Un agent IA comercial pot començar en 30 dies, però només si l’objectiu és construir una primera versió útil. No una plataforma completa. No una automatització total de vendes. No un sistema que toqui tots els canals, CRMs, emails, calendaris i propostes des del primer cicle.
El primer agent ha de resoldre un flux concret: qualificar leads, convertir formularis en briefing, preparar discovery, ordenar emails entrants, activar seguiment o millorar el handoff a vendes. Si aquest flux funciona, es mesura i es controla, després es pot ampliar.
L’error habitual és començar per l’eina. L’enfocament correcte comença pel procés comercial: què entra, què es repeteix, què es perd, què ha de preguntar l’agent, què pot decidir, què ha d’escalar i com es demostra que millora el treball de l’equip.
Aquest playbook connecta amb la guia d’automatització comercial amb IA, l’auditoria prèvia de processos comercials abans d’automatitzar, l’arquitectura per dissenyar un agent IA que pregunta, filtra i deriva, la integració amb CRM, formularis i eines internes i la mesura de leads, reunions i conversió.
En resum
Un agent IA comercial en 30 dies ha de ser un MVP centrat en un flux comercial mesurable. L’objectiu no és automatitzar tota l’àrea comercial, sinó passar de diagnòstic a una primera versió funcional que reculli context, apliqui regles, utilitzi coneixement aprovat, generi una sortida estructurada, es connecti amb una eina clau i mantingui revisió humana quan faci falta.
La seqüència recomanada és:
- Dies 1-7: diagnòstic i abast.
- Dies 8-15: disseny, base de coneixement i regles.
- Dies 16-23: implementació MVP i integracions bàsiques.
- Dies 24-30: validació, llançament limitat i mètriques.
- Dies 31-90: millora, adopció i ROI.
Què es pot aconseguir en 30 dies
En 30 dies no convé prometre una transformació completa. Sí que es pot aconseguir una primera versió funcional si l’abast està ben definit.
Un MVP d’agent IA comercial és una versió mínima d’un sistema que automatitza una part concreta del procés comercial amb regles, dades, eines, revisió humana i mètriques.
En termes pràctics, aquest MVP pot aconseguir:
- Rebre leads des d’un formulari, chat, email o webhook.
- Fer preguntes inicials o detectar informació pendent.
- Classificar intenció, urgència, fit i següent pas.
- Resumir una oportunitat per a l’equip comercial.
- Registrar dades mínimes al CRM o crear una tasca.
- Derivar casos ambigus o sensibles a una persona.
- Mesurar esdeveniments bàsics de generació, qualificació i seguiment.
McKinsey recomana començar pel problema de negoci, no per la tecnologia, i utilitzar MVPs per equilibrar impacte immediat amb capacitats sostenibles. Aquest criteri és especialment important en agents IA: si el primer abast no està ben acotat, el projecte es converteix en una barreja de chatbot, CRM, base de coneixement, automatització i reporting sense responsable clar.
Què ha d’estar definit abans de construir
Abans d’implementar, cal tancar algunes decisions. No cal tenir-ho tot perfecte, però sí el mínim per no construir a cegues.
| Decisió prèvia | Pregunta que ha de respondre | Lliurable mínim |
|---|---|---|
| Objectiu | Quin problema comercial resol l’agent? | Una frase d’objectiu i criteri d’èxit. |
| Flux | On comença i on acaba el procés? | Mapa d’entrada, processament i sortida. |
| Audiència | Qui utilitza o rep el resultat? | Lead, client, vendes, agència o responsable intern. |
| Entrades | Quines dades arriben al sistema? | Formulari, chat, email, CRM, webhook o API. |
| Criteris | Com es decideix prioritat o següent pas? | Regles de qualificació i escalat. |
| Coneixement | Què pot utilitzar l’agent per respondre o preguntar? | FAQs, serveis, límits, preus orientatius, documents aprovats. |
| Eines | Quins sistemes pot tocar? | CRM, n8n, email, calendari, Slack o API interna. |
| Permisos | Què pot llegir, escriure o executar? | Scopes, rols i accions permeses. |
| handoff | Quan intervé una persona? | Llindars, motius d’escalat i responsable. |
| Mètriques | Com se sap si funciona? | Esdeveniments, dashboard i revisió setmanal. |
Si alguna d’aquestes decisions no té resposta, pot entrar en la fase de diagnòstic. El que no convé és saltar directe a producció.
