Dina WhatsApp-trådar var aldrig tänkta att fungera som en rättssal. Men i samma ögonblick som någon vidarebefordrar ett ”breakande” påstående sitter du fast: scrolla, söka, skärmdumpa, förklara, upprepa. Det är utmattande, och det drar in teamet i debatter som inte för arbetet framåt.
Den här automatiseringen för faktagranskning i WhatsApp träffar supportteam först, helt ärligt. Men community managers känner av den också, och grundare får ofta städa upp när trovärdigheten står på spel. Utfallet är enkelt: snabbare svar med källor, utan att någon behöver agera mänsklig Google hela dagen.
Du sätter upp ett WhatsApp-nummer som tar emot vilket påstående som helst, kontrollerar det med AI och svarar med en tydlig bedömning plus klickbara källänkar. Och du lär dig hur du kör det stabilt i n8n.
Så fungerar den här automatiseringen
Här är hela workflowet som du kommer att sätta upp:
n8n Workflow Template: Twilio + WhatsApp: faktagranskning med källor
flowchart LR
subgraph sg0["Flow 1"]
direction LR
n0["<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/webhook.dark.svg' width='40' height='40' /></div><br/>Receive Whatsapp Messages"]
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/perplexity.dark.svg' width='40' height='40' /></div><br/>Confirm news with Citations"]
n2["<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/twilio.svg' width='40' height='40' /></div><br/>Send Summary to whatsapp"]
n0 --> n1
n1 --> n2
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 api
classDef customIcon fill:none,stroke:none
class n0,n1,n2 customIcon
Varför det här spelar roll: desinformation sprids snabbare än teamet hinner svara
Om ditt varumärke använder WhatsApp för kundsupport, community eller intern samordning har du sett det. Någon vidarebefordrar ett påstående. Någon annan reagerar. Sedan frågar en tredje person: ”Stämmer det här?” Plötsligt lägger du de nästa 20 minuterna på att jaga en pålitlig källa, försöka förklara nyanser i en liten chattbubbla och hoppas att ingen skärminspelar fel meddelande. Det handlar inte bara om tid. Det är en reputationsrisk, och den mentala belastningen av att vara ”jourhavande” för sanningen.
Det summerar sig snabbt. Den verkliga skadan kommer av upprepningscykeln och av inkonsekvensen som smyger sig in när olika personer svarar på olika sätt.
- Manuell faktagranskning blir en ständig avbrottsslinga, vilket är brutalt när teamet redan jonglerar ärenden och chattar.
- Folk klistrar in slumpmässiga länkar för att ”bevisa” en poäng, så tråden blir högljudd men inte tydligare.
- Även när du hittar bra källor måste du fortfarande sammanfatta dem på enkel svenska för en chattpublik.
- Utan ett konsekvent format skiftar varumärkets röst från person till person, och förtroendet urholkas tyst.
Det du bygger: en WhatsApp-bot som verifierar påståenden och svarar med källor
Det här workflowet gör ditt WhatsApp-nummer till en enkel faktagranskningsfil: ”skicka det hit”. En användare vidarebefordrar ett påstående (eller skriver en fråga) i WhatsApp, och Twilio skickar vidare meddelandet till n8n via en webhook. Därifrån analyserar ett AI-steg vad som sagts, letar efter tillförlitlig information på webben och tar fram en bedömning som ”Troligen sant” eller ”Troligen falskt”, tillsammans med en kort förklaring. Till sist formaterar workflowet svaret så att det blir lättläst i chatten och skickar tillbaka det via Twilio, inklusive klickbara källänkar så att samtalet kan gå vidare. Inga skärmdumpar. Inget tjafs från minnet. Bara ett konsekvent svar med källhänvisningar.
Workflowet startar när Twilio tar emot ett WhatsApp-meddelande och anropar din n8n-webhook-URL. Sedan genererar AI-verifieringssteget en bedömning och källhänvisningar baserat på påståendet. Twilio levererar den slutliga sammanfattningen tillbaka till samma WhatsApp-tråd, så att personen som frågade får svaret i sitt sammanhang.
