Que hace
La calificación de leads entrantes es un pipeline que recibe solicitudes de cualquier canal, las enriquece con datos de la empresa y el contacto, asigna prioridad y las envía al CRM con una ruta hasta el responsable adecuado. El agente de IA en este esquema actúa como un SDR junior: lee el texto de la solicitud, extrae el presupuesto, el tamaño del equipo, el sector y la urgencia, asigna etiquetas y genera un breve resumen para el responsable. El vendedor ve la lista ordenada por puntuación y empieza el día desde la parte superior de la cola, y no revisando el correo y buscando contexto en cada solicitud.
Lo que hace la automatización paso a paso:
- Recibe solicitudes de formularios del sitio web, chats, email, Telegram, LinkedIn y fuentes de socios a través de webhooks.
- Normaliza los campos —nombre, empresa, email, texto de la solicitud, canal, UTM— en un formato unificado para el CRM.
- Enriquece el perfil de la empresa: tamaño, sector, stack tecnológico, región, perfil de LinkedIn del contacto.
- Extrae la intención y las señales clave del texto libre de la solicitud mediante un agente de IA sobre un modelo de IA.
- Puntúa al lead según una matriz de reglas: ICP match × urgencia × canal × calificación del contacto × señales del texto.
- Crea o actualiza la ficha en el CRM (HubSpot, Salesforce, Pipedrive) con etiquetas, campos personalizados y un registro de decisiones.
- Enruta los leads calientes al responsable en Slack o Telegram con un enlace a la ficha y los datos clave.
- Programa el auto-follow-up para los leads templados —una serie de correos, una tarea para el responsable o una entrada en la secuencia de nurture.
- Registra cada decisión: qué lead recibió qué puntuación, a quién fue asignado, bajo qué reglas, qué dijo el agente de IA.
Lo que la automatización no hace
- No reemplaza la llamada de discovery, las negociaciones ni el manejo de objeciones —eso queda a cargo del vendedor.
- No toma decisiones sobre el cierre de la venta, las condiciones comerciales ni los descuentos.
- No trabaja con leads para los que no se ha definido el ICP —los segmentos y criterios se configuran antes del lanzamiento.
El efecto es medible: el tiempo hasta el primer contacto con un lead caliente cae entre un 60–70%. El responsable recibe una lista priorizada al inicio del día y dedica su tiempo de trabajo a conversaciones con leads calificados, y no a la clasificación manual de todo el flujo entrante. Para los equipos de SaaS, esto significa que un lead de Product Hunt o de un formulario de demo no se enfría durante la noche, sino que entra en proceso de inmediato.
Como funciona
La arquitectura se apoya en tres capas: captura de eventos, procesamiento por el agente de IA, sincronización con el CRM y los canales de comunicación. El enrutador de solicitudes en el orquestador o Zapier recibe webhooks de todas las fuentes de solicitudes y normaliza los campos en un formato JSON único con el que operan el resto de los nodos del escenario.
El agente de IA sobre modelo de lenguaje se invoca con una sola solicitud con el prompt de extracción de entidades. Como entrada — el texto de la solicitud y los metadatos de la fuente; como salida — JSON estructurado: intent, budget_signal, team_size, industry, urgency, red_flags. Este JSON se combina con los datos de enriquecimiento (tamaño de la empresa, stack, región) y pasa por la matriz de scoring. El resultado es una puntuación numérica de 0 a 100 y la ruta recomendada: hot handoff, warm nurture, cold archive.
Opciones de configuración típicas
- Reunir las fuentes de entrada: Typeform, HubSpot Forms, widget de chat, conector IMAP para el buzón compartido sales@, webhook de Calendly, Intercom, LinkedIn Sales Navigator, formularios de socios.
- Configurar el normalizador en la plataforma low-code: mapping de campos no estándar (por ejemplo, size_of_team del formulario → team_size en el CRM), deduplicación por email y dominio de la empresa.
- Conectar el enriquecimiento: conectores nativos del CRM, fuentes abiertas a través del nodo HTTP, APIs de enriquecimiento especializadas.
- Conectar el agente de IA: prompt con ejemplos few-shot para la extracción de entidades, límite de tokens, fallback a un segundo intento ante JSON no válido.
- Describir la matriz de scoring en una tabla (Airtable o Google Sheets) — 5–8 reglas actualizables por el sales lead sin editar código.
- Configurar el registro en el CRM: crear un nuevo contacto y negocio, asignar etiquetas, vincular la fuente, registrar la puntuación y el motivo de la decisión.
- Conectar el hot-handoff: cuando la puntuación supera el umbral, notificación al gestor en Slack o Telegram con el enlace a la tarjeta del CRM y los campos clave.
- Agregar observabilidad: dashboard en Notion o Metabase con métricas de leads — distribución de puntuaciones, tiempo medio de procesamiento, canales de fuentes.
Componentes del sistema
Componente | Herramienta | Propósito |
|---|---|---|
Orquestador | motor de workflow o Zapier | Enrutamiento de eventos y normalización de campos |
Agente de IA | modelo de lenguaje | Extracción de entidades e intención a partir del texto |
CRM | HubSpot / Salesforce / Pipedrive | Almacenamiento de leads, negocios y registro de decisiones |
Mensajería | Slack o Telegram | Hot-handoff al gestor en tiempo real |
Observabilidad | Notion o Metabase | Métricas de scoring y auditoría de decisiones |
Enfoques alternativos
Calificación sin AI — cuando el 90% de las solicitudes provienen de formularios con campos definidos, no se necesita AI; basta con Zapier y una tabla de reglas. El agente de IA se conecta cuando es importante el análisis de texto libre: email, mensajes de chat, comentario arbitrario en el formulario.
