Moltes oportunitats comercials no comencen en un formulari ni en una trucada. Comencen en un email: una consulta enviada a info@, una resposta a una campanya, una recomanació reenviada, una petició de pressupost, un dubte de prevenda o un missatge directe a una persona de l’equip.
El problema és que l’email sol arribar com a text lliure. Pot portar intenció comercial, urgència, context, objeccions, adjunts i senyals de compra, però tot apareix barrejat en una safata d’entrada que algú ha de llegir, interpretar, copiar, resumir i convertir en tasca.
Un agent IA ben dissenyat pot convertir aquests emails entrants en oportunitats comercials estructurades. No es tracta de contestar-ho tot automàticament. Es tracta de classificar, extreure intenció, resumir context, registrar dades útils i activar el següent pas amb control humà.
Aquest article connecta amb la guia d’automatització comercial amb IA, l’arquitectura per connectar agents IA amb CRM i eines internes, la qualificació de leads amb IA i la mesura d’agents IA comercials.
En resum
Convertir emails entrants en oportunitats comercials estructurades consisteix a transformar missatges desordenats en dades accionables: contacte, empresa, intenció, necessitat, urgència, prioritat, resum, informació faltant i pas següent.
El flux recomanat és simple: capturar l’email, netejar el contingut, extreure camps estructurats, classificar intenció i encaix, buscar o crear el registre CRM, preparar una tasca o resposta i mesurar què va passar després. La IA aporta valor quan treballa amb regles, dades de sortida clares, límits d’actuació i handoff humà.
El dolor comercial
La safata d’entrada sembla un canal còmode, però comercialment és fràgil. Cada email requereix interpretació manual i moltes oportunitats queden a mig camí entre comunicació, administració i vendes.
Això afecta especialment:
- Empreses B2B que reben consultes per email des de web, partners, referits o campanyes.
- Agències que reben sol·licituds ambigües i les han de convertir en briefing.
- Equips comercials que copien informació des d’email a CRM.
- Negocis amb diverses safates compartides i poca traçabilitat.
- Founders o responsables que responen directament i no registren cada oportunitat.
El cost no sempre es veu com una pèrdua directa. Es veu com retard, duplicació, oportunitats sense owner, CRM incomplet, respostes inconsistents i reunions mal preparades.
Com funciona avui la safata d’entrada
En molts equips, el flux real s’assembla a això:
- Entra un email amb una consulta comercial.
- Algú el llegeix quan pot.
- Si sembla important, el reenvia o respon.
- Si falta context, demana més dades.
- Si hi ha temps, copia part de la informació al CRM.
- Si no hi ha temps, queda com a conversa a la safata.
- Dies després, costa saber què va passar, qui va respondre i quina oportunitat era prioritària.
El problema no és l’email com a canal. El problema és usar la safata com a sistema comercial principal.
| Email entrant desordenat | Oportunitat comercial estructurada |
|---|---|
| Missatge lliure amb assumpte ambigu. | Intenció classificada: pressupost, demo, suport de prevenda, partnership, feina, spam o client actual. |
| Dades barrejades en paràgrafs. | Camps separats: contacte, empresa, necessitat, urgència, pressupost, eines actuals i font. |
| Prioritat decidida per intuïció. | Prioritat basada en regles d’encaix, urgència, valor potencial i qualitat del context. |
| Resposta manual des de la safata. | Següent pas recomanat: respondre, demanar context, crear tasca, programar una reunió o derivar. |
| CRM incomplet o actualitzat tard. | Contacte, empresa, lead, deal, nota o tasca creats o actualitzats al sistema correcte. |
| Sense traçabilitat clara. | Registre de classificació, resum, data, owner i estat. |
Què hauria de passar amb cada email entrant
Un flux ben dissenyat no intenta que la IA respongui tot. Intenta que cada missatge avanci cap a l’estat correcte.
La seqüència mínima hauria de ser:
- Capturar l’email: per IMAP, Gmail, formulari que envia còpia o integració equivalent.
- Normalitzar contingut: remitent, assumpte, cos, adjunts rellevants, fil, data i destinatari.
- Netejar soroll: signatures, disclaimers, missatges anteriors i contingut repetit.
- Extreure camps: intenció, necessitat, empresa, urgència, pressupost, font i senyals d’encaix.
- Classificar prioritat: alta, mitjana, baixa, requereix context, no comercial o soroll.
- Buscar duplicats: contacte, empresa, lead o deal existent.