Det du bygger
| Det som automatiseras | Det du uppnår |
|---|---|
|
|
Förväntade resultat
Säg att teamet får 10 ”kan du verifiera det här?”-meddelanden per dag i WhatsApp. Manuell hantering tar oftast cirka 15–20 minuter för att söka, dubbelkolla och skriva en lugn sammanfattning, så du bränner ungefär 3 timmar dagligen. Med det här workflowet är det mänskliga arbetet i princip att vidarebefordra påståendet (cirka 1 minut), sedan vänta på att AI:n returnerar källor och en bedömning (ofta ett par minuter), och därefter svarar den automatiskt. Du får tillbaka merparten av tiden, och tråden hålls renare.
Innan du börjar
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- Twilio för att ta emot och skicka WhatsApp-meddelanden.
- Perplexity AI för research-liknande svar med källhänvisningar.
- API-nycklar (från Twilio Console och Perplexity API Settings).
Svårighetsgrad: Nybörjare. Du kopierar en webhook-URL, kopplar autentiseringsuppgifter och testar några meddelanden.
Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).
Steg för steg
Ett WhatsApp-meddelande triggar allt. En användare skickar ett påstående till ditt WhatsApp-nummer, och Twilio vidarebefordrar det inkommande meddelandet till din n8n-webhook-endpoint.
Påståendet verifieras med källhänvisningar. n8n skickar meddelandets innehåll till steget ”Verify Claim with Sources” (Perplexity), som returnerar en bedömning och en kort förklaring med länkar som stöd.
Svaret görs i ordning för chatt. Workflowet förbereder ett WhatsApp-anpassat svar så att bedömningen blir tydlig och källorna klickbara, inte begravda i en textvägg.
Twilio skickar sammanfattningen tillbaka. Det sista meddelandet levereras i samma WhatsApp-tråd, så att personen som frågade kan läsa det och dela det direkt.
Du kan enkelt justera formuleringen av bedömningen och hur källor formateras för att matcha din varumärkeston och era eskaleringsregler. Se den fullständiga implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera webhook-triggern
Konfigurera den inkommande webhooken som tar emot WhatsApp-meddelanden och startar workflowet.
- Lägg till noden Inbound WhatsApp Trigger.
- Ställ in HTTP Method på
POST. - Ställ in Path på
whatsapp-inbound. - Kopiera webhook-URL:en från Inbound WhatsApp Trigger och konfigurera den i era inställningar för inkommande webhook i WhatsApp/Twilio.
body.Body så att AI:n kan läsa påståendet korrekt.Steg 2: anslut Twilio för WhatsApp-leverans
Anslut Twilio så att workflowet kan skicka WhatsApp-svar tillbaka till avsändaren.
- Lägg till noden Dispatch WhatsApp Summary.
- Inloggningsuppgifter krävs: Anslut era twilioApi-inloggningsuppgifter.
- Aktivera To WhatsApp genom att sätta den till
true.
Steg 3: konfigurera Verify Claim with Sources
Konfigurera AI-noden som validerar det inkommande påståendet och returnerar ett omdöme med källhänvisningar.
- Lägg till noden Verify Claim with Sources.
- Inloggningsuppgifter krävs: Anslut era perplexityApi-inloggningsuppgifter.
- Ställ in Model på
sonar. - Aktivera Simplify genom att sätta den till
true. - I innehållet för användarmeddelandet, ställ in uttrycket till
{{ $json.body.Body }}så att den inkommande WhatsApp-texten analyseras.
body.Body kommer AI:n att få en tom prompt och returnera generisk output.Steg 4: konfigurera Dispatch WhatsApp Summary
Mappa AI-output och källhänvisningar till ett WhatsApp-vänligt svarsformat.
- I Dispatch WhatsApp Summary, ställ in To till
{{ $('Inbound WhatsApp Trigger').item.json.body.From.replace('whatsapp:', '') }}. - Ställ in From till
{{ $('Inbound WhatsApp Trigger').item.json.body.To.replace('whatsapp:', '') }}. - Ställ in Message till
{{$json.message}}\n\n---\n\n*Sources:*\n{{ $json.citations.map((url, index) => `[${index + 1}] ${url}`).join('\n') }}för att inkludera AI-sammanfattningen och källhänvisningarna. - Koppla Verify Claim with Sources till Dispatch WhatsApp Summary för att skicka AI-resultatet vidare i flödet.
