Serie N8N (XV): Lead Scoring con IA en N8N - prioriza oportunidades automáticamente

1. Cuando la IA empieza a ayudar a vender

En muchos negocios ocurre lo mismo cada semana: llegan formularios web, correos de contacto, solicitudes de presupuesto, mensajes comerciales o peticiones de información. Todos entran en la misma bandeja, pero no todos tienen el mismo valor.

Algunos mensajes son simples consultas generales. Otros representan oportunidades reales con presupuesto, necesidad clara y urgencia cercana. El problema es que, a simple vista, muchas veces parecen iguales, y mientras el equipo comercial revisa manualmente cada mensaje, los mejores leads pueden enfriarse. Ahí es donde la Inteligencia Artificial aporta valor real.

En lugar de revisar uno a uno, ahora el flujo puede ser:

Lead entra
   ↓
IA analiza mensaje
   ↓
Calcula score
   ↓
Marca prioridad
   ↓
Avisa al equipo comercial

Esto permite responder antes, centrarse en oportunidades reales, ordenar la entrada comercial y ahorrar tiempo operativo.

Vamos a definir lead como una persona o empresa que ha mostrado interés en tus productos o servicios y puede convertirse en cliente en el futuro.

En este artículo crearemos un workflow en N8N capaz de:

• recibir leads por webhook

• detectar si ya existen

• puntuar cada oportunidad con IA

• guardar histórico en Google Sheets

• avisar por Telegram

Muchas empresas no necesitan más leads, necesitan gestionar mejor los que ya reciben, y ahí la IA puede marcar una gran diferencia.

Lead Scoring con IA en N8N - prioriza oportunidades automáticamente

2. Qué es Lead Scoring y por qué importa

Una vez entendido qué es un lead, aparece la siguiente pregunta:

¿Cómo saber cuál merece atención primero?

Ahí entra el Lead Scoring. Lead Scoring significa asignar una puntuación o prioridad a cada lead según la probabilidad de que se convierta en cliente o el valor potencial que representa.

Dicho de forma sencilla:

No todos los leads son iguales.

Y por tanto, no deberían tratarse igual.

Ejemplo simple: dos leads entran el mismo día:

• Lead A

Hola, quería información general.

• Lead B

Necesitamos propuesta para automatizar una línea este trimestre.

Aunque ambos son válidos, el segundo tiene más señales de oportunidad real. Un sistema de scoring podría valorar:

• Lead A → 25/100

• Lead B → 85/100

Un lead puede puntuarse según señales como urgencia del proyecto, presupuesto implícito, claridad de necesidad, tamaño de empresa, sector objetivo, intención de compra, momento temporal, calidad del mensaje.

Muchas empresas hacen esto “a ojo”, lo que provoca criterios distintos según quien lo lea, retrasos, oportunidades desaprovechadas.

La Inteligencia Artificial puede leer el mensaje recibido y detectar patrones en segundos.

Por ejemplo:

{
  "score": 82,
  "prioridad": "alta",
  "urgencia": "media",
  "interes": "alto"
}

Lead Scoring

Lead Scoring no consiste en adivinar. Consiste en priorizar mejor con la información disponible.

3. Qué vamos a construir en este artículo

En este artículo vamos a crear una automatización completa donde N8N utilizará Inteligencia Artificial para priorizar oportunidades comerciales automáticamente.

El objetivo será sencillo y muy útil:

recibir un lead, analizar su potencial y actuar en consecuencia.

El flujo realizará estos pasos:

1. Recibirá un lead mediante webhook.

2. Comprobará si ese email ya existe.

3. Enviará la información a OpenAI para calcular score y prioridad.

4. Guardará o actualizará el lead en Google Sheets.

5. Avisará al equipo comercial por Telegram.

6. Responderá al sistema externo con JSON.

Workflow

Workflow que vamos a usar en este artículo: LK_n8n_wf_AI_Lead_Scoring_Dedup_Sheets_Telegram.json

LK_n8n_wf_AI_Lead_Scoring_Dedup_Sheets_Telegram.json

Descargar JSON • 34KB

4. El problema real: leads fríos, duplicados y tiempo perdido

Hasta ahora hemos visto qué es el Lead Scoring y qué workflow vamos a construir, pero antes de entrar en la parte técnica merece la pena entender qué problema estamos intentando resolver, porque la realidad es que la mayoría de las empresas no pierden oportunidades por falta de formularios o herramientas, las pierden por cómo gestionan la información que ya reciben.

