Cómo crear un agente de IA para ventas: arquitectura y herramientas

Empieza con una tarea medible y un acceso limitado; la complejidad viene después.

17 de septiembre de 2026

Un agente de IA para ventas no empieza con un modelo ni con un canal. Empieza con una tarea concreta, datos autorizados y una forma de comprobar el resultado. Esta guía muestra una arquitectura mínima, cómo elegir modelo y canal, y qué medir antes de darle más autonomía.

¿Qué es un agente de IA para ventas?

Un agente de IA para ventas es un sistema que interpreta una solicitud, consulta información permitida y propone o ejecuta un siguiente paso. Se diferencia de una automatización porque puede decidir qué camino seguir dentro de unos límites; una regla fija como “si pasan siete días, crea una tarea” no necesita un agente. La arquitectura mínima es: cliente → agente → instrucciones y herramientas → acción → estado → evaluación. El agente no debe inventar datos ni tener acceso total por defecto: cada consulta y cada escritura deben poder explicarse y revisarse.

La guía práctica de agentes de OpenAI resume sus piezas esenciales como modelo, instrucciones y herramientas. Anthropic recomienda distinguir entre un flujo de pasos predeterminados y un agente que decide dinámicamente cómo avanzar.

1. Empieza por un trabajo, no por “vender”

“Atender las ventas” es demasiado amplio para un primer piloto. Elige un resultado que puedas revisar en una semana:

Trabajo inicial	Resultado que debes poder comprobar
Preparar una llamada	Resumen de la cuenta, necesidades y preguntas pendientes
Calificar una oportunidad	Criterios cumplidos, evidencia y datos faltantes
Dar seguimiento	Próxima acción propuesta con responsable y fecha
Investigar una cuenta	Fuentes consultadas y hallazgos relevantes
Registrar una conversación	Datos extraídos y tareas listas para revisar

Si una persona puede resolverlo con una regla exacta, usa un workflow (flujo de trabajo). Reserva el agente para los casos en los que debe interpretar contexto, comparar evidencia o escoger entre varias acciones.

La prueba de una frase

Escribe el objetivo así:

“Cuando ocurre X, el agente revisa Y, devuelve Z y pide aprobación antes de W”.

Ejemplo: “Cuando termina una llamada, el agente revisa la transcripción autorizada, propone el estado y la próxima tarea, y pide aprobación antes de enviar un mensaje”. Si no puedes escribir esta frase, todavía no tienes un alcance que evaluar.

2. Diseña seis piezas sencillas

Canal

Es el lugar donde llega la solicitud: formulario web, aplicación interna, correo, WhatsApp o llamada. El canal cambia las reglas de consentimiento y latencia, pero no debería decidir qué datos puede leer el agente.

Agente

Interpreta la solicitud y decide el siguiente paso dentro de las instrucciones. No es una persona digital con acceso ilimitado; es un componente con un propósito y límites definidos.

Capacidades (skills)

Una capacidad es una instrucción reutilizable para una tarea: investigar una cuenta, preparar una llamada o diagnosticar una objeción. Cada una debe documentar:

qué datos necesita;
qué puede y qué no puede hacer;
qué formato debe devolver;
qué información debe marcar como desconocida.

Separarlas evita mantener un mensaje de sistema enorme y facilita probar un cambio sin romper todo el agente. Puedes usar como referencia las skills de ventas publicadas por OpenAI y el ejemplo de investigación de cuentas de Anthropic, pero adapta criterios, idioma y límites a tu negocio.

Herramientas

Son operaciones que el agente puede solicitar, por ejemplo buscar_cliente, consultar_producto, crear_tarea o actualizar_oportunidad. Una herramienta debe describir sus argumentos, permisos, resultado y posibles errores.

Estado compartido

Es la información que queda después de la conversación: cliente, oportunidad, responsable, acuerdos, próxima acción y fecha. Sin estado compartido, cada interacción empieza de cero y el equipo no puede continuar el trabajo.

