Din supportinkorg blir rörig snabbt. En kund frågar på spanska, en annan på franska, och plötsligt förvandlas dina ”enkla” frågor om orderstatus till långsamma fram-och-tillbaka-konversationer, inkonsekventa svar och fler återbetalningar än du vill erkänna.
Om du är supportansvarig är det här en punkt där kvaliteten börjar svikta. E-handelsansvariga märker det när omdömena sjunker. Och för en marknadschef är det smärtsamt att se betald trafik konvertera … för att sedan tappa kunder eftersom upplevelsen efter köp är kaotisk. Det här OpenAI Slack-chatbot-flödet stramar upp det med flerspråkiga svar och en smidig överlämning till människa.
Du sätter upp en n8n-automation som upptäcker språk, svarar enligt dina policys, behåller kontext mellan meddelanden och skickar avvikande fall till Slack så att inget missas.
Så fungerar automationen
Här är det kompletta flödet du kommer att sätta upp:
n8n Workflow Template: OpenAI + Slack: flerspråkiga svar för e-handel
flowchart LR
subgraph sg0["When chat message received Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "When chat message received", pos: "b", h: 48 }
n1@{ icon: "mdi:robot", form: "rounded", label: "Structured Output Parser", pos: "b", h: 48 }
n2@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model", pos: "b", h: 48 }
n3@{ icon: "mdi:swap-vertical", form: "rounded", label: "Split Out", pos: "b", h: 48 }
n4@{ icon: "mdi:brain", form: "rounded", label: "OpenAI Chat Model2", pos: "b", h: 48 }
n5@{ icon: "mdi:memory", form: "rounded", label: "Simple Memory", pos: "b", h: 48 }
n6@{ icon: "mdi:swap-vertical", form: "rounded", label: "Ecommerce Language Prompts", pos: "b", h: 48 }
n7["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/merge.svg' width='40' height='40' /></div><br/>Keep Only Selected Language"]
n8@{ icon: "mdi:robot", form: "rounded", label: "Detect Language", pos: "b", h: 48 }
n9@{ icon: "mdi:robot", form: "rounded", label: "Chat Agent", pos: "b", h: 48 }
n3 --> n7
n5 -.-> n9
n8 --> n7
n2 -.-> n8
n4 -.-> n9
n1 -.-> n8
n6 --> n3
n0 --> n8
n0 --> n6
n7 --> n9
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n0 trigger
class n1,n8,n9 ai
class n2,n4 aiModel
class n5 ai
classDef customIcon fill:none,stroke:none
class n7 customIcon
Varför det här spelar roll: flerspråkig support utan kaos
De flesta e-handelsteam har inte problem med ”support” som koncept. De har problem med volym, repetitiva frågor och de små policydetaljerna som försvinner när fem olika personer svarar på samma fråga på tre olika språk. En agent säger att returer är 30 dagar, en annan säger 14. Någon översätter för bokstavligt och låter otrevlig. Sedan lägger du eftermiddagen på att reda ut missförstånd i stället för att lösa kundens faktiska problem. Det är dränerande, och det slår tyst mot intäkterna genom chargebacks, dåliga omdömen och kunder som helt enkelt inte kommer tillbaka.
Det växer snabbt. Här är var det vanligtvis fallerar.
- Agenter skriver om samma svar om spårning och returer hela dagen, och det äter timmar varje vecka.
- När meddelanden kommer in på spanska eller franska blir svarstiden långsammare eftersom någon måste översätta, dubbelkolla tonen och ändå vara korrekt.
- Policysvar glider över tid, så kunder får olika utfall beroende på vem som svarade.
- Avvikande ärenden begravs i kön, vilket gör att dina ”akuta” frågor blir morgondagens bränder.
Det du bygger: en flerspråkig chatagent med eskalering till Slack
Det här flödet förvandlar inkommande chattmeddelanden till konsekventa, varumärkesanpassade supportsvar på engelska, spanska och franska. Det startar när ett kundmeddelande når din chatt-ingång i n8n. En AI-agent för ”språkidentifiering” avgör vilket språk kunden använder, och sedan hämtar flödet rätt systemprompt från ditt promptbibliotek (så att returpolicy, fraktregler och ton förblir konsekventa). Därefter genererar en kundsupportagent som drivs av OpenAI GPT-5 Nano själva svaret, med konversationsminne så att kunden slipper upprepa sig. Om flödet upptäcker saknade uppgifter eller en avvikande begäran kan du i stället skicka konversationen till människor i Slack, i stället för att gissa.
