Rémi Kokabi27 de noviembre de 20257 min de lecturaActualizado: 7 oct 2026
Reconstruí el flujo de respuestas GPT-3 de lemlist con GPT-4 en 4 pasos (esto es lo que cambió)
Gestiona una campaña con volumen real y tu bandeja de entrada se convierte en un problema de clasificación. Leads interesados, rebotes por fuera de oficina, solicitudes de desuscripción, respuestas educadas de "ahora no". Todo cae en el mismo lugar, y alguien tiene que leer cada línea para decidir qué hacer. Ese alguien suele ser tu mejor representante, y lo está haciendo en vez de vender. Mientras tanto, la ventana para responder a un lead caliente es mínima: la propia documentación de la API de lemlist marca el estándar en avisar al SDR como máximo dos minutos después de que alguien interesado responda. Nadie logra eso a mano.
En este post, te voy a mostrar exactamente cómo reconstruir el antiguo flujo de trabajo de clasificación de respuestas de lemlist x GPT-3 con un modelo que todavía existe, paso a paso, en n8n o Make. También te voy a mostrar la parte que la mayoría de los lectores ya no necesitan armar, porque lemlist ahora clasifica respuestas de forma nativa. Una advertencia rápida antes de empezar: la versión original de esta guía funcionaba con GPT-3, y OpenAI retiró toda la generación GPT-3 el 4 de enero de 2024, como se documenta en la página de modelos descontinuados de OpenAI. Si intentaras seguir las instrucciones de 2023 hoy, la llamada a la API fallaría en el primer nodo. Esta versión usa GPT-4o (o el modelo de chat de OpenAI que prefieras).
Esto es lo que hace el flujo de trabajo terminado:
Alertas en Slack cuando un lead está interesado
Creación de tareas cuando un lead está fuera de oficina
Desuscripción de leads que piden ser eliminados
Envío del resultado a tu CRM de HubSpot
Antes de armar esto: la detección nativa de respuestas con IA de lemlist
Voy a admitir lo obvio primero. Mucha gente llega a esta guía y en realidad no la necesita.
lemlist AI ya lee las respuestas entrantes y marca los leads como interesados automáticamente. Respuesta positiva, el lead se marca como Interesado. Respuesta negativa, No Interesado. En ambos casos la secuencia se detiene para ese lead, así que nadie recibe un seguimiento después de haber respondido. Lo activas, gestionas el resto desde tu inbox unificada, y listo en un par de clics.
Entonces, ¿para qué armar algo?
Porque la clasificación nativa te da dos categorías, y algunos equipos necesitan cinco. Si quieres que las respuestas de fuera de oficina creen una tarea programada para tres semanas después, que las referencias se envíen a otro representante, y que las solicitudes de desuscripción lleguen a una lista de supresión en tu CRM, necesitas tu propia lógica. Para eso es el resto de esta guía. Piénsalo como la capa avanzada sobre una función que ya estás pagando, no como un reemplazo.
Si quieres la versión más amplia de esta idea (agentes de IA actuando sobre señales en todo tu pipeline, no solo respuestas), mira lemAgent antes de empezar a conectar nodos.
Paso 1: Obtén tu API key de OpenAI
→ Si todavía no tienes una cuenta de OpenAI, ve a platform.openai.com para registrarte.
→ Una vez que tengas tu cuenta, es momento de obtener tu API key:
inicia sesión en platform.openai.com
abre la sección de API keys en el menú de la izquierda
crea una nueva clave secreta
Cuando configures el modelo en tu flujo de trabajo más adelante, elige un modelo de chat actual. GPT-4o es la opción segura por defecto para trabajo de clasificación como este: es rápido, barato por llamada y lo suficientemente preciso como para que nunca haya necesitado algo más pesado para clasificar respuestas en categorías. GPT-4.1 también funciona. Cualquier cosa que empiece con text-davinci está muerto, así que no copies blueprints viejos a ciegas.
Una nota que vale la pena leer antes de crear una clave. Si lo único que quieres es flexibilidad de modelos sin gestionar tu propia API key, facturación y límites de uso, Smart messaging AI de lemlist ahora te permite elegir entre Claude, GPT y Perplexity directamente dentro del producto. Las variables de IA funcionan con créditos de lemlist, lo que elimina la API key externa de la ecuación por completo. Obtén una clave solo si necesitas específicamente un modelo o una estructura de prompt que viva fuera de lemlist.
Paso 2: Ve a tu cuenta de lemlist para obtener tu API key
Si todavía no tienes una cuenta de lemlist, ve a lemlist.com y regístrate para una prueba gratis
En la app de lemlist, haz clic en el menú desplegable de Team settings
Ve a Integrations
En la sección API, haz clic en el botón Generate new key (si todavía no tienes una API key)
Guarda esta clave en un lugar donde la puedas encontrar. La vas a pegar en varios nodos.
