Todo CRM se pudre. Los contactos cambian de empleo, los formularios se llenan de basura, la misma empresa entra tres veces con tres grafías distintas, y seis meses después tus informes dejan de significar nada sin que te des cuenta. La mayoría lo trata como una tarea pesada — una limpieza trimestral que nadie quiere hacer, o un SaaS de pago pegado encima para tapar el desorden. Para un cliente B2B hicimos algo distinto: montamos un pequeño bot de higiene de datos sobre la API de HubSpot y GitHub Actions que se ejecuta solo, cada noche, por un coste que redondea a cero. Aquí va lo que hace, por qué lo construimos en vez de comprarlo, y dónde cae esa línea de verdad en 2026.
RevOps · Higiene de Datos
¿Por qué la higiene de datos del CRM se rompe siempre?
Porque la data sucia no es un evento — es una fuga constante. Cada lead nuevo, cada integración, cada edición manual es una oportunidad para un duplicado, un email mal formado, un lifecycle stage vacío o un campo de país que dice «España», «ES» y «Spain» en la misma lista. El daño es silencioso pero caro: ventas persigue la misma cuenta dos veces, la automatización se dispara sobre el segmento equivocado, y los dashboards en los que confía la dirección están construidos sobre arena.
El instinto es apoyarse en las herramientas nativas del CRM, y ayudan — hasta cierto punto. HubSpot deduplica contactos por email y empresas por dominio de forma automática, y su herramienta de Gestionar Duplicados saca a la superficie coincidencias probables. Pero la nativa está capada — unas 2.000 sugerencias en Professional, 5.000 en Operations Hub Pro, 10.000 en Enterprise — y, crítico: las empresas creadas por API no se deduplican por dominio en absoluto. Así que en cuanto tienes volumen real, o cualquier integración escribiendo registros, la limpieza nativa se queda estructuralmente por detrás. Ese hueco es justo donde entra un SaaS de deduplicación de pago — y donde la pregunta de construir o comprar se pone interesante.
¿Construir o comprar? La línea de 2026 se ha movido
Durante años la respuesta era obvia: comprar. Montar herramientas internas significaba contratar desarrolladores, levantar infraestructura y cargar con el mantenimiento para siempre — no compensaba para fusionar contactos duplicados. Pero cambiaron dos cosas. El código en lenguaje natural desplomó el coste de escribir y mantener un script acotado, y las APIs de los conectores más los runners de automatización gratuitos eliminaron la infraestructura por completo. La línea entre construir y comprar se movió, y muchos equipos de operaciones la siguen dibujando donde estaba en 2022.
La forma útil de decidir es un 2×2 simple: impacto en ingresos frente a esfuerzo de construir y mantener. Sigue comprando donde el valor del proveedor es propietario — tu CRM central, la entregabilidad de email, la data de intención y contactos de terceros. No vas a superar a HubSpot construyendo. Pero para el workflow configurable — las reglas que deciden qué significa «un duplicado» para tu negocio, qué campos estandarizar, cuándo marcar un registro caducado — el caso de comprar se encoge rápido, porque esas reglas son específicas tuyas y baratas de codificar. La lógica de deduplicación es el ejemplo de manual: impacto suficiente para importar, esfuerzo suficientemente bajo para ser tuyo. Hemos hecho el mismo argumento sobre poseer tu capa de integración en el panorama de conectores de marketing y tus datos de cliente en la infraestructura de datos de primera parte — un bot de higiene es el mismo principio aplicado a la calidad del dato.
¿Podría una función nativa bien configurada o una herramienta de 50€/mes resolver el 90%? Si sí, cómpralo. Construye solo cuando tus reglas son genuinamente tuyas, el volumen rompe los límites nativos, o necesitas que corra desatendido en un horario que ningún plan SaaS te da. «Ya podemos programarlo» no es lo mismo que «deberíamos».
Cómo lo montamos: API de HubSpot + GitHub Actions
La arquitectura es deliberadamente aburrida, y ese es el punto. No hay servidor, no hay factura de hosting, y no hay nada que vigilar. Todo es un script en un repositorio privado de GitHub que se ejecuta por horario a través de GitHub Actions — el mismo runner de CI gratuito que los desarrolladores usan para testear código, reconvertido en un cron nocturno. Cada noche se despierta, habla con HubSpot vía la API del CRM, hace su trabajo, y vuelve a dormir.
