Sistema CRM Basado En Tecnologı́as Emergentes Para La

Automatización De Procesos De Venta En Empresas Mypes

Edinson Cabrera Ñique Enzo Fabrizzio Livelli Laurente

6 de abril de 2024

Resumen
Resumen: El presente trabajo propone una extensión del módulo CRM de Odoo, un sistema de
gestión empresarial de código abierto, que integra el modelo de procesamiento de lenguaje natural
gpt-3.5-turbo de OpenAI para optimizar la gestión de prospectos en las pequeñas y medianas
empresas (MYPES). El objetivo es brindar soporte automatizado para la selección y evaluación de
prospectos (leads), es decir, aquellos clientes potenciales interesados en los productos o servicios
de la empresa. Para ello, se comparan las medidas de tiempo de trabajo invertido en cada proceso
de evaluación de leads, con y sin la extensión del módulo CRM. Los resultados demuestran que
la extensión del módulo CRM junto al modelo de procesamiento de lenguaje natural 3.5-turbo
reduce considerablemente el tiempo de trabajo y aumenta la eficiencia y el ratio de conversión de
leads en las MYPES.

1. Introducción
En el dinámico entorno empresarial contemporáneo, las pequeñas y medianas empresas (MYPES)
enfrentan desafı́os cada vez más complejos en sus procesos de venta. Estos procesos, con frecuencia,
implican una mayor personalización y un riesgo ampliado del error humano, especialmente en áreas
como la evaluación de riesgo de prospectos de clientes.
La adopción de sistemas CRM por parte de las empresas MYPE se presenta como una solución
crucial en este panorama. Sin embargo, las soluciones tradicionales a menudo resultan prohibitivamente
costosas y difı́ciles de implementar, lo que ha contribuido a una baja tasa de adopción y, en algunos
casos, al fracaso de proyectos enteros. Además, la falta de acceso a herramientas de inteligencia artificial
y aprendizaje automático asequibles ha sido un desafı́o significativo en este contexto (Libai et al., 2020).
Si bien existen algunas alternativas en el mercado que buscan abordar estos problemas, como los
sistemas CRM ofrecidos por empresas como ”Sales Force.o SAP, estas soluciones suelen estar fuera del
alcance de muchas MYPES debido a sus altos costos iniciales y a la complejidad de su implementación.
En este contexto, nuestro enfoque propuesto se diferencia al combinar el modelo GPT-3.5 Turbo,
conocido por su capacidad para mejorar la eficiencia en la evaluación de riesgos de prospectos, con
el framework ERP de código abierto Odoo. Esta combinación no solo hace que el sistema sea más
accesible para las MYPES, sino que también reduce la complejidad asociada con su implementación.
Las contribuciones principales de nuestro trabajo son las siguientes:

Implementamos un sistema CRM mejorado con inteligencia artificial que se adapta a la perso-
nalización de los procesos de evaluación de riesgos.
Entrenamos un modelo de inteligencia artificial utilizando datos especı́ficos de una empresa del
sector MYPE para mejorar su relevancia y eficacia en este contexto.
Desarrollamos un API que funciona como servicio para integrarse con nuestro módulo de CRM
personalizado, facilitando la conectividad y la interoperabilidad.

La estructura restante de este documento se organiza de la siguiente manera: en la Sección II, revi-
samos la literatura relevante sobre la implementación de sistemas CRM en entornos MYPE. Luego, en
la Sección III, proporcionamos un marco teórico detallado y discutimos nuestra contribución principal
en profundidad. En la Sección IV, detallamos los procedimientos y experimentos llevados a cabo en

1
este trabajo. Finalmente, en la Sección V, presentamos las conclusiones clave del proyecto, junto con
recomendaciones para investigaciones futuras.
Con esta introducción, buscamos establecer una base sólida para comprender la importancia de
nuestro trabajo y su contribución única al campo de los sistemas CRM en el contexto de las MYPES.