No todos los leads tienen el mismo valor

Imagina que hoy llegan estos tres mensajes:

Lead A

Hola, quería información sobre vuestros servicios.

Lead B

Estamos valorando automatizar una línea de producción este trimestre.

Lead C

Nos gustaría recibir una propuesta para un proyecto aprobado para este año.

Los tres son leads., pero claramente no representan la misma oportunidad comercial. Sin embargo, muchas empresas los gestionan exactamente igual.

Un problema típico es responder por orden de llegada, otro muy habitual es tener leads duplicados porque un posible cliente puede contactar varias veces

Nuestro objetivo va a ser ayudar al equipo comercial a centrarse en lo importante. Queremos que el sistema sea capaz de:

• detectar oportunidades

• Priorizar automáticamente

• Mantener histórico

• Avisar en tiempo real

  
  

El workflow que construiremos atacará los tres puntos principales:

Problema	Solución
Leads sin priorizar	IA calcula score y prioridad
Leads duplicados	Búsqueda por email antes de guardar
Respuesta lenta	Telegram avisa inmediatamente

Flujo de ventas comercial sobrecargado de leads

5. Crear el workflow de automatización

Vamos a crear un sistema capaz de analizar automáticamente cada lead que llegue a nuestra empresa y ayudar al equipo comercial a decidir dónde poner el foco. El objetivo es que el comercial reciba más información y mejor organizada para tomar decisiones más rápido.

El workflow completo tendrá esta estructura:

Webhook
   ↓
Prepare Lead Data
   ↓
Find Lead by Email
   ↓
Merge Lookup Result
   ↓
OpenAI Lead Scoring
   ↓
Parse Lead Score
   ↓
Lead Exists?
   ├ NO → Add New Lead
   └ SI → Update Existing Lead
   ↓
Telegram
   ↓
Respond to Webhook

Puede parecer largo a primera vista, pero cada nodo tiene una función muy concreta:

Nodo	Función
Webhook	Recibe el lead
Prepare Lead Data	Normaliza y prepara los datos
Find Lead by Email	Busca si el email ya existe
Merge Lookup Result	Combina información previa
OpenAI Lead Scoring	Calcula score y prioridad
Parse Lead Score	Convierte la respuesta IA en datos utilizables
Lead Exists?	Decide si crear o actualizar
Add New Lead	Inserta nuevo registro
Update Existing Lead	Actualiza registro existente
Telegram	Notifica al equipo comercial
Respond to Webhook	Devuelve respuesta JSON

Crear un nuevo workflow

Dentro de N8N pulsamos:

New Workflow

Y le damos un nombre descriptivo.

Por ejemplo:

LK_n8n_wf_AI_Lead_Scoring_Dedup_Sheets_Telegram

Es el mismo nombre que utilizaremos para el workflow descargable del artículo.

6. Recibir leads mediante Webhook

Todo empieza con la llegada de un nuevo lead. Para ello utilizaremos un nodo Webhook, que actuará como puerta de entrada de nuestro sistema. Cada vez que alguien complete un formulario, una landing page o cualquier otro sistema conectado, N8N recibirá automáticamente la información y pondrá en marcha el workflow.

Nota: este nodo fue explicado en detalle en un artículo anterior: "Serie N8N (XIII): Recibir datos externos con Webhooks"

Añadir el nodo Webhook

Dentro del workflow añadimos el primer nodo:

Webhook

Método HTTP:

En este caso configuraremos:

POST

¿Por qué POST? porque queremos recibir datos en el cuerpo de la petición, normalmente en formato JSON.

Es la opción más natural para enviar textos desde formularios, apps o APIs externas.

Path

Utilizaremos:

ai-lead-scoring

Esto generará una URL similar a:

https://tu-n8n.com/webhook/ai-lead-scoring

Esta será la dirección donde los sistemas externos enviarán los leads.

