Cómo preparar los datos de tu empresa antes de implementar un agente IA

Implementar un agente de inteligencia artificial puede parecer sencillo.

Elegimos un modelo, definimos algunas instrucciones, lo conectamos con WhatsApp, HubSpot, nuestro sitio web o alguna otra plataforma y esperamos que empiece a responder clientes, calificar oportunidades o ayudar a nuestro equipo.

Pero en la práctica aparece un problema mucho antes de hablar de IA:

¿La empresa tiene organizada la información que el agente necesita para trabajar?

Un agente puede tener excelentes capacidades de razonamiento, pero si trabaja con información incompleta, duplicada, desactualizada o repartida entre diferentes plataformas, sus resultados también estarán limitados.

Por eso, antes de implementar un agente de IA dentro de una empresa, tenemos que preparar algo mucho menos llamativo, pero mucho más importante:

los datos y el contexto con los que va a trabajar.

¿Qué información necesita realmente un agente de IA?

La respuesta depende de la tarea.

Un agente de ventas no necesita la misma información que un agente de servicio al cliente.

Por ejemplo, si queremos que un agente ayude al equipo comercial a determinar qué oportunidades deberían priorizarse, probablemente necesite conocer:

• Información del contacto.
• Empresa a la que pertenece.
• Productos o servicios de interés.
• Negocios abiertos.
• Etapa actual de cada negociación.
• Últimas conversaciones.
• Cotizaciones enviadas.
• Objeciones presentadas.
• Actividades comerciales.
• Compras anteriores.
• Asesor responsable.
• Reglas internas de calificación.

Ahora pensemos en un agente de servicio al cliente.

Probablemente necesite información diferente:

• Productos contratados.
• Pedidos realizados.
• Estado de entrega.
• Tickets anteriores.
• Garantías.
• Documentación técnica.
• Preguntas frecuentes.
• Políticas de devolución.
• Conversaciones anteriores.
• Nivel de servicio del cliente.

El primer error que podemos cometer es darle acceso al agente a toda nuestra información sin preguntarnos primero:

¿Qué necesita saber para realizar correctamente esta tarea?

Más datos no significan necesariamente mejores respuestas.

Lo importante es tener los datos correctos.

Conoce nuestra plataforma agentica de clientes

Paso 1. Identifica dónde está actualmente la información

Antes de integrar sistemas, tenemos que hacer un inventario.

En muchas empresas podemos encontrar información distribuida entre:

• CRM.
• ERP.
• WhatsApp.
• Correos electrónicos.
• Google Drive.
• Excel o Google Sheets.
• Formularios.
• Plataformas de servicio.
• Sistemas administrativos.
• Bases de datos internas.
• Documentos.
• Incluso notas o conocimiento que solamente tiene el equipo.

No necesitamos migrar inmediatamente todo hacia una única plataforma.

Primero necesitamos identificar qué fuente contiene cada tipo de información.

Por ejemplo:

Este ejercicio nos permite empezar a construir un mapa de información de la empresa.

Paso 2. Define cuál es la fuente confiable para cada dato

Cuando diferentes plataformas contienen la misma información aparece otro problema:

¿cuál tiene la razón?

Supongamos que un cliente aparece con un teléfono diferente en:

• HubSpot.
• El ERP.
• Una hoja de cálculo.
• WhatsApp.

El agente necesita saber qué fuente debe utilizar.

Por eso es importante establecer lo que muchas veces se conoce como una fuente de verdad para cada dato.

Por ejemplo:

• HubSpot puede ser la fuente principal de información comercial.
• El ERP puede ser la fuente principal de facturación.
• El sistema de inventario puede determinar disponibilidad.
• Google Drive puede almacenar documentación técnica.

Esto evita que el agente tenga que interpretar información contradictoria.

Paso 3. Normaliza la información

Este suele ser uno de los trabajos menos atractivos de una implementación de inteligencia artificial.

Pero también uno de los más importantes.

Imaginemos una propiedad llamada Ciudad. Dentro de nuestra base encontramos:

• Medellín
• Medellin
• MED
• Medellín, Colombia
• medellín
• Med.

Una persona puede entender fácilmente que probablemente hablamos de la misma ciudad.

Pero cuando queremos analizar miles de registros, crear reglas, automatizaciones o agentes, esa inconsistencia empieza a convertirse en ruido.

Lo mismo ocurre con:

• Empresas duplicadas.
• Contactos repetidos.
• Teléfonos sin código de país.
• Nombres escritos de diferentes formas.
• Propiedades vacías.
• Etapas comerciales utilizadas incorrectamente.
• Campos donde cada vendedor registra información diferente.

Antes de utilizar esos datos para IA deberíamos establecer reglas claras de normalización.

