Asistente CRM con IA

Qué es y para qué sirve

Este recurso es un workflow de n8n que convierte un evento o nota del CRM en un resumen y una acción siguiente sugerida por IA para el comercial responsable.

La idea no es que la IA decida ni actúe por sí sola: propone, y la persona decide. Esto ahorra al comercial la media hora que suele costar leer todo el historial de un lead antes de saber qué hacer a continuación, sin renunciar al control humano sobre cada decisión importante que afecte a un cliente real.

Piensa en este flujo como un asistente que prepara el terreno antes de que el comercial se siente a decidir: ordena la información dispersa de una nota o un evento del CRM en un formato consistente, para que la persona dedique su tiempo a pensar en la estrategia y no en releer párrafos sueltos.

Cuándo usarlo (y cuándo no)

Es útil cuando el equipo comercial gestiona un volumen de leads y notas suficiente como para que revisar cada ficha a mano se vuelva lento, o cuando queréis estandarizar cómo se resumen las interacciones antes de pasarlas a otro comercial en un traspaso de cuenta. También ayuda a que ningún lead se quede con la ficha vacía simplemente porque nadie tuvo tiempo de rellenarla ese día.

Encaja especialmente bien en equipos con rotación de cuentas entre comerciales, donde el resumen generado por la IA reduce el tiempo de arranque de la persona que hereda una cuenta, ya que no depende de que quien la llevaba antes redacte un traspaso detallado a mano.

No lo actives si no podéis garantizar una revisión humana antes de que cualquier sugerencia llegue al cliente: este flujo genera borradores internos, nunca comunicaciones automáticas hacia fuera. Tampoco tiene sentido con un volumen muy bajo de leads, donde revisar manualmente cada ficha sigue siendo más rápido que configurar y mantener el flujo.

Requisitos previos

Necesitas acceso a un proveedor de modelos de lenguaje compatible con la API de chat completions (llmUrl, apiKey y model), un endpoint de tu CRM que permita crear notas sobre un lead (crmNoteUrl), y un canal de Slack con Incoming Webhook para avisar al comercial responsable cuando llegue una nueva sugerencia.

Antes de activar nada en producción, prueba el flujo en un entorno de staging con datos inventados: nunca dejes claves reales del modelo o del CRM visibles en capturas de pantalla, documentación interna compartida o mensajes de Slack que puedan quedar accesibles a más personas de las necesarias.

Conviene también acordar con el equipo comercial qué tono y qué nivel de detalle esperan del resumen generado, para poder ajustar el prompt del modelo de lenguaje antes de que la primera versión llegue a producción y genere rechazo por no encajar con la forma de trabajar del equipo.

Configuración paso a paso en n8n

Descarga el archivo JSON e impórtalo en n8n desde el menú ⋯ a Import from File.

En el nodo Config agente sustituye llmUrl, apiKey, model, crmNoteUrl y slackWebhookUrl por los valores reales de tu entorno de pruebas. Activa el Webhook con el path crm-agente-ia y envía un POST de prueba con leadId, company y note para comprobar que todo el flujo funciona de principio a fin.

Revisa que la nota creada en el CRM aparezca claramente marcada como needs_human_review, y confirma en Slack que el mensaje incluye el resumen, la acción sugerida y un aviso explícito de que no debe enviarse nada al cliente sin revisión previa de una persona del equipo.

Haz también una prueba con una nota deliberadamente ambigua o incompleta, para ver cómo reacciona el modelo cuando no tiene suficiente contexto; si la respuesta resulta confusa, ajusta el prompt para que la IA indique explícitamente cuándo no tiene datos suficientes en lugar de inventar una recomendación.

Errores comunes y buenas prácticas

El error más peligroso es eliminar la marca needs_human_review o automatizar el paso siguiente sin que nadie revise realmente la sugerencia: eso convierte una ayuda interna en un riesgo real de enviar información incorrecta o inapropiada a un cliente. Mantén siempre esa revisión como paso obligatorio en el proceso comercial.