2. Trabajos Relacionados
El campo de los sistemas CRM ha experimentado una evolución significativa con el tiempo, en-
focándose en optimizar la gestión de relaciones con los clientes de manera más eficiente y prescindiendo
de equipos costosos para seguimiento manual. Se han propuesto diversas metodologı́as que integran
tecnologı́as emergentes, como la inteligencia artificial, con el fin de mejorar la efectividad de estos
sistemas.
En el artı́culo [6], se destaca la importancia de estos avances y se propone la integración de tecno-
logı́as de inteligencia artificial en la educación relacionada con CRM. El estudio señala la discrepancia
entre los cursos de CRM y la realidad empresarial, ası́ como la falta de información técnica sobre la
configuración de sistemas.
El artı́culo [2], se centra en la integración de inteligencia artificial en la gestión de relaciones
con los clientes, haciendo hincapié en la mejora de la personalización de la experiencia del cliente
y la satisfacción del mismo. El artı́culo describe el proceso de implementación de sistemas CRM con
inteligencia artificial y destaca su impacto positivo en la gestión de relaciones con los clientes.
En el artı́culo [4], se examina el impacto del CRM en la industria vitivinı́cola española y su influencia
en el rendimiento empresarial. El estudio confirma la relación entre el uso de CRM y el rendimiento
organizacional en este sector especı́fico.
El artı́culo [9], subraya la importancia de las redes sociales y las soluciones de CRM en el entorno
empresarial B2B, destacando su capacidad para mejorar la colaboración entre vendedores y clientes y,
en consecuencia, el rendimiento de las ventas.
Finalmente, en el artı́culo [8], se presenta un avance en la arquitectura de software e inteligencia
artificial. Se introduce un clasificador basado en el algoritmo Naive Bayes que supera el estado del
arte en la asignación de entidades de código fuente a módulos arquitectónicos y se abordan desafı́os
relacionados con la tolerancia a fallos y el comportamiento inadecuado en sistemas de aprendizaje au-
tomático. Se propone un marco de evaluación para enfoques de agrupamiento de software y se extiende
el lenguaje de modelado TOSCA para representar el flujo y procesamiento de datos en aplicaciones
basadas en la nube, contribuyendo a la mejora de la calidad y eficiencia de sistemas impulsados por
inteligencia artificial.

3. Sistema de Gestión de Leads con Inteligencia Artificial

3.1. Conceptos Preliminares
En esta sección, se presentan los principales conceptos utilizados en este trabajo, con el objetivo
de establecer una base sólida para la comprensión del sistema de manejo de leads que se desarrollará,
utilizando el sistema ERP Odoo e Inteligencia Artificial.
Definición 1 (Sistema de Información): Se refiere a un conjunto de componentes interrela-
cionados que recolectan, procesan, almacenan y distribuyen información para apoyar los procesos de
toma de decisiones y de control de una organización [5].
Definición 2 (Plataformas CRM - Customer Relationship Management): En una empresa
digital, casi todas las relaciones de negocios de la organización con los clientes, proveedores y empleados
están habilitadas de forma digital. Los procesos de negocios básicos se llevan a cabo a través de redes
digitales que abarcan toda la empresa o enlazan a varias organizaciones [3].
Definición 3 (Procesos de Venta): Son secuencias estructuradas de actividades que una empresa
sigue para identificar, atraer, comprometer y cerrar acuerdos con clientes potenciales. Estos procesos
suelen involucrar etapas como la prospección, la calificación de clientes, la presentación de ofertas, la
negociación y el cierre de ventas. La gestión efectiva de los procesos de venta es crucial para impulsar
el crecimiento de las empresas y garantizar la satisfacción del cliente [1].
Definición 4 (Empresas MYPES - Micro y Pequeñas Empresas): Se refiere a organizaciones
de pequeña escala que suelen tener recursos financieros y de personal limitados. Estas empresas se