Dies 1-7: diagnòstic i abast
La primera setmana no és per construir. És per triar bé què construir.
El diagnòstic ha de detectar:
- Quines entrades comercials existeixen: formularis, emails, chat, trucades, CRM o calendaris.
- Quines tasques es repeteixen: demanar context, classificar, resumir, crear tasques, respondre dubtes o fer seguiment.
- On es refreden oportunitats: temps de resposta, leads sense owner, CRM incomplet o falta de següent pas.
- Quines eines intervenen: web, WordPress, CRM, n8n, email, Slack, calendaris, bases de dades o APIs.
- Quines decisions requereixen criteri humà: preus, contractes, descomptes, dades sensibles o comptes estratègics.
- Quina mètrica demostrarà valor: temps estalviat, leads qualificats, reunions preparades o millor seguiment.
La sortida d’aquesta fase ha de ser un abast de MVP. Per exemple:
Crear un agent IA que rebi sol·licituds des de formulari web, faci preguntes de qualificació, generi un resum, marqui prioritat, creï una tasca al CRM i derivi a una persona si hi ha alt valor, urgència o baixa confiança.
L’abast ha d’evitar termes oberts com “automatitzar vendes” o “posar un agent a la web”. Ha de nomenar flux, entrada, sortida i criteri d’èxit.
Dies 8-15: disseny, base de coneixement i regles
La segona setmana transforma l’abast en arquitectura.
Aquí es defineix:
- Rol de l’agent: què fa i què no fa.
- Flux conversacional: què pregunta primer, què pregunta si falta context i quan s’atura.
- Regles de negoci: què significa lead qualificat, lead incomplet, lead urgent o lead per a revisió.
- Base de coneixement: serveis, casos acceptats, límits, FAQs, criteris, condicions i respostes aprovades.
- Sortida estructurada: camps que es desen o s’envien a l’equip.
- Eines: què pot consultar, crear o notificar.
- handoff humà: quan passa a una persona i amb quin resum.
- KPIs: què es mesurarà des del primer dia.
OpenAI documenta function calling com una manera de connectar models amb eines i sistemes externs mitjançant funcions definides. En un agent comercial, això es tradueix en eines com crear_tarea_crm, buscar_contacto, registrar_resumen, notificar_ventas o pedir_revision_humana.
La base de coneixement també s’ha de dissenyar de manera mínima. OpenAI descriu els vector stores com contenidors que permeten cerca semàntica sobre arxius processats i indexats. Per a un MVP comercial, no cal indexar tot el coneixement de l’empresa: n’hi ha prou amb el material necessari perquè l’agent pregunti, respongui i derivi amb consistència.
| Bloc del MVP | Decisió de disseny | Risc si no es defineix |
|---|---|---|
| Entrada | Formulari, chat, email o webhook inicial. | L’agent no sap quin context esperar. |
| Preguntes | Preguntes mínimes segons el cas d’ús. | Conversa llarga o dades insuficients. |
| Regles | Fit, intenció, urgència, valor, risc i escalat. | Classificació arbitrària. |
| Coneixement | Fonts aprovades i límits de resposta. | Respostes improvisades o incoherents. |
| Eines | Accions específiques i permisos mínims. | Accés excessiu o accions fràgils. |
| Sortida | Camps estructurats i resum llegible. | Treball manual posterior. |
| handoff | Criteris d’intervenció humana. | Pèrdua de context o decisions insegures. |
| Mètriques | Esdeveniments i revisió periòdica. | No es pot demostrar impacte. |
Dies 16-23: implementació MVP
La tercera setmana és de construcció controlada. L’objectiu és que el flux funcioni de punta a punta amb casos reals o realistes.
Un stack mínim pot tenir:
- Una entrada: formulari, chat, email o webhook.
- Un orquestrador: n8n, backend propi o workflow intern.
- Un agent IA: model, instruccions, regles i eines.
- Una base de coneixement: documents o fragments aprovats.
- Una sortida estructurada: JSON o camps normalitzats.
