--- title: "Desarrollo comercial con IA de Riece Keck" description: "Descubre cómo Riece Keck montó un sistema de desarrollo comercial con IA basado en señales de contratación, herramientas conectadas y revisión humana." url: "https://www.leonar.app/es/agency-stories/riece-keck-ai-recruiting-bd-engine/" lang: "es" alternates: en: "https://www.leonar.app/agency-stories/riece-keck-ai-recruiting-bd-engine/" fr: "https://www.leonar.app/fr/agency-stories/riece-keck-ai-recruiting-bd-engine/" de: "https://www.leonar.app/de/agency-stories/riece-keck-ai-recruiting-bd-engine/" image: "https://www.leonar.app/og/agency-stories/riece-keck-ai-recruiting-bd-engine-es.png" tokens: 6439 --- 1. [Inicio](https://www.leonar.app/es/) 2. [Historias de consultoras](https://www.leonar.app/es/agency-stories/) 3. Riece Keck [Por dentro de las consultoras modernas](https://www.leonar.app/es/agency-stories/) Perfil basado en fuentes públicas 13 min de lectura # Por dentro del motor de desarrollo comercial con IA de Riece Keck Descubre cómo Riece Keck montó un sistema de desarrollo comercial con IA basado en señales de contratación, herramientas conectadas y revisión humana. [![Pierre-Alexis Ardon](https://www.leonar.app/_astro/pierre-alexis-ardon.ByBiMn-t_xwYCu.webp)](https://www.leonar.app/es/authors/pierre-alexis-ardon/) [Pierre-Alexis Ardon](https://www.leonar.app/es/authors/pierre-alexis-ardon/) Investigación y análisis de Leonar 28 de agosto de 2026 Facturación declarada Unos 800.000 $ Cifra declarada por el propio Keck para el primer año tras la reconstrucción Pipeline inicial \>100.000 $ Declarado tras el primer día del sistema, no son ingresos cerrados Universo objetivo 6.000 empresas Empresas monitorizadas por cambios de liderazgo seleccionados Límite humano Revisión antes del envío Las conversaciones en directo y el criterio siguieron en manos del reclutador RK ## Riece Keck Fundador de una consultora de selección y de Rune en Rune [LinkedIn](https://www.linkedin.com/in/riecekeck/) ## Cómo se elaboró este perfil Se basa en una fuente pública con fecha. Las afirmaciones siguen atribuidas salvo que Leonar las verifique de forma independiente. [Ver la fuente original](https://www.eliterecruiterpodcast.com/ai-cold-outreach-recruiting-systems/) En esta historia - [Una consultora que creció rápido y perdió su mercado](#una-consultora-que-creció-rápido-y-perdió-su-mercado) - [La segunda agencia empezó con un sistema, no con otro reclutador](#la-segunda-agencia-empezó-con-un-sistema-no-con-otro-reclutador) - [Así funciona el desarrollo comercial basado en señales](#así-funciona-el-desarrollo-comercial-basado-en-señales) - [Una plantilla de cualificación para señales de contratación](#una-plantilla-de-cualificación-para-señales-de-contratación) - [El stack importó menos que la arquitectura](#el-stack-importó-menos-que-la-arquitectura) - [La revisión humana formaba parte del diseño, no era una excepción](#la-revisión-humana-formaba-parte-del-diseño-no-era-una-excepción) - [Los candidatos más colocables se convirtieron en otra fuente de señales](#los-candidatos-más-colocables-se-convirtieron-en-otra-fuente-de-señales) - [Las alianzas por recomendación añadieron un segundo motor de crecimiento](#las-alianzas-por-recomendación-añadieron-un-segundo-motor-de-crecimiento) - [Un piloto de dos semanas antes de automatizar todo el equipo comercial](#un-piloto-de-dos-semanas-antes-de-automatizar-todo-el-equipo-comercial) - [Los 800.000 dólares declarados requieren una atribución cuidadosa](#los-800000-dólares-declarados-requieren-una-atribución-cuidadosa) - [Cuatro lecciones para consultoras que construyen con IA](#cuatro-lecciones-para-consultoras-que-construyen-con-ia) La parte más útil de la historia de Riece Keck no es el titular de ingresos. Es la decisión que tomó antes de elegir una sola herramienta: diseñar primero el modelo operativo de la consultora. Keck ya había levantado una consultora apoyándose en las personas y en mucho esfuerzo. Cuando el mercado cambió, ese modelo resultó frágil. Su siguiente versión empezó con otra pregunta. ¿Qué partes de la selección requieren criterio y cuáles solo necesitan una ejecución fiable? Este perfil se basa en la aparición de Keck en [The Elite Recruiter Podcast](https://www.eliterecruiterpodcast.com/ai-cold-outreach-recruiting-systems/), conducido