Claude + Telegram — Lo que realmente puedes hacer con AI y tus chats reales

La mayoría del contenido sobre 'AI y Telegram' trata de bots — autoresponders con scripts, manejadores de webhooks o wrappers de GPT que responden mensajes entrantes desde una cuenta bot. Es útil, pero es un problema fundamentalmente diferente.

Este post trata de algo distinto: conectar Claude (la AI de Anthropic) directamente a tu cuenta personal de Telegram a través de MCP, para que pueda leer tus conversaciones reales, actuar sobre ellas y ayudarte a gestionar Telegram como un CRM — sin que copies y pegues nada.

Si buscas las instrucciones de configuración, están en la guía de configuración y en nuestro post anterior sobre conectar Entergram a Claude vía MCP. Este post se salta la configuración y va directamente a lo que puedes hacer una vez está conectado.

Entergram ejecuta un Telegram MCP Server remoto en https://mcp.entergram.com/mcp. Claude se conecta a él como conector personalizado — añades la URL en Ajustes → Conectores de Claude Desktop, autorizas con OAuth y desde ese momento Claude tiene acceso a tu workspace de Telegram a través de un conjunto definido de herramientas.

Esas herramientas cubren todo: listar chats, leer historial de mensajes, enviar mensajes, crear y actualizar tickets, leer y escribir campos personalizados en contactos y chats, y extraer analíticas. Claude no obtiene acceso crudo a la base de datos — llama a herramientas estructuradas, las mismas que usarías programáticamente. Eso significa que obtienes el razonamiento de la AI sobre datos reales, con controles de acceso adecuados por debajo.

La configuración lleva unos cinco minutos. Después, los prompts de abajo simplemente funcionan.

Prompt: «Resume todos los chats no leídos de hoy. Agrúpalos por urgencia y marca cualquier cosa que parezca una queja de cliente o pregunta sin resolver.»

Claude llama a list_chats con filtros de no leídos, lee los mensajes recientes de cada uno y devuelve un briefing estructurado. Pasas de 40 hilos no leídos a un resumen de una página en menos de un minuto. Sin cambiar de pestaña, sin hojear — Claude lo lee todo y saca lo que importa.

Prompt: «¿Qué contactos etiquetados como VIP no han recibido respuesta de mi equipo en las últimas 24 horas?»

Este es el tipo de consulta que llevaría un esfuerzo real ejecutar manualmente. Claude llama a list_contacts filtrado por etiqueta personalizada, lee el historial de mensajes recientes de cada uno, comprueba si el último mensaje fue entrante o saliente y devuelve una lista con marcas de tiempo. Puedes hacer seguimiento de inmediato: «Redacta un mensaje breve de check-in para cada uno de ellos.»

Prompt: «Crea un ticket de alta prioridad para el chat con Lena Schmidt. Titúlalo 'Disputa de facturación — factura #4892' y asígnalo al equipo de soporte.»

Claude llama a create_ticket con los parámetros correctos, lo vincula al chat y confirma. No tienes que salir de la conversación ni abrir una herramienta separada. El sistema de ticketing lo captura y aparece en tu cola de inmediato.

Prompt: «Lee los últimos cinco mensajes de Miguel Torres y redacta una respuesta sobre el estado de su pedido. El pedido se envió ayer, número de seguimiento TRK-88201.»

Claude lee el hilo de la conversación, entiende el contexto y escribe una respuesta que coincide con el tono de los mensajes anteriores. La revisas, editas si es necesario y confirmas. Claude la envía con send_message. Todo el proceso lleva 30 segundos en lugar de tres minutos.

Prompt: «¿Cuál es nuestro tiempo de primera respuesta a los nuevos chats entrantes esta semana? Desglósalo por miembro del equipo.»

Claude consulta el historial de mensajes de los chats recientes, identifica el primer mensaje entrante y la primera respuesta saliente en cada hilo, calcula el delta y agrega por remitente. Estas son analíticas ad-hoc que no tienes que preconfigurar — simplemente preguntas.