- Una integració: CRM, email, Slack, calendari o base de dades.
- Un registre: conversa, decisió, error i següent pas.
n8n permet utilitzar el Webhook node com a entrada de workflow des d’apps i serveis externs. També diferencia URLs de prova i producció, cosa que encaixa bé amb una implementació per fases: primer escoltar esdeveniments de test, després publicar el flux quan s’hagi validat.
El AI Agent node de n8n funciona amb eines connectades. En un MVP comercial, això permet que l’agent no només generi text, sinó que activi operacions acotades: crear una tasca, preparar un resum, consultar coneixement o derivar una oportunitat.
Durant aquesta fase convé treballar amb una llista de proves:
- Lead amb informació completa i bon encaix.
- Lead incomplet que requereix preguntes addicionals.
- Lead urgent que s’ha d’escalar.
- Lead fora de focus que ha d’anar a nutrició o descartament controlat.
- Lead ambigu que necessita revisió humana.
- Entrada amb dades sensibles que s’ha de limitar o escalar.
- Error d’integració amb CRM o workflow.
- Duplicat de contacte existent.
Si l’agent només funciona en el cas ideal, encara no està preparat.
Dies 24-30: validació i llançament controlat
La quarta setmana no hauria de ser un llançament obert sense control. Ha de ser una validació amb trànsit limitat, revisió manual i mètriques.
La validació ha de revisar:
- Qualitat de les preguntes.
- Qualitat del resum.
- Exactitud de la classificació.
- Taxa de casos incomplets.
- Motius d’escalat.
- Errors d’integració.
- Temps de resposta.
- Reacció de l’equip comercial.
- Riscos de privacitat o seguretat.
- Mètriques de lead i seguiment.
El llançament controlat pot començar amb un canal, una landing, un formulari o un subconjunt de leads. Si el flux és d’alt risc, pot funcionar primer en mode assistent: l’agent prepara recomanacions i una persona aprova.
| Criteri de sortida | Senyal que està preparat | Què fer si falla |
|---|---|---|
| Resum útil | Vendes entén el cas sense rellegir tota la conversa. | Ajustar camps i format de sortida. |
| Classificació consistent | Casos similars reben decisions similars. | Revisar regles i exemples. |
| handoff clar | La persona rep context, motiu i següent pas. | Millorar plantilla de traspàs. |
| Integració estable | CRM o workflow rep dades vàlides. | Validar schema, camps i errors. |
| Control de risc | Casos sensibles escalen correctament. | Afegir regles, llindars i revisió. |
| Mètrica disponible | Es registren esdeveniments i resultats mínims. | Corregir tracking abans d’escalar. |
Un agent que encara no es pot mesurar no hauria d’escalar-se.
Mètriques per als primers 90 dies
Els 30 dies serveixen per llançar un MVP. L’avaluació real comença després.
Google Analytics recomana esdeveniments específics per a generació de leads, incloent generate_lead, qualify_lead, disqualify_lead, working_lead, close_convert_lead i close_unconvert_lead. Aquests esdeveniments són útils per connectar l’agent amb l’embut comercial, especialment quan la conversió final passa fora de la web.
| Mètrica | Què mesura | Horitzó |
|---|---|---|
| Leads rebuts | Volum d’entrades al flux. | Dia 1-30 |
| Leads qualificats | Oportunitats que compleixen criteris mínims. | Dia 1-90 |
| Leads descartats | Casos fora de focus o sense encaix. | Dia 1-90 |
| Leads treballats | Casos on vendes o l’agent activa següent pas. | Dia 1-90 |
| Temps de resposta | Velocitat des d’entrada fins a primera acció. | Dia 1-30 |
| Qualitat del briefing | Utilitat del resum per a vendes. | Setmanal |
| Taxa d’escalat | Casos que requereixen intervenció humana. | Setmanal |
| Errors d’integració | Fallades en CRM, webhook, email o tasques. | Setmanal |
| Reunions preparades | Trucades amb context suficient. | Dia 30-90 |
| Conversió posterior | Oportunitats que avancen o tanquen. | Dia 60-90 |
La clau és mesurar qualitat, no només activitat. Un agent que augmenta converses però empitjora la qualitat del lead no està millorant el procés comercial.
