¿Cómo diseñar un sistema de scoring de leads con GPT?

Recibes 10.000 leads al mes desde Meta, TikTok y landings, pero tu equipo solo alcanza a llamar a 2.000. La mayoría de los buenos se enfrían y los malos consumen el tiempo de tus mejores vendedores. Si te suena familiar, no es un problema de vender más: es un problema de ordenar mejor. Y la IA lo resuelve por cinco dólares al día.

Un sistema de scoring con IA ordena los leads por probabilidad de compra antes de que entren al CRM. Tu equipo llama primero a los calientes, ignora a los obvios «no» y dedica tiempo justo a los tibios. Resultado típico: misma cantidad de llamadas, 2-3x más cierres.

01¿Cómo se ve por dentro?

Cada lead entra por un webhook (formulario, Meta Lead Ads, TikTok), se enriquece con información pública (empresa, sector, tamaño) y pasa por la IA que devuelve un score de 0 a 100 más una razón en lenguaje natural. El resultado se guarda en el CRM con etiqueta de prioridad y dispara la asignación al vendedor adecuado: caliente al closer senior, tibio a nurturing, frío a una secuencia automática.

02¿Cómo se le indica a la IA qué hacer?

Se combinan tres cosas: una explicación clara del cliente ideal (industria, tamaño, presupuesto, urgencia), varios ejemplos de leads buenos y malos del histórico real, y un formato estricto para la respuesta (JSON con score, motivo y categoría). Configurar la IA con temperatura baja (0.2-0.3) le da resultados estables y reproducibles.

03Plantilla de prompt que funciona

«Eres analista comercial de [empresa]. Evalúa este lead y devuelve un JSON con: score (0-100), categoria (caliente/tibio/frio), motivo (1 frase). Lead ideal: [criterios]. Ejemplos buenos: [3-5 casos reales]. Ejemplos malos: [3-5 casos reales]. Lead a evaluar: [datos].» Esta estructura, alimentada con tu histórico, supera al 80% de los modelos de scoring tradicionales y cuesta una fracción.

04Costos estimados

Para 10.000 leads diarios, GPT-5-nano cuesta unos 3-5 dólares al día (90-150/mes). Para los leads que pasan el filtro inicial, conviene reclasificarlos con un modelo más potente como GPT-5: el costo extra (otros 50-100/mes) se justifica con un único cierre adicional. Total: menos de lo que cuesta una hora de un BDR senior.

05¿Qué medir?

• Cuántos leads con score alto terminan siendo contactados (objetivo: 100%)
• Conversión a venta de score alto vs score bajo (debería ser al menos 4-5x mayor)
• Tiempo promedio que el vendedor dedica a cada lead según su score
• Falsos positivos: leads con score alto que no convirtieron (revisar mensualmente)

06Aplicaciones reales del scoring con IA

• Inmobiliarias: priorizar leads por presupuesto, zona y urgencia declarada antes de asignar asesor
• Educación online: detectar a quién mandar el curso premium y a quién basta con un nurturing de 14 días
• Concesionarias: separar al comprador real del curioso que solo cotiza precios
• B2B SaaS: enriquecer con datos de la empresa (tamaño, sector, stack) y filtrar el ICP automáticamente
• Seguros: clasificar por póliza buscada, edad y nivel de riesgo para asignar al agente especializado
• Bancos y fintechs: ordenar solicitudes de crédito por probabilidad de aprobación

Si quieres adaptar este enfoque a tu operación (con tu histórico, tu CRM y tu equipo), escríbenos y armamos un piloto en 3 semanas.