Una agencia con la que trabajo desde Bioma Digital tardaba 3 horas en armar cada cotización. Cuatro presupuestos por semana significaba 12 horas perdidas en algo que el cliente espera "en 24 horas". Resultado: presupuestos tarde, leads enfriados, plata dejada en la mesa.

Hoy esa misma agencia genera el borrador de un presupuesto en 15 minutos. La calidad subió, el tiempo de respuesta al cliente bajó de 3 días a 1, y la tasa de cierre subió 35%. Te muestro exactamente cómo lo hicimos.

Lo que necesitás antes de empezar

Cuenta de Claude (con acceso a Projects o API).
Workspace de Notion existente con algunos casos pasados.
4-6 horas de tu tiempo concentrado (mejor en 2 sesiones).
Ganas reales de cambiar el proceso (sin esto, ningún tutorial sirve).

Paso 1: Estructurá tu rate card en Notion

Antes de automatizar nada, necesitás que tu rate card sea consultable por una IA. No alcanza con un PDF colgado en Drive. Tiene que ser una base de datos estructurada en Notion con estas columnas:

Servicio: nombre del paquete (ej. "Diseño de marca completa").
Modalidad: mensual / hourly / proyecto fijo.
Rango de precio: mínimo y máximo aceptable.
Modificadores: qué cosas suben o bajan el precio (urgencia, complejidad, tamaño cliente).
Incluye / no incluye: el scope explícito.
Tiempo de delivery: rango realista.

Tiempo estimado: 1-2 horas. Lo más probable es que descubras inconsistencias entre lo que decís que cobrás y lo que realmente cobrás. Eso ya es valor — incluso si no automatizás nada, dejaste documentado tu pricing.

Paso 2: Documentá 10-20 casos anteriores

La IA aprende del contexto, no de prompts mágicos. Necesitás darle ejemplos reales de propuestas que ganaste y perdiste:

Quién era el cliente (tipo de empresa, tamaño, industria).
Qué pidieron exactamente.
Qué propusiste (el documento completo de la propuesta).
Qué precio final acordaron.
Si cerró o no, y por qué (esto es oro).

Tiempo estimado: 2 horas. Si esto te lleva más, el problema es que tus propuestas viejas están desperdigadas. Centralizarlas también es valor independiente de la IA.

Paso 3: Escribí el system prompt del agente

Acá es donde la mayoría falla. No le pidas a Claude que "genere una propuesta". Definí su rol, su tono, sus criterios y sus límites. Algo así:

"Sos un Account Manager senior de [agencia], con 10 años de experiencia. Tu trabajo es generar borradores de propuestas comerciales basándote en el rate card y casos similares anteriores. Tono: profesional pero cercano, sin exagerar. Criterios de pricing: aplicá modificadores según urgencia (+15%) y complejidad técnica (+10-25%). Nunca propongas un precio fuera del rango definido sin marcarlo explícitamente. Si te falta información crítica, hacé las 2-3 preguntas más relevantes antes de generar nada."

Tiempo estimado: 1 hora la primera versión. Vas a iterar este prompt varias veces — es normal.

Paso 4: Conectá Claude a tu Notion

Hay 2 caminos según tu setup:

Opción A: Claude Projects (más simple)

Subís el contenido de Notion como PDFs/documentos al Project. Cada vez que necesites una cotización, abrís el Project y describís el caso al agente. Bueno para empezar pero requiere refrescar manualmente cuando actualizás Notion.

Opción B: API con MCP de Notion

Más complejo de setup pero el agente lee Notion en vivo, sin re-uploads. Recomendable cuando ya validaste que el flujo funciona y querés escalarlo. Necesitás programación básica o ayuda de alguien técnico.

Tiempo estimado: 1 hora opción A, 4-6 horas opción B (incluyendo testing).

Paso 5: Probá con 5 casos reales y ajustá

Tomá 5 propuestas históricas que ya hiciste y dale al agente la misma info inicial que recibiste del cliente. Comparalo con lo que vos generaste. Las diferencias son donde el prompt necesita ajuste.

Indicadores de éxito:

El borrador requiere menos de 10% de edición humana para ser enviable.
El precio sugerido está dentro de tu rango real.
El tono se siente "tuyo", no genérico.
El scope incluido es preciso, no falta ni sobra nada crítico.

Errores típicos al implementar este flow

1. Querer que el agente decida el precio final

Mal. El agente propone un precio basado en criterios, pero el humano aprueba. Especialmente al principio. Pricing tiene matices estratégicos que la IA no ve (relación con el cliente, oportunidad estratégica, etc).

2. Saltarse el paso 2 (documentar casos)

Sin ejemplos reales, el agente genera propuestas genéricas que cualquier consultora podría haber hecho. Los casos son lo que le da personalidad y criterio a tu pricing.

3. No iterar el prompt durante el primer mes

La primera versión nunca funciona perfecta. Bloqueá 30 minutos por semana durante el primer mes para ajustar. Después estabiliza.

El ROI esperado

En la agencia que mencioné al principio:

Tiempo por cotización: 3h → 15 min (94% menos).
Cotizaciones por semana: 4 → 20 (capacidad 5x).
Tiempo de respuesta al cliente: 3 días → 1 día.
Tasa de cierre: +35% (respuesta rápida convierte más).

Esto se logró en 4 semanas desde el día 1. No es magia — es proceso bien diseñado + IA bien implementada + iteración disciplinada.

¿Querés que te ayude a armarlo?

Si querés implementar esto en tu empresa pero no tenés tiempo o ganas de hacerlo solo, en Bioma Digital lo hacemos para vos. Diagnóstico, diseño del agente, implementación y entrenamiento de tu equipo en 4-6 semanas. Más info sobre agentes IA para empresas de servicios o agendá un diagnóstico de 30 min.