Por ejemplo:

• Formatos estándar.
• Valores permitidos.
• Propiedades obligatorias.
• Reglas de deduplicación.
• Fuentes autorizadas.
• Criterios para actualizar información.

Un agente puede procesar una enorme cantidad de datos.

Eso no significa que pueda corregir automáticamente todos los problemas de nuestra arquitectura de información.

Paso 4. Conecta los sistemas que realmente aportan contexto

Una empresa no necesita mover toda su información a una única plataforma para utilizar inteligencia artificial.

Lo que necesita es poder consultarla cuando sea necesaria.

Podríamos tener una arquitectura donde:

• HubSpot administra contactos, empresas, oportunidades y actividades comerciales.

• El ERP contiene facturas, compras e inventario.

• WhatsApp contiene conversaciones recientes.

• Google Drive almacena documentación.

• El agente de IA consulta esas fuentes dependiendo de la pregunta que necesita resolver.

Por ejemplo, un cliente pregunta:

¿Cuándo llega mi pedido?

El agente podría:

1. Identificar al usuario.
2. Consultar su registro en el CRM.
3. Encontrar el pedido asociado.
4. Consultar su estado en el ERP.
5. Generar una respuesta.
6. Registrar la conversación.
7. Escalar el caso a una persona si encuentra un problema.

Aquí la IA no está simplemente respondiendo una conversación. Está utilizando diferentes sistemas para ejecutar un proceso.

Paso 5. Relaciona los datos

Tener información disponible tampoco es suficiente.

Tenemos que entender cómo se relaciona.

Un registro llamado Juan Pérez puede contener:

• Nombre.
• Email.
• Teléfono.

Eso son datos.

Pero cuando sabemos que Juan:

• Trabaja en Empresa ABC.
• Tiene una oportunidad abierta.
• Solicitó una cotización.
• Su empresa ya compró anteriormente.
• Escribió ayer por WhatsApp.
• Está esperando seguimiento comercial.

Ahora tenemos algo mucho más útil.

Tenemos contexto.

Para un agente de IA, las relaciones entre la información pueden ser incluso más importantes que la cantidad de información disponible.

El agente debería poder entender relaciones como:

• Contacto → Empresa

• Empresa → Negocio

• Negocio → Cotización

• Empresa → Facturas

• Contacto → Conversaciones

• Negocio → Actividades

• Cliente → Tickets

Cuando estas relaciones existen podemos empezar a construir agentes mucho más útiles.

Paso 6. Define las reglas del proceso

El agente también necesita entender cómo funciona la empresa. Supongamos que queremos implementar un agente para calificar oportunidades comerciales.

Podríamos darle acceso a todos los contactos y negocios del CRM. Pero todavía necesitamos explicarle:

¿Qué significa para nuestra empresa una buena oportunidad?

Quizás depende de:

• Tamaño de empresa.
• Presupuesto.
• País.
• Problema identificado.
• Productos de interés.
• Número de empleados.
• Tecnología utilizada.
• Tiempo estimado de compra.
• Nivel de interacción.

Estas reglas forman parte del contexto operativo. La IA puede ayudarnos a interpretar información. Pero necesitamos explicarle cómo funciona nuestro negocio.

Paso 7. Decide qué puede hacer el agente

También debemos definir claramente hasta dónde puede llegar. Un agente puede tener diferentes niveles de autonomía.

Por ejemplo:

Nivel 1: consultar

Puede buscar información y responder preguntas.

Nivel 2: recomendar

Puede analizar información y sugerir una acción.

Nivel 3: ejecutar con aprobación

Puede preparar una acción, pero necesita que una persona la autorice.

Nivel 4: ejecutar automáticamente

Puede realizar determinadas acciones sin intervención humana.

Por ejemplo, un agente comercial podría empezar únicamente recomendando:

Esta oportunidad lleva siete días sin seguimiento y el prospecto abrió la última cotización. Te recomiendo contactarlo hoy.

Más adelante podría incluso crear automáticamente la tarea para el asesor. La autonomía debería aumentar a medida que tengamos más confianza en nuestros datos, procesos e integraciones.

De los datos al agente de IA

Podemos resumir todo el proceso de esta manera:

Fuentes de información → Normalización → Integración → Relaciones → Contexto → IA

1. Fuentes de información

Identificamos dónde viven los datos.

2. Normalización

Corregimos inconsistencias y establecemos reglas.

3. Integración

Permitimos que diferentes sistemas intercambien información.

4. Relaciones

Conectamos contactos, empresas, oportunidades, compras, conversaciones y demás objetos.

5. Contexto

Interpretamos qué significan esos datos dentro de nuestros procesos.

6. Inteligencia artificial

Finalmente utilizamos ese contexto para consultar información, recomendar acciones o ejecutar procesos.

Este orden es importante.

Si comenzamos directamente por el último punto, probablemente terminemos construyendo un agente que funciona técnicamente, pero aporta muy poco al negocio.

