Bokningsförfrågningar kommer alltid vid sämsta möjliga tidpunkt. Du svarar, ber om detaljer, väntar och inser sedan att tiden redan är tagen (eller att du skrev in den på fel ställe).
Den här bokningsautomationen i Telegram slår hårdast mot klinikadministratörer, men praktikägare och byråer som bygger chattbaserad inskrivning känner av den också. Du får bekräftade tider inskrivna i Google Sheets, med betydligt mindre fram och tillbaka.
Det här flödet omvandlar Telegram-text och röstmeddelanden till strukturerade bokningsuppgifter, kontrollerar tillgänglighet, föreslår alternativ vid behov och skickar en tydlig bekräftelse. Du får se hur det fungerar, vad du behöver och vad du ska se upp med.
Så fungerar automationsflödet
Hela n8n-flödet, från trigger till slutresultat:
n8n Workflow Template: Telegram + Google Sheets: bokningar bekräftas åt dig
flowchart LR
subgraph sg0["Telegram Flow"]
direction LR
n0@{ icon: "mdi:robot", form: "rounded", label: "AI Agent", pos: "b", h: 48 }
n1["<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/telegram.svg' width='40' height='40' /></div><br/>Telegram Trigger"]
n2@{ icon: "mdi:brain", form: "rounded", label: "Google Gemini Chat Model", pos: "b", h: 48 }
n3@{ icon: "mdi:memory", form: "rounded", label: "Simple Memory", pos: "b", h: 48 }
n4@{ icon: "mdi:database", form: "rounded", label: "Doctor_Info", pos: "b", h: 48 }
n5["<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/telegram.svg' width='40' height='40' /></div><br/>Send a text message"]
n6["<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/telegram.svg' width='40' height='40' /></div><br/>Send a chat action"]
n7@{ icon: "mdi:database", form: "rounded", label: "Dr Karan Singh", pos: "b", h: 48 }
n8@{ icon: "mdi:database", form: "rounded", label: "Dr Arjun Mehta", pos: "b", h: 48 }
n9@{ icon: "mdi:database", form: "rounded", label: "Dr Karan Singh Append Row", pos: "b", h: 48 }
n10@{ icon: "mdi:database", form: "rounded", label: "Dr Arjun Mehta Append Row", pos: "b", h: 48 }
n11@{ icon: "mdi:swap-horizontal", form: "rounded", label: "Switch", pos: "b", h: 48 }
n12["<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/telegram.svg' width='40' height='40' /></div><br/>Get a file"]
n13@{ icon: "mdi:robot", form: "rounded", label: "Transcribe a recording", pos: "b", h: 48 }
n14@{ icon: "mdi:swap-vertical", form: "rounded", label: "Edit Fields", pos: "b", h: 48 }
n15@{ icon: "mdi:swap-vertical", form: "rounded", label: "Edit Fields1", pos: "b", h: 48 }
n11 --> n15
n11 --> n12
n0 --> n5
n12 --> n13
n4 -.-> n0
n14 --> n0
n15 --> n0
n3 -.-> n0
n8 -.-> n0
n7 -.-> n0
n1 --> n11
n1 --> n6
n13 --> n14
n2 -.-> n0
n10 -.-> n0
n9 -.-> n0
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 n1 trigger
class n0,n13 ai
class n2 aiModel
class n3 ai
class n11 decision
class n4,n7,n8,n9,n10 database
classDef customIcon fill:none,stroke:none
class n1,n5,n6,n12 customIcon
Problemet: bokningsförfrågningar skapar dolt kaos
Tidsbokning låter enkelt tills du gör det via chatt. Folk skickar halva uppgifter (“I morgon förmiddag?”), de ändrar sig mitt i tråden, eller skickar ett röstmeddelande samtidigt som du försöker triagera tio andra meddelanden. Sedan måste du ändå översätta konversationen till en schemalista, ofta ett Google Sheet. Missar du en detalj får du dubbelbokning. Missar du ett meddelande hamnar patienten hos fel läkare. Det värsta är den mentala belastningen: du går runt och håller ofärdiga trådar i huvudet eftersom du inte litar på processen.
Det eskalerar snabbt. Här är var det fallerar i verkligheten.
- Du lägger cirka 10 minuter per förfrågan bara på att plocka fram grunderna (läkare, datum, tid).
