De 450 a 73: Como Limpie Todo Mi CRM en Una Tarde
Si tu CRM no se ha limpiado en 6 meses, los numeros de tu pipeline son ficcion.
Lo se porque el mio lo era. 450 empresas. ~35% de calidad de datos. Duplicados por todas partes. Sin propietario asignado en la mitad. Seguia ignorandolo porque limpiar un CRM manualmente es el tipo de tarea que te hace querer fingir tu propia muerte.
Entonces pase una tarde con Claude Code, lo reduje a 73, y casi borro dos empresas con deals activos en el proceso.
Conclusion clave: Claude Code conectado a HubSpot via MCP limpio 450 empresas hasta 73 en una tarde — detectando dos empresas con deals activos antes de borrarlas. La verdadera victoria no fue la limpieza en si, sino hacer que el CRM fuera fiable de nuevo. Cuando los datos de tu CRM estan sucios, dejas de usarlo, y cada decision posterior se resiente.
El problema del CRM-cementerio
Todos los founders que conozco tienen esto. Empiezas a anadir empresas durante un push comercial, un proyecto con cliente, una conferencia. Importas un CSV de algun sitio. Tu pipeline crece. Luego te pones a hacer el trabajo real y el CRM se convierte en un sitio donde los datos van a morir.
Los numeros parecen bien en la superficie. “Tengo 450 empresas.” Genial. Pero el 30% son duplicados. Otro 20% son leads muertos de 2023 que nunca cerraste oficialmente. Varios no tienen contacto asociado. Algunos no tienen deal, ni nota, ni nada — solo un nombre de empresa flotando en el vacio.
Cuando tu CRM esta asi de sucio, dejas de confiar en el. Y cuando dejas de confiar en el, dejas de usarlo bien. Se convierte en una metrica de vanidad en vez de una herramienta.
Yo estaba ahi.
El enfoque: Claude Code + HubSpot MCP
Quiero ser claro sobre lo que es esto y lo que no es. Esto no es un producto de IA sofisticado. Sin dashboard. Sin SaaS. Sin boton magico.
Claude Code corre en la terminal. Lo conectas a HubSpot via MCP — Model Context Protocol, que basicamente es una forma de enchufar herramientas a la IA para que pueda leer y escribir tus datos. HubSpot tiene una integracion MCP publica. Lo configuras una vez y luego puedes simplemente… hablar con tu CRM.
Eso es todo. Una CLI y una conversacion.
Lo que la IA hizo realmente, paso a paso
Le di un brief simple: limpia el CRM. Esto es lo que ejecuto, en orden:
Paso 1 — Extraer todas las empresas. Trajo los 450 registros, resumio el estado: propietarios faltantes, contactos faltantes, asociaciones de deals, fechas de ultima actividad. Pude ver todo el desastre desplegado por primera vez. No era una vista agradable, pero era necesaria.
Paso 2 — Comprobar duplicados. Cruzo nombres de empresas, dominios y contactos solapados. Encontro un monton de duplicados. Los fusiono en una sola pasada.
Paso 3 — Verificar asociaciones de deals. Antes de marcar nada para borrar, comprob cada empresa contra deals abiertos y cerrados. Aqui es donde la cosa se puso interesante.
El salvazo. Tenia un lote de empresas en cola para borrar. Poca actividad, sin notas recientes, parecian muertas. Claude paro y marco dos: “Estas tienen deals abiertos en el pipeline. Estas seguro de que quieres borrarlas?”
No. Definitivamente no.
Me habia olvidado completamente de esos deals. Si las hubiera borrado manualmente — que es lo que habria hecho, yendo rapido — habria eliminado el historial de deals tambien. Pipeline real, desaparecido.
Ese momento probablemente pago por cada hora que he invertido aprendiendo a usar esta herramienta.
Paso 4 — Enriquecer datos faltantes. Empresas con huecos (sin industria, sin tamano, sin propietario) fueron marcadas y completadas donde era inferible por contexto. Propietario asignado en todo. No mas registros huerfanos.
Paso 5 — Borrar la basura. Despues de la comprobacion de deals: 83 empresas mas eliminadas en una segunda pasada. Contactos de outreach antiguo que no llegaron a nada, leads de conferencias que nunca fueron prospectos reales, registros importados olvidados en el vacio. Fuera.
