Conecta IA a Slack: Añade Claude, GPT, Gemini, Grok, Llama y Mistral con FlowHunt

Conecta cualquier modelo de IA a Slack — un flujo, todos los LLM

Añadir un asistente de IA a Slack solía implicar elegir un proveedor, escribir código de integración y reconstruir todo cuando seis meses después aparecía un mejor modelo. Con FlowHunt, la integración está desacoplada del modelo: construyes el flujo de Slack una vez, conectas el LLM que quieras — Claude, GPT, Gemini, Grok, Llama, Mistral — y lo cambias en cualquier momento sin tocar el resto.

Esta guía cubre toda la configuración. La primera mitad es igual para cada modelo. La segunda mitad explica qué modelo elegir para qué caso de uso, con notas específicas por familia de LLM. Salta a la sección que se ajuste a tu stack o léela completa si empiezas desde cero.

Por qué poner un agente de IA en Slack

Slack es donde los equipos hacen preguntas. Un agente de IA que vive ahí las responde al instante — sin cambiar a una herramienta de chat separada, dashboard o base de conocimiento. Despliegues comunes:

• Q&A interna: el agente responde preguntas de RRHH, IT o producto desde una base de conocimiento corporativa
• Triage de soporte al cliente: enruta tickets entrantes, redacta respuestas, escala casos límite
• Asistente de investigación: resume URLs compartidas, ejecuta búsquedas web, extrae datos a demanda
• Automatización de workflows: lanza trabajos programados, consulta bases de datos, publica actualizaciones de estado
• Helper de onboarding: guía a nuevos empleados por procesos, muestra documentos relevantes

El bot vive en Slack, así que la adopción es automática — nadie tiene que aprender una nueva herramienta.

¿Listo para hacer crecer tu negocio?

Comienza tu prueba gratuita hoy y ve resultados en días.

Solicitar demo Iniciar sesión

Configuración paso a paso de Slack con FlowHunt

La configuración es idéntica sin importar qué modelo de IA elijas. Elige tu modelo en el paso 4; todo lo demás permanece igual.

1. Conectar Slack a FlowHunt

Inicia sesión en tu cuenta de FlowHunt y abre la pestaña Integrations. Selecciona Slack, haz clic en Connect y autoriza la app en la pantalla OAuth de Slack. Concede los permisos de lectura/escritura que solicita FlowHunt — permiten al bot recibir mensajes y publicar respuestas en tu workspace.

Tu URL de workspace aparece en la esquina superior izquierda de la app de Slack. Una vez autorizado, Slack queda conectado y listo para usar en cualquier flujo.

2. Crear un nuevo flujo y añadir el bloque Slack Message Received

En el constructor de flujos de FlowHunt, arrastra un componente Slack Message Received al lienzo. Este bloque escucha mensajes entrantes de Slack y dispara el resto del flujo.

Configura dos ajustes:

• Channel y workspace: elige el workspace conectado y todo el workspace o un canal específico. Un canal dedicado #ai-assistant es la configuración más limpia.
• Only Trigger on Mention: actívalo para que el bot solo dispare cuando alguien le haga @-mención. Sin esto, cada mensaje en el canal disparará el flujo.

3. Añadir el componente AI Agent

El bloque AI Agent es la capa de razonamiento del bot. Toma el mensaje del usuario, decide qué herramientas usar y elabora la respuesta.

• Backstory: descripción corta de la persona y el alcance del bot, p. ej., “Eres un asistente útil de Slack para el equipo de ingeniería.”
• Goal: el objetivo principal del bot, p. ej., “Responde preguntas con precisión usando todas las herramientas y fuentes de conocimiento disponibles. Cita fuentes cuando sea relevante.”

4. Añadir un componente LLM y elegir tu modelo

Conecta un componente LLM al AI Agent. Aquí eliges qué modelo de IA impulsa el bot. FlowHunt tiene un componente LLM separado por proveedor — LLM OpenAI, LLM Anthropic, LLM Google, LLM Meta, LLM Mistral, LLM xAI — y dentro de cada uno seleccionas la variante exacta del modelo.

Este es el único paso que difiere por modelo. Salta a Elige el modelo de IA correcto para una comparación y notas por familia.