- Actualitzar el CRM: crear o enriquir registre, nota, tasca o activitat.
- Activar el pas següent: resposta preparada, pregunta de seguiment, tasca comercial o handoff.
- Mesurar resultat: si hi va haver resposta, reunió, qualificació, descart o conversió.
La documentació de n8n permet cobrir el tram d’entrada amb Email Trigger (IMAP) o Gmail. Per a sortida, el node Send Email pot enviar missatges i esperar una resposta, tot i que per mantenir un fil real a Gmail convé usar l’operació de reply del node Gmail quan el threading sigui important.
Definició: què és un agent IA de triatge comercial d’emails
Un agent IA de triatge comercial d’emails és un sistema que analitza correus entrants, extreu informació estructurada, aplica regles de negoci i prepara accions comercials sense perdre el context original.
No és només:
- un autoresponder;
- un filtre de spam;
- una regla que etiqueta assumptes;
- un resum genèric d’emails;
- una resposta generada sense revisió;
- una automatització que crea leads sense validar qualitat.
Ha de treballar amb una sortida estructurada. Per exemple:
| Camp estructurat | Per a què serveix | Exemple de valor |
|---|---|---|
intent | Entendre què vol el remitent. | sol·licitud_pressupost |
company | Associar el missatge a una empresa. | Empresa B2B SaaS |
need | Resumir el problema principal. | Automatitzar qualificació de leads des de web i email |
urgency | Prioritzar resposta i tasca. | alta |
fit | Avaluar encaix comercial inicial. | mitjà_alt |
missing_context | Saber què preguntar abans d’una trucada. | pressupost, volum mensual, CRM actual |
recommended_next_step | Activar una acció concreta. | respondre amb tres preguntes i crear tasca comercial |
confidence | Detectar quan convé revisió humana. | 0.74 |
OpenAI documenta function calling com una manera de connectar models amb funcions i esquemes. En aquest cas, l’agent no hauria de retornar només una resposta natural; hauria de retornar camps que el workflow pugui usar per crear registres, tasques o decisions. Quan l’esquema és crític, el strict mode ajuda que les crides a funció s’ajustin al format definit.
Com intervé un agent IA
Un agent IA comercial hauria d’intervenir en cinc capes, no com una resposta automàtica solta.
| Capa | Què fa l’agent | Sortida útil |
|---|---|---|
| Lectura | Analitza assumpte, cos, remitent, destinatari i context del fil. | Resum breu i senyals principals. |
| Extracció | Converteix text lliure en camps estructurats. | Empresa, necessitat, urgència, pressupost, font i dades faltants. |
| Classificació | Aplica regles d’intenció, encaix, prioritat i risc. | Estat comercial i nivell de prioritat. |
| Routing | Decideix si crear tasca, demanar més dades, respondre o escalar. | Pas següent i owner suggerit. |
| Registre | Prepara l’actualització de CRM o eina interna. | Contacte, lead, deal, nota, activitat o tasca. |
La part important és que l’agent no decideix en el buit. Ha de rebre regles explícites: quins missatges es consideren comercials, quines dades mínimes fan falta, quins senyals eleven prioritat, quins casos es deriven a una persona i quines respostes no pot enviar sense aprovació.
Flux recomanat
Un flux pràctic per convertir emails entrants en oportunitats comercials pot funcionar així:
- L’email entra per una safata compartida o compte comercial.
- n8n el captura mitjançant IMAP o Gmail.
- El workflow separa assumpte, remitent, cos, adjunts i metadades.
- L’agent IA extreu camps estructurats segons un esquema definit.
- El sistema classifica intenció, prioritat, encaix i risc.
- El CRM es consulta per evitar duplicats.
- Si hi ha registre existent, s’afegeix una nota o activitat.
- Si no existeix, es crea contacte, lead, empresa o deal segons regles.
- Si falta context, es prepara una resposta de seguiment.
- Si el lead té alta prioritat, es crea tasca i es notifica l’equip.
- Si el cas és sensible, es deriva a una persona abans de respondre.
- El sistema desa mètriques per revisar precisió i conversió.
En HubSpot, la informació pot persistir en objectes com contactes, empreses, comunicacions, notes i processos comercials associats mitjançant propietats i associacions. En Salesforce, el concepte de lead representa una persona o empresa interessada i pot incloure camps com font, estat, rating, score, empresa, email i activitat.
