona llegaron a cobrarse. Ahora la validación de Google Maps va antes del enlace de cobro, y ese enlace solo se genera si la dirección está dentro del polígono. Suena obvio escrito, pero cuando estás desarrollando el flujo es fácil saltarse pasos.
Bonus: cuando estés construyendo el prompt del router, dale al modelo el menú completo con ingredientes y alérgenos, no solo nombres. En un restaurante, alguien va a preguntar "¿el tacacho tiene gluten?", y si el modelo solo ve nombres de platos, alucina.
¿Quieres ver el sistema completo?
Este post cubre el flujo de pedidos. El sistema que diseñamos para Mar y Selva tiene además reservas, recordatorios, un acceso privado para el equipo, un mensaje semanal a los clientes y un resumen diario para el dueño.
Conocer los sistemasVer la web que propusimos a Mar y SelvaHablemos