Response Mode

Seleccionaremos:

Using Respond to Webhook Node

Así podremos devolver una respuesta personalizada al final del workflow.

Nota: para las pruebas parciales del workflow, y hasta que no añadamos el nodo "Reespond to Webhool" pondremos este valor a "inmediately" para que no nos de errores

Qué información recibiremos

Nuestro webhook recibirá datos similares a estos:

{  
"nombre": "Carlos Ruiz",  
"email": "carlos@empresa.com",  
"empresa": "Industria Norte",  
"telefono": "+34 600000000",  
"mensaje": "Queremos propuesta para automatizar una línea este trimestre"
}

Esta información podría proceder de un formulario web, una landing page, un CRM, un ERP, una aplicación propia o incluso otro workflow.

Nodo Webhook

Probar el webhook

Antes de continuar podemos verificar que el webhook funciona correctamente.

Pulsamos:

Listen for test event

Y enviamos una petición de prueba, por ejemplo usando curl:

(nota: estamos usando curl en Windows)

curl -X POST "http://localhost:5678/webhook-test/ai-lead-scoring" -H "Content-Type: application/json" -d "{\"nombre\":\"Carlos Ruiz\",\"email\":\"carlos@empresa.com\",\"empresa\":\"Industria Norte\",\"telefono\":\"+34 600000000\",\"mensaje\":\"Queremos propuesta para automatizar una línea este trimestre\"}"

Si todo funciona correctamente, el nodo mostrará algo parecido a:

{  "body": {    "nombre": "Carlos Ruiz",    "email": "carlos@empresa.com",    "empresa": "Industria Norte",    "telefono": "+34 600000000",    "mensaje": "Queremos propuesta para automatizar una línea este trimestre"  }}

Resultado de probar el Webhook

7. Comprobar si el lead ya existe

Uno de los errores más habituales en muchos sistemas comerciales es generar un nuevo registro cada vez que una persona vuelve a contactar. Esto provoca duplicados, pérdida de histórico, información fragmentada y dificultad para seguir la evolución real del lead. Por eso, antes de calcular el score con IA, vamos a comprobar si el email ya existe en nuestra base de datos.

Identificador que vamos a usar para cada leas es el "e-mail" porque normalmente es único para cada contacto. Lo que queremos es:

• Si el email no existe: crear nuevo lead

• Si el email ya existe: actualizar lead existente

7.1 Añadir nodo Edit Fields (set) para preparar los datos recibidos

Antes de buscar en Google Sheets utilizaremos un nodo Edit Fields (Set) que hemos llamado "Prepare Lead Data" y que normaliza la información recibida.

Por ejemplo:

{  "nombre": "Carlos Ruiz",  
"email": "carlos@empresa.com",  
"empresa": "Industria Norte",  
"telefono": "+34 600000000",  
"mensaje": "Queremos propuesta para automatizar una línea"}

Además, aprovechamos para:

• limpiar espacios

• convertir email a minúsculas

• añadir fecha de recepción

Nodo Edit Fields

7.2 Añadir el nodo Google Sheets

A continuación añadimos un nodo Google Sheets al que llamaremos "Get Existing Leads". Este nodo leerá todos los registros existentes de nuestra hoja de leads.

La pestaña Leads podría tener una estructura similar:

Fecha

Nombre

Email

Empresa

Score

Prioridad

Lo importante es que exista una columna:

Email

Porque será nuestro criterio de búsqueda.

Nodo Google Sheets - Get existing leads

7.3 Buscar el email recibido - Nodo Code

Una vez tenemos los datos históricos, utilizamos un nodo Code llamado:

Find Lead by Email

Este nodo recorre todos los registros obtenidos desde Google Sheets y compara:

Email de la hoja

contra:

Email recibido en el webhook

Qué hace exactamente este nodo

Usaremos código en Javascript para programar esta lógica:

¿Existe una fila con este email?