2
caracterizan por su capacidad para adaptarse rápidamente a cambios en el mercado y por su enfoque
en atender nichos especı́ficos. Su sistema de información combina recursos tecnológicos y procesos para
recopilar, procesar y gestionar datos eficientemente y mantener una operación rentable, satisfaciendo
las necesidades de sus clientes [1].
Definición 5 (Lead Content Management - Gestión de Contenido de Prospectos): Se
refiere a la gestión estratégica de contenidos digitales diseñados para atraer, captar y nutrir prospectos
o leads. Esta estrategia guı́a a los clientes potenciales a través del ciclo de compra, proporcionando in-
formación relevante y valiosa en cada etapa. El sistema de información relacionado con el Lead Content
Management incluye la creación, distribución y seguimiento de contenidos, ası́ como la recopilación y
análisis de datos para evaluar la efectividad de la estrategia en la generación de leads y la conversión
en clientes. El objetivo principal es optimizar el proceso de adquisición de clientes y mejorar la relación
con ellos [7].

3.2. Método
En esta sección, se detallarán las principales contribuciones propuestas en este proyecto.

3.2.1. Arquitectura
La arquitectura de los sistemas CRM (Customer Relationship Management) es fundamental para
la gestión efectiva de las relaciones con los clientes. A partir de la información proporcionada, podemos
destacar varias contribuciones clave en esta área:

Integración con inteligencia artificial:

Inteligencia Artificial (IA): Se implementa en Odoo la IA en diversas áreas, como el sistema de
recomendación de productos, la automatización de tareas repetitivas, la clasificación de leads, el
análisis de datos y la predicción de ventas. La IA ayuda a mejorar la eficiencia y la precisión de
las operaciones.
Comunicación Interna y Externa: Se incorpora en Odoo soluciones de comunicación interna
y externa, como chat en vivo, correo electrónico, calendarios compartidos y formularios web
interactivos, que ayudan a mejorar la colaboración y la comunicación con clientes y colegas.
Gestión de Datos y Almacenamiento para la Toma de Decisiones:
Base de Datos Centralizada: Se añade a Odoo una base de datos centralizada para almacenar
todos los datos empresariales. Esto facilita el acceso y la gestión de datos desde diferentes módulos
y aplicaciones.
Informes y Paneles de Control Personalizables: Odoo proporciona herramientas para crear infor-
mes personalizables y paneles de control que permiten a los usuarios analizar datos en tiempo
real. Esto facilita la toma de decisiones basadas en datos sólidos.

3.2.2. Automatización
En el contexto de la creación de una plataforma CRM impulsada por IA para el manejo de leads,
la automatización juega un papel esencial en la mejora de la eficiencia y la efectividad del proceso. A
continuación, se presentan dos aspectos destacados de la automatización en esta plataforma:

Automatización de Procesos de Datos: La integración de la IA con Odoo trajo consigo una gran
ventaja, el tema del procesamiento y almacenamiento de datos, lo que significa que el trabajo
manual se redujo en gran medida y también los errores humanos en la gestión
Automatización del servicio al cliente a través de chatbots y asistentes virtuales: Hemos identifi-
cado que los chatbots y asistentes virtuales desempeñan un papel crucial al interactuar con leads
y clientes potenciales.
Integración de Chatbots y Asistentes Virtuales: Odoo permite la integración de chatbots y asis-
tentes virtuales en las interacciones con leads y clientes potenciales. Estos chatbots responden
preguntas comunes, proporcionar información relevante y ayudar en la captación de datos esen-
ciales de los leads.

3
 Disponibilidad 24/7: Los chatbots y asistentes virtuales están disponibles las 24 horas del dı́a,
los 7 dı́as de la semana, lo que mejora la atención al cliente en cualquier momento, incluso fuera
del horario laboral.
Respuestas Rápidas y Precisas: Los chatbots proporcionan respuestas rápidas y precisas a las
preguntas de los leads, lo que acelera el proceso de captación y conversión. Esto es fundamental
para retener la atención de los leads y aumentar las tasas de conversión.
Generación de Leads Mejorada: Los chatbots proporcionan ayuda en la generación de leads al
recopilar información relevante y registrar los datos en el sistema de gestión de leads de Odoo.

