Sistema de ventas con IA
Aumentar la capacidad de seguimiento sin ampliar el equipo de setters.
El negocio tenía un problema de volumen de leads disfrazado de problema de ventas.
Los leads llegaban a lo largo del día desde marketplaces, publicidad en redes sociales, sitios web, llamadas entrantes y canales sociales. Un equipo de cuatro setters ubicado en el extranjero atendía una cola en horario laboral de EE. UU., así que algunos leads esperaban horas, a veces hasta el día siguiente, antes del primer contacto.
El seguimiento era irregular, los datos del CRM estaban desordenados y no había una forma fiable de garantizar que cada lead recibiera el mismo nivel de seguimiento ni la misma calidad de atención.
Qué cambió
Asumí la responsabilidad del sistema técnico y reconstruí progresivamente el recorrido del lead en torno a la orquestación del CRM y la voz con IA.
El sistema final conectaba 10 canales de entrada a través de 16 plataformas, con GoHighLevel como capa de estado, Make como bus de integración y Vapi para la voz.
Los nuevos leads podían recibir un contacto casi inmediato, a menudo precedido de un SMS, y luego avanzar por secuencias de seguimiento propias de cada etapa hasta programar una reunión, rechazar o llegar a otro resultado definido.
La IA se encargaba de programar las reuniones. Las personas tomaban el relevo cuando la relación cobraba más valor: el closer asistía a la videollamada programada y acompañaba al cliente potencial hasta la venta.
- 10 canales de entrada
- Normalización / deduplicación Reglas
- Pipeline de GoHighLevel Reglas
-
SMS/correo ReglasLlamadas con IA IACitas directas Reglas
- Cadencia por etapa Reglas
- Herramientas de disponibilidad / conocimiento IA
- Cita registrada Reglas
- Closer asignado Reglas
- Recordatorios / recuperación de ausencias Reglas
- Proceso de venta gestionado por personas Humano
A gran escala
- llamadas con IA en un mes pico
- ~50 000
- reuniones programadas de forma autónoma al mes
- ~400
- en cobros sostenidos, con el apoyo del sistema
- ~1 M USD/mes
El sistema acompañó al negocio mientras el marketing aumentaba el volumen de leads y la empresa pasaba de unos 200 000 USD al mes a cerca de 1 M USD al mes en cobros.
El cambio importante no fue simplemente reemplazar llamadas por IA. Fue crear un sistema de gestión de leads en el que cada cliente potencial pudiera recibir un seguimiento uniforme y constante, sin importar el volumen.
El reto no era la llamada con IA en sí, sino todo lo que la rodeaba: el estado, la programación de citas, los fallos, la documentación y el traspaso a una persona. El sistema también confirmó que la automatización a gran volumen necesita supervisión e iteración continuas, no un desarrollo puntual.
Leer el caso completoSistema operativo de adquisición de enlaces
Reconstruir desde el proceso una operación manual que se estaba deteriorando.
Antes de la plataforma, la operación funcionaba con dos procedimientos, Airtable, Pitchbox, cuatro buzones de correo y un equipo de seis personas.
El negocio era sólido, pero el modelo operativo se estaba deteriorando. La velocidad de entrega había caído trimestre tras trimestre y, en el momento del lanzamiento, había 675 pedidos abiertos y atrasados. El plazo medio de entrega había llegado a unos 80–88 días.
El objetivo era explícito:
Corregir las entregas, aumentar el volumen, reducir los costos de herramientas y personal, y mejorar la calidad.
Antes de escribir código
Se dedicó una semana a entender y especificar el sistema antes de empezar a construir nada.
Eso implicó
- Revisar los procedimientos existentes
- Entrevistar al gerente que dirigía la operación
- Mapear cada etapa y cada decisión
- Definir la estructura de la base de datos
- Validar las fuentes de datos
- Estimar la capacidad y el costo de las API
- Decidir qué debía ser determinista, asistido por IA o revisado por una persona
El modelo operativo
La plataforma terminada gestiona la mayor parte del flujo de trabajo:
buscar evaluar contactar interpretar negociar asignar aprobar entregar monitorear
Los umbrales y las decisiones de precios se gestionan mediante reglas deterministas. Los modelos de lenguaje se utilizan donde la interpretación aporta valor. Las personas siguen presentes en los compromisos financieros, los casos límite ambiguos y los controles de calidad.
Esa separación fue deliberada: el LLM puede leer y clasificar palabras, pero no inventa precios ni toma decisiones de negocio sin control.
- Dominio encontrado
-
- Verificaciones gratuitas Reglas
- Verificaciones de datos baratas Reglas
- Verificación de contenido / legibilidad IA
- Verificaciones de calidad más costosas Reglas
Gastar solo en los candidatos que superan las verificaciones más baratas.
- Contacto verificado Reglas
- Contacto en frío Reglas
- Clasificación de respuestas IA
- Negociación determinista Reglas
- Base de medios incorporados Reglas
- Asignación de pedidos Reglas
- Aprobación humana Humano
- Enlace publicado
- Monitoreo Reglas
El resultado
- dominios evaluados
- 25 883
- decisiones de calidad registradas
- 163 566
- tomadas sin intervención humana
- 87 %
- enlaces publicados en los primeros cuatro meses
- 915
- de los pedidos pendientes heredados, entregados
- 75 %
Antes
6 personas
- Gerente Humano
- Contacto en frío Humano
- 4 × gestión de pedidos Humano
- Airtable + Pitchbox + buzones
2,5 % publicados en 30 días
Después
1 operador a tiempo completo + gerente a tiempo parcial
El sistema hace
- Búsqueda
- Evaluación
- Contacto en frío
- Negociación
- Asignación
- Seguimiento
Personas
- Aprueban el gasto
- Resuelven casos límite
- Gestionan los pagos
28,5 % publicados en 30 días
El proyecto reforzó tres ideas: entender el proceso antes de automatizarlo, incorporar las consideraciones económicas al diseño de la arquitectura y tratar lo que se aprende en producción como parte del desarrollo, no como una excepción.
Leer el caso completo