Moltes consultes comercials arriben abans que una persona estigui preparada per demanar una reunió. Pregunta per preus, compatibilitat, terminis, integracions, garanties, seguretat, suport, casos semblants o condicions de contractació. Si ningú respon ràpid, aquesta intenció es refreda. Si respon suport sense criteri comercial, l’oportunitat pot resoldre’s com un dubte aïllat i no entrar mai en vendes.
El suport prevenda existeix just en aquest espai: entre la pregunta inicial i l’oportunitat comercial. No és suport tècnic pur, però tampoc és venda directa. És el moment en què una empresa necessita respondre bé, entendre la intenció, recollir context i decidir si convé activar una persona.
Un agent IA per a suport prevenda pot ajudar en aquest punt. No hauria de tancar vendes ni prometre condicions que no estan definides. La seva feina és respondre dubtes inicials amb coneixement controlat, detectar senyals comercials, demanar la informació mínima i derivar oportunitats amb context suficient.
Aquest article connecta amb la guia d’automatització comercial amb IA, la qualificació de leads amb IA, l’arquitectura per connectar agents IA amb CRM i eines internes i la mesura d’agents IA comercials.
En resum
Un agent IA de suport prevenda és un sistema dissenyat per respondre dubtes inicials de potencials clients, detectar intenció comercial i preparar el pas següent sense perdre context. El seu valor no és contestar més missatges, sinó separar preguntes informatives, oportunitats reals, casos incomplets i sol·licituds que han de passar a una persona.
El flux recomanat és: rebre la consulta, identificar la intenció, consultar coneixement controlat, respondre dins de límits, recollir context comercial, classificar l’oportunitat, registrar la interacció i derivar a vendes quan correspon.
El dolor comercial
Les empreses solen tractar totes les consultes inicials com si fossin suport o com si fossin vendes. Aquest enfocament genera dos problemes oposats.
D’una banda, suport pot respondre un dubte i tancar la conversa sense detectar que al darrere hi havia una oportunitat. De l’altra, vendes pot rebre consultes massa immadures, sense context suficient i amb preguntes repetides que consumeixen temps abans de saber si hi ha encaix.
El cost apareix de diverses formes:
- Respostes lentes a preguntes d’alt valor.
- Leads que pregunten per integracions, preus o seguretat i no queden registrats.
- Equip comercial responent sempre els mateixos dubtes.
- Suport resolent consultes que haurien de derivar-se a vendes.
- CRM incomplet perquè la conversa va quedar en chat, email o formulari.
- Reunions mal preparades perquè ningú va recollir context tècnic o comercial.
- Oportunitats que es refreden mentre esperen una resposta clara.
Salesforce descriu una pressió semblant en atenció al client: els equips tenen expectatives més altes, més tasques repetitives i més necessitat de coordinar IA amb persones. També assenyala que els equips de servei esperen contribuir directament a ingressos, cosa especialment rellevant quan una consulta de suport pot convertir-se en oportunitat comercial.
Suport tècnic no és suport prevenda
El primer pas és separar bé els tipus de consulta. No totes les preguntes han d’anar al mateix flux.
| Tipus d’interacció | Objectiu principal | Senyals típics | Acció recomanada |
|---|---|---|---|
| Suport tècnic | Resoldre una incidència d’usuari o client actual. | Error, fallada, compte existent, problema operatiu. | Crear ticket, consultar base d’ajuda o escalar a suport. |
| Suport prevenda | Resoldre dubtes abans de comprar i detectar encaix. | Preu, integració, terminis, seguretat, compatibilitat, abast. | Respondre, recollir context i derivar si hi ha oportunitat. |
| Qualificació comercial | Decidir si una oportunitat mereix atenció de vendes. | Necessitat, urgència, pressupost, mida, decisió, timing. | Crear lead, deal o tasca comercial. |
| Venda consultiva | Diagnosticar, proposar i negociar. | Reunió, proposta, objeccions, decisió, condicions. | Intervenció humana amb context preparat. |
La diferència no és semàntica. Canvia el disseny de l’agent, les regles de negoci, les dades que ha de recollir i el handoff posterior.
Què hauria de passar amb una consulta prevenda
Una consulta prevenda ben gestionada no hauria de dependre només que algú la llegeixi a temps. El sistema hauria d’ordenar el recorregut des del primer contacte.
- Detectar la intenció: entendre si la persona busca informació, avalua una compra, té una objecció o ja necessita contacte comercial.
