Los chats de Telegram se convirtieron en un canal estable de generación de leads con un bot de AI por 5.000 rublos

Los chats de Telegram pueden ser más que un lugar para conversación casual—pueden ser un canal de ventas operativo. El autor de este caso de estudio muestra cómo una agencia construyó un bot de IA que monitorea chats abiertos de negocios, filtra solicitudes de servicios y entrega un flujo constante de leads cualificados por aproximadamente 5000 rublos (~50-60 USD) al mes.

Dónde buscar demanda

La idea surgió de una observación simple: en chats de Telegram específicos de industrias, hay solicitudes regulares de contratistas, consejos y ayuda. Para equipos B2B, estos son prácticamente tableros de anuncios en vivo donde empresarios, gerentes y tomadores de decisiones se comunican. El problema es que tales solicitudes se pierden entre miles de respuestas.

Leer decenas de chats manualmente es caro y consume tiempo, y no tiene sentido contratar a un empleado dedicado solo para monitoreo. Por eso casi todos tienen acceso a estos canales, pero pocos los utilizan sistemáticamente. En lugar de adoptar un servicio de terceros con ROI poco claro, el equipo decidió probar su hipótesis internamente.

En un día de trabajo, un analista de negocios dentro de la empresa construyó un bot que escucha chats abiertos de una base de datos compartida, pasa mensajes a través de un conjunto de filtros y envía a los gerentes solo aquellos que parecen ser solicitudes genuinas de servicio. Después, una persona decide si debe entablar diálogo y hacer una oferta por mensaje directo.

Cómo funciona la selección

El verdadero valor del sistema resultó ser no solo la lectura de chats, sino la lógica para filtrar ruido. Telegram tiene demasiada basura: anuncios de trabajo, publicidad, charla, bromas y spam. Así que el bot funciona en varias etapas y no intenta meter todo en el embudo del CRM. Primero limpia el flujo, luego verifica el significado del texto y finalmente evalúa si el mensaje es realmente una solicitud de ayuda en lugar de solo una discusión sobre un tema.

"El bot solo escucha chats abiertos de negocios de mi base de datos

personal y de la base de datos que construyeron los empleados."

• Un filtro antispam elimina mensajes con exceso de emojis, estilo publicitario y listas de trabajo con formato estándar.
• La lematización lleva las palabras a su forma base y ayuda a captar el significado incluso si el autor escribe con errores o jerga.
• Una base de datos de aproximadamente 200 lemas clave conecta mensajes con los servicios de la agencia: desde marketing de rendimiento hasta auditoría y análisis.
• El análisis de intención busca frases como "necesito", "busco" y "recomienda" para separar demanda genuina de charla sin importancia.

Después de la puntuación, el mensaje pasa una verificación final a través de un prompt con la lista de servicios de la agencia. Si el modelo considera la solicitud relevante, el bot la envía a un mensajero corporativo, no directamente al CRM. Este es un detalle importante: los gerentes reciben una cola compacta para validación manual y pueden cambiar la lógica sin un desarrollador si es necesario. Según el autor, los equipos y prompts se almacenan en Hojas de Google, por lo que los empleados mismos añaden nuevos servicios, lemas clave y gestionan encender o apagar el bot.

Economía y resultados

El proyecto tiene un presupuesto prácticamente como un microservicio. El desarrollo inicial requirió aproximadamente 100 dólares de trabajo de analista de negocios, el servidor cuesta alrededor de 5 dólares al mes, y los gastos de OpenAI son 20–50 dólares al mes. En total, son aproximadamente 5000 rublos en costos mensuales. Para comparación, un gerente dedicado o desarrollador externo habría costado significativamente más, especialmente considerando el monitoreo constante de decenas de miles de mensajes.

El bot procesa decenas de miles de mensajes al mes, dejando alrededor de 800–1000 después de dos niveles de filtración, y luego ayuda a los gerentes a encontrar 15–22 solicitudes cualificadas mensualmente. De los mensajes que llegaron al procesamiento manual, 5–8% resultan ser relevantes, y de esos, 50–60% se convierten en leads para la agencia. Debido al alto volumen de ruido, los autores deliberadamente no conectaron la herramienta directamente al CRM—de lo contrario, la basura distorsionaría las estadísticas y desperdiciaría tiempo del equipo de ventas.

Qué significa esto

El case muestra que los chats de Telegram pueden convertirse en un canal de generación de leads B2B barato si no intentas automatizar todo hasta el final, sino dejas la decisión final a los humanos. Este enfoque funciona mejor donde los clientes se encuentran en chats temáticos: marketing, publicidad, bienes raíces, consultoría. El principal activo aquí no es el modelo en sí, sino la lógica de filtración correctamente configurada y un modelo operativo barato que el equipo puede mantener sin participación constante de desarrolladores.