- Röstmeddelanden bromsar allt eftersom du inte kan söka i dem eller kopiera detaljer.
- Tillgänglighetskontroller hoppas över när det är stressigt, så konflikter smyger sig in.
- Bekräftelser blir inkonsekventa, vilket skapar fler uppföljningar av typen “Vänta, vilken tid var det?”
Lösningen: Telegram-meddelanden blir bokningsrader redo för Sheets
Det här n8n-flödet lyssnar efter nya Telegram-meddelanden och routar dem beroende på om användaren skickar text eller ett röstmeddelande. Röstmeddelanden hämtas automatiskt och transkriberas, så allt blir ren text som AI:n kan förstå. Därefter tolkar en AI-agent vad personen vill boka, hämtar läkaruppgifter från en katalog i Google Sheets och kontrollerar rätt schemasheet för den läkaren. Om tiden redan är upptagen svarar flödet i Telegram med alternativa tider. Om tiden är ledig bekräftar den detaljerna med användaren och lägger sedan till bokningen i rätt Google Sheet. Till sist får patienten ett tydligt bekräftelsemeddelande som sammanfattar läkare, datum och tid.
Flödet startar med en Telegram-trigger och en “skriver…”-indikator så att chatten känns responsiv. Sedan normaliserar det input (text eller transkriberat ljud) och skickar vidare till Care Assistant Agent. När agenten har kontrollerat katalogen och läkarens schemasheet föreslår den antingen alternativ eller registrerar den bekräftade tiden och svarar med slutlig sammanfattning.
Det du får: automation vs. resultat
| Det här flödet automatiserar | Resultatet du får |
|---|---|
|
|
Exempel: så kan det se ut
Säg att din klinik bokar cirka 15 tider per dag via Telegram. Manuellt kanske du lägger 10 minuter på att bekräfta detaljer, 5 minuter på att kontrollera sheetet och ytterligare 5 minuter på att logga och skicka en bekräftelse, alltså ungefär 20 minuter per förfrågan. Det är runt 5 timmar adminarbete per dag. Med det här flödet skickar användaren en text eller ett röstmeddelande (under en minut), AI:n sköter tolkning och kontroller i Sheets, och du kliver främst in när ett specialfall kräver en människa. I praktiken minskar många team de där 5 timmarna till cirka 1 timmes övervakning.
Det du behöver
- n8n-instans (testa n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Telegram för att ta emot bokningsförfrågningar i chatten
- Google Sheets för läkarkatalog och scheman
- Åtkomst till Google Gemini API (aktivera i Google AI Studio)
Svårighetsgrad: Medel. Du kopplar konton, mappar några fält och testar med riktiga meddelanden (text och röst).
Vill du inte sätta upp detta själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Ett Telegram-meddelande triggar flödet. Ett nytt chattmeddelande (text eller röst) går in i Telegram Intake Trigger, och flödet skickar direkt en indikator för att den “skriver” så användaren ser att något händer.
Röst och text normaliseras. En Switch-nod routar efter meddelandetyp. Text går direkt in i ett mappat fält för “meddelandetext”, medan röstmeddelanden hämtas från Telegram, transkriberas och mappas in i samma format.
AI-agenten gör intent till bokningsdetaljer. Care Assistant Agent använder chattmodellen plus korttidsminne per session för att behålla kontext, så att en användare kan säga “Gör det på fredag i stället” utan att börja om. Den hämtar från Doctor Directory Sheet och går sedan mot rätt schemasheet för läkaren (i det här flödet finns exempel med separata sheets för specifika läkare).
Bekräftelse och loggning sker tillsammans. Om tiden är ledig och användaren bekräftar lägger flödet till bokningsraden i rätt Google Sheet och skickar en slutlig sammanfattning i Telegram med läkare, datum och tid.
Du kan enkelt justera läkarkatalogen och schemaupplägget så att det matchar hur teamet redan spårar bokningar. Se hela implementationsguiden nedan för alternativ för anpassning.
Steg-för-steg-guide för implementation
Steg 1: Konfigurera Telegram-triggern
Konfigurera Telegram-inhämtning så att nya meddelanden startar arbetsflödet och skickar en skrivindikator parallellt.
- Lägg till och konfigurera Telegram Intake Trigger med uppdateringar inställda på
message. - Autentiseringsuppgifter krävs: Anslut era telegramApi-autentiseringsuppgifter i Telegram Intake Trigger.