Evita también enviar al modelo de lenguaje más datos personales de los estrictamente necesarios para generar el resumen, y ten en cuenta los límites de coste y de tasa de peticiones de tu proveedor de IA si el volumen de leads crece con el tiempo. Documenta el prompt utilizado para que el equipo pueda auditar por qué la IA sugiere cada acción concreta.

Revisa periódicamente una muestra de resúmenes generados junto con comerciales experimentados, para confirmar que la calidad se mantiene estable a medida que cambian el producto, el mercado o el tipo de lead que entra en el CRM.

Alternativas en Make y Zapier

En Make, la estructura equivalente es un escenario que recibe el lead, llama a un módulo de IA para generar el borrador y lo escribe en el CRM manteniendo siempre un paso de revisión humana antes de cualquier acción hacia el cliente.

En Zapier, el patrón es similar: un disparador de lead, un paso de IA que redacta la sugerencia y una acción de CRM, seguidos de una notificación al equipo comercial para que revise el resultado antes de utilizarlo en una conversación real.

En ambos casos, conviene mantener el mismo principio que en n8n: separar claramente el paso que genera la sugerencia del paso que la convierte en una acción real hacia el cliente, para que siempre exista un punto de control humano explícito entre ambos.

Documenta en el runbook interno qué prompts están permitidos, qué campos del CRM puede escribir el asistente y quién aprueba cambios de modelo o de temperatura. Revisa cada trimestre los logs de ejecución para detectar fugas de datos personales y ajusta el filtro de campos sensibles antes de ampliar el alcance a más equipos comerciales.

Importar, configurar y producción 24/7

En n8n: ⋯ → Import from File → el JSON de este recurso. El flujo llega inactive. Abre el sticky INSTRUCCIONES del lienzo y el nodo Config/Set: URLs, umbrales y placeholders. Enlaza credenciales reales (HTTP Header Auth, OAuth Google Sheets, Slack Incoming Webhook, CRM Private App) — nunca dejes tokens en el archivo versionado.

Prueba una ejecución Manual o un evento de test (formulario, webhook, cron forzado). Revisa CRM, Sheets o Slack. Solo entonces Active. Timezone del workflow: Europe/Madrid.

Para que corra solo hace falta n8n online. Self-hosted UE: VPS Hetzner/OVH/IONOS (o panel con Docker) → Ubuntu → Docker Compose (n8n + Postgres) → HTTPS con Caddy/Nginx → N8N_HOST, WEBHOOK_URL, GENERIC_TIMEZONE=Europe/Madrid, N8N_ENCRYPTION_KEY. Alternativa: n8n Cloud (importas, conectas credenciales y Active; vigila límites). Make/Zapier: mismo mapa mental; este JSON es el esqueleto n8n.

EU AI Act y RGPD: qué es y por qué tu empresa debe aplicarlo

El Reglamento (UE) 2024/1689 (EU AI Act) ya está en vigor. Si tu empresa usa n8n con nodos de IA (Gemini, OpenAI, Claude, etc.) en ventas o operaciones, actuáis como desplegadores (deployers): no hace falta ser el fabricante del modelo. Desde el 2 de febrero de 2025 el Artículo 4 exige alfabetización en IA del personal que opera estos sistemas; en agosto de 2026 se refuerza la supervisión (AESIA en España) y la trazabilidad.

En paralelo, el RGPD (AEPD) aplica porque el flujo trata datos de contacto B2B. Base jurídica, minimización y, si hay perfiles automatizados a escala, evaluación de impacto. AI Act y RGPD se acumulan: un fallo puede implicar ambas autoridades.

Este recurso ayuda en la práctica: placeholders sin secretos, Europe/Madrid, opción self-hosted en VPS UE (soberanía de datos), registro de ejecuciones en n8n (logs) y espacio para human-in-the-loop (aprobación antes de acciones sensibles). Detalle: /uso-responsable-de-ia-y-transparencia. Texto informativo, no asesoramiento legal.