- Respondre amb coneixement controlat: fer servir documentació aprovada, preguntes freqüents, condicions públiques, guies d’integració o criteris interns.
- Recollir context mínim: empresa, necessitat, mida aproximada, urgència, eines actuals i dubte principal.
- Classificar el cas: oportunitat clara, falta context, suport tècnic, client actual, sense encaix o consulta informativa.
- Preparar un resum: deixar una síntesi útil per a vendes, suport o la persona que hagi d’intervenir.
- Registrar la interacció: actualitzar CRM, crear tasca, etiquetar conversa o generar esdeveniment de mesura.
- Activar el pas següent: agendar, derivar, demanar informació addicional, enviar recurs o tancar amb una resposta clara.
Això converteix una conversa dispersa en un flux comercial mesurable.
Definició: què és un agent IA de suport prevenda
Un agent IA de suport prevenda és un sistema conversacional connectat a coneixement, regles i integracions que respon dubtes inicials de potencials clients, detecta intenció comercial, recull context i deriva oportunitats a l’equip adequat.
No és un chatbot genèric amb respostes tancades. Tampoc és un venedor automàtic. És una capa de triatge comercial que ajuda que cada consulta rebi el tractament correcte.
Un agent útil hauria de poder:
- Respondre preguntes freqüents sobre serveis, abast, integracions, procés o passos següents.
- Consultar una base de coneixement controlada mitjançant recuperació d’informació o RAG.
- Distingir entre dubte informatiu, intenció comercial i suport tècnic.
- Demanar dades mínimes quan falta context.
- Crear o actualitzar un contacte, empresa, deal, ticket o tasca.
- Derivar a una persona amb resum, senyals i recomanació.
- Registrar mètriques per saber quines consultes generen oportunitats.
Com intervé un agent IA
L’agent no hauria d’improvisar. Ha d’operar amb una arquitectura senzilla i regles explícites.
| Capa | Què fa | Exemple en suport prevenda |
|---|---|---|
| Entrada | Rep la consulta des de chat, formulari, email o landing. | ”Es pot integrar amb el nostre CRM?” |
| Intenció | Classifica què busca la persona. | Integració, preu, seguretat, termini, demo, suport, cas sense encaix. |
| Coneixement | Recupera informació aprovada. | Documentació de serveis, FAQs, condicions, stack tècnic, límits. |
| Resposta | Contesta dins de límits definits. | Explica l’enfocament general i aclareix quines dades fan falta. |
| Context | Demana la informació mínima per decidir el pas següent. | CRM actual, volum, urgència, objectiu, equip implicat. |
| Classificació | Decideix si hi ha oportunitat i quina prioritat té. | Alta intenció, falta context, client actual, consulta tècnica. |
| handoff | Deriva a una persona amb resum accionable. | ”Lead amb interès en integració CRM; fa servir HubSpot; necessita demo aquesta setmana.” |
| Mesura | Registra esdeveniments i resultats. | Consulta resposta, lead generat, lead qualificat, reunió agendada. |
OpenAI i n8n documenten enfocaments de recuperació i RAG que serveixen per a aquest tipus de cas: l’agent no respon només des de memòria general del model, sinó que busca informació rellevant en fonts controlades. Això és important perquè una resposta prevenda pot tocar preus, límits tècnics, integracions o condicions que no s’haurien d’inventar.
Flux recomanat
El flux no ha de forçar una reunió en cada consulta. Ha d’ajustar l’acció segons intenció i context.
| Situació detectada | Què hauria de fer l’agent | Què no hauria de fer |
|---|---|---|
| Pregunta informativa simple | Respondre amb font controlada i oferir pas següent. | Obrir una oportunitat comercial sense senyals reals. |
| Dubte de preu o abast | Explicar rangs o criteris aprovats i demanar context. | Prometre preu tancat si depèn del cas. |
| Pregunta d’integració | Respondre el documentat i recollir stack actual. | Afirmar compatibilitat no validada. |
| Objecció de seguretat | Explicar criteris generals i derivar si és sensible. | Improvisar garanties legals o tècniques. |
| Alta intenció comercial | Crear o actualitzar lead/deal i derivar amb resum. | Deixar la conversa com a chat resolt. |
| Client actual amb incidència | Enviar a suport o crear ticket. | Barrejar incidència de client amb pipeline comercial. |
| Consulta sense encaix | Respondre amb claredat o derivar a recurs alternatiu. | Mantenir seguiment comercial innecessari. |
Quines dades ha de recollir
L’agent ha de demanar el mínim necessari. Si demana massa dades, converteix la conversa en un formulari llarg i perd l’avantatge de la interacció.