Què no fer en la primera versió
El primer MVP sol fallar per ambició excessiva, no per falta de tecnologia.
Evitaria aquests errors:
- Automatitzar tot el procés comercial en lloc d’un flux concret.
- Connectar massa eines des del primer dia.
- Donar permisos amplis a l’agent per comoditat.
- Utilitzar una base de coneixement sense revisar.
- Demanar massa dades al lead.
- Permetre decisions crítiques sense aprovació humana.
- No registrar errors ni converses.
- Llançar sense esdeveniments de mesura.
- Optimitzar només el prompt i no el procés.
- Escalar abans de revisar qualitat amb casos reals.
McKinsey insisteix a mantenir l’usuari comercial al centre: l’output ha de ser clar, comprensible, accionable i fiable perquè vendes l’adopti. En un agent IA comercial, això significa que l’equip ha de confiar en el resum, entendre la classificació i saber quan intervenir.
Checklist de sortida abans d’escalar
Abans d’ampliar l’agent a més canals o eines, hauria de complir aquest checklist:
- El flux té un propietari clar.
- L’agent resol un cas d’ús concret.
- Les entrades estan normalitzades.
- Les preguntes no són excessives.
- La base de coneixement està aprovada.
- Les regles de qualificació estan documentades.
- Les eines tenen permisos mínims.
- Les accions sensibles requereixen revisió humana.
- El handoff inclou resum, motiu i següent pas.
- El CRM rep dades vàlides i traçables.
- Els errors es registren.
- Hi ha mètriques setmanals.
- L’equip comercial sap com revisar i corregir.
- Hi ha una llista de millores per al cicle següent.
Si el checklist no passa, el següent pas no és afegir més IA. És corregir el flux.
Com ho plantejaria Nicolás Torres
Nicolás Torres no hauria de vendre un agent IA comercial com una instal·lació ràpida de chatbot. Ho plantejaria com una primera peça d’automatització comercial connectada a un procés real.
L’enfocament seria:
- Triar un flux amb dolor clar: qualificació, briefing, seguiment, discovery o handoff.
- Auditar entrades, dades, tasques repetitives i eines actuals.
- Dissenyar una versió mínima amb regles, coneixement, permisos i mètriques.
- Construir el MVP amb una integració principal.
- Validar amb casos reals i revisió humana.
- Mesurar qualitat, adopció i resultat comercial.
- Escalar només quan el flux sigui estable.
La diferència és en el criteri: no es tracta de fer que la IA “parli”. Es tracta que el sistema comercial pregunti millor, classifiqui millor, registri millor i prepari millor el següent pas.
Lectures relacionades
- Agent IA per a qualificació de leads: arquitectura mínima viable
- Checklist: com saber si la teva empresa necessita un agent IA comercial
- Privacitat i seguretat en agents IA comercials
Comencem amb un primer agent IA comercial
Si la teva empresa o agència ja rep formularis, emails, chats o sol·licituds que requereixen classificació, preguntes repetides i seguiment manual, el primer pas no és construir-ho tot. És triar el flux correcte i convertir-lo en un MVP mesurable.
Sol·licitar diagnòstic d’automatització comercial
Preguntes freqüents
- Es pot implementar un agent IA comercial en 30 dies?
- Sí, si l'abast és un primer MVP centrat en un flux concret, com qualificació, briefing, seguiment o handoff, i no una automatització completa de l'àrea comercial.
- Què ha d'estar definit abans de construir?
- Han d'estar definits l'objectiu, el procés actual, les entrades, els criteris de qualificació, les eines connectades, les regles de negoci, el handoff humà i les mètriques.
- Què hauria d'incloure el primer MVP?
- Un MVP hauria d'incloure una entrada clara, base de coneixement mínima, preguntes o regles, sortida estructurada, integració bàsica, revisió humana, logs i mesura.
- Què no convé fer en els primers 30 dies?
- No convé automatitzar massa fluxos, connectar moltes eines, delegar decisions crítiques, utilitzar dades sense revisar ni llançar sense mètriques de qualitat i seguretat.
- Què es mesura després del llançament?
- Convé mesurar leads generats, leads qualificats, descartaments, leads treballats, reunions preparades, temps de resposta, qualitat de resum i conversions posteriors.