Paso 3: Crea una cuenta en n8n o Make
Puedes usar cualquiera de estas plataformas de automatización sin código para continuar con tu integración:
→ Opción 1: si todavía no tienes una cuenta de n8n, comienza una prueba gratis de 30 días en n8n.cloud
→ Opción 2: si todavía no tienes una cuenta de Make, comienza tu prueba gratis en make.com
Yo uso n8n cuando quiero ver y editar el prompt como texto plano, y Make cuando quiero algo que un compañero no técnico pueda revisar después. Ambos te llevan al mismo lugar.
Paso 4: Arma tu flujo de trabajo de automatización de ventas
Antes de tocar cualquiera de las dos herramientas, guarda en favoritos la guía para desarrolladores de lemlist sobre alertas en Slack para respuestas positivas. Es la versión mantenida oficialmente de este mismo patrón: un pequeño agente de IA construido sobre OpenAI que clasifica la respuesta de un lead, encadenado al nodo trigger de lemlist. Se actualiza cuando la API o el nodo cambian. Los blueprints de abajo son la versión completa con CRM y gestión de tareas integrados, y la terminología coincide con la guía para desarrolladores para que puedas moverte entre ambos.
Opción 1: Arma el flujo de trabajo de automatización en n8n
Inicia sesión en tu cuenta de n8n y elige crear un flujo de trabajo en blanco
Ve a este enlace y haz clic en "copy the workflow"
Pega el nuevo flujo de trabajo en tu flujo de trabajo en blanco
Ahora, tu flujo de trabajo debería verse así:
4. Para cada nodo, vas a tener que configurar tus credenciales.
Para el nodo de OpenAI:
→ Elige Header authentication
→ Name = Authorization
→ Value = Bearer YOUR_API_KEY
Configura la autenticación de lemlist:
→ crea una nueva credencial
→ pega tu API key
P.D. puedes reutilizar el mismo proceso de autenticación para todos los nodos de lemlist excepto "lemlist – Mark as interested". Para ese, elige "Predefined Credential Type" → Lemlist API → la misma credencial que creaste.
5. Cuando todos los nodos estén configurados, activa tu flujo de trabajo.
Si quieres agregar datos a tu CRM de HubSpot automáticamente, puedes hacerlo a través de n8n:
En la app de HubSpot, ve a Settings
En Integration, elige crear una app privada
Permite los siguientes scopes:
4. Después de crear la app, copia el token
5. Elige un App Token para la autenticación
6. Crea una nueva credencial y pega tu token
Puedes reutilizar el mismo proceso de autenticación para todos los nodos de HubSpot.
Opción 2: Arma el flujo de trabajo de automatización en Make
Descarga el blueprint en JSON aquí
Inicia sesión en la app de Make y haz clic en Scenarios para crear un nuevo escenario
Elige "Import Blueprint"
4. Para cada módulo, vas a tener que autenticarte:
lemlist → agrega tu API key
HubSpot → usa OAuth
OpenAI → agrega tu API key
5. Guarda tu módulo y actívalo.
Algo que yo cambiaría en el blueprint importado antes de activarlo: abre el módulo de OpenAI y revisa qué modelo está llamando. Los blueprints viejos todavía apuntan a endpoints de GPT-3 ya retirados. Cámbialo por tu modelo actual, luego pasa una sola respuesta de prueba por el escenario y lee el resultado de la clasificación antes de dejarlo tocar leads reales.
P.D. Puedes armar la misma integración con Slack, Pipedrive, Salesforce y muchas otras apps. Aquí están todas las opciones.
Conclusión
Mantener organizadas las respuestas de tu outreach es clave para mejorar la eficiencia y mantener los datos de tus campañas precisos.
Pero la verdadera razón para automatizar la clasificación de respuestas es la velocidad. Mientras más rápido tus representantes respondan a un lead interesado, más probabilidades tienen de convertirlo, y la guía para desarrolladores de lemlist pone el objetivo en alertar al SDR en menos de dos minutos después de una respuesta positiva. Una persona revisando su bandeja de entrada dos veces al día no puede lograr eso. Un agente de IA leyendo cada respuesta en el segundo que llega, sí.
Empieza con la opción nativa, porque no te cuesta nada activarla y cubre interesado vs. no interesado de entrada. Arma la versión en n8n o Make cuando tu lógica de enrutamiento necesite más que dos categorías. Esa es toda la decisión.
Si quieres ver qué hace el resto de la plataforma antes de decidirte, lemlist tiene una calificación de 4,6 sobre 5 en G2 con más de 1.400 reseñas verificadas. Y si quieres más flujos de trabajo como este, únete a la familia lemlist, donde más de 5.000 profesionales de ventas y outbound comparten tips y flujos de trabajo todos los días.
Comienza una prueba gratis de 14 días y deja que la IA lea tus respuestas por ti.
Lanza campañas outbound con IA
Automatiza tu prospección y personaliza secuencias con IA para conseguir más reuniones.