Una IA de voz empezó a llamar sola a cada lead en cuanto entraba, y sin que nadie se lo propusiera, un problema aparte se corrigió solo: el porcentaje de leads de los que nadie sabía de qué campaña venían bajó del 35% a menos del 3%. No fue un proyecto de "arreglar el dato". Fue un efecto secundario de quitar de en medio los traspasos manuales donde ese dato se perdía. Contamos el caso (anónimo, como siempre) porque el mecanismo de fondo sirve para cualquier negocio que pierda información entre sistemas sin enterarse.
El problema no era la IA, era el traspaso de mano en mano
El cliente es una academia de formación de alto valor con equipo comercial propio. El tráfico de pago le traía cientos de contactos nuevos cada mes, y hasta ahí todo funcionaba: los anuncios generaban leads de sobra. El problema empezaba justo después.
Cada lead caía en el CRM y esperaba a que alguien lo mirara, lo cualificara a mano (entre 5 y 10 minutos por contacto, cuando había tiempo para hacerlo bien) y lo repartiera a un comercial. En ese proceso, con varias personas tocando el mismo contacto en distintos momentos del día, la campaña de origen se perdía con facilidad: quedaba en el sistema de anuncios, pero no siempre llegaba entera hasta el CRM. El resultado medido: alrededor de un 35% de los leads llegaban a la fase de venta sin que nadie supiera de qué anuncio, de qué campaña, venían de verdad.
Esto no es un problema exótico. Es lo que pasa en cualquier proceso donde un dato cambia de sistema o de persona varias veces antes de que alguien lo use: cada traspaso es una oportunidad de perderlo, y nadie te avisa cuando eso pasa. El dato no da error. Simplemente deja de estar.
Qué se construyó: una IA que actúa, no que solo contesta
La solución no fue "mejorar el etiquetado de campañas". Fue quitar los traspasos. Se montó una IA con voz que llama al lead en cuanto entra, en caliente, mantiene la conversación, lo cualifica con las mismas preguntas que haría un comercial y agenda la cita ella sola en el calendario si el lead encaja. Todo eso, apoyado en un CRM a medida donde la dirección ve el estado real de cada contacto en el momento, no al día siguiente.
La diferencia con un chatbot de texto no está en que hable: está en que actúa sobre el mismo registro de principio a fin. El lead entra, la IA lo llama usando el dato con el que entró (incluido de dónde vino), lo cualifica y agenda la cita sin que nadie tenga que copiar nada a mano de un sistema a otro. No hay un punto intermedio donde una persona reteclea el contacto y, sin querer, deja el origen fuera.
Los números, todos medidos en el propio sistema
| Qué se mide | Antes | Ahora |
|---|---|---|
| Llamadas comerciales | A mano, según horario del equipo | 3.517 llamadas hechas por la IA |
| Cualificación del lead | 5-10 minutos, manual | Al instante, automática |
| Leads sin saber su origen | Cerca del 35% | Menos del 3% |
| Visibilidad del pipeline para dirección | Depende de qué apunte cada comercial | 100% en tiempo real |
De esas 3.517 llamadas, 442 terminaron en una cita agendada por la propia IA, sobre unos 2.100 contactos gestionados en total. Son números del sistema, no una estimación: se sacan del mismo registro que usa la dirección para ver el pipeline al día.
Por qué arreglar una cosa arregló otra que nadie estaba mirando
Aquí está la parte que de verdad vale la pena llevarse, más allá del caso concreto. Nadie se sentó a diseñar "cómo recuperamos el origen del lead". El objetivo era que la IA llamara y agendara sola, para no depender de que un comercial tuviera hueco esa hora. El efecto sobre el origen del dato fue colateral, y pasó por una razón muy concreta: el dato que se perdía no era el nombre del lead ni su teléfono (esos casi nunca se pierden, porque son los que todo el mundo mira). Era un campo secundario, la campaña de origen, del tipo que sobrevive a la primera copia pero no a la segunda ni a la tercera, cuando alguien reintroduce el contacto en otra pantalla, con prisa, sin ese campo delante.
Un agente que actúa de principio a fin sobre el mismo registro no tiene ese problema porque no hay segunda ni tercera copia: hay una sola, la que entró, y es la que usa para llamar, para cualificar y para agendar.
La regla de decisión
Si quieres saber dónde se te está fugando un dato (el origen de un lead, la referencia de una factura, el estado real de un pedido) en tu negocio, no empieces preguntando "¿dónde falla el sistema?". Empieza contando esto:
- ¿Cuántas veces cambia de sistema o de persona ese dato antes de que alguien lo use de verdad? Cada traspaso es una oportunidad de perderlo, aunque nadie se dé cuenta ese mismo día.
- ¿Quién retecléa el dato en cada traspaso, y qué campos mira mientras lo hace? Los campos que nadie mira con prisa son los primeros que se caen.
- ¿El proceso automático que reemplaza esos traspasos actúa sobre el registro original, o crea uno nuevo en cada paso? Solo lo primero elimina el punto de fuga; lo segundo simplemente lo mueve de sitio.
Un agente de IA no es mágico para el dato. Pero un agente que sustituye varios traspasos manuales por una sola acción continua, sobre el mismo registro, elimina por diseño los puntos donde ese dato se perdía. No hace falta pedirle que "cuide el dato": basta con que no le dé ocasión de perderlo.
No es solo un problema de leads
El mismo patrón aparece en cualquier proceso con varios pasos y varias manos: una factura que pasa de un OCR a una persona que la revisa y de ahí a la contabilidad, un pedido que entra por WhatsApp y alguien lo traslada al ERP, un aviso que un sistema genera y otra persona reenvía por otro canal. En el comercial de IA por WhatsApp que montamos dentro del ERP de una distribuidora industrial, la razón de fondo es la misma: el agente valida cliente, tarifa y stock y crea el pedido real dentro de Odoo sin que nadie traduzca la conversación a mano, así que el pedido nunca tiene una versión "escrita a mano" que pueda quedarse a medias. Es el mismo principio que separa a un agente que actúa de verdad de uno que solo conversa bien, que detallamos con tres preguntas concretas en otro post.
Cómo auditar tus propios traspasos
Antes de pedirle a nadie que "revise mejor los datos", haz este repaso con cualquier proceso que te importe:
- Dibuja, aunque sea a mano, por cuántos sistemas o personas pasa el dato desde que se genera hasta que alguien lo usa para decidir.
- Marca cada punto donde alguien tiene que reteclear, copiar o resumir algo en vez de que pase tal cual.
- Pregunta qué campos secundarios (no el nombre, no el importe principal) se pierden más a menudo en esos puntos.
- Antes de automatizar, decide si el agente va a actuar sobre el registro original o a crear uno nuevo: solo la primera opción cierra la fuga.
- Mide el "antes" con un número concreto (como el 35% de este caso) para poder comprobar después si de verdad mejoró.
Si te suena este problema
Si sospechas que estás perdiendo un dato importante en algún traspaso de tu negocio (de dónde viene un lead, en qué estado está un pedido, quién aprobó qué) y no tienes un número que lo confirme, es el primer sitio por donde mirar. En AutoBoost construimos agentes de IA integrados en el sistema real del cliente, precisamente para que esos traspasos desaparezcan en vez de solo moverse de sitio. Escríbenos y lo revisamos juntos sobre tu propio proceso.
