Saltar al contenido

Agentes que trabajan solos

Cómo clasificar y enrutar leads con un modelo de lenguaje

El montaje completo: qué categorías definir, por qué pedir el JSON en el prompt no basta, y cómo escribir al CRM sin que alguien revise cada registro.

César Medina6 min de lectura

Se monta en cuatro piezas: unas categorías que produzcan acciones distintas, un esquema que obligue al modelo a devolver exactamente esos valores, un periodo en paralelo donde nadie confía todavía en el resultado, y una escritura al CRM que respete la cuota de la API. Saltarse la segunda es lo que hace que se caiga.

Puntos clave

  • Pedir el JSON en el prompt no da ninguna garantía. La salida estructurada sí, y es la diferencia entre un experimento y algo que corre solo.
  • Las categorías se definen por la acción que disparan, no por lo que describen.
  • Antes de escribir al campo real se corre en paralelo y se compara contra la clasificación humana.
  • Cada escritura consume cuota de la API de HubSpot, y el tope se agota antes de lo que parece.

¿Qué categorías definir?

Las menos posibles que lleven a acciones distintas.

El error habitual es diseñar la taxonomía describiendo el mundo: por industria, por tamaño, por intención, por producto. Sale una lista de dieciocho categorías, el modelo se equivoca mucho más porque las fronteras son finas, y al final nueve de ellas terminan en el mismo sitio.

La pregunta correcta por categoría es: ¿qué pasa distinto cuando un lead cae aquí? Si dos categorías llevan al mismo destinatario y al mismo mensaje, son una sola.

En una operación B2B típica salen cinco o seis: petición de demo, soporte de cliente existente, consulta de precio, alianza o proveedor, candidato a empleo, y ruido. Cada una va a una persona distinta y con una prioridad distinta, que es justo lo que justifica clasificar.

Y una que no se puede omitir: no encaja. Sin ella el modelo fuerza cualquier entrada dentro de las categorías que le diste, y los errores más caros salen de ahí.

¿Por qué no basta con pedir el JSON en el prompt?

Porque el prompt es una petición y el esquema es una restricción.

La documentación de Anthropic lo dice sin rodeos: «Without structured outputs, Claude can generate malformed JSON responses or invalid tool inputs that break your applications. Even with careful prompting, you may encounter: Parsing errors from invalid JSON syntax, Missing required fields, Inconsistent data types, Schema violations requiring error handling and retries.»

En la práctica esto se nota en el segundo mes. Las primeras semanas todo va bien porque los casos son parecidos a los que probaste; después llega un correo raro, el modelo devuelve algo con una coma de más, y el proceso se cae en silencio.

Con salida estructurada, la respuesta viene con la forma que definiste. Eso no garantiza que la categoría sea correcta, pero sí que sea procesable, que son dos problemas distintos y solo uno se resuelve con validación posterior.

Fuente: Anthropic, Structured outputs, consultada el 31 de agosto de 2026.

¿Cómo se define el esquema?

Con tres campos, y el tercero es el que salva el proyecto.

La categoría, como una enumeración cerrada con exactamente los valores que definiste. Cerrada significa que el modelo no puede inventarse una séptima.

La confianza, o cualquier señal de cuán seguro está. Sirve para mandar a revisión humana lo que quede por debajo de un umbral, en vez de todo o nada.

La justificación, una frase corta sobre por qué eligió esa categoría. Cuesta unos pocos tokens y es lo que permite auditar después por qué el sistema se equivocó, en lugar de mirar una etiqueta sin contexto.

Conviene saber que el esquema restringe la forma y no el contenido: no admite restricciones numéricas ni de longitud de texto. Si necesitas que un valor esté en un rango, eso se valida en el código después, no en el esquema.

¿Cuándo se le deja escribir en el CRM?

Después de correrlo en paralelo y medirlo, nunca antes.

El montaje: el modelo clasifica y escribe en una propiedad aparte que nadie usa para nada. Durante tres o cuatro semanas, la clasificación humana sigue siendo la que manda. Al final se comparan las dos columnas.

Eso da dos números. El acierto general, y el acierto por categoría, que es el que importa: un modelo puede tener 92% global y equivocarse la mitad de las veces en la categoría que más cuesta. Cómo se arma la comparación y por qué conviene priorizar volumen de casos sobre refinamiento está en cómo medir si las respuestas de tu agente son buenas.

El umbral para conectar al campo real depende del costo del error. Si una clasificación equivocada significa que alguien reasigna un correo, un 90% basta. Si significa que un cliente enfadado recibe un mensaje de bienvenida, hace falta mucho más, y probablemente revisión humana permanente para esa categoría.