3.2.3. Inteligencia Artificial

Se analiza y se implementa el uso de chatGPT(IA) utilizando el modelo gpt-3.5-turbo que es el más
capaz y rentable de la familia gpt-3.5. Este modelo junto con el ecosistema de Odoo tiene multiples
beneficios que mejoran la experiencia del usuario y aumentan su productividad. A continuación, se
muestran los beneficios clave del uso conjunto de ambas herramientas:

Pronóstico de ventas más preciso: Una de la mayores ventajas que aporta la inteligencia artificial
es la capacidad de analizar una gran cantidad de datos. Este análisis minucioso permite a las
empresas predecir con mayor exactitud las ventas futuras. Esto no solo optimiza la planificación
y gestión de inventario, sino que también facilita la asignación de recursos y la toma de decisiones
estratégicas.
Generación de Reportes Detallados: Odoo ofrece herramientas para generar reportes detallados
y personalizables que proporcionan una visión clara y en tiempo real del rendimiento de las
ventas, métricas clave y proyecciones futuras. Trabajando junto con ChatGPT permite una mayor
personalización de este para un mejor resultado.

4. Experimentos
En esta sección discutiremos los experimentos a los que ha sido sometido nuestro proyecto, ası́ como
lo necesario para replicar dichos experimentos y una discusión de los resultados obtenidos después de
este proceso.

4.1. Protocolo Experimental

En esta subsección, se detalla la configuración del entorno en el que se realizaron los experimentos,
como la configuración de hardware local y las aplicaciones utilizadas.
Este trabajo se desarrolló en una computadora con un AMD Ryzen 5 3550H, una GPU Radeon
Vega Mobile Gfx y 16 GB de RAM a 2400Mhz. La aplicación, que puede ser abierto mediante la version
de Odoo 16 y ”Python 3.10”.

4.2. Resultados
Para elaborar una sección de resultados se incluyó información derivada de pruebas, análisis y
experimentos realizados, se llevo a cabo la comparación de dos cuadros que ilustran la cantidad de
dias invertidos por actividad para la conversión de un lead a cliente. En el primer cuadro, refleja la
situación previa a la implementación del sistema propuesto en el proyecto, con una duración total de
24 dı́as, valor que es demasiado alto para la transformación de un lead a cliente.
En contraste, el segundo cuadro representa la etapa posterior a la implementación del sistema
propuesto. Se observa una notable reducción en el tiempo necesario para convertir un lead en cliente,
ahora con una duración de 15 dı́as. Esta mejora se atribuye a la optimización de los procesos internos
en la empresa, una consecuencia directa de la implementación del sistema propuesto.
Por otro lado, tambien se llevó a cabo una comparación de la adquisición de leads durante los
meses de septiembre y octubre, revelando datos para la evaluación del rendimiento. En septiembre,
se registraron un porcentaje de conversión de leads a leads interesados del 95,97 %. Por otro lado, en
octubre se obtuvieron un porcentaje de conversión aún más alto del 97,70 %.

4
 24 Dı́as L M X J V S D L M X J V S D L M X J V S D L M X
Tarea
Ingreso de Lead X
Pre-Filtro X
Armado de carpeta X X X X
Evaluación de carpeta X X X X
Registro de la Ficha Alquiler / Venta X
Requerimiento y abono de separación: S/.500 X X
Antecedentes Penales X X X
Capacitación X
VD X
Registro de VD X
Abono de Inicial S/.3500 X
Solicitud de Contrato X X
Firma de Contrato X X
Programación de entrega de Vehı́culo X

Cuadro 1: Cuadro sobre inversión de dı́as por actividades antes de la implementación del proyecto
propuesto

Dı́as L M X J V S D L M X J V S D L
Tarea
Ingreso de Lead X
Pre-Filtro X
Armado de carpeta X X
Registro de la Ficha Alquiler / Venta X X
Evaluación de carpeta X X
Requerimiento y abono de separación: S/.500 X X
Antecedentes Penales X
Capacitación X
VD X
Registro de VD X
Abono de Inicial S/.3500 X X
Solicitud de Contrato X X X
Firma de Contrato X
Programación de entrega de Vehı́culo X

Cuadro 2: Cuadro sobre inversión de dı́as por actividades después de la implementación del proyecto
propuesto

Las mejoras alcanzadas abarcan una mayor capacidad de seguimiento de leads, un aumento en la
eficiencia operativa y una notable agilización en el tiempo de respuesta para las tareas de evaluación de
leads. Asimismo, se destaca la centralización de la información del sistema, consolidando ası́ la gestión
integral de los datos relevantes para la conversión de leads a clientes.

