TecnologíaMarketing

Cómo Sommo Usa Make y ChatGPT para Generar 800 Leads al Mes

Sommo construyó un generador de SRS impulsado por IA en Make en un solo día, generando entre 500 y 800 leads adicionales al mes y logrando un aumento de 5x en usuarios activos del sitio web.

Impacto

500–800

Leads adicionales generados mensualmente

3%

Tasa de conversión de lead a cliente

5x

Aumento en usuarios activos del sitio web

2x

Aumento en el tiempo medio de interacción

Desafío

Sommo tenía dificultades para superar el escepticismo de los clientes sobre la calidad del no-code mientras competía en un mercado saturado sin un sistema de generación de leads escalable.

Solución

Se construyó un generador gratuito de SRS con IA en Make, una construcción de un día usando la API de ChatGPT, que capta leads y demuestra la capacidad del no-code al mismo tiempo.

Herramientas y tecnologías

Lo que dicen los líderes

Make es uno de los secretos de nuestro éxito. Hemos construido nuestro negocio sobre la promesa de acelerar el lanzamiento de productos 10 veces.

Andrii Bas, CEO y Cofundador
Entiende todo el contexto.

Regístrate para leer casos de estudio completos, acceder a métricas detalladas y recibir todos los reportes.

Historia completa

Sommo es un estudio de no-code que acelera el lanzamiento de productos para sus clientes, pero tenía dificultades para superar el escepticismo sobre la calidad del no-code en un mercado competitivo. Los clientes potenciales querían pruebas antes de comprometerse, pero los ciclos de venta tradicionales eran lentos y consumían muchos recursos.

El equipo decidió construir un generador gratuito de Especificaciones de Requisitos de Software (SRS) con IA como imán de leads: una herramienta que demostrara simultáneamente la capacidad del no-code y captara leads cualificados. El sistema completo se construyó en Make en un solo día.

La automatización recoge la información del usuario a través de un formulario web, la envía a la API de ChatGPT de OpenAI para generar un documento detallado de requisitos de la aplicación, da formato a la salida y la envía directamente al cliente potencial por correo electrónico. El proceso se ejecuta de extremo a extremo sin intervención humana.

Los resultados llegaron rápidamente: entre 500 y 800 leads adicionales al mes, una tasa de conversión de lead a cliente del 3%, 5 veces más usuarios activos en el sitio web y el doble del tiempo medio de interacción. La herramienta también eliminó un paso del proceso de comunicación con el cliente, acortando el ciclo de ventas.

Casos similares

A
AUDITSU
£200,000
pre-seed funding secured

AUDITSU's founder built an 18-scenario AI-powered go-to-market system in Make that replaced a 10-person sales team, secured £200,000 in pre-seed funding, and processes thousands of leads automatically 24/7.

TechnologyMMakeAApollo
R
Replit
75%
non-engineer users

Replit on Microsoft Azure democratized software development so that 75% of enterprise users are non-engineers, compressing development timelines from weeks to minutes with natural language.

TechnologyMAMicrosoft AzureOOpenAI
C
ChargeGuru
6 weeks
migration completed

ChargeGuru merged two legacy EV charging platforms into a single system in 6 weeks using Make, compressing typical 3-month delivery cycles to 2-day turnarounds and enabling non-technical teams to build independently.

TechnologyMMake
A
Allspice
20% → 97%
ingredient matching accuracy

Allspice, a food technology startup building a kitchen operating system for consumers and recipe publishers, deployed Pinecone’s vector database to solve the inherent messiness of ingredient data that traditional text search could not handle. The implementation raised ingredient matching accuracy from roughly 20% to 97%, enabling the launch of recipe importing as a core product feature and expanding into a platform-wide semantic layer for search, recommendations, and conversational AI.

TechnologyTtext-embedding-3-largePPinecone
R
Rakuten
79%
reduction in average time to market for new features

Rakuten is a Japanese technology conglomerate operating over 70 businesses including e-commerce, fintech, travel, and communications, with thousands of developers serving millions of customers globally. The company deployed Claude Code and Claude Managed Agents as part of its “AI-nization” strategy, enabling autonomous multi-hour coding sessions and cross-functional agent workflows. Feature delivery time dropped 79%, from 24 working days to 5, while a seven-hour autonomous refactoring run on a 12.5-million-line codebase delivered 99.9% accuracy.

TechnologyCMClaude Managed AgentsCCClaude Code
C
Confluent
15,000+
hours saved monthly

Confluent, a data streaming platform company with 2,000+ employees and 4,000+ customers, deployed Glean to solve the knowledge fragmentation that came with rapid growth from 250 to 2,000+ employees across 20+ systems. Glean indexed the company's full tool stack — Slack, Salesforce, Confluence, and more — enabling instant knowledge retrieval across all teams. The result: 15,000+ hours saved monthly, a 13% increase in support team satisfaction, and over 70% employee adoption.

TechnologyGGlean
SA
System AI
97%
operation time reduction

System AI is an automation and web development consulting agency serving real estate businesses across the US, Australia, the UK, and Saudi Arabia. For client The Srama Group, System AI built a WhatsApp-based AI assistant using n8n that routes messages directly into Zoho CRM and Google Sheets, eliminating manual data entry by virtual assistants. The workflow reduced per-task operation time from four to five minutes down to 10–20 seconds — a 97% reduction — and helped the client win a buyers agency of the year award.

TechnologyNn8nZCZoho CRM
L
LTM
80%
candidate onboarding prediction accuracy

LTM, a global technology consulting and digital solutions company operating across India and international markets, deployed Snowflake’s AI Data Cloud to unify fragmented HR systems and power predictive hiring models. By migrating legacy on-premises data to Snowflake and deploying ML models via Snowpark and Cortex AI, LTM predicts candidate onboarding probability at 80% accuracy 25–30 days before start dates, cuts total cost of ownership by 70%, and processes hiring data 10x faster.

TechnologySSnowflakeSCSnowflake Cortex AI