¿Qué hay que vigilar del lado de HubSpot?

La cuota, que se agota antes de lo que la gente calcula.

Los límites de la API de HubSpot para aplicaciones privadas están publicados: 100 peticiones cada 10 segundos y 250.000 al día en Free y Starter, 190 y 625.000 en Professional, 190 y un millón en Enterprise. Al pasarse, todas las llamadas siguientes reciben un 429.

El detalle que importa para diagnosticar: la respuesta trae un policyName que dice si lo que se agotó fue el tope diario o el de diez segundos. Son dos problemas distintos con arreglos distintos. Rebotar contra el de diez segundos significa que el proceso escribe demasiado rápido; agotar el diario significa que mueve demasiado volumen, y eso no se arregla espaciando las llamadas.

En la práctica, dos precauciones bastan. Escribir por lotes y no registro a registro. Y no correr la clasificación masiva a la misma hora que la sincronización nocturna, porque las dos comparten la misma cuota diaria y la segunda es la que se nota cuando falla.

Fuente: HubSpot, API usage guidelines and limits, consultada el 31 de agosto de 2026.

¿Qué se registra de cada clasificación?

La entrada, la salida completa con su justificación, el modelo y la versión del prompt que se usaron, y la fecha.

Sin eso, cuando alguien pregunte por qué un lead acabó donde acabó, la respuesta va a ser que no se sabe. Con eso, se abre el registro y se ve.

Es la misma disciplina que sostiene cualquier sistema con un modelo dentro, y el recorrido completo está en agentes con modelos de lenguaje.

Si quieres que revisemos si tu volumen de leads justifica montar esto, el diagnóstico inicial no tiene costo.

Preguntas frecuentes

¿Basta con pedirle el JSON en el prompt? No, y es el error más común. La documentación de Anthropic advierte que sin salida estructurada aparecen errores de sintaxis, campos que faltan y tipos inconsistentes que obligan a reintentar. Pedirlo con un esquema es lo que convierte eso en una garantía de forma.

¿Cuántas categorías conviene tener? Las menos posibles que produzcan acciones distintas. Si dos categorías llevan al mismo destinatario y al mismo mensaje, son una sola. Cinco o seis suelen bastar, y siempre hace falta una categoría de «no encaja» para que el modelo no fuerce.

¿Puede escribir al CRM sin revisión? Solo después de medirlo. Se corre en paralelo unas semanas, escribiendo a un campo aparte que nadie usa, y se compara contra la clasificación humana. Cuando el acierto es suficiente para el costo del error, se conecta al campo real.

¿Qué pasa con los límites de la API de HubSpot? Que hay que contarlos antes. Cada escritura consume cuota, y con Free o Starter el tope es de 100 peticiones cada 10 segundos y 250.000 al día. Un proceso que clasifica en lote puede agotarlo sin darse cuenta y recibir 429 en todo lo demás.

Recurso gratuito

Calidad de datos para IA

Un cuestionario sobre los datos de tu empresa —duplicados, campos, silos entre sistemas y permisos— con un puntaje y qué cerrar antes de automatizar.

Retrato de César Medina

Escrito por

César Medina

RevOps y arquitectura de HubSpot

Llevo la operación de marketing y ventas de empresas B2B al punto en el que el CRM deja de ser un archivero y empieza a mover pipeline. Trabajo sobre HubSpot: arquitectura, automatización y los procesos que hacen que un equipo lo use de verdad. Escribo aquí lo que aprendo implementando, no lo que dice el folleto.

LinkedIn(se abre en una pestaña nueva)

Sigue leyendo

  • Agentes que trabajan solos

    Cuándo un agente sustituye un workflow y cuándo no

    Un workflow hace lo mismo siempre; un agente decide cada vez. Cuál conviene en cada caso, qué cuesta cada uno y por qué el orden importa.

    César Medina6 min
  • Agentes que trabajan solos

    Qué cuesta de verdad operar un agente el segundo mes

    El primer mes se paga la construcción. El segundo aparece la factura real. Qué la compone, qué ajuste la baja más y cómo estimarla antes de firmar.

    César Medina7 min
  • Agentes que trabajan solos

    Cómo medir si las respuestas de tu agente son buenas

    Un conjunto de pruebas sirve si corre solo y corre siempre, no si es elegante. Cómo armar uno, qué calificar a máquina y cuándo hace falta una persona.

    César Medina7 min

¿Listo para crecer?

Contáctanos y dale a tu marca el impulso que necesita

Cuéntanos tu reto en una llamada de 30 minutos. Salimos de ella con un diagnóstico y los siguientes pasos concretos, sin compromiso.