Un agente IA que pregunta, filtra y deriva oportunidades no debería diseñarse como una ventana de chat con un prompt largo. Debería diseñarse como una pieza del proceso comercial: entiende qué información falta, aplica criterios de cualificación, prepara un resumen útil y sabe cuándo pasar la conversación a una persona.
El objetivo no es que el agente hable más. El objetivo es que haga menos ruido comercial: menos preguntas repetidas, menos leads sin contexto, menos registros incompletos y menos oportunidades perdidas por una derivación pobre.
En resumen
Un agente IA comercial bien diseñado empieza por el flujo de negocio, no por el modelo. Primero se define qué oportunidad debe cualificar, qué datos necesita, qué reglas debe aplicar, qué herramientas puede usar, qué decisiones no puede tomar y qué debe entregar al equipo humano.
La arquitectura mínima combina entradas, reglas, base de conocimiento, herramientas, validaciones, salida estructurada, handoff humano y medición. OpenAI, Anthropic, Meta Llama y n8n documentan patrones de herramientas y llamadas estructuradas; ReAct aporta el principio de alternar razonamiento y acción; HubSpot muestra por qué el contexto debe terminar en objetos y actividades trazables del CRM.
El problema que la arquitectura debe resolver
Antes de elegir modelo, herramienta o automatización, hay que describir el problema operativo.
En muchos procesos comerciales, el cuello de botella no es la falta de leads. Es la falta de contexto útil para decidir qué hacer con ellos.
- Llegan formularios, chats o emails con mensajes ambiguos.
- El equipo comercial pregunta siempre lo mismo.
- No hay criterios claros para separar oportunidad, curiosidad, soporte o descarte.
- El CRM recibe datos incompletos o notas difíciles de reutilizar.
- Una persona tiene que copiar, interpretar, resumir y derivar manualmente.
- Las oportunidades buenas esperan demasiado antes de tener un próximo paso.
Diseñar el agente significa convertir esa secuencia manual en un sistema controlado. Para profundizar en el marco completo, el artículo Automatización comercial con IA: guía para empresas y agencias desarrolla cómo encaja este tipo de agente dentro del proceso comercial.
Principio central: no empieza por el prompt
Un agente IA comercial no empieza por una instrucción del tipo “eres un experto en ventas”. Empieza por una pregunta más incómoda:
¿Qué decisión comercial debe quedar mejor preparada después de esta interacción?
Desde ahí se define la arquitectura.
Un agente IA comercial que pregunta, filtra y deriva oportunidades se define como un sistema que recoge contexto, aplica reglas de negocio, usa herramientas cuando corresponde, produce una salida estructurada y entrega el caso a una persona con suficiente información para decidir el siguiente paso.
Esta definición separa al agente de un chatbot genérico. Un chatbot puede responder. Un agente comercial debe preparar acción: cualificar, priorizar, registrar, derivar y medir.
Componentes del sistema
La arquitectura debe ser simple de entender, pero explícita. Si un componente no está definido, el agente improvisa.
| Componente | Pregunta de diseño | Decisión práctica |
|---|---|---|
| Objetivo del agente | ¿Qué debe dejar resuelto o preparado? | Cualificar, resumir, derivar, descartar o pedir contexto. |
| Entradas de información | ¿Dónde aparece la oportunidad? | Formulario, chat, email, landing, CRM o llamada transcrita. |
| Base de conocimiento | ¿Qué debe saber para preguntar bien? | Oferta, sectores, casos de uso, límites, precios orientativos, criterios de encaje. |
| Reglas de negocio | ¿Qué criterios separan prioridad, revisión o descarte? | Fit, urgencia, presupuesto, tamaño, necesidad, canal, país o tipo de cliente. |
| Flujo conversacional | ¿Qué pregunta primero y qué evita preguntar? | Preguntas progresivas, no cuestionarios largos desde el inicio. |
| Herramientas | ¿Qué puede consultar o activar? | CRM, calendario, email, n8n, bases de datos, formularios o APIs. |
| Integraciones | ¿Dónde debe quedar registrado el resultado? | Contacto, empresa, lead, deal, actividad, nota, tarea o evento. |
| Validaciones | ¿Qué no debe ejecutar sin control? | Datos sensibles, cambios de CRM, envíos externos, descartes definitivos. |
| handoff humano | ¿Cuándo debe pasar a una persona? | Cuando hay encaje, ambigüedad, riesgo, urgencia o decisión comercial. |
| Métricas | ¿Cómo se sabrá si funciona? | Leads cualificados, descartes, reuniones, tiempo de respuesta, calidad del briefing. |
OpenAI y Anthropic tratan las herramientas como capacidades con schema, nombre, descripción y parámetros. En la práctica comercial, eso obliga a escribir herramientas como contratos: qué hacen, cuándo se usan, qué datos necesitan y qué resultado devuelven.
Flujo paso a paso
El flujo no debería intentar resolver toda la venta. Debe preparar mejor el primer tramo.
- Entrada del lead: el usuario llega por formulario, chat, email o una integración.