por Benjamin Mena. El episodio ofrece una transcripción oficial con marcas de tiempo. Las cifras de ingresos, pipeline y rendimiento siguen siendo declaraciones de Keck, salvo que indiquemos lo contrario. ## Una consultora que creció rápido y perdió su mercado Keck empezó su carrera en Robert Half antes de fundar su propia firma a los 27 años. La agencia se centró en la selección _embedded_ para startups de alto crecimiento. Más tarde añadió la contratación permanente de perfiles tecnológicos para diversificar. Ese planteamiento funcionó durante el auge de las contrataciones. Keck afirma que facturó personalmente unos 1,2 millones de dólares en 2021, mientras que la firma generó entre 1,8 y 2 millones de dólares de ingresos totales. Los nuevos reclutadores se fueron incorporando a medida que la demanda seguía creciendo. Las condiciones cambiaron durante 2022. Las empresas tecnológicas recortaron contrataciones y redujeron sus equipos internos de reclutamiento. La selección _embedded_, que había aportado ingresos mensuales previsibles, cayó con fuerza. Keck describe cómo el negocio pasó de unas 40 personas a cuatro. La agencia acabó integrada en un grupo más grande mediante una operación que Keck califica de económicamente modesta. Después dedicó parte de 2024 a dirigir el área de talento de una startup de IA como consultor. Esa pausa le dio espacio para replantearse cómo debe crecer una agencia. 1. 2021 ### Una consultora de rápido crecimiento Keck declara 1,2 millones de dólares en facturación personal mientras la firma crece en un mercado tecnológico fuerte. 2. 2022 a 2024 ### La demanda cae y el modelo operativo se contrae El mercado de selección embedded se debilita, el equipo se reduce y la agencia pasa a formar parte de un grupo mayor. 3. 2025 ### Un equipo reconstruido en torno a sistemas En lugar de reconstruir primero la plantilla, Keck crea un flujo de desarrollo comercial basado en señales. 4. 2026 ### De operador de agencia a fundador de software Tras el año de 800.000 dólares que declara, Keck deja el reclutamiento en agencias y se centra en Rune. Este contexto importa. El flujo no surgió de un experimento tecnológico limpio. Surgió de un fundador que había visto crecer muy rápido un modelo muy dependiente de las personas, y que después le costó sostenerlo. ## La segunda agencia empezó con un sistema, no con otro reclutador La nueva tesis de Keck era sencilla. Primero, construir la máquina. Añadir personas solo después de que el proceso funcione. Esta idea invierte un patrón habitual en las agencias. Un fundador gana más trabajo, contrata a otro consultor y espera que la nueva persona reproduzca sus hábitos. Cada equipo acaba desarrollando sus propias búsquedas, hojas de cálculo, mensajes y reglas de seguimiento. El crecimiento añade capacidad, pero también añade variación. Keck quería que cada nueva contratación multiplicara el mismo modelo operativo. El trabajo repetitivo se haría de forma constante. Los reclutadores dedicarían más tiempo al criterio, a las relaciones y a las conversaciones en directo. Esta es también la distinción útil de la guía de Leonar sobre [automatización del reclutamiento](https://www.leonar.app/blog/recruiting-automation/). La automatización aporta valor cuando elimina una limitación clara. Aporta menos cuando acelera un proceso que nadie ha definido. Antes de conectar software, Keck dice que dibujó el flujo en papel. Localizó las fuentes, las transformaciones y los destinos. Después, construir la primera versión que funcionaba le llevó varios meses. El primer día, según afirma, dos respuestas positivas se convirtieron en cuatro procesos de selección y en más de 100.000 dólares de pipeline. El pipeline no es ingreso, y un solo día no sirve como referencia. Aun así, el episodio deja una lección útil: el hito de validación fue una respuesta comercial cualificada, no el número de contactos recogidos. ### Cómo trata Leonar el resultado del primer día Keck declara más de 100.000 dólares de pipeline, no ingresos cerrados. El episodio no ofrece los contratos, el plazo de cierre ni la contribución de otros canales. Esta historia usa la cifra como un hito atribuido, no como un resultado repetible. ## Así funciona el desarrollo comercial basado en señales El sistema no empezó con una lista comprada ni con una secuencia genérica. Empezó con cambios que podían indicar una necesidad de reclutamiento. 