Este documento explica el proyecto de construir un gerente de ventas automatizado por inteligencia artificial para Punto 360. Está escrito para un equipo con mentalidad de ciencias duras: se usan analogías de física y matemáticas para explicar qué hace un proceso de ventas sin caer en palabrería de marketing.
Un proceso de ventas no es "arte", "carisma" ni "chamuyo". Es un sistema dinámico con entradas, estados, transiciones y una salida. Tú ya haces esto todo el tiempo.
Piensa en un sistema físico: tienes partículas (leads) que se mueven en un espacio de fases (el CRM), bajo la influencia de fuerzas (tus mensajes, llamadas, ofertas). Algunas partículas aceleran hacia un estado final estable (el cierre). Otras se dispersan. El trabajo del vendedor es aplicar la fuerza mínima necesaria en el momento correcto para maximizar la cantidad de partículas que llegan al fondo del potencial.
La IA no reemplaza al vendedor. Es un operador matemático que aplica transformaciones repetitivas, mide resultados y aprende qué transformaciones cambian el estado de cada lead de forma favorable.
Un AI Sales Manager es un sistema de software que, dado un conjunto de leads, ejecuta automáticamente las acciones de contacto, calificación, seguimiento y agendado que antes hacía un representante de ventas junior, dejando a los humanos solo las etapas de alta complejidad: demo técnica, propuesta personalizada y cierre.
Hasta que no lo calificas, un lead está en superposición: puede ser cliente o no serlo. El primer contacto es la medición que colapsa la función de onda a un estado definido: Hot, Warm o Cold.
Cada etapa del funnel es un nivel de energía potencial. El lead avanza cuando la combinación de interés propio y fuerza externa (tu mensaje) supera la barrera de activación. Un buen vendedor no empuja: baja las barreras.
Cualquier prospecto puede descomponerse en cuatro componentes independientes: Budget, Authority, Need, Timeline. El score total es la norma ponderada de este vector en el espacio de calificación.
Cada industria tiene un tiempo característico para que un lead pase de estado inicial a equilibrio (cierre). La IA acorta ese tiempo de relajación acelerando las transiciones de estado.
No importa cuántos leads entren al tope si el flujo se atasca en el medio. Las métricas miden el flujo másico por etapa y dónde hay fugas o cuellos de botella.
El dinero gastado en generar leads es la energía de entrada. El dinero recuperado en ventas es el trabajo útil. La eficiencia del sistema es el rendimiento: cuánto input se convierte en close.
La probabilidad de cerrar decae exponencialmente con el tiempo desde el último contacto, no linealmente. Por eso el tiempo de respuesta no es una cortesía: a los cinco minutos sigues en la parte alta de la curva, a las cinco horas ya estás en la cola.
Para decidir qué hacer con un lead no hace falta su historia completa, sólo en qué estado está ahora y su score. Por eso el CRM guarda estado y no narrativa: una máquina de estados se puede automatizar, una anécdota no.
Leads en el sistema = tasa de llegada × tiempo medio de permanencia. Si no puedes bajar la tasa de llegada —ni quieres—, la única palanca para que el pipeline no se sature es acortar el tiempo de permanencia. Eso es exactamente lo que automatiza el seguimiento.
La mayoría de los contactos que entran no son clientes: son ruido de fondo. Calificar es aplicar un filtro que sube la relación señal/ruido antes de que la señal llegue al vendedor humano, que es el componente caro de la cadena.
Insistir más fuerte no sirve; insistir en la frecuencia correcta, sí. Demasiado seguido y el sistema amortigua —te bloquean—; demasiado espaciado y la amplitud decae antes del siguiente pulso. La secuencia de follow-up es la búsqueda de esa frecuencia.
Con diez prospectos, el resultado del mes lo decide la varianza. Con mil, lo decide la tasa de conversión, que sí se puede mejorar. Automatizar no es cerrar más de cada lead: es poder sostener un N en el que la tasa mande sobre el azar.
Sin trabajo externo, el CRM tiende al desorden: notas a medias, estados viejos, gente que nadie sabe si sigue viva. El proceso automatizado es el trabajo que se mete al sistema para mantenerlo ordenado, y es constante, no heroico.
Un lead en «propuesta» no dice nada por sí mismo. Lo que informa es a qué velocidad se mueve: dos semanas parado en la misma etapa es derivada cero, y un lead con derivada cero está muerto aunque el CRM lo pinte de amarillo.
El agente mueve a cada lead por estas etapas, registrando todo en el CRM.
Cada bot es un agente especializado, como funciones diferenciables que componen el operador global.
Toma un lead y le aplica la transformación BANT. Hace preguntas cortas, detecta respuestas y devuelve un vector de calificación. Equivalente a un operador de medición en mecánica cuántica.
Ejecuta secuencias multicanal (WhatsApp, email, llamada) con periodos definidos. Es un oscilador forzado: aplica pulsos periódicos de contacto. Si el lead responde, el sistema deja de oscilar y pasa al siguiente operador.
Responde preguntas sobre Punto 360: precios, funciones, casos de uso, diferencias con competidores. Usa un sistema RAG ( Retrieval-Augmented Generation ) con la base de conocimiento interna. Es tu manual de usuario viviente.
Cuando el lead califica como Hot, ofrece horarios disponibles del equipo de ventas y bloquea la cita. Es la condición de contorno que fija el estado de "demo agendada".
Cada métrica tiene asociada una call to action: un cambio concreto en el sistema cuando el número se sale del rango esperado. Sin CTA, una métrica es solo decoración.
| Capa | Función | Tecnología sugerida |
|---|---|---|
| Canales | WhatsApp, llamada, email, formulario web | Twilio, Meta API, SendGrid |
| Orchestrator | State machine del funnel, routing de bots | Node.js / Python + PostgreSQL |
| LLM Core | Generación de mensajes, BANT, respuestas | OpenAI GPT-4o / Anthropic Claude |
| Knowledge Base | RAG con datos de Punto 360 | pgvector / Pinecone |
| CRM + Calendar | Estado de leads y agendamiento | HubSpot / Cal.com / Google Calendar |
| Analytics | Dashboard y alertas | Metabase o panel propio |
Conectar fuentes de leads, definir BANT específico para Punto 360, construir el Qualification Bot y sincronizar estados con el CRM.
Implementar Info Response Bot con RAG, secuencias de follow-up multicanal y handoff a humano.
Integrar calendario, activar Meeting Bot, recordatorios automáticos y confirmaciones.
Dashboard de métricas, alertas con CTA, A/B testing de scripts y ajuste de pesos BANT con datos reales.
Definir el perfil de cliente ideal para Punto 360 y las primeras 20 preguntas frecuentes que el Info Response Bot debe saber responder. Con eso arranca la Fase 1.