Automatiza insights de ventas con IA en Relay

Analizar transcripts de ventas con IA es una de las oportunidades más desaprovechadas por las empresas que ya tienen montañas de datos cualitativos sin usar. Si vendes, atiendes clientes o manejas un e-commerce, aquí aprenderás a convertir conversaciones en insights accionables usando Relay, sin escribir código.

Durante años fue casi imposible clasificar y estructurar datos cualitativos a escala, sobre todo cuando hablamos de cientos o miles de puntos de información. Con inteligencia artificial ahora puedes clasificar, estructurar e incluso interactuar con esa información, y hasta crear agentes que tomen acciones específicas a partir de ella.

Qué datos puedes convertir en insights accionables

La clase parte de una idea simple: los datos que ya tienes valen oro si sabes organizarlos. El ejemplo central usa transcripts del equipo de ventas, pero la lógica se aplica a muchos contextos [00:32].

Si tienes un e-commerce, puedes tomar los registros de chats de WhatsApp y transformarlos en tres tipos de insights:

• Insights de producto, para mejorar lo que ofreces.
• Insights de ventas, para afinar el proceso comercial.
• Insights de marketing, para crear mejor contenido.

La meta es mejorar todo el ciclo: el producto, el contenido y la venta misma. Y aquí viene lo interesante: todo esto se automatiza para que se repita solo cada vez que entra información nueva.

¿Qué es un insight accionable? Es un hallazgo extraído de datos reales que puedes convertir en una acción concreta, como cambiar un guion de ventas o ajustar una descripción de producto. No es solo un dato, es un dato con dirección.

Cómo construir el workflow paso a paso en Relay

El proceso arranca ingresando a Relay, la plataforma que automatiza todo el sistema [01:33]. Tiene un plan gratuito bastante bueno, así que puedes empezar sin pagar.

Los primeros pasos son directos:

1. Haz clic en Login o Start for free.
2. Selecciona New Workflow.
3. Usa el asistente de IA para describir lo que quieres lograr.

El prompt que se escribió pedía un sistema que analiza reuniones con clientes potenciales a partir de transcripts guardados en una carpeta de Google Drive [02:04]. La instrucción incluía identificar preguntas recurrentes, analizar oportunidades de contenido, marketing y producto, dar coaching para mejorar las reuniones de ventas y enviar todo organizado a un Google Sheet.

Cómo configurar el trigger y la lectura del documento

El asistente guía paso a paso, pero conviene revisar cada pieza. Primero se selecciona la hoja de cálculo, llamada aquí Insights with AI, y luego la carpeta de Drive [03:20].

El trigger se configura para que el flujo se active cuando se agrega un archivo a la carpeta Meet Recordings [08:11]. Un detalle clave: el asistente intentó extraer el texto como si fuera un PDF, pero el archivo era un Google Docs. Por eso se creó un paso nuevo con Find documents que lee correctamente el documento [07:50].

Para evitar confusiones cuando hay varios archivos, se configuró que seleccione el más reciente ordenando por última modificación en orden descendente [08:56]. Y si no encuentra ningún documento, la automatización se pausa y envía una notificación.

Por qué necesitas un loop y cómo mapear las columnas

Una reunión rara vez genera un solo insight, así que el flujo debe repetir el paso de guardado tantas veces como haga falta. Ahí entra el loop [10:29].

Se selecciona loop over a list para que el paso de Google Sheets se repita cada vez que la IA genere una lista de insights. El valor que alimenta ese loop es exactamente la lista producida por el paso de inteligencia artificial.

¿Para qué sirve un loop en una automatización? Sirve para repetir una acción por cada elemento de una lista. Si la IA extrae cinco insights de una reunión, el loop crea cinco filas en tu hoja, una por hallazgo.

Al correr la primera prueba apareció un error: no había texto en las columnas del Google Sheets [11:47]. La solución fue pedirle a ChatGPT que analizara la respuesta de la IA y generara las columnas adecuadas para organizar la información.

Cómo emparejar los campos de la IA con Google Sheets

Crear las columnas no bastó. El flujo no sabía qué dato correspondía a cada columna, así que hubo que mapear cada campo manualmente [13:34]:

• Category se empareja con Category.
• Subcategory se empareja con subcategory.
• Finding y Recommendation con action se conectan a sus columnas correspondientes.

Después de publicar y volver a correr el workflow, la información por fin coincidió. En Google Sheets aparecieron las categorías, subcategoría, hallazgo, pregunta, recomendación y acción, todo clasificado automáticamente [14:35].

Qué mejoras aplicar para escalar tu base de conocimiento

El sistema funciona, pero se puede pulir. Una mejora sugerida es pedirle al flujo que registre el nombre de la reunión y la fecha para categorizar mejor cada insight [15:04].

Incluso puedes agregar con quién hablaste para dar contexto a cada hallazgo. Todo esto luego se envía a un dashboard que ayuda a detectar patrones y áreas de mejora desde producto, marketing y negocio.

Un aprendizaje honesto de todo el proceso: no siempre sale a la primera. El agente llegó a borrar todo en un momento y hubo que pedirle que repitiera los pasos [06:40]. Crear workflows con IA implica descubrimiento, pruebas y ajustes, y rara vez es glamoroso.

La invitación final de Daniela Gómez de Almada, cofundadora de Munio Labs y de The Growth System, es que construyas tu propia base de conocimiento a partir de conversaciones con clientes y crees tus propios casos de uso.

¿Ya identificaste qué datos cualitativos tienes guardados sin usar? Cuéntame en los comentarios qué flujo te gustaría automatizar primero.