1. 01 ### Detectar una señal de contratación Recopilar una nueva oferta, una salida reciente, la llegada de un directivo o una financiación en el mercado objetivo. Automatización 2. 02 ### Localizar la empresa y al decisor probable Estimar qué responsable de talento, fundador o responsable funcional tiene más probabilidades de gestionar el problema de contratación. Asistido por IA 3. 03 ### Enriquecer el contacto Encontrar y estructurar los datos de contacto necesarios para un flujo de prospección permitido. Automatización 4. 04 ### Preparar un mensaje a partir del contexto Usar la señal, la empresa y el perfil del decisor para crear un primer borrador relevante. Asistido por IA 5. 05 ### Revisar antes de inscribir Confirmar la señal, el contacto, la hipótesis y la redacción antes de añadir a la persona a una secuencia. Humano 6. 06 ### Llevar la respuesta a una conversación real Mantener el descubrimiento, el asesoramiento, la negociación y la construcción de relaciones en manos del reclutador. Humano El flujo se parece al proceso conectado que describe nuestra guía sobre [uso de agentes de IA para el desarrollo comercial en reclutamiento](https://www.leonar.app/blog/find-clients-recruiting-agency-ai-agents/). La diferencia importante no es el modelo que redacta el mensaje. Es la evidencia que decide quién entra en el flujo. ### Las nuevas ofertas de empleo crearon el disparador más sencillo Keck usó Apify para recopilar puestos de un portal de empleo relevante para su nicho tecnológico. La primera ejecución miraba 60 días atrás. Después, un proceso diario recogía los puestos recién publicados. La oferta, la empresa y el enlace pasaban por n8n hasta Clay. Un paso de IA estimaba los posibles cargos del responsable de contratación. Después, Apollo ayudaba a buscar personas y datos de contacto que encajaran. Este proceso automatizaba una investigación que un reclutador podría hacer pestaña por pestaña. Pero no confirmaba que la empresa quisiera una agencia. Un anuncio solo demuestra que existe un puesto. ### Los cambios de liderazgo revelaron nuevos decisores Keck también vigilaba los nombramientos de directivos en un grupo objetivo de unas 6.000 empresas. Según él, esta revisión se hacía una vez al mes porque era relativamente cara. Un nuevo responsable de ingeniería o un nuevo CTO puede cambiar las prioridades de un equipo. El evento ofrece un motivo oportuno para conocer la empresa. Pero no demuestra que el nuevo directivo tenga presupuesto, plantilla o interés en un reclutador externo. ### Las salidas recientes sugerían posibles sustituciones Otro proceso buscaba personas que se habían ido recientemente de una empresa objetivo a un nuevo empleador. Si la persona se había marchado en los 30 días anteriores, la antigua empresa podría necesitar un reemplazo. Sigue siendo una inferencia. El puesto puede haberse eliminado, repartido o cubierto internamente. Un mensaje responsable debería preguntar si el cambio ha creado una necesidad. No debería fingir que el reclutador conoce los planes de la empresa. ### Las financiaciones aportan contexto, no certeza Keck usó datos de Crunchbase para identificar rondas de financiación desde _seed_ hasta Serie D. Una financiación puede respaldar contrataciones, pero también puede financiar desarrollo de producto, deuda, adquisiciones o _runway_. Nuestra [guía de desarrollo comercial en selección](https://www.leonar.app/blog/recruitment-business-development/) hace la misma distinción. Un disparador crea un motivo para investigar y llamar. Debe mantenerse separado de un encargo cualificado en el CRM. ## Una plantilla de cualificación para señales de contratación Una agencia puede tomar la lógica sin reproducir todo el stack de Keck. Usa esta tabla antes de incluir cualquier contacto en una prospección. | Campo | Pregunta a responder | Ejemplo | | --- | --- | --- | | Señal | ¿Qué ha cambiado y cuándo? | Un director de ingeniería dejó la empresa hace 18 días | | Evidencia | ¿Qué fuente pública lo confirma? | Perfil de la empresa y nuevo puesto de la persona | | Relevancia | ¿Por qué importa para nuestro nicho? | Seleccionamos perfiles de liderazgo técnico en este mercado | | Decisor | ¿Quién entiende probablemente el problema? | CTO, responsable de