Steg 5: testa och aktivera ert workflow
Kör ett live-test för att bekräfta att hela WhatsApp-flödet för faktagranskning fungerar från början till slut.
- Klicka på Execute Workflow och skicka ett WhatsApp-meddelande till ert Twilio-nummer för att trigga Inbound WhatsApp Trigger.
- Verifiera att Verify Claim with Sources ger en sammanfattning av omdömet och källhänvisningar.
- Bekräfta att Dispatch WhatsApp Summary skickar ett WhatsApp-svar som innehåller omdömet och källorna.
- När ni är nöjda, växla workflowet till Active för användning i produktion.
Felsökningstips
- Twilio-autentiseringsuppgifter kan löpa ut eller kräva specifika behörigheter. Om det skapar fel, kontrollera först Account SID/Auth Token i Twilio Console Dashboard och uppdatera sedan n8n-uppgifterna.
- Om du använder Wait-noder eller extern rendering varierar processtiderna. Öka väntetiden om noder längre fram misslyckas på grund av tomma svar.
- Standardprompter i AI-noder är generiska. Lägg in din varumärkesröst tidigt, annars kommer du att redigera utdata för alltid.
Snabba svar
Cirka 30 minuter om din Twilio-sandbox är redo.
Nej. Du klistrar in en webhook-URL i Twilio och lägger till två API-uppgifter 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 volym. Du behöver också räkna med kostnader för Perplexity API-användning, som varierar med förfrågans storlek och volym.
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 obegränsat antal körningar men kräver grundläggande serverhantering.
Ja, och det är det första de flesta team gör. Du kan ändra systemprompten i AI-steget ”Verify Claim with Sources” för att styra tonen, lägga till en obligatorisk rad för ”konfidens”, eller tvinga källor från specifika domäner. Om du vill ha olika svarsformat för olika nyckelord (hälsa, ekonomi, politik), lägg till en Switch/If-gren efter webhooken och routa påståendet till olika prompter. Du kan också logga varje förfrågan till Google Sheets för revision, utan att ändra grundstrukturen trigger → verifiera → svara.
Oftast beror det på att Auth Token eller Account SID inte stämmer, eller att avsändaren inte har anslutit korrekt till Twilios WhatsApp-sandbox. Dubbelkolla webhook-URL:en ”WHEN A MESSAGE COMES IN” i Twilio och bekräfta sedan att ditt n8n-workflow använder Production-webhooken (inte en test-URL). Om meddelanden kommer in men svar misslyckas kan det också vara en begränsning i WhatsApp-sandboxen eller en saknad ”from”-konfiguration på det utgående meddelandet.
Med en liten n8n Cloud-plan hanterar de flesta team utan problem dussintals till några hundra faktagranskningar per dag. Om du kör egen drift finns ingen exekveringsgräns, men genomströmningen beror på din server och svarstiden i AI-verifieringssteget. I praktiken är begränsningen oftast AI-förfrågans latens och eventuella rate limits hos leverantören, inte n8n i sig.
Ofta, ja. n8n är enklare att bygga ut när du vill ha grenlogik (olika prompter per ämne), regler för meddelandeformatering, loggning och retries utan att betala extra för varje steg. Det ger också en väg för egen drift, vilket spelar roll när volymen växer eller när du vill ha mer kontroll över dataflödet. Zapier eller Make kan ändå vara helt okej för ett enkelt proof of concept med ”meddelande in → meddelande ut”, särskilt om teamet aldrig planerar att lägga till revision eller routing. Om du är osäker, prata med en automationsexpert och mappa det mot er faktiska meddelandevolym och risknivå.
När det här väl rullar slutar faktagranskningar att vara ett avbrott för hela teamet. Du får tydliga svar, trovärdiga länkar och lugnare trådar – en vinst du märker redan samma dag.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.