Un agent IA per a qualificació de leads no hauria de començar com una conversa oberta. Hauria de començar com una arquitectura petita, mesurable i controlada: una entrada de lead, unes preguntes mínimes, criteris comercials explícits, una sortida estructurada, eines acotades, registre al CRM i handoff humà.
La versió mínima viable no ha d’automatitzar tot el procés comercial. Ha de fer una cosa bé: convertir una sol·licitud entrant en una oportunitat més ben classificada, resumida i preparada per al següent pas.
En resum
L’arquitectura mínima viable d’un agent IA per a qualificació de leads és el conjunt mínim de components que permet rebre un lead, demanar context pendent, aplicar criteris de fit i intenció, retornar un resultat estructurat, registrar la dada al CRM i derivar a una persona quan hi ha encaix, risc o ambigüitat.
La peça crítica no és el prompt. És el contracte operatiu: quines dades entren, quines regles s’apliquen, quina sortida ha de produir l’agent, quines eines pot fer servir, què no pot decidir i quina mètrica demostra que millora el procés.
El problema que ha de resoldre l’arquitectura
La qualificació de leads es trenca quan el sistema comercial depèn de lectura manual i criteri informal.
- Tots els formularis entren amb el mateix pes.
- L’equip pregunta sempre el mateix.
- El CRM s’actualitza tard o amb notes vagues.
- No queda clar per què un lead es va prioritzar o descartar.
- Els leads incomplets no tenen seguiment.
- Les oportunitats bones esperen que algú les revisi.
Un agent IA pot ajudar, però només si l’arquitectura evita tres errors: improvisar preguntes, classificar sense regles i registrar dades sense traçabilitat.
L’article Com automatitzar la qualificació de leads amb IA explica el cas d’ús complet. Aquest article baixa un nivell: quina arquitectura mínima cal construir perquè aquest flux funcioni de manera fiable.
Definició operativa
Un agent IA per a qualificació de leads és un sistema que rep una oportunitat comercial, recull context, aplica criteris de qualificació, genera una sortida estructurada i activa el següent pas: reunió, revisió humana, seguiment, nutrició o descartament controlat.
Perquè sigui viable en producció, necessita separar cinc capes:
- Entrada del lead.
- Preguntes i context.
- Regles de qualificació.
- Sortida estructurada.
- Registre, handoff i mesura.
OpenAI descriu function calling com una manera de connectar models amb sistemes externs i dades fora de l’entrenament mitjançant eines definides per schema. Aquesta idea és clau: l’agent no s’ha de quedar en text lliure. Ha de produir i utilitzar dades que altres sistemes puguin validar.
Components mínims del sistema
El MVP ha de tenir pocs components, però cadascun ha d’estar definit. Si en falta un, l’agent pot conversar, però no operar bé.
| Component | Què resol | Decisió mínima |
|---|---|---|
| Entrada | Defineix on neix el lead. | Formulari, chat, email, landing o webhook. |
| Identitat | Evita duplicats i permet seguiment. | Nom, email, empresa, domini i font. |
| Context | Dona material per qualificar. | Necessitat, objectiu, urgència, eines, pressupost orientatiu. |
| Criteris | Converteix conversa en decisió. | Fit, intenció, timing, valor potencial, complexitat i autoritat. |
| Base de coneixement | Evita respostes improvisades. | Oferta, límits, sectors, serveis, requisits i casos no acceptats. |
| Sortida estructurada | Permet registrar i mesurar. | Estat, score, motiu, resum, següent pas i camps CRM. |
| Eines | Connecta IA amb sistemes reals. | Buscar contacte, crear lead, crear tasca, notificar, demanar revisió. |
| Validacions | Redueix errors operatius. | Camps obligatoris, enum vàlids, llindars, permisos i logs. |
| handoff humà | Manté criteri comercial. | Derivar si hi ha encaix, ambigüitat, urgència, risc o alt valor. |
| Mètriques | Demostra impacte. | Leads qualificats, descartats, revisió humana, reunions i conversió. |
Anthropic recomana definir eines amb nom, descripció i input_schema. En una arquitectura comercial, aquesta recomanació es tradueix en una cosa pràctica: cada eina s’ha de comportar com un contracte. Ha de quedar clar quan s’utilitza, quines dades accepta, què retorna i què no pot fer.
Flux mínim viable
El primer flux ha de ser lineal. No cal començar amb múltiples embuts, diversos CRMs o automatitzacions complexes.
- El lead entra per formulari, chat, email o webhook.
- El sistema normalitza les dades mínimes: contacte, empresa, font i missatge.
- L’agent detecta intenció i demana només el context pendent.
