Generative AI (GenAI)

El análisis de Zapier de 10.000 flujos de trabajo automatizados impulsados por IA en su plataforma reveló que la gestión de clientes potenciales es el caso de uso más común. Los datos sugieren que las empresas están aplicando cada vez más la IA en sistemas conectados y de múltiples pasos, en lugar de utilizarla para automatizaciones de tareas únicas.

Casi un tercio de los flujos de trabajo se centraron en tareas de gestión de clientes potenciales, incluyendo la captura de nuevas suscripciones, el enriquecimiento de perfiles, la puntuación de clientes potenciales, la actualización de sistemas de gestión de relaciones con clientes y el desencadenamiento de seguimientos. Zapier describió estos como sistemas de múltiples pasos que conectan diferentes herramientas y fuentes de información, incluyendo entradas no estructuradas como correos electrónicos y transcripciones de llamadas.

Más allá de la gestión de clientes potenciales, el análisis destacó la organización de la información, la respuesta a mensajes y la creación de contenido como categorías principales. En general, la distribución apunta a un enfoque en el rendimiento operativo y la coordinación entre equipos, en lugar de experimentos con funciones de IA independientes.

Sistemas de Gestión de Clientes Potenciales

Los flujos de trabajo de gestión de clientes potenciales representaron casi el 30% de los sistemas impulsados por IA en el estudio. Muchos combinaron la mensajería con la organización de la información y se ejecutaron con poca o ninguna intervención humana, incluyendo seguimientos fuera del horario laboral.

Típicamente, estos flujos de trabajo comienzan cuando un nuevo cliente potencial llega a través de un formulario, un anuncio o una llamada. La IA extrae detalles clave de la información entrante, aplica una lógica de puntuación, enruta al cliente potencial, actualiza los registros del CRM y programa los siguientes pasos.

Algunas secuencias se extienden más allá de la captación y la calificación, añadiendo invitaciones a calendarios, mensajes de seguimiento y pasos de generación de contratos a medida que avanzan los acuerdos.

«Cuando la gente piensa en la automatización, imagina trucos pequeños e ingeniosos: un correo electrónico que se redacta solo, un recordatorio de calendario que simplemente aparece. Eso es útil, pero no es la verdadera historia», dijo Lindsay Rothlisberger, Directora de Operaciones de Ingresos de Zapier.

«Lo que estamos viendo en los datos es que los usuarios más eficaces están construyendo sistemas, no atajos. Están conectando pasos de IA en todo su flujo de trabajo para que un cliente potencial no solo se capture. Se puntúa, se enruta, se le hace un seguimiento y se mueve a través del pipeline. Ahí es cuando la automatización deja de ser útil y empieza a ser infraestructura», añadió Rothlisberger.

Zapier citó a Klue, Slate y Drive Social Media como ejemplos de organizaciones que utilizan este enfoque para las operaciones de pipeline y la generación de clientes potenciales. No proporcionó puntos de referencia de la industria, pero la prominencia de los flujos de trabajo relacionados con los clientes potenciales sugiere que las operaciones de ventas y marketing siguen siendo un área de prioridad para la inversión en automatización.

Organización de Datos

La extracción, el resumen y la organización de la información representaron casi el 30% de los sistemas analizados. Estos flujos de trabajo cubren tareas como el escaneo de currículums, la generación de notas de reuniones, la clasificación de documentos y la programación de seguimientos.

Esta categoría refleja un patrón de diseño común: los equipos a menudo tienen dificultades para convertir el contenido no estructurado en registros estructurados que las herramientas posteriores puedan utilizar. En estos flujos de trabajo, la IA se sitúa típicamente entre una fuente entrante (como un documento o una transcripción) y un sistema de destino (como una hoja de cálculo, un CRM o un rastreador de proyectos).

Zapier describió a la IA en estos sistemas como realizando el «trabajo más pesado» en la organización, adoptando un enfoque pragmático en el que la IA se encarga del análisis y el resumen antes de que la información se mueva a través de las herramientas empresariales existentes.

Respuestas a Mensajes de Clientes

Los flujos de trabajo de respuesta a mensajes representaron alrededor del 20% de la muestra. Estos sistemas redactaron respuestas personalizadas para clientes potenciales, gestionaron preguntas comunes de soporte y señalaron problemas más complejos para la revisión humana.

Generalmente, comienzan con un mensaje entrante a través de correo electrónico, chat o herramientas de colaboración interna. La IA interpreta la solicitud y genera una respuesta o clasificación inicial. El flujo de trabajo registra entonces la interacción y escala los problemas cuando es necesario.

Zapier dijo que Rebrandly redujo las solicitudes de soporte en un 50% utilizando este enfoque, y que los Portland Trail Blazers redujeron el tiempo de revisión de comentarios de los invitados en un 94%.

Flujos de Trabajo de Contenido

Los flujos de trabajo de creación de contenido representaron aproximadamente el 14% de la muestra. Según Zapier, estos sistemas apoyan la escritura, la edición y la publicación en múltiples plataformas. Los ejemplos incluyen la conversión de indicaciones basadas en hojas de cálculo en publicaciones en redes sociales y la conversión de grabaciones de voz en publicaciones de blog y guiones de vídeo.

Zapier describió estos flujos de trabajo como secuencias que comienzan con un desencadenante (como una franja horaria programada, un envío de formulario o una actualización de feed), luego pasan por la redacción y la edición antes de la publicación y la programación. También señaló que muchos incluyen pasos de revisión humana.

Zapier citó a Author.Inc como un ejemplo de una empresa que utiliza este modelo para reducir los plazos de publicación y mejorar los márgenes.

Camino a la Madurez

Zapier esbozó un modelo de progresión que comienza con flujos de trabajo reactivos e independientes que mueven datos y desencadenan acciones. Luego pasa a flujos de trabajo integrados que eliminan las transferencias entre sistemas, flujos de trabajo gobernados que gestionan procesos de extremo a extremo con supervisión y sistemas adaptativos que optimizan y se ajustan con el tiempo.

El análisis también argumentó que los «flujos de trabajo agentivos» cambian la forma en que se coordina el trabajo en lugar de eliminar la participación humana. Las excepciones y los juicios se siguen escalando a las personas, mientras que los pasos automatizados se encargan del enrutamiento, el registro y los seguimientos repetitivos.

Zapier también destacó dos productos vinculados a esta dirección. Zapier Agents se posiciona como una forma para que los equipos creen agentes impulsados por IA que automatizan tareas en aplicaciones conectadas. Zapier MCP se integra con herramientas de IA como ChatGPT y Claude, con el objetivo de permitir a los usuarios iniciar acciones en otras herramientas desde una interfaz de chat.

«El cambio que estamos rastreando no se trata de hacer que la IA sea más inteligente. Se trata de hacer que el entorno en el que opera la IA sea comprensible, gobernable y escalable», dijo Lindsay Rothlisberger, Directora de Operaciones de Ingresos de Zapier. «Las organizaciones que están obteniendo los mayores rendimientos no son las que tienen los modelos más sofisticados. Son las que han descubierto cómo conectar sus herramientas, establecer los límites correctos y dejar que la automatización se encargue de la coordinación».

En los 10.000 flujos de trabajo, Zapier dijo que el patrón apunta a un creciente interés en la IA como una capa operativa que vincula sistemas y equipos. La gestión de clientes potenciales, la organización de la información, la respuesta a mensajes de clientes y la producción de contenido siguen siendo los puntos de partida más comunes para programas de automatización más amplios.