Plataformas AI SDR listas para usar (11x, Artisan, Regie.ai) — productos SaaS con UI y modelo integrado. El enfoque low-code sobre el orquestador ofrece mayor control sobre la lógica, se adapta con mayor facilidad a un CRM no estándar y no vincula al equipo al proveedor.
Seguridad y compliance
Los datos personales de los leads se transfieren al agente de IA en cantidad mínima — del texto se eliminan nombre, email y teléfono antes de enviarlo al modelo. Los logs de decisiones se almacenan en el CRM y el dashboard interno, no en servicios de terceros. Al trabajar con tráfico de la UE, se activa un DPA con el proveedor del modelo de IA, y los prompts se configuran con la opción de rechazo de training data retention.
Requisitos previos
El conjunto mínimo de requisitos para el inicio — accesos, datos y una estrategia de ventas acordada. Sin la descripción del ICP y las reglas de scoring, la automatización no dará resultados, porque el agente de IA trabaja según los criterios establecidos, y no decide por sí solo.
Datos y accesos
- CRM con API — HubSpot, Salesforce, Pipedrive o equivalente con endpoints abiertos.
- Formularios, chats y buzones de correo con posibilidad de configurar webhooks o acceso IMAP.
- ICP descrito: 3–5 segmentos con criterios de tamaño, sector, región, etapa del negocio.
- Reglas de scoring acordadas con el sales lead: qué se considera hot, warm, cold.
- Cuentas de Slack o Telegram para notificaciones de handoff.
- Clave API para el proveedor de IA (modelo de IA a través de Anthropic API o equivalente).
Preparación del equipo
- El sales lead como product owner: acuerda las reglas, los segmentos y los umbrales de scoring.
- Una persona con experiencia en low-code (motor de workflow o Zapier) — monta el escenario.
- 2–4 horas semanales del responsable de ventas para la calibración de reglas durante los dos primeros meses.
- Acuerdo con marketing sobre la calidad de los formularios entrantes — campos obligatorios, limpieza del tráfico basura.
Plazos y etapas
- Cronograma: 1–2 semanas para el montaje de fin de semana con CRM lista y ICP descrito.
- Semana 1: configuración de fuentes, normalización, conexión de la CRM, agente de IA y scoring.
- Semana 2: piloto con 50–100 leads, calibración de reglas, formación de responsables.
- La versión MVP con un conjunto limitado de fuentes se monta en 2–3 días laborables.
Grow2.ai acompaña el piloto hasta el momento en que el equipo gestiona las reglas de forma autónoma a través de la tabla de scoring.
Problemas
- Los leads se pierden en el embudo
- Follow-ups olvidados
- Respuesta lenta a clientes
FAQ
¿Cuánto tiempo lleva la implementación?
La versión básica se construye en 1–2 semanas: los primeros días — fuentes y normalización de campos, luego el agente de IA y la matriz de scoring, al final — un piloto con tráfico real y calibración. Para una construcción de MVP en fin de semana (2–3 días hábiles) se necesita una CRM lista y formularios configurados — el escenario en el motor de workflow en ese caso se lanza rápidamente.
¿Qué hacer si no tenemos CRM?
El escenario básico se ejecuta sobre Google Sheets y Slack como CRM temporal para equipos de 5–15 personas. Grow2.ai ayuda en paralelo a elegir y configurar una CRM ligera (HubSpot Starter, Pipedrive) — esto añade 1–2 semanas al timeline. Sin CRM, la automatización pierde conexión con el embudo, por lo que se necesita al menos alguna base de datos de contactos estructurada.
¿Qué puede fallar después del lanzamiento?
Tres riesgos típicos. El agente de IA comete errores en edge cases — por ejemplo, una solicitud en ucraniano con un prompt en ruso; se resuelve con logs y calibración manual. La matriz de scoring queda obsoleta en 2–3 meses — se requiere una revisión regular con el sales lead. La integración con CRM se rompe al cambiar la API — se asegura con monitoreo y una fallback queue.
¿Funciona para nuestra industria?
La automatización está optimizada para SaaS y tech, y también es de aplicación universal en B2B SMB. Para ventas enterprise con ciclos de varios meses, la calificación por IA sigue siendo útil en la clasificación inicial, pero el scoring se adapta al proceso de deal room. Para productos B2C con tráfico masivo el enfoque funciona — cambian la matriz y los canales de entrada, la arquitectura permanece la misma.
¿Cómo se integra con nuestra CRM actual?
Los conectores para HubSpot, Salesforce, Pipedrive están disponibles en el motor de workflow de forma nativa. Para CRM menos comunes, la conexión se realiza mediante REST API — se necesitan la clave y el esquema de contactos/deals. Si la CRM proporciona webhooks para nuevos contactos, la sincronización bidireccional se configura en un día hábil.
¿Qué hace el agente de IA y qué hacen las reglas?
El agente de IA se encarga de las entidades difusas: intención, presupuesto, tamaño del equipo, urgencia, tono. Las reglas en la tabla de Airtable o Google Sheets se encargan de las decisiones binarias: a qué cola enviar, a quién asignar, cuándo escalar. La separación aporta previsibilidad y simplifica la auditoría de decisiones sin la intervención de un desarrollador.
¿Posibles escollos?
Tres escollos. Los leads con dominios de email no estándar (Gmail para B2B, subdominios corporativos) confunden el enriquecimiento — se necesitan excepciones en las reglas. Los equipos de ventas no confían en el score y lo verifican manualmente — se resuelve con transparencia en los logs y calibración conjunta. El volumen de leads con AI score crece más rápido que la preparación de los gestores — se necesita un capacity model acordado.
Quieres esto en tu negocio?
Reserva una auditoria gratuita — te mostraremos como funcionara esta automatizacion para ti.