talento o fundador | | Incertidumbre | ¿Qué aún no sabemos? | Si el puesto se va a cubrir | | Pregunta de apertura | ¿Cómo podemos contrastar la hipótesis con honestidad? | “¿Ese cambio ha afectado al plan de contratación?” | | Responsable humano | ¿Quién aprueba el contacto y el mensaje? | Reclutador con nombre asignado a la cuenta | Esta plantilla protege dos cosas. Impide que las señales débiles entren en una secuencia. También evita que el texto generado por IA convierta una probabilidad en una afirmación falsa. ## El stack importó menos que la arquitectura Keck mencionó seis productos principales al explicar la primera versión de su flujo. - Apify - n8n - Clay - Apollo - Lemlist - Crunchbase Mencionamos estas herramientas porque el invitado las describe. Leonar no respalda esta combinación exacta. Las funciones, los precios, las fuentes de datos y las condiciones de la plataforma deben comprobarse antes de usarlas. Apify recopilaba datos web públicos. n8n movía la información entre pasos. Clay estructuraba el enriquecimiento y las llamadas a IA. Apollo apoyaba la investigación de empresas y contactos. Lemlist gestionaba las secuencias. Crunchbase aportaba datos de empresas y financiaciones. La lista de productos envejecerá. La arquitectura dura más: 1. Captura una señal relevante. 2. Conserva la evidencia y la fecha de la fuente. 3. Identifica la empresa y al decisor probable. 4. Enriquece solo la información que necesita el flujo. 5. Prepara un borrador que refleje la incertidumbre. 6. Exige un revisor con nombre. 7. Registra respuestas, reuniones y encargos en el sistema de referencia. Ese último paso importa mucho. Un stack fragmentado puede generar más trabajo si las respuestas, las decisiones y los resultados nunca vuelven al CRM. Un [stack tecnológico conectado para consultoras](https://www.leonar.app/blog/recruiting-agency-tech-stack-2026/) debe conservar el contexto que explica por qué se contactó a una persona y qué pasó después. Las plataformas modernas también pueden exponer acciones aprobadas del CRM a asistentes mediante APIs y MCP. Nuestra guía sobre [conexión de agentes de IA con un stack de reclutamiento](https://www.leonar.app/blog/connect-ai-agents-recruiting-stack-mcp-api/) explica la diferencia entre dar a un agente herramientas acotadas y darle un acceso sin control. ## La revisión humana formaba parte del diseño, no era una excepción Keck contó a Mena que revisaba los leads en Lemlist antes de que saliera cualquier mensaje. La transcripción oficial describe una revisión rápida de cada registro preparado. Esta es una parte esencial del modelo operativo. El sistema redujo el esfuerzo necesario para llegar a un borrador revisable. No quitó la responsabilidad al reclutador. El mismo límite apareció más adelante en el episodio. Keck predijo que los agentes asumirían más sourcing, tareas administrativas y actualizaciones de sistemas. Aun así, esperaba que los reclutadores siguieran a cargo de las relaciones, las llamadas telefónicas y el cierre. Ese límite tiene sentido comercial. Un modelo puede comparar campos y producir texto con rapidez. No puede responder por la promesa hecha a un cliente. Tampoco puede cargar con el coste reputacional de una suposición falsa o de un mensaje poco acertado. El flujo más avanzado no siempre es el que tiene menos pasos humanos. Es el que sitúa la atención humana donde un error saldría caro. ## Los candidatos más colocables se convirtieron en otra fuente de señales Keck aplicó un proceso parecido al desarrollo comercial guiado por candidatos. Un ingeniero de software sólido, con experiencia en fintech, podía asociarse a empresas fintech relevantes en la ubicación adecuada. El sistema ayudaba después a identificar contactos adecuados y a preparar la campaña. Esto es más útil que enviar el mismo resumen anónimo de un candidato a todas las empresas de un sector. El perfil del candidato debe conectar con una necesidad de negocio plausible. Nuestra guía sobre [cómo comercializar un Most Placeable Candidate](https://www.leonar.app/blog/most-placeable-candidate/) explica por qué el argumento final sigue necesitando el criterio del reclutador. El límite de cumplimiento también importa. La identidad y los datos personales de un candidato no deben revelarse sin una base y un permiso adecuados. Un perfil anonimizado