Si encuentra coincidencia:

lead_existente = true

Si no encuentra coincidencia:

lead_existente = false

Además recupera información útil del histórico:

• score anterior

• prioridad anterior

• estado anterior

• último mensaje

Dependiendo de la versión de N8N, el nodo Google Sheets puede ofrecer diferentes operaciones de búsqueda. Para evitar depender de una función específica y mantener el workflow compatible, hemos optado por una solución universal:

Leer registros+Filtrar mediante JavaScript

Esto hace que el flujo sea más robusto y portable entre versiones.

const lead = $items('Prepare Lead Data', 0, 0)[0].json;

const rows = $input.all().map(item => item.json);

const targetEmail = (lead.email || '').toLowerCase().trim();

const found = rows.find(row => {

const rowEmail = String(row.Email || row.email || '').toLowerCase().trim();

return rowEmail === targetEmail;

});

return [{

json: {

...lead,

lead_existente: !!found,

row_number: found?.row_number || found?.rowNumber || found?.__rowNumber || '',

score_anterior: found?.Score || found?.score || '',

prioridad_anterior: found?.Prioridad || found?.prioridad || '',

estado_anterior: found?.Estado || found?.estado || '',

ultimo_mensaje_anterior: found?.Mensaje || found?.mensaje || found?.Ultimo_Mensaje || found?.['Último mensaje'] || ''

}

}];

Qué información enviaremos a la IA

Cuando OpenAI reciba el lead ya conocerá:

Lead nuevo o existente
Score anterior
Prioridad anterior
Último mensaje recibido

Esto le permitirá generar un scoring mucho más inteligente.

Por ejemplo:

Lead nuevo → Score 45

frente a:

Lead existente que vuelve a contactar y solicita propuesta → Score 85

Con este paso hemos transformado una simple recepción de formularios en un sistema capaz de entender el contexto histórico de cada oportunidad, y eso mejora enormemente la calidad del Lead Scoring.

8. Puntuar el lead con Inteligencia Artificial

Ya sabemos si el lead es nuevo o si ya existía en nuestra base de datos. Ahora llega el momento más interesante del workflow: utilizar Inteligencia Artificial para evaluar automáticamente la oportunidad comercial. En lugar de que una persona tenga que leer cada mensaje y decidir manualmente su importancia, será OpenAI quien realice ese primer análisis.

Nuestro objetivo no es simplemente resumir el mensaje, queremos que la IA actúe como un primer analista comercial. Para ello le pediremos que determine el score comercial, la prioridad, el nivel de interés, el potencial de negocio, la urgencia, sector, objeciones detectadas y acción recomendada.

8.1 Añadir el nodo OpenAI Lead Scoring

Después del nodo:

Find Lead by Email

añadimos un nodo:

HTTP Request

al que llamaremos:

OpenAI Lead Scoring

Este nodo enviará la información del lead a OpenAI y recibirá una evaluación estructurada.

Nodos Code y HTTP Request

8.2 Conectar con la API de OpenAI

Method

POST

URL

https://api.openai.com/v1/responses

Headers

Authorization: Bearer TU_API_KEYContent-Type: application/json

Si no recuerdas cómo obtener tu API Key, puedes consultar el artículo anterior de la serie donde explicamos el proceso completo.

Una de las ventajas de este workflow es que no enviamos únicamente el mensaje actual, también enviamos información histórica cuando existe. Esto permite a la IA tomar decisiones mucho más inteligentes.

8.3 El prompt del sistema

Dentro del Body de la petición incluimos una instrucción similar a esta:

Eres un analista comercial experto en lead scoring B2B.
Analiza el lead y devuelve únicamente JSON válido con:
score
prioridad
interes
potencial
urgencia
sector
objecion_principal
accion_recomendada
resumen
motivo_score

Con esto conseguimos que OpenAI responda de forma estructurada y fácil de procesar.

Nodo HTTP Request - Consulta a OpenAI

8.4 Ejemplo de análisis

Lead recibido:

Queremos propuesta para automatizar una línea de producción este trimestre.

Posible respuesta:

{  "score": 88,
  "prioridad": "alta",
  "interes": "alto",
  "potencial": "alto",
  "urgencia": "media",
  "sector": "industrial",
  "objecion_principal": "ninguna",
  "accion_recomendada": "Contactar esta semana",  
"resumen": "Proyecto con necesidad clara y timing definido.",  
"motivo_score": "Existe intención de compra y plazo cercano."
}

El score será un valor entre:

0 y 100

Donde:

Score	Interpretación
0 - 30	Lead frío
31 - 60	Lead con interés moderado
61 - 80	Buena oportunidad
81 - 100	Alta prioridad comercial

Estos rangos pueden adaptarse según las necesidades de cada empresa.