- Bekräfta arbetsflödeskopplingarna så att Telegram Intake Trigger skickar utdata till både Route Message Type och Telegram Typing Signal parallellt.
- I Telegram Typing Signal ställer ni Operation till
sendChatActionoch Chat ID till{{ $json.message.chat.id }}. - Autentiseringsuppgifter krävs: Anslut era telegramApi-autentiseringsuppgifter i Telegram Typing Signal.
Steg 2: Anslut Google Sheets
Koppla in er tidsbokningsdatabas och de läkarspecifika kalkylbladen som AI-verktygen använder för sökning och bokning.
- I Doctor Directory Sheet ställer ni Document ID till
Doctor_Appointment_DBoch Sheet Name tillDoctor_Info(ersätt[YOUR_ID]-värden med era faktiska ID:n). - I Sheet: Karan Singh och Sheet: Arjun Mehta ställer ni Document ID till
Doctor_Appointment_DBoch respektive Sheet Name tillDr. Karan SinghochDr. Arjun Mehta. - I Append Karan Sheet och Append Arjun Sheet ställer ni Operation till
appendoch mappar kolumner med hjälp av AI-uttrycken:{{ /*n8n-auto-generated-fromAI-override*/ $fromAI('Booked_Date', ``, 'string') }},{{ /*n8n-auto-generated-fromAI-override*/ $fromAI('Booked_Time', ``, 'string') }},{{ /*n8n-auto-generated-fromAI-override*/ $fromAI('Doctor_Name', ``, 'string') }},{{ /*n8n-auto-generated-fromAI-override*/ $fromAI('Patient_Name', ``, 'string') }}. - Autentiseringsuppgifter krävs: Anslut era googleSheetsOAuth2Api-autentiseringsuppgifter till alla Google Sheets-verktygsnoder (totalt 5): Doctor Directory Sheet, Sheet: Karan Singh, Sheet: Arjun Mehta, Append Karan Sheet och Append Arjun Sheet.
Steg 3: Routa och normalisera inkommande meddelanden
Routa text- kontra röstmeddelanden och mappa meddelandeinnehållet till ett konsekvent text-fält för AI-bearbetning.
- I Route Message Type bekräftar ni att två utgångar finns: Text kontrollerar att
{{ $json.message.text }}finns, och Voice kontrollerar att{{ $json.message.voice }}finns. - Från utgången Text skickar ni items till Map Message Text och sätter text till
{{ $json.message.text }}. - Från utgången Voice skickar ni items till Retrieve Voice File med Resource inställt på
fileoch File ID inställt på{{ $json.message.voice.file_id }}. - Autentiseringsuppgifter krävs: Anslut era telegramApi-autentiseringsuppgifter i Retrieve Voice File.
- I Audio Transcription ställer ni Resource till
audiooch Input Type tillbinary. Mappa sedan transkriberingen i Map Transcript Text med text inställt på{{ $json.candidates[0].content.parts[0].text }}. - Autentiseringsuppgifter krävs: Anslut era googlePalmApi-autentiseringsuppgifter i Audio Transcription.
Steg 4: Konfigurera AI-assistenten och minne
Konfigurera AI-logiken, minnet och anslutna verktyg som hanterar läkaruppslag och tidsbokning.
- I Care Assistant Agent ställer ni Text till
{{ $json.text }}och behåller Prompt Type somdefine. - Säkerställ att Gemini Chat Engine är ansluten som språkmodell för Care Assistant Agent. Autentiseringsuppgifter krävs: Anslut era googlePalmApi-autentiseringsuppgifter i Gemini Chat Engine.
- Anslut Session Memory Buffer till agentens minnesingång och ställ Session Key till
{{ $('Telegram Intake Trigger').item.json.message.chat.id }}. - Koppla AI-verktygen till Care Assistant Agent: Doctor Directory Sheet, Sheet: Karan Singh, Sheet: Arjun Mehta, Append Karan Sheet och Append Arjun Sheet.
Steg 5: Konfigurera Telegram-svarets utdata
Skicka AI-svaret tillbaka till användaren i Telegram när agenten har bearbetat klart.
- Anslut Care Assistant Agent till Telegram Reply Dispatch.