Un ejemplo aplicado a HubSpot

Supongamos que una empresa utiliza HubSpot como CRM y quiere implementar un agente de ventas.

Antes de construirlo podríamos revisar:

Contactos

• ¿Los nombres están correctamente registrados?
• ¿Tenemos empresa asociada?
• ¿Tenemos teléfono?
• ¿Tenemos cargo?
• ¿Tenemos país?
• ¿Conocemos la fuente del contacto?

Empresas

• ¿Existen duplicados?
• ¿Tenemos industria?
• ¿Tenemos tamaño?
• ¿Tenemos país?
• ¿Tenemos facturación?

Negocios

• ¿Las etapas están correctamente utilizadas?
• ¿Tenemos montos?
• ¿Tenemos fecha estimada de cierre?
• ¿Tenemos siguiente actividad?
• ¿Tenemos productos asociados?

Actividades

• ¿Los vendedores registran reuniones?
• ¿Se registran llamadas?
• ¿WhatsApp está conectado?
• ¿Los emails están asociados?

Procesos

• ¿Sabemos cuándo una oportunidad está calificada?
• ¿Cuándo debería realizarse seguimiento?
• ¿Cuándo debe descartarse?
• ¿Cuándo debería escalarse?

Una vez organizada esta información, un agente puede empezar a utilizar HubSpot como una verdadera fuente de contexto.

¿Necesito tener todos mis datos perfectos antes de implementar IA?

No. Esperar una base de datos perfecta probablemente haría que nunca empezáramos.

Lo importante es identificar qué información necesita el primer caso de uso que queremos implementar.

Si queremos construir un agente para responder preguntas sobre pedidos, posiblemente no necesitemos solucionar toda nuestra base comercial.

Necesitamos solucionar la información relacionada con:

• Clientes.
• Pedidos.
• Productos.
• Estados.
• Políticas.
• Conversaciones.

Después podemos ampliar progresivamente el alcance.

La mejor estrategia normalmente no es intentar construir un agente que conozca toda la empresa desde el primer día.

Es comenzar con un proceso específico, construir correctamente su contexto y después ampliar sus capacidades.

La ventaja no estará solamente en utilizar inteligencia artificial

Los modelos de IA serán cada vez más accesibles.

Diferentes empresas podrán utilizar tecnologías similares.

La diferencia estará en lo que cada empresa pueda enseñarle a esos sistemas sobre su propia operación.

Dos empresas pueden utilizar el mismo modelo de inteligencia artificial.

Una puede obtener respuestas genéricas.

La otra puede tener un agente que conoce:

• Sus clientes.
• Sus productos.
• Sus procesos.
• Sus negociaciones.
• Sus políticas.
• Sus conversaciones.
• Sus operaciones.

El modelo puede ser el mismo.

El contexto no.

Y ahí probablemente estará una parte importante de la ventaja competitiva de las empresas que mejor implementen inteligencia artificial.

Preguntas frecuentes

¿Qué datos necesita un agente de IA?

Depende del proceso que vaya a ejecutar. Un agente comercial puede necesitar contactos, empresas, negocios y actividades, mientras que un agente de servicio puede necesitar pedidos, tickets, productos y documentación.

¿Es necesario centralizar todos los datos antes de utilizar IA?

No necesariamente. Los datos pueden permanecer en diferentes plataformas siempre que exista una arquitectura que permita consultarlos, relacionarlos y determinar cuál es la fuente confiable de cada información.

¿Puede un agente de IA trabajar conectado con HubSpot?

Sí. Un agente puede utilizar información almacenada en HubSpot como contactos, empresas, negocios, tickets y actividades y combinarla con información proveniente de otros sistemas.

¿Qué pasa si los datos de mi CRM están desorganizados?

El agente puede terminar utilizando información incorrecta, incompleta o contradictoria. Por eso la normalización y definición de procesos debería formar parte de cualquier proyecto de implementación de IA.

¿Por dónde debería empezar una empresa que quiere implementar agentes de IA?

Por un caso de uso específico. Primero identifica qué decisión o proceso quieres mejorar, después determina qué información necesita ese proceso y finalmente conecta las fuentes necesarias.

Antes de construir el agente, construye su contexto

La pregunta inicial no debería ser:

¿Qué agente de IA podemos implementar?

Debería ser:

¿Qué información necesitaría una persona para ejecutar correctamente este proceso y dónde se encuentra hoy?

Responder esa pregunta nos permite saber qué datos organizar, qué sistemas integrar y qué relaciones construir.

Después sí podemos introducir inteligencia artificial.

Porque un buen agente no es simplemente un modelo conectado a muchas herramientas.

Es un sistema capaz de utilizar el contexto real de la empresa para tomar mejores decisiones y ejecutar mejores procesos.