Flödet börjar med chatt-triggern och språkdetektering. Sedan matchas en förskriven språkprompt som styr modellen. Till sist producerar agenten ett supportklart svar med kontext, och ditt team får en tydlig eskaleringsväg för allt som innebär risk.
Det du bygger
| Det som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att din butik får cirka 30 chattmeddelanden per dag, och att ungefär hälften är återkommande frågor (spårning, returer, adressändringar). Manuellt tar ett noggrant svar ofta runt 8 minuter när du har letat upp ordern, översatt vid behov och skrivit något trevligt. Det är ungefär 4 timmar skrivande per dag. Med det här flödet blir de flesta av de svaren en snabb granskning och skicka, kanske 1 minut styck, medan AI:n gör utkast och språkhantering i bakgrunden. Du får typiskt tillbaka cirka 3 timmar en sådan dag.
Innan du börjar
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- OpenAI för flerspråkig chattgenerering
- Slack för att ta emot aviseringar vid överlämning till människa
- OpenAI API-nyckel (hämta den från OpenAI Platform)
Svårighetsgrad: Nybörjare. Du kopplar konton, klistrar in prompts och testar några exempelchattar.
Vill du att någon bygger det här åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
Ett kundmeddelande triggar flödet. ”Incoming Chat Trigger” startar allt så fort ett nytt chattmeddelande kommer in i n8n, tillsammans med den metadata du skickar med (som ett session-ID eller ordernummer).
Flödet identifierar språket och laddar rätt policyprompt. Ditt ”Commerce Prompt Library” lagrar separata systemprompts för engelska, spanska och franska. Språkidentifieringsagenten väljer vilken som passar, och n8n sammanfogar den prompten i meddelandekontexten så att modellen följer dina regler.
OpenAI skriver ett supportfärdigt svar med minne. Kundsupportagenten använder OpenAI:s chattmodell plus konversationsminne för att hålla kontinuitet. Om kunden redan delade ett ordernummer för två meddelanden sedan kan agenten fortsätta utan att fråga igen.
Avvikande fall kan gå till människor i Slack. När agenten inte kan svara säkert (saknade uppgifter, ovanliga önskemål, policykonflikter) kan du routa det utfallet till Slack så att teamet hanterar det med full kontext.
Du kan enkelt ändra promptbiblioteket för att lägga till fler språk eller justera ton efter dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: Konfigurera chattriggern
Konfigurera arbetsflödets startpunkt så att inkommande chattmeddelanden startar automationen och förgrenar till språkidentifiering och förberedelse av prompt.
- Lägg till noden Incoming Chat Trigger som din trigger.
- Behåll standardkonfigurationen för options om inte er chattkanal kräver anpassade inställningar.
- Anslut Incoming Chat Trigger till både Language Identification och Commerce Prompt Library så att de körs samtidigt.
Incoming Chat Trigger skickar utdata till både Language Identification och Commerce Prompt Library parallellt.
Steg 2: Anslut OpenAI för språk- och supportsvaret
Koppla OpenAI-modeller till AI-agenterna som identifierar språk och svarar kunder.
- Öppna Primary OpenAI Chat och ställ in model till
gpt-5-nano. - Behörighet krävs: Anslut era
openAiApi-uppgifter i Primary OpenAI Chat. - Öppna Secondary OpenAI Chat och ställ in model till
gpt-5-nano. - Behörighet krävs: Anslut era
openAiApi-uppgifter i Secondary OpenAI Chat. - Säkerställ att Primary OpenAI Chat är ansluten till Language Identification som språkmodell och att Secondary OpenAI Chat är ansluten till Customer Support Agent.
Steg 3: Konfigurera språkidentifiering
Konfigurera AI-tolkningen så att arbetsflödet tillförlitligt kan identifiera språket i varje inkommande meddelande.
- I Language Identification, bekräfta att hasOutputParser är aktiverat.
- Ställ in systemMessage till
Identify what language this is written in. output the language. \n\noutput like this. all lower case\n\n{\n\t"language": "English"\n}. - Öppna Structured Result Parser och ställ in jsonSchemaExample till
{\n\t"language": "English"\n}. - Säkerställ att Structured Result Parser är ansluten till Language Identification som utdata-parser.
Steg 4: Bygg promptbiblioteket och dela språkposter
Tillhandahåll flerspråkiga systemprompter och dela upp dem i individuella poster för matchning.
- I Commerce Prompt Library, behåll assignments-arrayen som definierar languages med systemprompter för engelska, spanska och franska.
- Bekräfta att varje post i languages-arrayen innehåller värden för language och system_prompt.
- I Split Language Records, ställ in fieldToSplitOut till
languages. - Anslut Commerce Prompt Library → Split Language Records för att få ut en språkpost per item.