4.3. Conclusiones y recomendaciones

La implementación del sistema propuesto para las MYPES tuvo un impacto positivo en la gestión
comercial del negocio. Por un lado, se incrementó la eficiencia operativa, obteniendo una reducción del
62.5 % en el tiempo promedio de duración del proceso de Lead Management. Asimismo, se incrementó
en 1.73 % el ratio de conversión de leads a clientes. La integración de la inteligencia artificial para la
obtención de analı́ticos en el sistema ERP de Odoo permitió a las MYPES tener una mayor capacidad
de seguimiento de leads, eficiencia operativa y una rápida respuesta en la evaluación de leads. La
centralización del sistema fortaleció la gestión integral de datos, estableciendo una base sólida para
futuras conversiones exitosas.
Como próximos pasos se podrı́a integrar la inteligencia articial para mejorar o incrementar los
canales de interacción con los leads, analizando por un lado el estado de las variables de evaluación de
leads y dar recomendaciones personalizadas a dichos prospectos para que mejoren sus indicadores de
evaluación.

5
4.4. Referencias

Referencias
[1] Nagwan AlQershi, Sany Sanuri Mohd Mokhtar, and Zakaria Bin Abas. Innovative crm and perfor-
mance of smes: The moderating role of relational capital. Journal of Open Innovation: Technology,
Market, and Complexity, 6(4):155, 2020.
[2] Aini Farmania, Riska Dwinda Elsyah, and Michael Aaron Tuori. Transformation of crm activities
into e-crm: The generating e-loyalty and open innovation. Journal of Open Innovation: Technology,
Market, and Complexity, 7(2):109, 2021.

[3] Vicente Guerola-Navarro, Hermenegildo Gil-Gomez, Raul Oltra-Badenes, and Javier Sendra-
Garcı́a. Customer relationship management and its impact on innovation: A literature review.
Journal of Business Research, 129:83–87, 2021.
[4] Vicente Guerola-Navarro, Raul Oltra-Badenes, Hermenegildo Gil-Gomez, and Agustı́n Iturricha
Fernández. Customer relationship management (crm) and innovation: A qualitative comparative
analysis (qca) in the search for improvements on the firm performance in winery sector. Technolo-
gical Forecasting and Social Change, 169:120838, 2021.
[5] Kenneth C Laudon, Jane P Laudon, Sairám Cerón Alegre, et al. Sistemas de información gerencial,
volume 12. Pearson Educación Naucalpan de Juárez, 2012.

[6] Barak Libai, Yakov Bart, Sonja Gensler, Charles F. Hofacker, Andreas Kaplan, Kim Kötterheinrich,
and Eike Benjamin Kroll. Brave new world? on ai and the management of customer relationships.
Journal of Interactive Marketing, 51:44–56, 2020. Special issue on Big Data, Technology-Driven
CRM Artificial Intelligence.
[7] Sachithra Lokuge, Darshana Sedera, Saj Kumar, Thilini Ariyachandra, and Vadlamani Ravi. The
next wave of crm innovation: Implications for research, teaching, and practice. Communications of
the Association for Information Systems, 46:560 – 583, 2020. Cited by: 16.
[8] Ivano Malavolta, Henry Muccini, and Ipek Ozkaya. Software architecture and artificial intelligence.
Journal of Systems and Software, 193:111436, 2022.
[9] Masoud Moradi and Mayukh Dass. Applications of artificial intelligence in b2b marketing: Cha-
llenges and future directions. Industrial Marketing Management, 107:300–314, 2022.