Quines dades convé extreure
L’objectiu no és extreure-ho tot. L’objectiu és extreure el que permet decidir el pas següent.
| Dada | Per què importa | Regla pràctica |
|---|---|---|
| Remitent i email | Identifica contacte i possible duplicat. | Validar domini i associar amb contacte existent si n’hi ha. |
| Empresa i domini | Permet associar compte, mida i context. | Extreure de l’email, signatura o domini; no assumir si hi ha ambigüitat. |
| Intenció | Distingeix venda, suport, partnership, feina o soroll. | Usar categories tancades i una opció altre. |
| Necessitat | Resumeix el problema comercial o tècnic. | Mantenir-ho en 1-3 frases accionables. |
| Urgència | Ajuda a prioritzar resposta. | Diferenciar urgència declarada d’urgència inferida. |
| Pressupost o mida | Senyal de valor potencial. | Registrar només si apareix explícit o amb baixa ambigüitat. |
| Eines actuals | Context per a proposta o diagnòstic. | CRM, web, formularis, email, n8n, WordPress, APIs. |
| Informació faltant | Redueix anades i tornades. | Convertir-la en preguntes concretes de seguiment. |
| Pas següent | Evita que l’email quedi sense acció. | Respondre, demanar context, programar una reunió, crear tasca, derivar o descartar. |
| Confiança | Ajuda a decidir automatització vs revisió. | Escalar si la confiança és baixa o el valor potencial és alt. |
Eines que es poden connectar
L’arquitectura no ha de ser complexa des del primer dia. Un primer flux pot funcionar amb una safata, n8n, un model IA, CRM i notificacions internes.
Eines habituals:
- Email / IMAP: entrada genèrica per a bústies comercials no vinculades a Gmail.
- Gmail: lectura, etiquetes, missatges, fils i respostes mantenint context.
- n8n: orquestració del flux, regles, passos, esperes i connexions.
- OpenAI amb function calling: extracció estructurada i decisió basada en esquema.
- HubSpot: contactes, empreses, comunicacions, tasques, propietats i associacions.
- Salesforce: leads, camps d’estat, font, rating, score i activitat comercial.
- Slack, Teams o email intern: notificació a l’equip responsable.
- Base de dades o full operatiu: traçabilitat, auditoria i revisió de classificacions.
La regla és senzilla: la IA interpreta, però el sistema comercial ha de conservar la dada útil. Si el resum no arriba al CRM, a una tasca o a una notificació amb owner, el procés continua depenent de memòria humana.
Matriu de classificació
No tots els emails mereixen la mateixa acció. Una matriu simple evita que l’agent tracti igual una consulta d’alt valor, un dubte de prevenda i un missatge sense encaix.
| Classificació | Senyals típics | Acció recomanada | Control humà |
|---|---|---|---|
| Oportunitat alta | Necessitat clara, empresa identificada, urgència o encaix alt. | Crear/actualitzar CRM, tasca prioritària i resum per a vendes. | Revisió abans d’enviar proposta o compromís sensible. |
| Oportunitat incompleta | Hi ha interès, però falten dades crítiques. | Preparar resposta amb preguntes concretes. | Opcional si la plantilla està validada. |
| Prevenda | Pregunta sobre abast, preu, integració o disponibilitat. | Respondre amb informació controlada i detectar intenció comercial. | Revisió si la resposta implica condicions o promeses. |
| Client actual | Sol·licitud de suport, canvi o ampliació. | Derivar a suport, compte o success amb context. | Sí si hi ha risc contractual o tècnic. |
| No encaixa | Demanda fora de focus, baix valor o falta total de fit. | Respondre amb tancament educat o arxivar segons política. | No, excepte excepcions. |
| Soroll | Spam, newsletters, bots o missatges automàtics. | Etiquetar, arxivar o bloquejar. | No. |
Mètriques a mesurar
Sense mesura, el sistema pot semblar útil però no millorar vendes. Convé mesurar abans i després.
