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.