Dapta AI filtra 2.200 leads al mes con un agente de IA

Cómo un agente de IA ya filtra 2.200 leads en una pyme real

En su primer mes de operación, el sistema de ventas basado en agentes de IA que diseñó Josué Hernández dentro de Dapta AI procesó 2.200 clientes potenciales. Meses después, esa misma automatización agenda alrededor de 250 reuniones mensuales que llegan al equipo humano ya filtradas. Las cifras las comparte Hernández en una entrevista con República, tras participar como juez en The Next Craft, un hackatón celebrado de forma simultánea en cinco ciudades de Latinoamérica.

Hernández es ingeniero industrial por Arizona State University y trabaja como especialista en inteligencia artificial y automatización en Dapta AI, una startup con sede en Phoenix respaldada por 500 LatAm. Dentro de la empresa fue quien desarrolló el MCP (Model Context Protocol) de la plataforma, la pieza que conecta los modelos de lenguaje con las herramientas de operación de cada cliente.

¿Por qué importa esto para founders? Porque detrás de las cifras hay un patrón replicable: una pyme con poco personal puede montar hoy un sistema que contacta, califica y filtra prospectos sin contratar un equipo comercial adicional. Y el coste de entrada, según explica Hernández, cayó a niveles impensables hace un año.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

¿Qué hace un agente de IA que un chatbot no hace?

La confusión es frecuente, y Hernández la corta de raíz: "no son chatbots que responden preguntas". La diferencia operativa es concreta:

Un chatbot espera a que alguien le escriba y contesta dentro de un flujo predefinido.
Un agente de IA sale a buscar a quien mostró interés, abre la conversación, hace las preguntas de calificación y solo transfiere al vendedor cuando detecta una oportunidad real.

El resultado, según los datos que cita Hernández sobre el sistema de Dapta, es que el equipo humano termina atendiendo únicamente a quien vale la pena. Es el equivalente a tener un SDR (Sales Development Representative) trabajando 24/7 sobre cada nuevo lead, sin pagar horas extras.

Para poner la adopción en perspectiva, el 2026 Agentic Enterprise Index publicado por Salesforce —reportado por ZDNet— muestra que el número promedio de agentes de IA activos por organización pasó de 5 en febrero de 2025 a 13 en abril de 2026, y el tiempo medio para crear un nuevo agente cayó 53% en el mismo período (de 4 días a 1,9 días). La barrera de entrada ya no es técnica, es de diseño de proceso.

¿Qué errores cometen las empresas al implementar IA?

Hernández identifica dos errores que se repiten en cualquier mercado:

1. Confundir automatización con reemplazo. "Pensar que va a reemplazar a una persona" es, según Hernández, el primer tropiezo. Su postura: la IA "eleva la capacidad de la gente en el negocio", no la sustituye. El vendedor deja de filtrar leads fríos y se concentra en cerrar los que el agente le pasa ya calificados.

2. Querer automatizar todo de entrada. Es la receta para el desastre. "Eso termina en una catástrofe y el usuario culpando a la IA", advierte. La secuencia correcta, dice, es elegir un proceso, automatizar una parte, integrarlo en la operación diaria y escalar desde ahí.

Este enfoque gradual coincide con lo que muestran despliegues grandes ya en producción. Según el Agentic Enterprise Index reportado por ZDNet, 7 de cada 10 sesiones de servicio al cliente en help.salesforce.com se resuelven ya de forma autónoma por agentes de IA, frente a cero en 2024.

¿Es difícil construir un agente de IA hoy?

La respuesta de Hernández es directa: cada vez menos. Él no se define como desarrollador y construyó el MCP de Dapta en unos dos meses. Con esa herramienta, explica, "cualquier persona arma agentes de voz y automatizaciones completas desde asistentes como Claude Code, ChatGPT o Cursor, sin programar".

Lo que cambió no es solo el coste del software, sino el modelo de construcción. Plataformas visuales como n8n o Zapier permiten hoy encadenar modelos de IA con bases de datos, CRMs y sistemas de calendario sin escribir código. Y las plataformas de agentes de voz han empujado el coste por llamada automatizada hacia centavos por minuto en algunas configuraciones, según reporta Analytics Insight en su revisión de herramientas para negocios unipersonales.

Hernández pone el dedo en la barrera real: "el conocimiento técnico dejó de ser la barrera. La barrera es sentarse, armar y entender el sistema de punta a punta".

¿Están las pymes de la región listas para adoptarlo?

"Más de lo que cree", responde Hernández sobre las pymes guatemaltecas, y la lectura aplica a toda Latinoamérica. La observación clave es que muchas ya están pagando por herramientas de IA —ChatGPT, Claude, Copilot, planes enterprise de CRM con IA—, pero les falta quien arme el sistema alrededor: los datos limpios, las conexiones, los puntos de control.

Ese es, según Hernández, el trabajo real, y es el mismo en una pyme en Ciudad de Guatemala que en una en Austin. "La diferencia la hace quien empieza por un proceso concreto en vez de esperar la solución perfecta".

¿Qué sigue en los próximos años?

La proyección de Hernández es tajante: "Filtrar a los clientes potenciales con agentes de IA va a ser lo normal en cualquier pyme, y no falta mucho. Las empresas que no lo adopten se van a quedar atrás". La razón es estructural: la tecnología ya identifica quién está realmente interesado, y el coste de atender manualmente a cada lead dejó de ser rentable.

El movimiento corporativo lo confirma. Salesforce presentó el 11 de septiembre de 2026 un portafolio de agentes listos para producción (ventas, servicio, comercio, experiencia de empleado), con resultados citados por la propia empresa y reportados por Unite.AI: 60% del pipeline de Perk lo construye ya su agente outbound Hunter, y Asana multiplica por 4 el volumen de conversaciones web con su agente Piper.

Qué significa esto para tu startup

Si trabajas en una pyme o una startup temprana, lo que cuenta Hernández se traduce en decisiones concretas:

Empieza por un proceso, no por una herramienta. Identifica un cuello de botella repetitivo y de reglas claras: calificación de leads, agendamiento de reuniones, seguimiento post-demo, atención de preguntas frecuentes. Ese es tu primer agente. El resto viene después.
Diseña el hand-off con el humano desde el día uno. Define cuándo el agente para y pasa la conversación a una persona: nivel de intención de compra, monto estimado, perfil de la cuenta. Sin esa frontera explícita, el agente termina frustrando al lead o quemando oportunidades.
Invierte tiempo en datos y conexiones antes que en el modelo. Como dice Hernández, el trabajo es armar el sistema alrededor: CRM limpio, fuentes de leads conectadas, logs de conversaciones revisables. El modelo es la parte más barata del stack hoy.

Conclusión

El caso de Dapta AI muestra algo que las cifras de adopción de Salesforce respaldan: filtrar leads con agentes de IA dejó de ser un proyecto experimental y pasó a ser una pieza operativa estándar. La ventaja competitiva, al menos por ahora, no está en tener el modelo más potente, sino en montar el sistema alrededor con datos limpios, conexiones bien hechas y un hand-off claro hacia el equipo humano. Para una pyme enLATAM o España, eso es alcanzable hoy sin un equipo de ingeniería dedicado.