debe seguir estando realmente anonimizado. ## Las alianzas por recomendación añadieron un segundo motor de crecimiento El episodio no defendía solo la captación automatizada en frío. Keck también creó relaciones con empresas que atendían a los mismos clientes sin vender selección de personal. Mencionó un despacho de contabilidad centrado en startups de alto crecimiento. Su equipo solía reunirse con fundadores mientras estos construían funciones internas. Las necesidades de contratación podían aparecer en esas conversaciones. Keck también podía presentar a sus clientes al despacho cuando el encaje era relevante. Otra fuente llegó de un reclutador especializado en contratar para agencias de selección. Cuando ese socio recibía una petición de talento interno, la presentación podía pasar a Keck. Cuenta que en algunos casos pagaba honorarios de recomendación, incluido un 25 % de los honorarios por las primeras colocaciones en un acuerdo. Era su práctica comercial, no una pauta general. Los acuerdos de recomendación pueden generar obligaciones legales, fiscales y de transparencia. Las agencias deberían pedir asesoramiento para su jurisdicción antes de ofrecer honorarios. El método transferible es más seguro y más fácil de aplicar. Identifica las empresas que ya asesoran a tu cliente ideal. Busca un beneficio real para ambas partes. Registra las presentaciones y sus resultados en el CRM de clientes. ## Un piloto de dos semanas antes de automatizar todo el equipo comercial Una agencia no necesita seis herramientas ni 6.000 empresas vigiladas para probar el modelo. Empieza con una señal en un solo nicho. Usa esta plantilla de piloto: | Decisión | Elección para el piloto | | --- | --- | | Mercado | Un nicho, una ubicación y una franja de tamaño de empresa | | Señal | Un evento observable, como una oferta republicada tras 30 días | | Volumen diario | Un número revisable, por ejemplo cinco empresas | | Regla de evidencia | URL y fecha de la fuente para cada registro | | Regla de decisor | Un conjunto aprobado de funciones según el tamaño de la empresa | | Regla de borrador | El mensaje debe plantear la incertidumbre como pregunta | | Responsable de revisión | Un reclutador con nombre aprueba cada inscripción | | Métrica de éxito | Conversaciones y encargos cualificados, no correos enviados | | Condición de parada | Pausa si los falsos positivos o las reescrituras intensas superan el límite acordado | Ejecuta el proceso a mano durante la primera semana. Anota dónde la investigación se repite y dónde el criterio cambia el resultado. Automatiza solo las partes estables durante la segunda semana. Al final, compara cinco medidas: tiempo de investigación, tasa de falsos positivos, tiempo de edición, tasa de respuestas cualificadas y encargos generados. La prueba debería indicar si el flujo eliminó una limitación o si solo añadió otro panel que mantener. ## Los 800.000 dólares declarados requieren una atribución cuidadosa Keck afirma que la operación reconstruida generó unos 800.000 dólares en su primer año, sin depender mucho de su cartera anterior de clientes. El episodio no incluye estados financieros auditados ni un modelo de atribución por canal. Por tanto, sería engañoso afirmar que una sola automatización generó 800.000 dólares. Su experiencia, su reputación, su capacidad comercial, la selección de mercado, las recomendaciones y la calidad del servicio también contribuyeron al negocio. Aun así, el resultado sigue siendo relevante como relato de un fundador. Muestra que el flujo funcionó dentro de un negocio real de selección y que dio a Keck confianza para seguir desarrollando el sistema. Más tarde dejó el reclutamiento en agencias para crear Rune. Por eso este relato no es un retrato de una consultora actual. Se lee mejor como el último capítulo operativo de un reclutador que convirtió un sistema interno en una nueva empresa. El episodio también incluye afirmaciones de rendimiento de patrocinadores. No forman parte de este análisis porque la fuente no ofrece un método independiente para comprobarlas. ## Cuatro lecciones para consultoras que construyen con IA 1. 01 ### Dibuja el flujo antes de comprar herramientas Define la fuente, la decisión, el resultado y el responsable antes de elegir software de automatización. 2. 