- L’agent aplica criteris de qualificació definits pel negoci.
- La sortida es valida contra un schema.
- Si el cas és clar, es registra al CRM amb estat i resum.
- Si el cas és ambigu o sensible, es deriva a revisió humana.
- El resultat es mesura com a lead qualificat, incomplet, en revisió, descartat o reunió programada.
n8n documenta el Tools Agent com un agent que utilitza eines externes i APIs, entén capacitats d’eines i pot assegurar un format estàndard de sortida. Per a un MVP comercial, això permet orquestrar el flux sense convertir l’agent en una caixa negra.
La sortida estructurada és el cor del MVP
Si l’agent retorna només una resposta en llenguatge natural, l’equip continuarà copiant i enganxant. L’arquitectura mínima necessita una sortida estructurada que es pugui desar, auditar i mesurar.
Un schema mínim podria tenir aquests camps:
{
"lead_status": "qualified | incomplete | needs_human_review | nurture | disqualified",
"priority": "high | medium | low",
"fit_score": 0,
"intent_score": 0,
"urgency": "now | this_quarter | later | unknown",
"company_type": "empresa | agència | founder | equip_comercial | altre",
"need": "captació | qualificació | seguiment | crm | auditoria | altre",
"summary": "Resum breu per a l'equip comercial",
"missing_information": ["dada pendent"],
"recommended_next_step": "programar | demanar_context | derivar | nodrir | descartar",
"human_review_required": true,
"review_reason": "Motiu de revisió humana"
}OpenAI diferencia Structured Outputs de JSON mode: tots dos poden produir JSON vàlid, però Structured Outputs busca adherència al schema. Per a qualificació de leads, aquesta diferència importa perquè el CRM, les tasques i els dashboards no poden dependre de text lliure.
Criteris de qualificació que ha de suportar
El MVP no necessita un scoring sofisticat des del primer dia. Necessita criteris suficients per separar casos.
| Criteri | Senyal mínima | Sortida esperada |
|---|---|---|
| Fit | Tipus d’empresa, sector, mida o cas d’ús. | Encaixa, no encaixa o requereix revisió. |
| Intenció | Problema explícit, sol·licitud concreta o exploració genèrica. | Prioritat comercial. |
| Urgència | Termini, bloqueig actual o data objectiu. | Seguiment ràpid o nutrició. |
| Autoritat | Decisor, influenciador, tècnic o contacte inicial. | Reunió directa o demanar participants. |
| Pressupost | Rang, capacitat o desconegut. | Avançar, demanar context o revisar. |
| Complexitat | Eines, integracions, dades, regulació o multi-equip. | Escalar a perfil senior. |
HubSpot permet construir scores amb criteris per propietats o esdeveniments, punts positius o negatius i regles de filtre. L’aprenentatge per a un agent IA és que la qualificació s’ha de separar en senyals, no resoldre’s amb una etiqueta única com “lead bo”.
Eines mínimes que hauria de tenir
No convé donar accés ampli a l’agent. La versió mínima necessita poques eines i permisos acotats.
| Eina | Què fa | Risc a controlar |
|---|---|---|
buscar_lead_existente | Comprova si ja existeix contacte, empresa o lead. | Duplicats i coincidències incorrectes. |
guardar_resultado_cualificacion | Registra estat, score, resum i camps clau. | Mapatge incorrecte de camps. |
crear_tarea_revision | Assigna revisió humana amb context. | Falta d’owner o prioritat. |
notificar_oportunidad | Avisa l’equip si hi ha prioritat alta. | Soroll per excés d’alertes. |
registrar_evento_medicion | Desa esdeveniments per a reporting. | Mètriques inconsistents. |
Salesforce documenta que per crear registres amb REST API s’utilitza l’endpoint de sObjects i que els noms de camp del cos han de coincidir amb els camps de l’objecte destí. A la pràctica, un agent no hauria d‘“escriure al CRM” sense un mapatge explícit entre sortida estructurada i camps reals.
Què construir primer i què deixar fora
L’error habitual és convertir el MVP en una plataforma completa. Un bon primer agent fa menys coses, però les fa amb més control.
| Incloure al MVP | Deixar per després |
|---|---|
| Una entrada principal de leads. | Tots els canals comercials alhora. |
| 5-8 preguntes de context màxim. | Formularis conversacionals llargs. |
| Criteris simples de fit, intenció i urgència. | Scoring predictiu avançat. |
| Sortida JSON validable. | Text lliure com a única sortida. |
| Registre bàsic en CRM o document operatiu. | Sincronització bidireccional complexa. |
| Revisió humana per a casos sensibles. | Descartaments automàtics irreversibles. |
| Mètriques de leads qualificats i reunions. | Atribució multi-touch avançada. |
El MVP ideal per a una empresa o agència podria ser aquest:
- Entrada des de formulari o chat.
