IA en proyectos de CRM: de tres meses a tres semanas

La inteligencia artificial acorta un proyecto de CRM sobre todo en el trabajo mecánico: mapear datos, documentar, generar datos de prueba, escribir el esqueleto del código y limpiar registros. No acorta las decisiones de negocio, la adopción ni la gestión del cambio, que siguen marcando el ritmo. Por eso un proyecto que antes se iba a tres meses puede quedarse en semanas, pero solo si las decisiones llegan a tiempo.

La frase «El que abans fèiem en tres mesos, ara es pot fer en tres setmanes» fue el titular del reportaje del Diari de Sabadell sobre Vexco. En la misma entrevista, nuestro CEO añadía el matiz que importa: se puede automatizar mucho, pero no todo, y el cliente quiere tener a alguien delante. Aquí bajamos esa idea al detalle de un proyecto real de HubSpot.

¿Dónde se iba el tiempo en un proyecto de CRM?

Si repasas las horas de una implantación o una migración típica, una parte importante no es consultoría ni decisión, sino trabajo de oficio: leer exportaciones de otro sistema, rellenar hojas de mapeo campo a campo, escribir documentación que nadie quiere escribir, preparar datos para probar workflows, programar llamadas a API que se parecen mucho entre sí y corregir formatos de teléfono uno a uno.

Ese trabajo es necesario y hay que hacerlo bien, porque un error de mapeo o una integración mal probada se paga meses después. Pero es repetitivo y sigue patrones. Y ahí es justo donde la IA rinde: en tareas con un resultado verificable, donde una persona puede revisar en minutos lo que antes tardaba horas en producir.

AntesCon IA

Mapeo de camposHoja a mano, campo a campoPropuesta automática que se revisa

DocumentaciónAl final, si sobra tiempoGenerada durante el proyecto

Datos de pruebaCopias de datos realesRegistros ficticios realistas

Código de integraciónEscrito desde ceroEsqueleto generado y revisado

Limpieza de datosCorrección manualNormalización asistida y validada

Qué se acelera de verdad con IA

Mapeo de datos en migraciones

En una migración a HubSpot, el primer entregable es el mapeo: qué objeto y qué campo de origen va a qué objeto y propiedad de destino, con qué transformación. Con una muestra anonimizada de cada tabla, la IA propone una primera versión en minutos: detecta que «Tlf. móvil» es un teléfono, que «Estado oportunidad» encaja con las etapas del pipeline y que un campo de texto libre debería ser un desplegable.

La propuesta no se aplica tal cual. Un consultor la revisa, decide qué campos no merece la pena migrar y valida las equivalencias de valores con el cliente. Pero pasar de una hoja en blanco a una propuesta que solo hay que corregir cambia el ritmo de la primera semana.

Documentación del portal

La documentación solía ser lo primero que se recortaba cuando el proyecto se apretaba. Ahora puede generarse a la vez que se construye: un diccionario de propiedades con su uso, la descripción de cada workflow, el esquema de asociaciones y el manual de cada rol. El consultor revisa y corrige, pero no redacta desde cero, y el cliente recibe un portal documentado en lugar de un portal que solo entiende quien lo montó.

Datos de prueba

Probar un workflow de asignación o una integración con la facturación exige registros que cubran todos los casos: el contacto sin empresa, el negocio con descuento, la factura con dos tipos de IVA. Generar datos ficticios realistas para cada escenario es rápido con IA y evita algo que conviene evitar siempre: probar con copias de datos personales reales.

Esqueleto de código

En integraciones y desarrollo a medida, buena parte del código es estructura: autenticación, paginación, reintentos, registro de errores, el armazón de una acción de código personalizado o de una UI Extension. La IA escribe ese esqueleto deprisa y el desarrollador se concentra en la lógica de negocio y en los casos límite. Todo pasa por revisión y por pruebas en modo simulación antes de tocar datos reales.