En concreto, el bot hace cuatro tareas en cada ejecución. Primero, deduplicación: extrae registros por lotes, los agrupa por email y dominio normalizados (más coincidencia difusa por nombre y empresa para los casos que la lógica de coincidencia exacta de HubSpot se salta), y fusiona o marca las colisiones con sus propias reglas — no con el límite nativo. Segundo, estandarización: reescribe los campos de texto libre desordenados a un vocabulario controlado — país, cargo, lifecycle stage, industria — para que la segmentación deje de tener fugas. Tercero, validación: marca emails mal formados, propiedades obligatorias vacías y registros que llevan caducados más allá de un umbral. Cuarto, reporte: publica un resumen corto — cuántos fusionados, estandarizados, marcados — en un canal de Slack, para que el equipo vea el CRM limpiándose en vez de preguntarse si pasó algo.
Dos decisiones de ingeniería lo hicieron lo bastante seguro para correr desatendido. Respeta los límites de la API y trabaja por lotes, para no machacar el portal. Y cada acción destructiva — cada fusión — queda registrada y, en las primeras semanas, corrió en modo simulación que solo reportaba lo que haría, para afinar las reglas de coincidencia contra data real antes de dejarlo escribir. Un bot de higiene que fusiona los registros equivocados es peor que la data sucia; los guardarraíles importan más que la parte ingeniosa.
Un script nocturno sobre una API y un runner de CI gratuito hace hoy lo que antes exigía una suscripción SaaS de pago — porque el valor nunca fue la infraestructura, sino las reglas que definen qué es data limpia para tu negocio.
Esas reglas son tuyas. Esa es la parte que vale la pena construir.
¿Tu data de CRM está rompiendo tus informes en silencio?
Ayudo a equipos B2B a auditar su CRM, arreglar el modelo de datos y automatizar la higiene — ya sea el setup nativo correcto, la herramienta adecuada, o un bot a medida como este. El objetivo es el mismo: informes en los que puedas confiar.
Qué aprendimos — y cuándo NO construir esto
El bot funciona, los informes del cliente vuelven a ser fiables, y el coste de operación redondea a cero. Pero las lecciones más útiles son las advertencias. Empieza en modo simulación y quédate ahí más de lo que parece necesario — las reglas de coincidencia son donde vive todo el riesgo, y la data real siempre te sorprende. Registra todo y haz las fusiones reversibles donde puedas; un buen rastro de auditoría es lo que te deja dormir. Y resuelve el modelo, no solo el síntoma — si la data mala sigue entrando, arregla los formularios e integraciones que la crean, o el bot solo se convierte en una fregona permanente.
Igual de importante: saber cuándo no construir. Si tu volumen cabe cómodo bajo los límites nativos, usa las herramientas de HubSpot y sigue. Si una app mantenida lo resuelve por unos euros al mes y no tienes reglas raras, cómprala — ser dueño de código que no necesitas es su propia deuda. Construye solo cuando el impacto es real, las reglas son genuinamente tuyas, y tienes a alguien que pueda mantenerlo. Para este cliente las tres eran ciertas, así que un bot fue la decisión correcta. Para el siguiente puede que no, y decirlo es la consultoría.
El cambio de fondo es el que corre por debajo de casi todo lo que se movió este año: la IA y las APIs abiertas siguen abaratando el hacer, lo que desplaza la ventaja al criterio — saber qué problemas merecen un desarrollo a medida y cuáles solo necesitan el arreglo aburrido que ya existe. Un bot de higiene es un ejemplo pequeño de un patrón grande: las herramientas para construir tu propio apalancamiento están hoy al alcance de una consultoría de una persona, si sabes hacia dónde apuntarlas.
¿Quieres data de CRM limpia y fiable sin tener que vigilarla?
Ayudo a consultores, agencias y equipos B2B a diseñar el setup de higiene adecuado para su CRM — configuración nativa, las herramientas correctas, o una automatización a medida como esta — para que tu data se mantenga limpia en automático y tus informes por fin digan la verdad.