Evaluación

Es la evidencia de que el agente ayudó: exactitud, tiempo, costo, errores y revisiones humanas. Una demo convincente no sustituye una prueba con casos reales.

3. Da permisos por operación

Consultar y modificar no tienen el mismo riesgo. Usa una matriz antes de conectar una API:

Operación	Permiso recomendado
Buscar un cliente autorizado	Automático, con fuente y fecha del dato
Resumir una cuenta	Automático, indicando qué registros utilizó
Proponer una tarea o correo	Preparar, pero no enviar
Cambiar etapa o condiciones comerciales	Confirmación visible de una persona
Eliminar registros o enviar mensajes masivos	Bloqueado para el piloto

También define qué sucede si falta un dato: detenerse con un mensaje claro, crear una tarea de revisión o transferir a una persona. No ocultes el error con una respuesta inventada.

4. ¿Dónde debe guardar lo que aprende?

Para una prueba pequeña, una hoja de cálculo puede ser suficiente. Cuando varias personas y canales necesitan ver el mismo cliente, un CRM ofrece un estado más confiable: responsables, historial, tareas, permisos y relaciones entre registros.

La pregunta útil no es “¿qué CRM entiende la IA?”, sino “¿dónde queda el dato que el equipo deberá reutilizar mañana?”. El registro mínimo de una interacción comercial debería conservar:

qué sabemos;
qué falta confirmar;
qué se acordó;
cuál es la próxima acción;
quién es responsable y para cuándo.

Abera CRM puede cumplir ese papel sobre Corteza, con módulos, relaciones, permisos, API REST y webhooks configurables. Es una opción de implementación, no un requisito: el mismo patrón puede trabajar sobre otro sistema que ya tenga datos confiables.

5. ¿Qué modelo conviene para cada tarea?

No uses el modelo más costoso para todo. Separa el volumen de la complejidad y prueba con casos históricos:

Tarea	Criterio para elegir
Extraer campos o clasificar	Velocidad y costo bajo
Responder consultas habituales	Buen equilibrio entre calidad y latencia
Investigar o resolver ambigüedades	Mayor capacidad de razonamiento
Excepciones sensibles	Modelo más capaz o revisión humana

Construye un conjunto de unos cincuenta casos reales, define la respuesta esperada y compara dos o tres modelos. Quédate con el más económico que mantenga la calidad necesaria. Los nombres y precios de los modelos cambian; tu conjunto de pruebas debería permanecer y volver a ejecutarse cuando cambies de proveedor. Consulta los modelos disponibles en OpenAI o la descripción de modelos de Anthropic directamente antes de presupuestar.

6. Elige el canal según el trabajo

Web o aplicación interna

Es el punto de partida más simple: solicitud → agente → herramientas → sistema de registro. Puedes mostrar la respuesta y pedir confirmación antes de escribir.

El canal impone reglas adicionales. En la plataforma de WhatsApp Business, después de la ventana de atención de 24 horas los mensajes iniciados por la empresa deben usar plantillas aprobadas; además, el consentimiento y la opción de no recibir mensajes deben quedar registrados. El agente debe consultar el estado de la conversación antes de intentar enviar algo. Revisa la documentación de WhatsApp de Twilio porque las políticas y nombres de producto pueden cambiar.

Voz

Una llamada añade problemas que no existen en el texto: detectar cuándo terminó de hablar la persona, manejar interrupciones, transcribir y responder con poca demora. Hay dos enfoques:

Enfoque	Cómo funciona	Cuándo usarlo
Cadena de voz	Voz a texto → modelo → texto a voz	Cuando quieres controlar cada componente
Voz en tiempo real	El modelo procesa audio de forma continua	Cuando la latencia y la naturalidad son prioritarias

En la práctica, Twilio Media Streams puede aportar la telefonía, Vapi abstrae buena parte del agente de voz y LiveKit ofrece más control sobre turnos, silencios e interrupciones. No hacen lo mismo: elige la capa que resuelve tu restricción principal.

