Uso de agentes para el desarrollo empresarial

Escáner para ferias

Un flujo de trabajo inteligente de cualificación de clientes potenciales basado en n8n AI Agent, Bright Data y GPT-5-mini

(This post is reproduced from on a Hackaton submission by us – you can access the original post aquí)

Las ferias comerciales son minas de oro para el desarrollo empresarial, pero buscar manualmente cientos de expositores lleva mucho tiempo y es ineficaz. Este flujo de trabajo automatiza todo el proceso de prospección de asistentes a ferias.

Para qué sirve

El flujo de trabajo escanea y califica de forma inteligente a los clientes potenciales de cualquier lista de expositores de ferias:

1. Extracción automática de datos: Uses Bright Data’s web scraper to fetch the full exhibitor list from the trade show website, then extracts company names, descriptions, booth numbers, and website URLs using HTML parsing
2. Dosificación inteligente: Procesa las empresas en lotes configurables (actualmente se ha fijado un número pequeño para las pruebas, fácilmente ajustable) para gestionar los costes de la API durante el desarrollo.
3. Investigación y cualificación basadas en IA: Cada empresa pasa por un Agente de IA que:

• Realiza búsquedas en Internet mediante SerpAPI y raspado selectivo de sitios web.
• Evalúa el tamaño de la empresa (pequeña/mediana/grande en función del número de empleados).
• Evalúa su postura pública sobre los datos, la IA y las iniciativas de automatización.
• Puntúa a cada empresa (bajo/medio/alto) como cliente potencial en función de sus criterios específicos
• Razona cada puntuación para ayudar a priorizar el seguimiento.

1. Documentación automatizada: Los resultados se adjuntan automáticamente a una hoja de Google con datos estructurados que incluyen detalles de la empresa, puntuaciones de calificación y razonamiento de IA.

La capa de inteligencia

The AI Agent is configured with detailed context about my company (lyfX.ai). It specifically looks for companies that match our profile and an “ideal” client profile: small-to-medium businesses with a modern, future-oriented approach who value working with specialized, high-caliber teams.

Esto crea una lista precalificada y priorizada de visitas al stand y objetivos de seguimiento, transformando lo que serían horas de investigación manual en un sistema de filtrado automatizado e inteligente.

Demo

Vídeo

https://www.loom.com/share/978e4d64c11b405aa85c8d72aca8b6a1?sid=0be6cc43-ea17-461a-9f1d-4e563cd8edac

n8n Flujo de trabajo

https://gist.github.com/andremoreira73/fe972f825a5f41e36c8df5ad7cb1f2bb

Tenga en cuenta que el flujo de trabajo se ha depurado para que cualquiera pueda adaptarlo a su propio caso de uso. He dejado las instrucciones intactas, ya que pueden servir de inspiración para otros.

Aplicación técnica

I designed this workflow with simplicity in mind – keeping the implementation clean while maintaining effectiveness. The HTML parsing and code transformations are minimal, just enough to structure the data and make it digestible for the AI agent. (The JavaScript in the code node was kindly prepared by my good friend Claude 😊)

Elección del modelo: I am using GPT-5-mini, which I have tested across other setups. What I particularly appreciate for agent workflows is OpenAI’s consistent balance between reasoning capability and reliable structured output formatting. After nearly 2 years with the OpenAI API, there is also the practical advantage of familiarity and development speed.

Arquitectura de memoria: This initial version runs stateless – each company evaluation is independent. For a future version, I am planning to implement memory for more sophisticated research patterns and cross-referencing between companies.

Pila de herramientas: Lo mantuve centrado con sólo dos herramientas:

• SerpAPI for web search – reliable and fast for internet-wide search
• Bright Data for targeted scraping – handles sites that the agent may want to review

Instrucciones del sistema: My favorite part! This is where the magic happens – carefully prepared a system prompt with instructions that encode our ideal client profile and evaluation criteria, ensuring consistent and relevant qualification scoring.

The beauty of this approach is its flexibility – swap the trade show URL, adjust the target profile in the system instructions, and you have a reusable lead qualification system for any event.

El usuario proporciona una lista de empresas que participarán en una feria. La lista contiene el nombre de la empresa, descripción, stand y sitio web.
Representaré a mi empresa (lyfX.ai) en la feria.