- Identificación de intención: el agente separa consulta comercial, soporte, colaboración, empleo, spam o caso ambiguo.
- Preguntas mínimas: pide solo el contexto necesario para decidir el siguiente paso.
- Aplicación de reglas: compara la información con criterios de cualificación.
- Clasificación: asigna estado, prioridad, motivo y tipo de oportunidad.
- Resumen estructurado: genera un briefing breve con problema, contexto, señales y huecos.
- Registro: crea o actualiza objetos, propiedades, notas, actividades o tareas.
- Derivación: entrega el caso a una persona, equipo o flujo de seguimiento.
- Medición: guarda eventos y resultados para ajustar reglas.
El patrón ReAct es útil como referencia conceptual porque combina razonamiento y acción: el sistema no solo produce texto, también puede decidir cuándo necesita información, cuándo usar una herramienta y cómo actualizar el plan según la observación obtenida. No significa exponer razonamiento interno al usuario, sino diseñar un flujo que permita actuar con trazabilidad.
Decisiones de diseño que hay que cerrar
El diseño real ocurre en decisiones pequeñas. Estas son las que más afectan a la calidad del agente.
| Decisión | Buena práctica | Riesgo si no se define |
|---|---|---|
| Qué preguntar | Preguntar lo mínimo para decidir encaje y próximo paso. | El agente se convierte en un interrogatorio largo. |
| Qué no preguntar | Evitar datos sensibles, irrelevantes o prematuros. | Fricción, abandono o mala experiencia. |
| Cuándo insistir | Insistir solo si falta un dato necesario para clasificar. | Conversaciones repetitivas o invasivas. |
| Cuándo derivar | Derivar con resumen cuando hay encaje, urgencia o ambigüedad relevante. | Leads buenos esperando o decisiones delegadas de más. |
| Cuándo detenerse | Cerrar o pausar si no hay encaje, consentimiento o contexto suficiente. | Automatización sin control. |
| Cómo resumir | Usar campos estructurados: necesidad, señales, dudas, prioridad y siguiente paso. | Notas largas, vagas o difíciles de accionar. |
| Cómo registrar | Mapear el resultado a CRM, tarea, email o herramienta interna. | Pérdida de trazabilidad. |
Esta lógica conecta con la cualificación de leads: el artículo Cómo automatizar la cualificación de leads con IA desarrolla cómo definir fit, intención, urgencia y prioridad sin depender de lectura manual.
Cómo usar herramientas sin perder control
Las herramientas amplían lo que puede hacer el agente, pero también aumentan el riesgo. Por eso no conviene darle acceso genérico a “todo el sistema”.
OpenAI documenta llamadas a funciones con argumentos JSON y recomienda strict mode para adherirse al schema. Anthropic remarca la importancia de descripciones claras: una herramienta debe explicar qué hace, cuándo se usa, cómo se comporta y qué datos espera. Meta Llama muestra formatos de tool calling donde el modelo produce una llamada estructurada y otro sistema externo ejecuta la acción. n8n permite operar esa lógica con nodos, herramientas, parsers, pasos intermedios, metadata de trazabilidad y revisión humana para acciones sensibles.
En un agente comercial, las herramientas deberían diseñarse así:
clasificar_oportunidad: recibe contexto y devuelve estado, prioridad y motivo.crear_resumen_comercial: devuelve un briefing con campos previsibles.buscar_contacto_crm: revisa si el contacto o empresa ya existe.registrar_lead: crea o actualiza el registro correspondiente.crear_tarea_humana: asigna seguimiento con resumen y próximo paso.solicitar_revision: pausa acciones sensibles hasta aprobación humana.
La regla es simple: el agente puede preparar, consultar y proponer. Las acciones que modifiquen registros críticos, envíen mensajes externos o descarten oportunidades importantes deberían tener validaciones o aprobación humana.
Dónde debe terminar el contexto
Un agente que clasifica bien pero no deja registro útil sigue creando trabajo manual.
HubSpot estructura los procesos alrededor de objetos, propiedades, registros, asociaciones y actividades. Para un agente IA comercial, eso significa que el resultado no debería quedar solo en una conversación. Debería registrarse como información operacional.
| Resultado del agente | Dónde debería quedar | Para qué sirve |
|---|---|---|
| Datos de contacto | Contacto | Identificar a la persona y evitar duplicados. |
| Empresa o dominio | Empresa | Relacionar la oportunidad con una cuenta. |
| Necesidad y contexto | Nota o propiedad personalizada | Preparar la llamada o propuesta. |
| Estado de cualificación | Lead o deal | Saber si está abierto, cualificado o cerrado. |
| Próximo paso | Tarea, actividad o reunión | Evitar seguimiento manual perdido. |
| Motivo de descarte | Propiedad o nota | Mejorar reglas y reporting. |
| Conversación resumida | Actividad asociada | Dar contexto al equipo humano. |
Si el CRM no refleja el resultado del agente, el equipo sigue operando a ciegas.
Errores técnicos comunes
Los fallos más habituales no son de modelo. Son de arquitectura.
- Prompt demasiado abierto: el agente responde bien una vez, pero no mantiene criterios consistentes.
