# Gemelo Comercial — Arquitectura consolidada

📄 gemelo_comercial.md — Versión consolidada
1. Objetivo del sistema

El gemelo comercial tiene como objetivo:

identificar → evaluar → priorizar → enriquecer → activar prospectos industriales

Opera sobre dos dominios:

Descubrimiento externo (empresas no presentes en ALEPH)
Ejecución CRM (sincronización estructurada en ALEPH)
2. Arquitectura general
Discovery externo
→ ProspectInput
→ evaluate_prospect (motor central)
→ discovered_actionable.jsonl
→ contact_enrichment_linkedin
→ discovered_actionable_enriched.jsonl
→ CRM (ALEPH)

Separación clave:

Evaluación técnica/comercial → prospect_intelligence
Enriquecimiento de contacto → contact_enrichment_linkedin
Persistencia CRM → flujo ALEPH
3. Pipeline de discovery

Flujo:

discover_pages
→ parse
→ DiscoveredCompany
→ build_prospect_input
→ evaluate_prospect
→ filter_actionable

Salida principal:

data/discovery/discovered_actionable.jsonl

Estructura real:

{
  "operational_summary": {...},
  "company": {...},
  "prospect_input": {...},
  "evaluation": {...}
}

El campo clave para operación es:

operational_summary
4. Motor de evaluación

Función central:

evaluate_prospect(...)

Responsabilidades:

inferencia sectorial
perfil técnico
señales comerciales
scoring compuesto
decisión CRM
estrategia comercial
generación de email

Regla crítica:

NO duplicar esta lógica
5. Modelo operativo (operational_summary)

Campos clave:

company_name
country
domain
sector_hint
priority_score
priority_band
commercial_access_score
crm_initial_state
recommended_next_action
entry_point
main_pain
technical_angle

Ejemplo real:

{
  "company_name": "CODELCO - Corporación Nacional del Cobre",
  "country": "Chile",
  "entry_point": "mantenimiento",
  "main_pain": "alto_consumo_energetico",
  "crm_initial_state": "ENRICH_CONTACTS"
}
6. Contact enrichment (LinkedIn)

Módulo:

prodisys/comercial/contact_enrichment_linkedin.py

Flujo:

discovered_actionable.jsonl
→ linkedin_review_queue.jsonl
→ linkedin_validated_contacts.jsonl (manual)
→ merge_validated
→ discovered_actionable_enriched.jsonl
6.1 Estados clave
Estado	Significado
ENRICH_CONTACTS	no hay contacto
READY_FOR_OUTREACH	contacto validado

Esto se alinea directamente con la máquina de estados CRM.

6.2 Lógica de scoring

El enrichment agrega:

linkedin_enrichment_score
contact_readiness

Regla:

LOW → sin contacto
MEDIUM → contacto parcial
HIGH → contacto listo
6.3 Output enriquecido

Ejemplo validado:

CODELCO → HIGH → READY_FOR_OUTREACH
SCC → LOW → ENRICH_CONTACTS
Antamina → LOW → ENRICH_CONTACTS
7. Integración con CRM (ALEPH)

El flujo CRM está definido en:

aleph_crm_flow.md
aleph_crm_state_machine.md
aleph_crm_decisions.md
7.1 Orden jerárquico
EMPRESA → PERSONA → PERSONA_PROYECTO

Regla obligatoria.

7.2 Estado crítico
ENRICH_CONTACTS

Significa:

empresa válida + sin contacto → no se puede escribir en CRM

Esto conecta directamente con el módulo que construiste.

7.3 Transición clave
ENRICH_CONTACTS
→ (contact_enrichment)
→ READY_FOR_OUTREACH
→ CREATE_CONTACT_AND_ACTIVITY
→ CRM_READY
7.4 Requisito mínimo CRM

Para escritura:

empresa válida
contacto válido (nombre + email/phone)
proyecto interno

8. Outputs operativos
Archivos
data/discovery/
- discovered_actionable.jsonl
- linkedin_review_queue.jsonl
- linkedin_validated_contacts.jsonl
- discovered_actionable_enriched.jsonl
CLI disponibles
build-queue
sample-contacts
merge-validated
review-summary
Vista operativa
EMPRESA | PAIS | READINESS | STATUS | CONTACTO | ROL
9. Flujo end-to-end
1. Discovery identifica empresa
2. Evaluación calcula prioridad
3. Se clasifica como ENRICH_CONTACTS
4. LinkedIn genera búsqueda
5. Usuario valida contacto
6. Merge actualiza estado
7. Prospecto pasa a READY_FOR_OUTREACH
8. Se habilita CRM
10. Estado actual (MVP)

✔ Discovery funcional
✔ Evaluación integrada
✔ Filtro de accionables
✔ Enrichment LinkedIn operativo
✔ Estado READY_FOR_OUTREACH funcional
✔ CLI usable
✔ Vista tabular operativa

11. Limitaciones actuales
dependencia manual en LinkedIn
un solo contacto por prospecto
sin integración automática con CRM
sin preparación de outreach
sin tracking de actividad
12. Siguiente módulo recomendado
outreach_preparation.py

Objetivo:

Convertir:

READY_FOR_OUTREACH

en:

mensaje comercial accionable

Incluye:

contacto objetivo
hipótesis de valor
problema técnico
asunto de email
borrador de contacto
recomendación de material
13. Estado conceptual final

El sistema ya funciona como:

motor de generación de pipeline comercial técnico

Capacidades:

identifica empresas relevantes
entiende su problema
prioriza
encuentra contacto
habilita acción comercial
Conclusión

Ya tienes un sistema que conecta:

inteligencia técnica → decisión comercial → acción CRM

El cuello de botella principal (contacto) ya fue resuelto.

Siguiente paso

Si quieres seguimos con:

outreach_preparation.py

Ese es el punto donde el gemelo pasa de “analítico” a generador de negocio real.