Acerca de lyfX.ai: Ayudamos a las organizaciones a integrar soluciones de Datos e IA que abordan sus retos empresariales y ofrecen resultados medibles. Mediante la fusión de una profunda perspicacia empresarial, el conocimiento del dominio, la ciencia de datos y la IA moderna, ofrecemos estrategias que impulsan el crecimiento, mejoran la eficiencia y aumentan la rentabilidad.  Contamos con profundos conocimientos en química, ingeniería de procesos, fertilizantes e industrias adyacentes.

Somos un equipo pequeño con personas de muy alto calibre: Uno de ellos es doctor y catedrático de una reputada universidad alemana, y el otro ha desarrollado una larga y fructífera carrera en los sectores químico y de fertilizantes. Los miembros de nuestro equipo poseen diferentes certificaciones: por ejemplo, Google Associate Cloud Engineer, Google Professional ML Engineer, entre otras.

Somos competentes en python, LangGraph, n8n, django.



Averiguar de la lista de empresas, a cuáles deberíamos acercarnos como posibles nuevos clientes.



- pequeña y mediana empresa
- expresa públicamente un gran interés en los datos, la IA, la automatización
- moderna y orientada al futuro
- no teme trabajar con un equipo pequeño y de alto calibre



Para cada empresa de la lista, haga lo siguiente:
1) Averigüe lo que hacen
2) ¿Es una empresa pequeña (menos de 50 empleados), mediana (entre 10 y 1000 empleados) o grande (más de 1000 empleados)?
3) Basándote en lo que has averiguado, valora la puntuación de esta empresa como perfil de cliente objetivo: ¿baja, media o alta?

Sé minucioso y cíñete a los hechos.
Si no sabes algo o no encuentras algo, déjalo en blanco.





SerpApi: Google como motor de búsqueda para la búsqueda en Internet
Scraper: Raspar una URL específica según sea necesario



Formato JSON con los elementos:
- nombre
- descripción
- soporte
- sitio web
- puntuación como perfil del cliente objetivo
- razonamiento de la puntuación

Nodo verificado de Bright Data

Utilicé Bright Data en dos puntos críticos del flujo de trabajo:

• Initial Data Extraction: Bright Data’s web scraper handles the complete exhibitor list extraction from trade show websites, reliably parsing pages (JavaScript-heavy pages, dynamic content, etc).
• Como herramienta de agente para su investigación: Bright Data permite a la IA realizar scraping selectivo de sitios web de empresas individuales bajo demanda. Esto permite al agente recopilar información pública en tiempo real sobre el tamaño de la empresa, su enfoque tecnológico y sus iniciativas directamente de la fuente.

The integration was easy. Bright Data’s n8n nodes required minimal configuration and handled complex sites that typically require browser automation.

La fiabilidad se tradujo en una intervención manual nula, incluso cuando se procesaban cientos de expositores, lo que lo hace ideal para casos de uso en producción en los que la coherencia es importante.

Viaje

Este proyecto fue una excelente oportunidad para explorar n8n y Bright Data en profundidad. Aunque he invertido en LangGraph, he descubierto que n8n sobresale en la creación rápida de prototipos en formas en que LangGraph no lo hace. Mi flujo de trabajo habitual implica numerosos cuadernos Jupyter para experimentar con gráficos y agentes, pero n8n ha abierto una nueva vía: Ahora puedo crear prototipos funcionales en horas en lugar de días, y luego producirlos en LangGraph o mantenerlos en ejecución en n8n directamente.

Using Bright Data was a great experience. Previously, I had been using other scraping solutions, but Bright Data’s approach is really elegant and robust. The AI-assisted collector builder particularly impressed me (though this workflow ultimately didn’t require it). What stands out is the platform’s versatility. The tool has definitely earned a permanent place in my tech stack.

Próximos pasos

The combination of n8n’s visual workflow building and Bright Data’s reliable data extraction creates a powerful environment that bridges the gap between “quick experiment” and “production-ready solution.”

Este punto dulce es exactamente lo que he estado buscando en mis proyectos de automatización. Ya he creado algunos flujos de trabajo más para el desarrollo empresarial y estoy deseando compartirlos con el tiempo.