5. Añadir herramientas (opcional pero recomendado)

El AI Agent se vuelve mucho más útil cuando puede usar herramientas. Las comunes:

• Google Search Tool — búsqueda web en vivo para información en tiempo real
• URL Retriever — extrae y resume cualquier URL compartida en Slack
• Document Retriever — RAG sobre tu propia base de conocimiento (Notion, Confluence, Google Drive, archivos)
• Custom API Tools — llama cualquier servicio interno que acepte HTTP

Las herramientas son agnósticas al modelo. Cualquier LLM elegido en el paso 4 puede usar cualquier herramienta conectada.

6. Añadir el bloque Slack Send Message y probar

Cierra el flujo con un componente Slack Send Message, configurado para el mismo canal y workspace que en el paso 2. Guarda el flujo, abre Slack y haz @-mención al bot en tu canal de prueba. El bot debería responder usando el modelo elegido en el paso 4.

Esa es toda la configuración. Cambiar de modelo después es un cambio de un clic en el paso 4 — sin ediciones de código, sin reconstruir el flujo.

Elige el modelo de IA correcto para Slack

Cada gran familia de LLM funciona en el flujo de Slack de FlowHunt. Las diferencias se reducen a coste, latencia, ventana de contexto, profundidad de razonamiento y calidad de tool-calling. Usa la tabla para hacer una preselección, luego lee la sección específica de la familia para notas de configuración.

Elige uno para empezar. Cambiar de modelo en FlowHunt es un cambio de un clic en el componente LLM, así que sobrepensar la elección inicial no compensa — despliega con un default razonable, mide calidad sobre tráfico real de Slack, itera.

Únete a nuestro boletín

Obtén los últimos consejos, tendencias y ofertas gratis.

Dirección de correo electrónico

Suscribirse

Notas por familia de modelo

Cada sección abajo es autocontenida. Elige la sección de la familia que vas a conectar y sigue las notas.

Anthropic Claude

Claude es la familia de LLM de Anthropic, ideal para Slackbots que manejan Q&A interna matizada, resumen de documentos, revisión de código y seguimiento cuidadoso de instrucciones. Para conectar Claude a Slack, arrastra el componente LLM Anthropic en el paso 4 y elige la variante:

• Claude 3 Haiku — el más rápido, el más barato, ideal para respuestas FAQ de alto volumen
• Claude 3.5 Sonnet — el caballo de batalla: razonamiento fuerte, contexto grande, buen precio-rendimiento
• Claude 4.5 Sonnet / Opus — top-tier para razonamiento, código y análisis de documentos largos más difíciles
• Variantes antiguas (Claude 2, Claude 3 base) siguen funcionando pero están superadas por Sonnet 3.5+

Para Slackbots de conocimiento interno sobre Notion o Confluence, Claude 3.5 Sonnet más Document Retriever es el punto de partida más fiable.

OpenAI GPT y serie o

Los modelos GPT y serie o de OpenAI son la opción más amplia para Slack — fuerte rendimiento general, el tool-calling más maduro, e input multimodal (visión, audio). Arrastra el componente LLM OpenAI en el paso 4 y elige la variante:

• GPT-4o Mini — el por defecto. Rápido, barato, maneja el 95% de los casos de uso de Slack
• GPT-4o — cuando necesitas mayor calidad, comprensión de imágenes o contexto más largo
• GPT-4 Vision Preview — cuando el bot debe interpretar imágenes compartidas en Slack (mayormente reemplazado por GPT-4o)
• o1 Mini / o1 Preview / o3 — modelos de razonamiento para tareas analíticas difíciles (más lentos, más caros; usar con moderación)
• GPT-5 — frontier-tier, donde esté disponible

Para la mayoría de equipos: empieza con GPT-4o Mini. Sube a GPT-4o u o1 solo en flujos donde los usuarios se quejan de la calidad de respuesta.

Google Gemini

Google Gemini es la opción más fuerte cuando importa la ventana de contexto — Gemini 1.5 Pro maneja más de 1M de tokens, suficiente para volcar bases de código completas o conjuntos de documentos en una única consulta de Slack. Arrastra el componente LLM Google en el paso 4 y elige la variante:

• Gemini 1.5 Flash / Flash 8B — rápido y barato; bueno para canales de Slack de alto volumen
• Gemini 2.0 Flash / 2.5 Flash — generaciones Flash más nuevas, más rápidas e inteligentes que 1.5
• Gemini 1.5 Pro / 2.5 Pro — top-tier con contexto masivo; ideal para Q&A sobre documentos completos
• Gemini 3 Flash — último modelo rápido