- Detecció de tipus de sol·licitud.
- Preguntes de context segons necessitat.
- Classificació en
qualified,incomplete,nurture,disqualifiedoneeds_human_review. - Resum comercial breu.
- Registre en CRM o tasca interna.
- Notificació al responsable.
- Mesura setmanal de qualitat i conversió.
Validacions i handoff humà
L’arquitectura mínima ha de definir quan l’agent pot continuar i quan ha de demanar revisió.
| Situació | Acció de l’agent | Motiu |
|---|---|---|
| Lead amb fit alt i urgència clara. | Crear tasca prioritària i suggerir trucada. | Hi ha senyal comercial suficient. |
| Lead incomplet però potencialment vàlid. | Demanar dades pendents o marcar incomplete. | Falta context per decidir. |
| Lead amb pressupost o scope ambigu. | Enviar a revisió humana. | Risc de mala qualificació. |
| Cas fora d’oferta. | Registrar motiu i suggerir sortida controlada. | Evita soroll sense perdre traçabilitat. |
| Compte estratègic o marca rellevant. | Revisió humana obligatòria. | No convé descartar per regla automàtica. |
| Acció externa sensible. | Pausar i demanar aprovació. | Control de risc. |
El handoff no és un detall. És part de l’arquitectura. Un agent útil lliura el context de manera breu: què necessita el lead, per què s’ha classificat així, què falta, quin risc hi ha i quin és el següent pas.
Errors tècnics comuns
- Començar per un prompt llarg: genera respostes raonables, però no un sistema operatiu.
- No definir schema de sortida: impedeix registrar dades consistents.
- No separar fit i intenció: barreja empreses que encaixen amb leads que només tafanegen.
- No mapar camps CRM: provoca registres incomplets o errors d’integració.
- No tenir revisió humana: delega decisions comercials sensibles.
- No registrar motius: impedeix saber per què es va qualificar o descartar un lead.
- No mesurar després: converteix la IA en una demo sense aprenentatge.
L’arquitectura explicada a Com dissenyar un agent IA que pregunta, filtra i deriva oportunitats amplia aquests punts per a altres tipus d’agents comercials.
Checklist tècnic-comercial del MVP
Abans de construir, s’hauria de poder respondre aquest checklist:
- Quina és l’entrada principal del lead?
- Quines dades mínimes són obligatòries?
- Quines preguntes farà l’agent i en quin ordre?
- Quins criteris separen fit, intenció, urgència i complexitat?
- Quins estats de qualificació existeixen?
- Quina sortida estructurada ha de retornar?
- Quines eines pot fer servir?
- Quins camps de CRM s’actualitzen?
- Quins casos requereixen revisió humana?
- Quins esdeveniments o mètriques es mesuraran?
- Qui revisarà converses i resultats?
Per a la part d’integració, convé llegir Com connectar un agent IA amb CRM, formularis i eines internes. Per a mesura, el següent pas natural és Com mesurar un agent IA comercial: leads, reunions i conversió.
Vols dissenyar l’arquitectura del teu agent de qualificació?
Si la teva empresa o agència rep leads que arriben sense context, es classifiquen a mà o queden mal registrats al CRM, el primer pas no és triar una eina. És definir una arquitectura mínima viable amb criteris, sortida estructurada, handoff i mesura.
Dissenyar un agent IA de qualificació
Preguntes freqüents
- Què és l'arquitectura mínima viable d'un agent IA per a qualificació de leads?
- És la versió més simple d'un sistema que rep leads, recull context, aplica criteris comercials, genera una sortida estructurada, registra dades al CRM i deriva a una persona quan correspon.
- Quins components mínims necessita?
- Necessita una entrada clara, criteris de qualificació, base de coneixement, flux de preguntes, sortida estructurada, eines connectades, validacions, handoff humà i mètriques.
- Per què és important la sortida estructurada?
- Perquè permet convertir la conversa en camps accionables: estat, score, motiu, resum, dades pendents, següent pas i registre CRM.
- L'agent ha d'actualitzar el CRM automàticament?
- Pot fer-ho si el mapatge de camps, permisos, validacions i logs estan definits. Per a canvis sensibles o descartaments definitius, convé mantenir revisió humana.
- Què convé deixar fora del primer MVP?
- Convé deixar fora decisions de pricing, descartaments irreversibles, automatitzacions complexes, múltiples CRMs i qualsevol acció externa que no tingui regles, permisos i mesura clara.