7. Mide el piloto con fórmulas simples

Antes de añadir más autonomía, registra diez o cincuenta casos y calcula:

Exactitud = tareas correctas / tareas evaluadas
Costo por tarea correcta = costo total / tareas correctas
Éxito de herramienta = llamadas de herramienta correctas / llamadas totales
Intervención humana = casos revisados por una persona / casos totales

Para voz añade tiempo hasta la primera respuesta, interrupciones incorrectas, silencios largos, errores de transcripción, duración y transferencias fallidas. Una voz agradable no compensa una herramienta mal utilizada o una tarea que una persona debe rehacer.

Define una meta antes de probar. Por ejemplo: “al menos 85 % de los resúmenes no requieren corrección y ninguna oportunidad queda sin próxima acción”. Si el agente no alcanza la meta, reduce el alcance y corrige los datos o las instrucciones antes de cambiar de modelo.

8. Un plan de piloto de siete días

Día 1 — Alcance. Escoge una tarea, un responsable y una salida medible.

Día 2 — Datos. Lista los campos que puede leer, los que no y dónde quedará el resultado.

Día 3 — Herramientas. Implementa sólo tres a cinco operaciones; separa lectura de escritura.

Día 4 — Casos. Reúne ejemplos reales, anonimízalos y define la respuesta esperada.

Día 5 — Prueba. Ejecuta el agente con permisos limitados y registra errores, costo y tiempo.

Día 6 — Revisión. Una persona aprueba o corrige cada acción; documenta los fallos repetidos.

Día 7 — Decisión. Mantén, ajusta o detén el piloto según la meta definida. No aumentes autonomía sólo porque la demo se vea bien.

Errores que conviene evitar

Crear varios agentes antes de demostrar que uno resuelve una tarea.
Poner todas las instrucciones en un solo mensaje difícil de revisar.
Dar permiso de escritura cuando sólo se necesita consultar.
Medir respuestas bonitas en lugar de tareas correctas.
Prometer integraciones o seguridad que todavía no están verificadas.
Enviar mensajes por WhatsApp sin revisar ventana, consentimiento y plantilla.
Hacer que el agente actualice el mismo registro que lo activa y provocar ciclos.

¿Cómo puede encajar Abera?

Si ya tienes el proceso y necesitas un estado compartido, Abera puede ayudarte a modelar módulos, permisos, relaciones y automatizaciones en Corteza y a exponer únicamente las operaciones necesarias mediante API o webhooks. MCP (Model Context Protocol) es un estándar para conectar un cliente de IA con herramientas. Un servidor MCP podría permitir que ese cliente invoque esas operaciones con nombres y permisos explícitos; su utilidad depende de la implementación, autenticación, registro y revisión humana. Conoce la propuesta de Abera CRM y valida primero un caso pequeño, sin datos sensibles.

Preguntas frecuentes

¿Necesito un agente si sólo quiero crear tareas después de una fecha?

No necesariamente. Un workflow con un disparador y una condición suele ser más barato, predecible y fácil de auditar. Usa un agente cuando deba interpretar texto o elegir entre varias acciones.

¿Puedo empezar con una hoja de cálculo?

Sí, si hay pocas personas, pocos registros y un responsable claro. Migra a un estado compartido más estructurado cuando necesites historial, permisos, relaciones o varias integraciones.

¿El agente puede enviar mensajes sin aprobación?

Sólo después de demostrar que el contenido, el consentimiento y los límites funcionan. Para el primer piloto, prepara el mensaje y deja el envío a una persona.

¿Cuál es el mejor modelo?

El más económico que alcance tu meta en casos reales. Repite el mismo conjunto de pruebas cada vez que cambies de modelo o de instrucciones.

¿Por dónde empiezo mañana?

Elige una tarea repetitiva, escribe la frase “cuando X, revisa Y y devuelve Z”, reúne diez casos y define una métrica. Si no puedes evaluar el resultado, aún no estás listo para automatizarlo.

Lectura relacionada`r`n`r`nSi quieres profundizar en permisos, datos autorizados y revisión humana, consulta Agentes de IA para ventas con datos autorizados.`r`n`r`n### Fuentes oficiales