Si tu Slackbot necesita razonar sobre toda tu base de conocimiento en una sola pasada (sin paso de retrieval), la ventana de contexto de Gemini Pro es la respuesta más limpia.

xAI Grok

xAI Grok se integra en el flujo de Slack de FlowHunt igual que los otros modelos — arrastra el componente LLM xAI (o el componente LLM OpenAI según tu versión de FlowHunt) y elige la variante de Grok. La fortaleza distintiva de Grok es el conocimiento en tiempo real — acceso a información en vivo incluyendo datos de X (Twitter) — ideal cuando el Slackbot necesita contexto de eventos actuales: noticias, datos de mercado, novedades. Combínalo con Google Search Tool para acceso web aún más amplio.

Meta Llama

La familia Llama de Meta es la opción de pesos abiertos — úsala cuando residencia de datos, self-hosting o coste por token descarten APIs hospedadas. Arrastra el componente LLM Meta en el paso 4 y elige la variante:

• Llama 3.2 1B / 3B — pequeño, rápido, ejecutable en hardware modesto
• Llama 3.3 Versatile — el flagship actual, competitivo con GPT-4o en muchas tareas
• Llama 4 (donde esté disponible) — generación nueva

Llama es la respuesta correcta cuando seguridad o cumplimiento exigen que el modelo corra en infraestructura propia, o cuando el alto volumen de mensajes hace prohibitivos los costes de API hospedada.

Mistral

Mistral es el contendiente europeo de pesos abiertos — modelos fuertes, hosting EU-friendly y buena relación precio-rendimiento. Arrastra el componente LLM Mistral en el paso 4 y elige la variante:

• Mistral 7B — pequeño y rápido, corre en hardware estándar
• Mistral 8x7B (Mixtral) — mixture-of-experts, fuerte rendimiento general
• Mistral Large — flagship, compite con GPT-4o en calidad a menor precio

Elige Mistral cuando importa la residencia de datos UE, o cuando quieres flexibilidad de pesos abiertos con calidad cercana a frontier.

Patrones comunes de Slackbot

Tres patrones de flujo cubren la mayoría de despliegues en Slack. Construye cualquiera sobre la configuración de arriba ajustando las herramientas y prompt del AI Agent:

• Asistente de base de conocimiento — añade Document Retriever apuntando a Notion/Confluence/Google Drive/archivos. El bot responde citando fuentes internas.
• Asistente de investigación web — añade Google Search Tool y URL Retriever. El bot extrae contexto web en vivo y resume URLs compartidas.
• Agente de workflow — añade Custom API Tools que llamen tus servicios internos. El bot dispara trabajos, consulta dashboards, publica actualizaciones.

Estos patrones se combinan: un único flujo de Slack puede unir retrieval de base de conocimiento, búsqueda web en vivo y llamadas a APIs internas, con el LLM eligiendo la herramienta correcta por consulta.

Solución de problemas

El bot no responde a los mensajes. Verifica que “Only Trigger on Mention” coincida con cómo pruebas — si está activado, debes hacerle @-mención. Confirma que el canal en Slack Message Received coincida con el canal donde publicas.

El bot responde pero la calidad es pobre. Itera primero sobre backstory y goal del AI Agent — son más impactantes que cambiar de modelo. Si la calidad sigue siendo mala tras iterar, sube a un modelo más fuerte en el componente LLM (Mini → estándar → top-tier).

Errores de permisos tras autenticación de Slack. Reconecta la integración de Slack en la pestaña Integrations de FlowHunt y vuelve a conceder permisos. Slack invalida tokens ocasionalmente tras cambios de propietario del workspace.

Las respuestas largas se truncan en Slack. Slack tiene límite de caracteres por mensaje. Añade un paso de post-procesamiento al flujo para dividir respuestas largas, o instruye al AI Agent en su goal para mantener respuestas bajo 3.000 caracteres al publicar en Slack.

Despliega tu Slackbot con IA

Toda la configuración — conectar Slack, construir el flujo, elegir un modelo — es un proyecto de una tarde en FlowHunt. El flujo que construyes hoy funciona con cualquier modelo futuro: cuando salgan GPT-6 o Claude 5, cambias el componente LLM y el resto sigue funcionando.

Empieza con el tier gratuito de FlowHunt , conecta Slack y despliega un Slackbot con IA funcional antes del almuerzo.