El resultado
| Metrica | Antes | Despues |
|---|---|---|
| Empresas en CRM | 450 | 73 |
| Calidad de datos (est.) | ~35% | 90%+ |
| Registros con propietario | ~50% | 100% |
| Clusters de duplicados | Decenas | 0 |
| Tiempo invertido | — | Una tarde |
Despues de la limpieza, lance una pasada separada sobre contactos. Enriqueci 804 de ellos a traves de Dropcontact, revise 300 manualmente, y saque 28 targets italianos a los que valia la pena contactar ahora mismo.
Esa lista es realmente utilizable porque los datos subyacentes estan limpios. Antes de esto, no habria confiado en una lista sacada de ese CRM. Ahora si.
Lo que realmente cambio
Lo obvio: el CRM esta limpio. Pero lo menos obvio es que vuelvo a confiar en el.
Estaba evitando abrir HubSpot porque sabia lo que habia dentro. Ahora lo compruebo. Lo actualizo. Es una herramienta real otra vez, no un cementerio de datos que finjo que no existe.
Tambien — y voy a ser honesto aqui, porque no lo esperaba del todo — que la IA fuera explicando la logica en voz alta me hizo darme cuenta de cuantas decisiones estaba tomando por instinto en vez de por datos. “Esta empresa parece muerta.” Si, pero tiene un deal abierto? No lo sabia. Ahora el sistema comprueba antes de que yo actue.
La opinion honesta
Esto es trabajo de trinchera. No es sexy. Nadie escribe posts en Medium sobre limpiar su CRM.
Pero si no has limpiado el tuyo en mas de 6 meses, los numeros de tu pipeline son ficcion. Estas tomando decisiones basandote en datos que sabes que estan mal y fingiendo que esta bien. Las 450 empresas que tenia no eran un pipeline. Eran ruido con una suscripcion de HubSpot.
La herramienta aqui no es lo importante. Claude Code, otra IA, da igual. Lo importante es que este tipo de trabajo — repetitivo, de mucha logica, intensivo en datos — es exactamente lo que se rompe cuando es puramente manual. Te cansas. Te saltas pasos. Casi borras dos empresas con deals activos.
IA como companero de operaciones. No IA como chatbot.
El cambio de perspectiva que transformo como uso estas herramientas: no “que puede escribir la IA?” sino “de que no se cansa nunca la IA de comprobar?”
La limpieza de CRM es la respuesta. Es exactamente el tipo de trabajo que se rompe cuando es puramente manual — repetitivo, de mucha logica, con mucho en juego si te equivocas. Te cansas. Te saltas pasos. Casi borras dos empresas con deals activos.
El setup: Claude Code + la integracion MCP publica de HubSpot. Lo configuras una vez y puedes hablar con tu CRM desde la terminal. Eso es todo.
Preguntas Frecuentes
Que es MCP (Model Context Protocol) y como se conecta a HubSpot?
MCP es un protocolo que permite a herramientas de IA leer y escribir datos de servicios externos. HubSpot tiene una integracion MCP publica — la configuras una vez y Claude Code puede acceder a los datos de tu CRM directamente desde la terminal. Sin dashboard, sin app de terceros. Lee empresas, contactos, deals y propiedades a traves de la API de HubSpot.
Puede Claude Code borrar o modificar registros del CRM automaticamente?
Puede, pero en este flujo de trabajo cada accion destructiva requirio mi confirmacion. Claude marcaba registros para borrar y yo aprobaba o rechazaba cada lote. Asi es como detecto las dos empresas con deals activos — comprob las asociaciones de deals antes de sugerir el borrado, no despues.
Cuanto tiempo lleva una limpieza completa de CRM con IA?
Para esta cuenta (450 empresas, 800+ contactos), la limpieza completa llevo una tarde — unas 3 horas. Eso incluye extraer todos los datos, identificar duplicados, comprobar asociaciones de deals, enriquecer campos faltantes y borrar registros muertos. Una limpieza manual del mismo alcance llevaria una semana completa, como minimo.
Cada cuanto hay que limpiar el CRM?
Si no lo has limpiado en mas de 6 meses, los numeros de tu pipeline probablemente son ficcion. Recomendaria una limpieza profunda trimestral (auditoria a nivel de empresa, comprobacion de duplicados, eliminacion de registros muertos) y una pasada rapida mensual (comprobar asignaciones de propietario, cerrar deals estancados, verificar enriquecimiento de contactos). La IA hace que la limpieza profunda sea lo bastante rapida como para hacerla mensualmente.
Analiza este CSV CRM y elimina: duplicados, emails invalidos, empresas cerradas. Output: lista limpia + informe
cat crm.csv | claude -p "Clean this CRM data"