02 ### Trata cada señal como una hipótesis Una oferta, una salida o una financiación justifican investigar. No confirman un encargo. 3. 03 ### Mide la calidad de la revisión, no el volumen de mensajes Controla los falsos positivos, el tiempo de edición, las conversaciones cualificadas y los encargos en lugar de celebrar la actividad. 4. 04 ### Mantén en manos humanas el trabajo escaso El descubrimiento, el criterio, la confianza y la negociación siguen siendo el trabajo que los clientes asocian con un buen reclutador. La historia de Keck no demuestra que cada agencia deba construir su propio stack de automatización. Demuestra por qué el diseño del modelo operativo debe ir antes que la automatización. El principio vale tanto si una firma usa varias herramientas especializadas como si usa una sola plataforma conectada. Empieza por el trabajo que quieres mejorar. Conserva la evidencia. Sitúa a una persona en el punto de responsabilidad. Después, mide si el sistema genera conversaciones más útiles. Para las firmas que evalúan este modelo, el [espacio de trabajo de Leonar para consultoras](https://www.leonar.app/es/for-agencies/) reúne en un único sistema candidatos, empresas cliente, oportunidades, contacto multicanal y flujos de IA controlados por el reclutador. El producto importa menos que la pregunta operativa: ¿tu stack ayuda a los reclutadores a dedicar más tiempo a las decisiones por las que los clientes les pagan? ## Preguntas sobre el flujo de trabajo de reclutamiento con IA de Riece Keck ### ¿Cómo usó Riece Keck la IA para el desarrollo comercial de su consultora? Describió un sistema que recopilaba señales de contratación, identificaba a los probables decisores, enriquecía los datos de contacto y preparaba borradores de mensajes. Aun así, revisaba los leads y los mensajes antes de que entraran en una secuencia. ### ¿Qué señales de contratación vigilaba el sistema? El episodio menciona nuevas ofertas de empleo, nombramientos recientes de directivos, salidas de personas que podrían generar una sustitución y rondas de financiación de empresas. Cada señal debía cualificarse antes de cualquier contacto. ### ¿Qué herramientas formaban el stack de reclutamiento de Riece Keck? En la primera versión mencionó Apify, n8n, Clay, Apollo, Lemlist y Crunchbase. La arquitectura del flujo importa más que esta lista exacta, porque las funciones, los precios y las condiciones de uso cambian. ### ¿La IA dirigía toda la consultora? No. El sistema descrito se centraba en el trabajo repetitivo de la parte alta del embudo. Riece Keck mantenía bajo control humano la revisión de leads, la aprobación de mensajes, el descubrimiento, la construcción de relaciones y el cierre. ### ¿Se ha verificado de forma independiente el resultado de 800.000 dólares? No. La cifra es un resultado declarado por el invitado en la entrevista del podcast. Leonar no ha auditado los ingresos, el modelo de atribución ni la contribución de cada canal. - IA para reclutamiento - desarrollo comercial en selección - operaciones de consultoras de selección - señales de contratación - automatización del reclutamiento Historias de consultoras por Leonar ## ¿Tu consultora está creando una forma diferente de reclutar? Entrevistamos a fundadores de consultoras sobre su modelo operativo, su tecnología, sus flujos de trabajo con IA y las lecciones que otros reclutadores pueden aprovechar. [Cuéntanos la historia de tu consultora](mailto:contact@leonar.app?subject=Agency%20Story%20Nomination) ## Sigue explorando las operaciones de las consultoras modernas - [Agentes de IA ### Encuentra clientes para tu consultora de selección con agentes de IA Crea un flujo práctico de captación de clientes basado en investigación, señales y acciones que controla el reclutador. ](https://www.leonar.app/blog/find-clients-recruiting-agency-ai-agents/) - [Estrategia de consultora ### Desarrollo comercial para consultoras de selección: la guía completa Diseña un pipeline comercial repetible con referencias, prospección activa, crecimiento de cuentas y medición. ](https://www.leonar.app/blog/recruitment-business-development/) - [Tecnología ### Crea un stack tecnológico conectado para tu consultora Relaciona sourcing, prospección, ATS, CRM, desarrollo de clientes y analítica sin crear más trabajo de copiar y pegar. ](https://www.leonar.app/blog/recruiting-agency-tech-stack-2026/)