| Dada | Per què importa | Com utilitzar-la |
|---|---|---|
| Empresa o projecte | Permet entendre context B2B i mida aproximada. | Crear o actualitzar empresa en CRM. |
| Rol de la persona | Indica si parla usuari, decisor, tècnic o intermediari. | Ajustar resposta i handoff. |
| Dubte principal | Defineix la intenció de la consulta. | Classificar com a preu, integració, seguretat, procés o demo. |
| Cas d’ús | Evita respostes genèriques. | Preparar resum comercial i possibles preguntes de discovery. |
| Eines actuals | Aporta context tècnic. | Derivar a integració, CRM, WordPress, n8n o API. |
| Urgència | Indica prioritat temporal. | Crear tasca immediata o seguiment programat. |
| Volum o escala | Ajuda a estimar complexitat. | Diferenciar consulta simple d’oportunitat estratègica. |
| Proper pas desitjat | Aclareix intenció. | Enviar recurs, demanar dades, agendar o derivar. |
La clau és que cada dada tingui ús posterior. Si la dada no canvia la resposta, la prioritat o el handoff, probablement no s’hauria de demanar en la primera interacció.
Matriu d’intenció prevenda
Una classificació senzilla pot començar amb aquestes categories:
- Informació general: la persona busca entendre serveis, abast o metodologia.
- Compatibilitat tècnica: pregunta per CRM, WordPress, APIs, n8n, dades o integracions.
- Avaluació comercial: compara alternatives, pregunta per preu, terminis o modalitat de treball.
- Seguretat o privacitat: necessita criteris de control, dades, permisos o revisió humana.
- Alta intenció: demana trucada, demo, pressupost, proposta o disponibilitat.
- Client actual: necessita suport sobre alguna cosa ja contractada.
- Sense encaix: sol·licita alguna cosa fora del focus o no té context suficient.
Cada categoria ha de tenir una resposta, una dada mínima requerida i un pas següent. Això converteix la conversa en sistema, no en improvisació.
Eines que es poden connectar
Un agent de suport prevenda aïllat pot respondre preguntes, però aporta molt més valor quan es connecta al procés real.
Els sistemes més habituals són:
- Web o landing: punt d’entrada de la consulta.
- Chat o formulari: canal per preguntar i recollir context.
- Base de coneixement: FAQs, pàgines de servei, documentació tècnica, límits i criteris comercials.
- RAG o recuperació d’informació: cerca en documents aprovats per respondre amb millor context.
- CRM: contacte, empresa, lead, deal, nota, tasca o ticket.
- Email o Slack: notificació interna i handoff a persona.
- n8n: orquestració entre chat, CRM, correu, base de dades i agents.
- Google Analytics: mesura d’esdeveniments de generació i qualificació de leads.
La documentació de n8n per a HubSpot mostra operacions útils per a aquest cas: crear o actualitzar contactes, empreses, deals, engagements i tickets. També indica que el node es pot fer servir com a eina d’agent IA. Això permet que el suport prevenda no acabi en una conversa tancada, sinó en una acció dins del CRM.
Mètriques per saber si funciona
El suport prevenda amb IA s’ha de mesurar per impacte comercial, no només per nombre de converses.
| Mètrica | Què mesura | Per què importa |
|---|---|---|
| Temps de primera resposta | Minuts des de consulta fins a resposta inicial. | Redueix refredament d’oportunitats. |
| Consultes respostes | Volum de dubtes inicials resolts amb coneixement controlat. | Mesura reducció de càrrega repetitiva. |
| Oportunitats derivades | Consultes prevenda enviades a vendes amb resum. | Connecta suport prevenda amb pipeline. |
| Leads qualificats | Casos que compleixen criteris definits. | Separa intenció real de soroll. |
| Reunions generades | Derivacions que acaben en trucada o diagnòstic. | Mesura activació comercial. |
| Qualitat del resum | Utilitat del context per a vendes. | Evita handoffs pobres. |
| Escalats a suport | Consultes que eren de client actual o incidència. | Manté ordre entre suport i vendes. |
| Conversió posterior | Avanç a oportunitat, proposta o client. | Avalua si el flux genera negoci real. |
Google Analytics recomana esdeveniments específics per a l’embut de generació de leads, com generate_lead, qualify_lead, disqualify_lead, working_lead, close_convert_lead i close_unconvert_lead. En un flux prevenda, aquests esdeveniments poden ajudar a mesurar si les consultes inicials acaben en leads qualificats o en oportunitats descartades.
