Agente de IA para prospección comercial

1 Contexto

La prospección comercial B2B es lenta y manual: buscar negocios en mapas y directorios, visitar sus webs, localizar un contacto público y decidir si merece la pena escribirles. Automatizarla con IA es tentador, pero un agente que actúa solo, gasta dinero y recorre la web abierta necesita gobernanza: límites claros, control humano y costes previsibles.

El reto: un agente de IA que haga ese trabajo de principio a fin dentro de un marco de gobernanza explícito. Basta con indicar la zona, la actividad, los criterios y los límites, y el agente trabaja mientras el equipo sigue cada paso en directo y decide en los puntos críticos.

2 Desafíos

Un agente que actúa solo sobre la web abierta tiene que ser fiable y gobernable antes que rápido. Los retos principales fueron:

• Autonomía con control: el agente trabaja solo, pero se puede pausar o detener en cualquier momento, y nunca supera el tiempo, las llamadas, los tokens ni el presupuesto fijados.
• Datos que no se inventan: ningún email, teléfono o web puede deducirse. Cada dato debe aparecer literalmente en una fuente y guardarse con su evidencia.
• Fuentes heterogéneas: fuentes públicas de negocios, directorios municipales y de asociaciones sin API y webs de cualquier calidad, respetando robots.txt y las condiciones de uso de cada sitio.
• Identidad de las empresas: la misma empresa aparece con nombres, teléfonos o direcciones distintos según la fuente, y no debe duplicarse ni analizarse dos veces.
• Contenido no fiable: las páginas visitadas pueden contener texto oculto o instrucciones dirigidas a la IA (inyección de prompt).

3 Solución

Descartamos un agente libre que decida por su cuenta qué hacer. Diseñamos un recorrido de etapas fijas: la IA interviene solo donde aporta criterio (planificar, leer, evaluar) y el resto es código determinista y auditable. Cada ejecución recorre estos pasos:

1. Configuración y lanzamiento: zona, actividades, criterios, modelo de IA y límites. Antes de lanzar, el sistema estima el coste y una persona aprueba.
2. Directorios locales (opcional): el agente busca en la web directorios de empresas de la zona (ayuntamientos, asociaciones, polígonos) y propone los que encuentra. Una persona revisa sus condiciones de uso antes de usarlos.
3. Plan de búsquedas: la IA convierte los criterios en búsquedas concretas, cada una con su motivo. Una persona puede editarlas antes de aprobar.
4. Descubrimiento: fuentes públicas y fiables, configurables en cada ejecución, y los directorios aprobados devuelven empresas candidatas.
5. Contraste e identidad: cada empresa se contrasta con otras fuentes públicas y con las fichas existentes, para no duplicarla ni pagar dos veces por analizarla.
6. Web: se visita la web de la empresa. Si las fuentes no la dan, se busca y solo se acepta si muestra su teléfono, o su nombre y su dirección.
7. Contactos: emails y teléfonos se extraen por código, solo los que aparecen publicados, con su fragmento como evidencia.
8. Evaluación: la IA valora si la empresa encaja con lo que buscamos y propone oportunidades como hipótesis, cada una con su grado de incertidumbre.
9. Revisión: una persona aprueba o descarta cada candidata. Las aprobadas pasan a la base de datos de empresas y a la campaña, con sus evidencias.

El equipo sigue la ejecución en un registro en directo: cada paso, su coste en euros y los tokens consumidos.

4 Tecnologías

Cada pieza con su papel:

La IA siempre responde en un formato JSON fijo que el código valida antes de usarlo. Los prompts se editan desde el panel con versiones, y cada ejecución guarda la versión exacta que usó.

Construido a medida, sin marcos de agentes genéricos: el recorrido se programa directamente sobre el SDK oficial de Anthropic. Así cada paso es explícito y auditable, y el control de gasto, los límites y la revisión humana forman parte del propio sistema, no de una capa añadida.

5 Gobernanza de la IA y seguridad

El agente actúa sobre la web abierta y gasta dinero real, así que la gobernanza está en el código, no en la buena voluntad del modelo. Se apoya en cuatro pilares (límites, control, revisión humana y costes) y en salvaguardas de seguridad:

• Límites duros por ejecución: tiempo, páginas, llamadas, tokens y presupuesto se fijan antes de lanzar, y el agente nunca los supera por su cuenta: al alcanzar uno se pausa y pregunta si ampliarlo o detenerse.
• Presupuesto con reserva previa: antes de cada llamada externa se reserva su coste. Si no cabe en el presupuesto, la llamada no se hace, y al 80 % del gasto el agente se detiene y pregunta.
• Persona en el bucle: seis puntos de decisión humana: lanzamiento, plan de búsquedas, umbral de gasto, límites alcanzados, directorios y candidatos. Ninguna empresa llega a la base de datos ni a una campaña sin aprobación.
• Control en todo momento: cualquier ejecución se pausa o se detiene desde el panel, y un botón de parada global frena todas a la vez.
• Coste visible y previsible: el sistema estima el coste antes de lanzar, y el registro en directo muestra el gasto en euros y los tokens de cada paso.
• La IA propone, el código comprueba: cada dato extraído se verifica contra la página, y una web encontrada solo se acepta si muestra el teléfono o el nombre y la dirección de la empresa.
• Defensa frente a inyección de prompt: el texto oculto de las páginas no llega a la IA, el contenido de terceros va delimitado y la IA no puede decidir visitas, gastos ni escrituras.
• Navegación responsable: se respeta robots.txt, solo se visitan direcciones públicas y ningún directorio se usa sin que una persona revise sus condiciones de uso.
• Trazabilidad completa: cada dato guarda su fuente y su evidencia, cada decisión humana queda registrada con su autor y cada coste se apunta en un libro contable de solo inserción.

6 Resultados

El agente está operativo y lo hemos probado en ejecuciones reales en Majadahonda, Pozuelo de Alarcón y Boadilla del Monte:

• Coste por ejecución de céntimos: las ejecuciones que entregaron 3 empresas que encajan costaron entre 0,10 € y 0,24 €, según el modelo de IA, con el gasto controlado en cada paso.
• Directorios locales encontrados por el propio agente: en Majadahonda localizó un directorio de comercios, propuso cómo leerlo y comprobó que extraía 12 empresas por página antes de pedir aprobación.
• Fichas listas para revisar: cada candidata llega con su web, su email y teléfono públicos, el contraste entre fuentes públicas y una valoración razonada.
• Mejora guiada por casos reales: las pruebas sacaron a la luz webs que en realidad eran enlaces a WhatsApp o a mapas, y empresas que distintas fuentes públicas tenían con otro teléfono. Cada caso se convirtió en una regla nueva, con más de 200 pruebas automatizadas que la protegen.

7 Conclusión

Un agente de IA útil para negocio no es el más autónomo, sino el mejor gobernado. La clave fue repartir el trabajo: la IA planifica, lee y valora; el código comprueba cada dato y vigila el gasto; y una persona decide en los puntos críticos.

Gobernanza de la IA en la práctica: límites que el agente no puede saltarse, control en todo momento, revisión humana y un coste conocido antes de lanzar.