- Sin reglas explícitas: no sabe cuándo cualificar, pausar, derivar o descartar.
- Sin herramientas acotadas: tiene instrucciones, pero no puede registrar, consultar o activar acciones.
- Sin salida estructurada: genera texto útil para leer, pero difícil de procesar.
- Sin handoff humano: el equipo recibe conversaciones completas en lugar de resúmenes accionables.
- Sin logs ni métricas: no se puede saber qué preguntas funcionan, qué leads se pierden o qué reglas fallan.
- Sin límites: intenta cerrar decisiones comerciales que deberían seguir en manos humanas.
El artículo Chatbot vs agente IA comercial: diferencias reales desarrolla esta diferencia: el valor no está en conversar, sino en conectar conversación, reglas, herramientas y acción.
Versión mínima viable
No hace falta diseñar el agente perfecto desde el primer día. Sí hace falta diseñar una primera versión medible.
Si necesitas ordenar esa primera versión por fases, el Playbook de implementación: agente IA comercial en 30 días desarrolla cómo pasar de diagnóstico a validación sin intentar automatizar todo a la vez.
| Capa | MVP recomendable | Dejar para después |
|---|---|---|
| Entrada | Un formulario o chat principal. | Todos los canales a la vez. |
| Preguntas | 5 a 8 preguntas críticas según intención. | Conversaciones largas con múltiples ramas. |
| Reglas | Criterios simples de encaje, prioridad y descarte. | Scoring predictivo complejo. |
| Herramientas | Registro en CRM, tarea interna y resumen. | Automatizaciones multicanal avanzadas. |
| handoff | Derivación a una persona con briefing. | Asignación automática compleja por territorio o cartera. |
| Medición | Leads cualificados, descartados, reuniones y tiempo de respuesta. | Modelos completos de atribución y forecasting. |
La primera versión debería demostrar una cosa: que el equipo recibe mejores oportunidades con menos trabajo manual.
Checklist técnico-comercial
Antes de publicar el agente, revisaría estas preguntas:
- ¿El objetivo del agente está escrito en una frase concreta?
- ¿Está claro qué información mínima necesita para cualificar?
- ¿Hay criterios de prioridad, descarte y revisión humana?
- ¿Las herramientas tienen nombres, descripciones y schemas claros?
- ¿La salida del agente es estructurada y fácil de registrar?
- ¿El equipo humano recibe resumen, señales, dudas y próximo paso?
- ¿Hay logs o trazabilidad de decisiones y acciones?
- ¿Las acciones sensibles requieren validación o aprobación?
- ¿El CRM recibe datos útiles, no solo una transcripción?
- ¿Se miden leads cualificados, reuniones, descartes y tiempo de respuesta?
Si varias respuestas son “no”, todavía no hay arquitectura. Hay una demo.
Cómo lo plantearía Nicolás Torres
El enfoque correcto no sería empezar por “qué modelo usamos”. Empezaría por mapear el proceso comercial actual:
- De dónde llegan las oportunidades.
- Qué información falta casi siempre.
- Qué preguntas repite el equipo.
- Qué criterios separan una oportunidad útil de una consulta sin encaje.
- Qué herramienta debe recibir el resumen.
- Qué decisiones deben quedar en manos humanas.
- Qué métricas demostrarán que el agente mejora el flujo.
Después sí se diseña el agente: instrucciones, base de conocimiento, herramientas, reglas, outputs, handoff y medición. Ese orden mantiene el posicionamiento correcto: arquitectura de automatización comercial con IA, no instalación de un chatbot.
Diseñemos tu agente IA comercial
Si tu empresa o agencia recibe consultas que requieren preguntas repetidas, clasificación manual o derivación poco clara, el primer paso no es elegir una herramienta. Es diseñar la arquitectura del flujo: qué debe preguntar, cómo debe filtrar, cuándo debe derivar y dónde debe quedar registrado.
Analizar la arquitectura de mi agente IA comercial
Preguntas frecuentes
- ¿Qué significa que un agente IA pregunte, filtre y derive oportunidades?
- Significa que el agente recoge contexto, aplica reglas de negocio, clasifica la oportunidad y entrega un resumen accionable al equipo humano cuando corresponde.
- ¿Por dónde se empieza el diseño de un agente IA comercial?
- Se empieza por el proceso comercial: objetivo, entradas, criterios de cualificación, datos necesarios, límites, herramientas e intervención humana.
- ¿Qué diferencia hay entre un prompt y una arquitectura de agente?
- Un prompt solo orienta una respuesta. Una arquitectura define reglas, contexto, herramientas, validaciones, salidas estructuradas, registros, métricas y handoff.
- ¿Cuándo debe derivar el agente a una persona?
- Debe derivar cuando la oportunidad está cualificada, hay ambigüedad relevante, falta criterio comercial, existe riesgo o se requiere una decisión humana.
- ¿Qué debería construir primero?
- Una versión mínima con una entrada, preguntas clave, reglas simples, resumen estructurado, registro en CRM o herramienta interna y medición básica.