9. Convertir la respuesta de la IA en datos utilizables

OpenAI ya ha analizado nuestro lead y nos ha devuelto una evaluación completa. Sin embargo, la respuesta recibida todavía no está preparada para ser utilizada directamente por el resto del workflow.

Por eso añadimos un nodo Code en Javascript intermedio:

Parse Lead Score

Su función será transformar la respuesta de OpenAI en datos limpios y estructurados. Aunque hemos pedido a OpenAI que devuelva JSON, la respuesta de la API no llega directamente así. Normalmente recibiremos una estructura más compleja y nuestro workflow necesita extraer ese contenido para poder trabajar con él.

Nodos Code y HTTP Request

9.1 Añadir el nodo Code

Después de:

OpenAI Lead Scoring

añadimos un nodo:

Code

al que llamaremos:

Parse Lead Score

Tareas de este nodo

Este nodo realiza varias tareas:

• Extraer el texto generado: busca dentro de la respuesta de OpenAI el contenido realmente útil.

• Limpiar la respuesta

Algunos modelos pueden devolver:

```json{ ...}```

El nodo elimina automáticamente esas marcas.

• Convertir texto en JSON

Transforma:

"{ \"score\": 88, \"prioridad\": \"alta\" }"

en:

{  "score": 88,  "prioridad": "alta"}

• Gestionar errores

Si por cualquier motivo OpenAI devuelve algo inesperado, el workflow no se detendrá.

Se generará una respuesta de seguridad similar a:

{  "score": 0,  "prioridad": "baja",  "accion_recomendada": "Revisar manualmente"}

Esto evita que una respuesta incorrecta bloquee toda la automatización.

Resultado final

Después del Parse Lead Score tendremos datos perfectamente estructurados:

{
  "score": 88,
  "prioridad": "alta",
  "interes": "alto",
  "potencial": "alto",
  "urgencia": "media",
  "sector": "industrial",
  "accion_recomendada": "Contactar esta semana"
}

Y además conservaremos toda la información original del lead.

10. Guardar o actualizar el lead en Google Sheets

Ya hemos recibido el lead, ya hemos comprobado si existe y la IA ya ha calculado su score comercial. Ahora necesitamos guardar esa información, aunque no siempre haremos lo mismo porque pueden darse dos situaciones diferentes:

Lead nuevo

o

Lead existente

Y cada caso debe tratarse de forma distinta.

10.1 Decidir qué camino seguir, nodo If

Para ello utilizaremos el nodo:

Lead Exists?

que es un nodo tipo:

IF

Este nodo evalúa una variable creada anteriormente:

lead_existente

La lógica es muy sencilla:

lead_existente = true

Si el resultado es verdadero:

Actualizar lead

Si el resultado es falso:

Crear nuevo lead

Nodos finales

10.2 Crear un nuevo lead

Si el email no existía previamente, el workflow seguirá la rama:

Add New Lead

Este nodo añadirá una nueva fila en Google Sheets. Guardaremos datos como:

Campo	Descripción
Fecha	Fecha de recepción
Nombre	Nombre del contacto
Email	Correo electrónico
Empresa	Empresa
Teléfono	Teléfono
Mensaje	Texto recibido
Score	Score calculado por IA
Prioridad	Alta, media o baja
Interés	Nivel de interés
Potencial	Potencial de negocio
Urgencia	Urgencia detectada
Sector	Sector identificado
Acción recomendada	Siguiente paso sugerido

10.3 Actualizar un lead existente

Si el email ya existía, seguiremos la rama:

Update Existing Lead

En lugar de crear una nueva fila, actualizaremos la información existente. Es mejor actualizarla porque así mantenemos un único registro por contacto.

Por ejemplo:

Primer contacto → Score 40

Meses después:

Solicita propuesta → Score 85

La evolución queda reflejada en el mismo lead.

Condición If

10.4 Qué ocurre con el score

Cada nuevo mensaje vuelve a pasar por OpenAI. Esto significa que el score puede subir, bajarse o mantenerse según la información recibida. De esta forma el sistema refleja la situación actual de la oportunidad.