- I Telegram Reply Dispatch ställer ni Text till
{{ $json.output }}och Chat ID till{{ $('Telegram Intake Trigger').item.json.message.chat.id }}. - Autentiseringsuppgifter krävs: Anslut era telegramApi-autentiseringsuppgifter i Telegram Reply Dispatch.
Steg 6: Testa och aktivera ert arbetsflöde
Kör ett fullständigt test med både text- och röstmeddelanden och aktivera sedan arbetsflödet för produktionsanvändning.
- Klicka på Execute Workflow och skicka ett textmeddelande till boten för att verifiera flödet Route Message Type → Map Message Text → Care Assistant Agent.
- Skicka ett röstmeddelande och bekräfta att flödet Retrieve Voice File → Audio Transcription → Map Transcript Text → Care Assistant Agent slutförs utan problem.
- Verifiera att en lyckad körning returnerar ett meddelande från Telegram Reply Dispatch och (för bokningsflöden) lägger till en rad med relevant append-verktyg för läkaren.
- När allt är validerat, växla arbetsflödet till Active så att Telegram Intake Trigger lyssnar kontinuerligt.
Vanliga fallgropar
- Inloggningar för Google Sheets kan gå ut eller kräva specifika behörigheter. Om det slutar fungera, kontrollera först n8n-panelen för credentials och sheetets delningsinställningar.
- Om du hanterar röstmeddelanden varierar transkriberingstiderna. Om noder längre ned kör innan texten finns, öka väntetiden (eller lägg till ett enkelt retry) så att agenten inte svarar med saknade detaljer.
- Standardprompter för AI är ärligt talat för generiska för schemaläggning. Lägg in era regler för tider och formulering för bekräftelser tidigt, annars kommer du att behöva städa upp otydliga svar varje dag.
Vanliga frågor
Cirka 45 minuter om dina Sheets redan är organiserade.
Nej. Du kopplar mest konton och justerar några mappningar. Den enda “kodliknande” delen är valfri finjustering om ditt sheetformat är ovanligt.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer startar på 20 USD/månad för högre volym. Du behöver också räkna in användning av Google Gemini, som vanligtvis är låg för enkel schemaläggning via chatt.
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och klarar n8n bra. Egen drift ger obegränsade körningar men kräver grundläggande serverhantering.
Ja, och det bör du sannolikt. Du kan lägga till läkare genom att bygga ut Doctor Directory Sheet och routa till rätt schemasheet (i det här flödet riktar separata Google Sheets-verktyg in sig på specifika läkare, så du duplicerar det upplägget). Vanliga justeringar är att ändra regler för tidsluckor, lägga till obligatoriska fält som telefonnummer och anpassa bekräftelsemeddelandet till klinikens ton.
Oftast handlar det om en bot-token eller att boten inte har rätt att läsa meddelanden i chatten du testar. Skapa en ny token i BotFather, uppdatera den i n8n och kontrollera sekretessinställningarna om du använder grupper. Kontrollera också att Telegram Trigger pekar på rätt bot och att du inte slår i rate limits vid masstester.
Med n8n Cloud Starter kan du hantera en typisk liten kliniks dagliga volym utan problem, och det är enkelt att uppgradera om efterfrågan ökar. Om du kör egen drift finns ingen gräns för antal körningar, så kapaciteten beror främst på din server och hur tungt du använder transkribering. I praktiken kan de flesta upplägg hantera flera förfrågningar per minut utan problem. Om du förväntar dig hundratals per dag, lägg till loggning och en enkel retry-väg för AI-/transkriberingsstegen.
Ofta ja, eftersom det här flödet bygger på förgrenad logik (text vs. röst), minne och en agentlik konversation som blir klumpig i enkla “trigger-action”-verktyg. n8n ger dig också mer kontroll över hur du kontrollerar tillgänglighet och var du skriver poster, utan att betala per liten delsteg. Zapier eller Make kan ändå fungera om du bara behöver ett enkelt “meddelande in → rad i Sheets”-flöde utan någon riktig bekräftelseloop. Avgörande är samtalskvaliteten: om du behöver fram och tillbaka och förslag på alternativa tider passar n8n bättre. Prata med en automationsexpert om du vill ha hjälp att välja.
När det här väl rullar slutar bokningsförfrågningar kännas som att jonglera. Flödet tar hand om repetitiva moment så att du kan fokusera på patienter, inte meddelandetrådar.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.