Steg 5: Matcha språk och generera supportsvar
Kombinera det identifierade språket med rätt prompt och svara kunden med kontext baserad på minne.
- I Match Chosen Language, ställ in mode till
combineoch aktivera advanced. - Ställ in mergeByFields så att
languagematchas motoutput.language. - Anslut Split Language Records till Match Chosen Language och Language Identification till Match Chosen Language (index 1).
- I Conversation Memory, ställ in sessionIdType till
customKeyoch sessionKey till{{ $('Incoming Chat Trigger').item.json.sessionId }}. - I Customer Support Agent, ställ in text till
{{ $('Incoming Chat Trigger').item.json.chatInput }}och systemMessage till{{ $json.system_prompt }}. - Säkerställ att Conversation Memory är ansluten till Customer Support Agent via porten ai_memory.
english, spanish, french) i Commerce Prompt Library för att matcha utdata från Language Identification.Steg 6: Testa och aktivera ert arbetsflöde
Verifiera att automationen identifierar språk, väljer rätt prompt och svarar med rätt ton innan ni aktiverar den i produktion.
- Klicka på Execute Workflow och skicka ett testmeddelande via Incoming Chat Trigger.
- Verifiera att Language Identification returnerar ett JSON-objekt med
languageoch att Match Chosen Language slår ihop en matchande prompt. - Bekräfta att Customer Support Agent svarar på samma språk som indata och använder motsvarande systemprompt.
- När allt är verifierat, växla arbetsflödet till Active för att hantera livechattar.
Felsökningstips
- OpenAI-inloggningar kan gå ut eller misslyckas om ditt saldo är noll. Om svaren slutar komma, kontrollera din OpenAI API-nyckel i n8n och bekräfta att ditt OpenAI-betalningskonto har medel.
- Om du använder Wait-noder eller andra externa steg du lägger till senare varierar processtiderna. Öka väntetiden om efterföljande noder misslyckas på grund av tomma svar.
- Standardprompts i AI-noder är generiska. Lägg in butikens policys och varumärkesröst i set-noden ”Commerce Prompt Library”, annars kommer du att sitta och redigera utdata hela tiden.
Snabba svar
Cirka 30 minuter om din OpenAI-nyckel är klar och Slack är anslutet.
Nej. Du kommer främst att redigera prompts och koppla inloggningar i n8n.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volymer. Du behöver också räkna in OpenAI API-kostnader, som vanligtvis ligger på några cent per konversation beroende på meddelandelängd.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärt och hanterar n8n bra. Egen drift ger dig obegränsade exekveringar men kräver grundläggande serveradministration.
Ja, och det handlar mest om prompts. Uppdatera set-noden ”Commerce Prompt Library” för att lägga till språk, byta policys eller ändra ton för olika varumärken. Om du vill ha striktare utdata, skärp instruktionerna i ”Customer Support Agent” och håll en kort lista över tillåtna åtgärder (spårning, returer, byten). Du kan också ersätta språkidentifieringsagenten med ett enkelt språkdetekteringssteg om du vill ha mer förutsägbar routning.
Oftast handlar det om en ogiltig API-nyckel eller ett faktureringsproblem på OpenAI-kontot. Skapa en ny nyckel, uppdatera OpenAI-inloggningarna i n8n och bekräfta att faktureringen har medel. Om det fortfarande misslyckas, kontrollera problem med modellåtkomst (fel modell vald) eller rate limiting när många chattar kommer in samtidigt.
I n8n Cloud beror gränsen på din plans månatliga exekveringar, och vid egen drift finns ingen fast exekveringstak (det beror på din server). I praktiken kan de flesta små butiker köra hundratals chattar per dag utan att ändra något, så länge OpenAI-användningen och serverresurserna hänger med. Om du förväntar dig toppar, lägg till köhantering eller separata flöden för ”svarsutkast” och ”överlämning till människa”.
Ofta, ja. n8n passar helt enkelt bättre för agentliknande flöden där du behöver minne, förgreningar och promptbibliotek, och där du inte vill att kostnaderna skenar när volymen ökar. Det är också enklare att ha allt på ett ställe: språkdetektering, promptval och det slutliga svaret. Zapier och Make kan fungera om du gör något väldigt grundläggande, som ”skicka varje chatt till Slack”, men så fort du behöver logik och kontext blir det pilligt. Om du är osäker, prata med en automationsexpert så får du en rak rekommendation baserat på din volym och din risktolerans.
Sätt upp det här en gång, så slipper ditt supportteam skriva om samma svar på tre språk. Flödet hanterar det repetitiva, och Slack håller människor informerade när det faktiskt spelar roll.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.