Al finalizar este paso tendremos algo parecido a:

Nombre	Empresa	Email	Score	Prioridad
Carlos Ruiz	Industria Norte	carlos@empresa.com	88	Alta
Ana López	FoodTech Iberia	ana@foodtech.com	52	Media
David Martín	Procesos Sur	david@procesosur.com	28	Baja

Sin necesidad de utilizar un CRM profesional.

11. Avisar al equipo comercial mediante Telegram

Ya hemos recibido el lead, ya hemos calculado su score y ya lo hemos almacenado en nuestra base de datos. Ahora llega el momento de avisar automáticamente al equipo comercial porque de poco sirve tener un lead con score 90 si nadie se entera de que ha llegado.

11.1 ¿Por qué usar Telegram?

Podríamos usar e-mail, Microsoft Teams, Slack, Discord...., En este artículo vamos a usar Telegram porque es gratuito, es muy rápido de configurar, funciona en móvil y escritorio y las notificaciones llegan inmediatamente. Además ya vimos su configuración en capítulos anteriores de la serie.

11.2 Añadir el nodo Telegram

Después de guardar o actualizar el lead añadimos un nodo:

Telegram

Este nodo enviará un mensaje automáticamente al canal, grupo o usuario configurado.

11.3 Qué información enviaremos

No queremos simplemente decir:

Ha llegado un lead

Queremos proporcionar información útil para tomar decisiones.

Por ejemplo:

• nombre

• empresa

• email

• score

• prioridad

• interés

• potencial

• urgencia

• acción recomendada

11.4 Mensaje generado

Nuestro workflow enviará algo parecido a:

🆕 Nuevo lead recibido👤 Nombre: Carlos Ruiz🏢 Empresa: Industria Norte📧 Email: carlos@empresa.com🎯 Score: 88/100📌 Prioridad: Alta🔥 Interés: Alto💼 Potencial: Alto⏱️ Urgencia: Media✅ Acción recomendada:Contactar esta semana📄 Resumen:Proyecto con necesidad clara y plazo definido.

11.5 Diferenciar nuevos leads y actualizaciones

Una ventaja de nuestro workflow es que también sabe si el lead ya existía. Por eso podemos mostrar mensajes distintos.

Nuevo lead

🆕 Nuevo lead recibido

Lead existente

♻️ Lead existente actualizado

De esta forma el equipo comercial entiende rápidamente qué está ocurriendo.

últimos nodos del Workflow

12. Responder al sistema externo con JSON

Nuestro workflow ya recibe leads, los analiza, los guarda y avisa al equipo comercial, pero todavía queda un último paso: cuando un sistema externo envía información a nuestro webhook, normalmente espera una respuesta. Por eso añadimos el nodo:

Respond to Webhook

Cuando una aplicación envía una petición HTTP, normalmente espera una confirmación indicando si todo ha ido bien.

Por ejemplo:

{  "ok": true}

o

{  "status": "success"}

Este tipo de respuestas se conocen como respuestas JSON.

13. Activar el workflow y realizar pruebas

Nuestro workflow ya está terminado. Ahora toca comprobar que todo funciona correctamente antes de utilizarlo en un entorno real. La mejor forma de hacerlo es enviando varios leads de prueba y verificando que cada parte del flujo responde como esperamos.

Activamos el modo de pruebas pulsando en el nodo webhook "Listen for Test Event", enviamos un lead de prueba usando "curl", y luego deberíamos verificar en nuestra hoja de Google Sheets que se ha añadido el nuevo lead.

Nombre	Empresa	Email	Score	Prioridad
Carlos Ruiz	Industria Norte	carlos@empresa.com	88	Alta

También deberíamos recibir un mensaje similar a:

🆕 Nuevo lead recibido🎯 Score: 88📌 Prioridad: Alta🔥 Interés: Alto

Esto confirma que el flujo ha llegado hasta el final.

Una prueba muy recomendable consiste en enviar nuevamente el mismo email y comprobar que el lead ya existe y que actualiza el registro.

14. Variaciones para evolucionar este workflow

Una vez comprendida la arquitectura básica, resulta muy sencillo evolucionarla para cubrir escenarios mucho más avanzados.