Errors comuns
Els errors més perillosos no solen ser tècnics. Solen venir de no definir el paper de l’agent.
- Tractar suport prevenda com a FAQ genèrica: respondre dubtes no n’hi ha prou si no es detecta intenció comercial.
- Prometre massa: l’agent no ha de tancar condicions, descomptes, compatibilitat o compromisos que depenen de revisió humana.
- No separar client actual de potencial client: una incidència ha d’anar a suport, no a vendes.
- Respondre sense base de coneixement controlada: augmenta el risc de respostes incorrectes o desactualitzades.
- Demanar massa dades al principi: converteix el flux en un formulari pesat.
- No crear registre en CRM: la conversa es perd encara que hi hagi bona intenció.
- No preparar handoff humà: vendes rep una notificació sense context i torna a preguntar el mateix.
- Mesurar només converses: moltes converses no són oportunitats.
Què no hauria d’automatitzar
Un agent de suport prevenda ha de tenir límits clars. Convé mantenir intervenció humana en:
- Negociacions de preu o descomptes.
- Condicions contractuals o legals.
- Compromisos de seguretat no documentats.
- Integracions complexes no validades.
- Comptes estratègics o casos d’alt valor.
- Respostes on falta informació crítica.
- Decisions de tancament comercial.
La IA ha de preparar millor la feina comercial, no substituir el criteri que requereix context, responsabilitat i negociació.
Com ho plantejaria Nicolás Torres
No començaria per “posar un chat amb IA a la web”. Començaria per mapar quines preguntes arriben abans d’una oportunitat comercial i què hauria de passar amb cadascuna.
El disseny hauria d’aclarir:
- Quines consultes són prevenda i quines són suport.
- Quines respostes estan aprovades.
- Quins dubtes requereixen buscar en documentació controlada.
- Quines dades mínimes permeten classificar intenció.
- Quins senyals converteixen una pregunta en oportunitat.
- Quins casos s’han de derivar a una persona.
- Què es crea o actualitza en CRM.
- Quins esdeveniments i mètriques permeten avaluar el flux.
Després es pot construir una primera versió petita: un agent per a dubtes inicials, una base de coneixement limitada, una classificació simple, un resum per a vendes i una integració amb CRM o email intern. Si aquest flux funciona, s’amplia a més canals, més regles i més mesura.
El valor no és que l’agent “contesti sol”. El valor és que cada consulta prevenda acabi millor ordenada: resposta, classificada, registrada i derivada quan té potencial comercial.
Automatitzar suport prevenda
Si la teva empresa o agència rep consultes repetides abans d’una reunió comercial, un agent IA pot ajudar a respondre millor, detectar intenció i derivar oportunitats amb context.
Podem revisar els teus canals actuals, preguntes freqüents, CRM, base de coneixement i regles de derivació per dissenyar un primer flux de suport prevenda amb IA.
Preguntes freqüents
- Què és un agent IA de suport prevenda?
- És un sistema que respon dubtes inicials de potencials clients, detecta intenció comercial, recull context mínim i deriva oportunitats a l'equip adequat amb un resum accionable.
- En què es diferencia d'un chatbot de suport?
- Un chatbot de suport sol resoldre preguntes freqüents. Un agent IA de suport prevenda aplica regles comercials, consulta coneixement controlat, detecta senyals de compra i activa passos següents en CRM o vendes.
- Ha de respondre automàticament preus o condicions comercials?
- Només hauria de respondre el que estigui documentat i aprovat. Preus a mida, descomptes, compromisos legals o condicions sensibles s'han de derivar a una persona.
- Quina informació hauria de recollir abans de derivar a vendes?
- Hauria de recollir necessitat, empresa, rol, urgència, volum o mida del cas, eines actuals, dubtes principals, informació que falta i pas següent recomanat.
- Com es mesura si funciona?
- Es mesura amb temps de primera resposta, consultes resoltes, oportunitats derivades, leads qualificats, reunions generades, qualitat del resum i conversió posterior.