| Mètrica | Què indica | Com revisar-la |
|---|---|---|
| Temps fins a primera lectura | Velocitat amb què el sistema detecta un email rellevant. | Comparar safata manual vs trigger automatitzat. |
| Temps fins a primera resposta | Capacitat d’activar seguiment sense refredar l’oportunitat. | Mesurar des de recepció fins a resposta o tasca creada. |
| Emails classificats | Volum processat per categoria. | Revisar distribució setmanal: oportunitat, prevenda, suport, no encaixa, soroll. |
| Oportunitats creades | Quants emails acaben al CRM com a lead, deal o tasca. | Mesurar creació i actualització real, no només anàlisi d’IA. |
| Reunions generades | Impacte comercial posterior. | Associar email inicial amb reunió o pas següent. |
| Qualitat del resum | Utilitat per a vendes. | Revisar mostres i puntuar si el resum permet actuar. |
| Falsos positius | Emails marcats com a oportunitat que no ho eren. | Auditar classificacions i ajustar regles. |
| Falsos negatius | Oportunitats que el sistema va descartar o va baixar de prioritat. | Revisar safates i mostres descartades. |
Errors a evitar
Automatitzar emails comercials té risc perquè el canal barreja oportunitats, clients, suport, assumptes sensibles i soroll. Els errors més freqüents són:
- Respondre automàticament massa aviat: primer convé classificar i preparar, no enviar sense control.
- No netejar signatures i fils previs: l’agent pot confondre missatges antics amb la sol·licitud actual.
- Crear leads duplicats: cada email no hauria de convertir-se en un registre nou si ja existeix contacte o empresa.
- No definir categories tancades: si cada classificació és lliure, després no es pot mesurar ni automatitzar.
- Ignorar adjunts: alguns briefings, RFPs o pressupostos arriben com a PDF o document adjunt.
- No desar la font: sense font i missatge original, es perd traçabilitat.
- No preparar handoff humà: els casos ambigus han d’arribar a una persona amb resum, dades i pregunta recomanada.
- No mesurar precisió: l’automatització s’ha de revisar amb mostres reals i correccions.
També hi ha un detall tècnic important: l’enviament SMTP genèric pot no mantenir correctament el fil de conversa si no permet definir capçaleres de threading. Per a converses comercials, mantenir el fil sol ser important; per això, si la bústia és a Gmail, convé usar operacions de resposta del node Gmail quan el cas ho requereixi.
Com ho plantejaria Nicolás Torres
No començaria preguntant “quina IA fem servir”. Començaria traçant el mapa de la safata com a procés comercial.
El disseny hauria de respondre:
- Quines safates generen oportunitats reals.
- Quins tipus d’email entren i quins no són comercials.
- Quins camps mínims necessita vendes per actuar.
- Quines regles separen alta prioritat, context insuficient, prevenda i descart.
- Què s’ha de desar al CRM i amb quines associacions.
- Quines respostes es poden preparar sense enviar-se automàticament.
- Quins casos han d’escalar a una persona.
- Quines mètriques demostraran que el flux millora el procés.
Des d’aquí, la tecnologia es torna més clara: Email Trigger o Gmail per a entrada, extracció estructurada amb un model IA, regles de classificació, actualització al CRM, notificacions i revisió de qualitat.
La diferència entre una demo i un sistema comercial és en aquesta arquitectura. Un agent que resumeix emails pot ser còmode. Un sistema que converteix emails en oportunitats amb traçabilitat, prioritat, handoff i mesura pot canviar la feina diària de l’equip comercial.
Ordenar consultes comercials amb IA
Si la teva empresa o agència rep consultes per email que algú ha de llegir, copiar, classificar, resumir i perseguir manualment, hi ha una oportunitat clara d’automatització.
Podem començar per un flux concret: capturar emails comercials, extreure intenció, crear un resum útil, actualitzar CRM i activar el següent pas amb control humà.
Analitzar la meva safata comercial
Preguntes freqüents
- Què significa convertir emails entrants en oportunitats estructurades?
- Significa extreure del correu dades com intenció, empresa, necessitat, urgència, encaix, resum i pas següent per registrar-les al CRM o activar seguiment comercial.
- Què pot extreure un agent IA d'un email comercial?
- Pot extreure remitent, empresa, motiu de contacte, producte o servei d'interès, urgència, senyals de pressupost, informació faltant, prioritat i acció recomanada.
- Ha de respondre automàticament tots els emails entrants?
- No. Els emails sensibles, ambigus o d'alt valor haurien d'escalar a una persona amb un resum i una recomanació, no resoldre's sense supervisió.
- On s'hauria de desar la informació extreta?
- La informació s'hauria de desar al CRM com a contacte, empresa, lead, deal, activitat, nota o tasca, segons el model de dades de cada equip.
- Quines mètriques convé mesurar?
- Convé mesurar temps de primera lectura, temps de resposta, emails classificats, oportunitats creades, reunions generades, precisió de classificació i qualitat del resum.