14.1 Añadir un CRM profesional

En este artículo hemos utilizado Google Sheets porque es sencillo y todo el mundo puede reproducir el ejemplo.

Sin embargo, el mismo flujo podría conectarse a cualquier otro sistema, y en lugar de guardar la información en una hoja, los leads pasarían directamente al CRM corporativo.

14.2 Asignar comerciales automáticamente

La IA podría identificar el sector o tipo de cliente y de esta forma cada oportunidad llegaría automáticamente a la persona adecuada.

14.3 Notificar solo oportunidades importantes

Actualmente notificamos todos los leads. Pero podríamos añadir un nodo IF:

Score > 80

Y únicamente enviar alertas cuando realmente exista una oportunidad interesante.

14.4 Crear tareas automáticamente

Otra evolución muy útil sería generar acciones comerciales. Por ejemplo, si el Score es mayor de 90, crea una tarea llamada "Asignar comercial" en la lista de tareas.

14.5 Enviar emails personalizados

La IA también podría generar una respuesta inicial. Por ejemplo:

Gracias por contactar con nosotros. Hemos recibido su solicitud y uno de nuestros especialistas se pondrá en contacto con usted.

Todo ello adaptado automáticamente al contexto del lead.

14.6 Analizar adjuntos

Muchos formularios permiten adjuntar documentos. La IA podría analizar esos documentos y enriquecer todavía más el scoring.

15. Conclusión: cuando la IA ayuda a vender mejor

A lo largo de este artículo hemos construido algo mucho más interesante que un simple workflow.

Hemos creado un sistema capaz de recibir leads automáticamente, detectar duplicados, mantener histórico, analizar oportunidades con IA, priorizar comercialmente, avisar al equipo de ventas y responder como API. Todo ello utilizando únicamente N8N, Google Sheets, OpenAI y Telegram.

La parte más valiosa del workflow no es OpenAI, ni Google Sheets, ni Telegram. Lo importante es el concepto.

Información
↓
Análisis
↓
Priorización
↓
Acción

Ese patrón puede aplicarse prácticamente a cualquier proceso empresarial.

La mayoría de las empresas no tienen un problema de falta de datos. Tienen un problema de exceso de datos y falta de priorización. La Inteligencia Artificial no sustituye al comercial, le ayuda a centrar su tiempo donde realmente aporta valor.

🌐 Recursos

📘 Documentación oficial

• Telegram Bots https://core.telegram.org/bots

• Documentación del nodo Telegram en N8N https://docs.n8n.io/integrations/builtin/app-nodes/n8n-nodes-base.telegram/

• Documentación de HTTP Request en N8N https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.httprequest/

  
  

💙 En Lozkorp, serie N8N

• Serie N8N (I): Automatiza tu mundo. Definición e instalación en local

• Serie N8N (II): Interfaz y Configuración – Comprende tu entorno de trabajo

• Serie N8N (III): Tu primer workflow real

• Serie N8N (IV): Triggers en N8N

• Serie N8N (V): Control de flujo – Condiciones, decisiones y ramificaciones

• Serie N8n (VI): Entender los datos – cómo fluye la información en un workflow

• Serie N8N (VII): Instalar N8N con Docker – del local al servidor sin miedo

• Serie N8N (VIII): Ejecutar workflows en Docker y resolver problemas de acceso a archivos

• Serie N8N (IX): Automatizar tareas programadas con Schedule Trigger

• Serie N8N (X): Enviar emails automáticos con N8N

• Serie N8N (XI): Notificaciones automáticas con Telegram

• Serie N8N (XII): Automatizar Google Sheets — guardar datos automáticamente

• Serie N8N (XIII): Recibir datos externos con Webhooks

• Serie N8N (XIV): Inteligencia Artificial en N8N - analizar textos automáticamente

  
  

📦 Descargar el workflow de este artículo: LK_n8n_wf_AI_Lead_Scoring_Dedup_Sheets_Telegram.json

LK_n8n_wf_AI_Lead_Scoring_Dedup_Sheets_Telegram.json

Descargar JSON • 34KB