Limpieza de datos

Normalizar teléfonos y países, separar nombre y apellidos mal escritos, clasificar textos libres en valores de un desplegable o señalar posibles duplicados son tareas donde la IA ahorra muchas horas. La regla es la misma: propone, una persona valida con una muestra y la carga final se hace con reglas explícitas y repetibles, no con respuestas sueltas.

Qué no se acelera: decisiones, adopción y cambio

La parte que decide si un CRM funciona no se ha acortado, y en algunos casos pesa más que antes, porque ahora es el cuello de botella.

• Las decisiones de negocio. Qué etapas tiene el pipeline, cuándo un lead pasa a ser oportunidad, quién es propietario de cada cuenta, qué informes mira la dirección. La IA puede sugerir opciones, pero la respuesta depende de cómo vende tu empresa y de acuerdos entre personas.
• La validación con usuarios. Un comercial que abre la ficha de un cliente que conoce bien detecta en segundos lo que ninguna comprobación automática ve: un histórico que falta, una empresa asociada a quien no toca.
• La adopción. Que el equipo deje la hoja de cálculo y registre en HubSpot no depende de la velocidad de la construcción, sino de la formación por roles, del acompañamiento en las primeras semanas y de que el CRM les ahorre trabajo desde el primer día.
• La gestión del cambio. Cambiar de herramienta suele cambiar también responsabilidades, métricas y costumbres. Eso pide conversaciones, no prompts.

Es lo que se resumía en el Diari: el factor humano sigue siendo esencial. Cuanto más rápida es la parte técnica, más se nota cuándo una decisión se retrasa dos semanas.

1. 01Decisiones del cliente
2. 02Construcción asistida por IA
3. 03Revisión humana
4. 04Pruebas con usuarios clave
5. 05Adopción y formación

Los riesgos de usar IA en un proyecto de CRM

Usar IA sin método crea problemas nuevos. Estos son los que más vigilamos:

• Privacidad. Los datos de un CRM son datos personales. No se pegan en una herramienta sin saber dónde acaban ni sin un acuerdo de encargo de tratamiento. Para mapear y probar bastan muestras anonimizadas o datos ficticios.
• Respuestas que suenan bien y son falsas. La IA puede inventar un endpoint de la API de HubSpot, una propiedad que no existe o una funcionalidad que requiere otra edición. Todo se contrasta con la documentación oficial y se prueba antes de darlo por bueno.
• Exceso de confianza. Un mapeo propuesto en minutos invita a no revisarlo. Por eso cada propuesta pasa por una persona que firma el resultado, y las cargas se ensayan completas antes del corte.
• Automatizar un mal proceso. Si el proceso comercial no está claro, la IA solo ayuda a construir más deprisa algo que no sirve.

HubSpot también incorpora su propia IA, Breeze, dentro del CRM, con asistentes y agentes para el día a día de ventas, marketing y atención al cliente. Es útil una vez el portal está bien construido, pero no sustituye a una buena arquitectura de datos.

¿Qué significa esto para el plazo de tu proyecto?

Nuestros plazos orientativos son de 4 a 8 semanas para implantar Sales Hub o Marketing Hub y de 10 a 14 en proyectos con migraciones grandes o varias integraciones. Dentro de esos rangos, lo que hace que un proyecto acabe antes o después ya no es tanto la parte técnica como la rapidez de las decisiones y la disponibilidad de tu equipo.

Si quieres que tu proyecto se parezca a las tres semanas del titular y no a los tres meses de antes, prepara tres cosas: una persona con capacidad de decisión, acceso temprano a los datos y a los sistemas que hay que conectar, y usuarios clave con tiempo reservado para probar. Con eso, la IA hace su parte y el equipo de implantación de HubSpot puede dedicar las horas ahorradas a lo que de verdad decide el resultado: el proceso, la calidad de los datos y que tu equipo use el CRM.

• IA
• Implantación
• Migración