Agente de seguimiento de leads en CRM

Desafío

Un equipo de ventas gestionaba entre 80 y 120 leads nuevos por semana en dos pipelines. El momento del seguimiento era inconsistente — los leads calientes se enfriaban mientras los representantes trabajaban en negociaciones existentes. Las etapas de las negociaciones en el CRM se actualizaban manualmente y a menudo quedaban días por detrás de la realidad. La dirección no tenía visibilidad fiable sobre la salud del pipeline. El problema no eran los vendedores; era el volumen de trabajo mecánico en el CRM que competía con el tiempo real de venta.

Opciones consideradas

1. Reglas de automatización del CRM (secuencias, disparadores) — disponibles en la mayoría de los CRM, pero basadas en plantillas. Los correos de seguimiento eran genéricos e impersonales; los representantes los desactivaban tras quejas.
2. Contratación de un SDR dedicado — habría resuelto el problema de seguimiento, pero a un costo entre 3 y 5 veces mayor que la solución de IA, con tiempo de incorporación y sobrecarga de gestión.
3. Agente de IA que monitoriza eventos del CRM vía API — elegido. El agente redacta correos conscientes del contexto usando los datos del formulario del lead y la conversación previa, actualiza las etapas según señales de actividad, y avisa al representante solo cuando se requiere una acción genuina.

Decisión

El agente se suscribe a los eventos webhook del CRM — nuevo lead creado, correo abierto, enlace clicado, reunión asistida. En cada disparador decide la acción adecuada: redactar un correo de seguimiento, avanzar la etapa de la negociación, crear una tarea para el representante o enviar una alerta de Slack. Los borradores van a una cola de revisión; el representante aprueba con un clic y el correo se envía. Las actualizaciones de etapa y las tareas se aplican de inmediato sin acción del representante.

Implementación

Un backend en Python gestiona los webhooks del CRM y enruta los eventos al agente. El agente usa el origen del lead, las respuestas del formulario y el historial de conversación para redactar correos que hacen referencia a detalles específicos en lugar de plantillas genéricas. GPT-4 clasifica cada evento según una rúbrica de puntuación de leads y determina el nivel de urgencia. Los leads de alta urgencia disparan una notificación de Slack al representante asignado con el correo redactado y un botón de envío en un clic vía Block Kit de Slack.

La lógica de etapas de la negociación se codifica como una máquina de estados: el agente mapea cada tipo de actividad a una transición de etapa permitida y actualiza el CRM vía API. La creación de tareas sigue un libro de reglas de cadencia — si no hay actividad en 3 días, crea una tarea; si el correo se abre dos veces, escala la urgencia.

Resultado

El tiempo medio del primer seguimiento bajó de 28 horas a menos de 2 horas. La precisión de las etapas en el CRM mejoró a casi tiempo real. El tiempo de los representantes de ventas dedicado a la entrada de datos en el CRM se redujo en aproximadamente un 70%. La visibilidad del pipeline para la dirección pasó de poco fiable a en vivo.