Cómo construimos un agente de IA que prospecta por nosotros

La prospección outbound bien hecha es trabajo de investigación, no de envíos masivos. Investigar la empresa, entender su momento, encontrar al decisor y escribir un mensaje con un motivo real de contacto toma alrededor de dos horas por lead. Hecho por el founder, ese trabajo compite con la entrega y la atención a clientes. En mayo de 2026 decidimos resolverlo de la misma forma en que vendemos: construyendo un agente de IA y poniéndolo a trabajar en nuestro propio comercial.

Por qué un agente y no un SaaS de cadencias

Las herramientas de sales engagement automatizan la parte fácil: la secuencia de envíos. La parte cara sigue siendo manual: entender la empresa y formular un gancho específico. Nuestro objetivo era automatizar el trabajo completo, desde el descubrimiento de la empresa hasta el follow-up, manteniendo control humano en el único punto donde equivocarse cuesta caro: el mensaje que llega a la bandeja de entrada de un decisor.

Arquitectura: un orquestador, tres modos

El agente corre sobre un orquestador con tres modos de operación:

Descubrimiento: encuentra de 10 a 15 empresas por ejecución, priorizando señales de timing (expansión, contratación, cambio operativo) en registros públicos de empresas y redes profesionales.
Calificación: para cada empresa aprobada, investiga tamaño, presencia digital y decisor, la clasifica en el servicio correcto y genera un dossier en PDF.
Registro: cada evento (envío, respuesta, rechazo) actualiza un funnel rastreable. Ningún lead se pierde.

Antes de cualquier ejecución, un pre-flight verifica que el entorno esté saludable. Si algo está caído, el agente aborta y avisa. La regla es simple: nunca ejecutar a medias.

El corazón del sistema: gates de calidad

La decisión de diseño más importante no fue lo que el agente hace, sino lo que se niega a hacer. Tres gates bloquean el pipeline:

Revalidación de señal. ¿El motivo que justificó descubrir la empresa todavía existe? Si la señal murió, el lead no avanza. Abordar con un gancho viejo es spam con pasos extra.
Gate antigenérico. El mensaje solo sale si tiene un gancho específico surgido de la investigación. Una hipótesis de sector no alcanza. Sin un gancho concreto, el mensaje queda en espera para revisión humana.
Pre-flight. Un entorno degradado aborta la ejecución completa, con aviso. El estado parcial es peor que ningún estado.

Humano en el loop es una decisión de producto

El agente investiga, escribe y mantiene la cadencia solo. Pero un mensaje sin gancho fuerte espera aprobación humana. El cálculo es asimétrico: revisar un mensaje toma minutos; recuperar la confianza de un decisor que recibió spam toma meses, si es que se recupera. La automatización madura no consiste en quitar al humano, sino en ponerlo exactamente donde su criterio vale más.

Números y lecciones de producción

En las primeras semanas: cerca de 100 empresas investigadas, 22% aprobadas para calificación, cada aprobada con su propio dossier. La lección más valiosa vino de una fuente de descubrimiento que parecía buena y rendía poco: el funnel rastreable mostró el ROI bajo en cuestión de días, y pivotamos el perfil de búsqueda. Sin un registro auditable de cada decisión, ese pivot habría tomado un mes.

Lo que haríamos diferente: habríamos construido el funnel rastreable primero, antes de cualquier automatización de mensajes. La medición viene antes que el volumen.

El agente que usamos es el que vendemos

Este agente es un proyecto de Track 2 corriendo en producción en nuestro propio negocio. Los detalles de implementación, las decisiones técnicas y los resultados están en el case completo. Si tiene sentido un agente trabajando en tu funnel, cuéntanos tu contexto.