Prompt: «Encuentra todos los chats de los últimos 7 días que mencionen la palabra 'reembolso' y establece su campo personalizado 'prioridad' a 'urgente'.»

Claude escanea el contenido de los mensajes en los chats, construye una lista de coincidencias y llama a patch_chat_custom_fields para cada uno. Lo que llevaría una tarde de filtrado manual lleva segundos. Puedes ejecutar variaciones: «...menciona 'cancelar' o 'cancelación'», «...de contactos en España», y así sucesivamente.

Prompt: «Genera un informe semanal de los últimos 7 días: total de tickets creados, tickets resueltos, tiempo de resolución medio y qué miembros del equipo cerraron más tickets.»

Claude llama a las herramientas relevantes de tickets y analíticas, agrega los números y formatea el resultado como un informe legible. Puedes pedirle que profundice: «¿Qué categorías de tickets tuvieron los tiempos de resolución más largos?» o «Compara esta semana con la anterior.» Obtienes el tipo de insight que normalmente requiere una herramienta de BI, a demanda, en lenguaje natural.

Prompt: «Mira todos los contactos etiquetados como 'trial' y puntúalos del 1 al 10 basándote en: días desde el último mensaje, si han abierto un ticket y su campo personalizado 'tamaño del plan'. Lista los 10 mejores.»

Claude lee los registros de contactos, extrae los valores de los campos personalizados, comprueba la actividad reciente del chat, aplica la lógica de puntuación que describiste y devuelve una lista ordenada con razonamiento. Este es el tipo de cosa que una persona de sales ops pasaría una tarde construyendo en una hoja de cálculo. Claude lo hace en una conversación.

Prompt: «Envía este mensaje a todos los contactos etiquetados como 'trial-ending': 'Hola, tu prueba termina en 3 días — con gusto respondo cualquier pregunta antes de que decidas.'»

Claude llama a list_contacts filtrado por la etiqueta, luego envía el mensaje a cada contacto usando send_message. Revisas la lista primero, confirmas y se ejecuta. Outreach dirigido sin necesidad de construir una herramienta de campañas.

Prompt: «Revisa los últimos 30 días de mensajes en el chat de grupo #equipo-ventas. Marca los mensajes que incluyan compromisos de precios, garantías de SLA específicas o declaraciones que puedan ser legalmente vinculantes.»

Claude lee el historial del chat grupal y marca los mensajes que cumplen tus criterios con contexto — quién lo dijo, cuándo y por qué es potencialmente sensible. Una revisión de cumplimiento que llevaría horas a un equipo legal lleva minutos. Puedes ajustar los criterios sobre la marcha: «También marca cualquier cosa que mencione a un competidor por nombre.»

Los tres funcionan con conectores MCP, y la elección depende de cómo quieras trabajar.

Claude Desktop es el más natural para flujos de trabajo conversacionales — tienes una interfaz de chat persistente, puedes construir sobre turnos anteriores y el conector siempre está disponible. Ideal para los casos de uso de arriba donde estás teniendo un ida y vuelta con tus datos.

Claude Code (el CLI) es mejor para desarrolladores que quieren crear scripts de flujos de trabajo o ejecutar Claude como parte de una automatización más grande. Puedes canalizar prompts programáticamente, encadenar llamadas a herramientas e integrar Claude en scripts de build o pipelines CI. Si quieres ejecutar «genera mi informe semanal y publícalo en Slack» de forma programada, Claude Code es la herramienta adecuada.

Claude.ai (la app web) también admite conectores MCP. Es útil si quieres acceso desde un navegador sin instalar nada localmente. La experiencia es la misma que Desktop — añades el conector, autorizas y empiezas a usar prompts.

No todos los modelos de AI manejan MCP igual de bien, y Claude tiene algunas fortalezas específicas que importan para el trabajo con Telegram CRM.

Soporte MCP nativo. Claude fue construido con MCP como interfaz de primera clase. No hay plugins que instalar, ni wrappers de API, ni ingeniería de prompts frágil para que las herramientas funcionen. Añades el conector y Claude sabe cómo usar las herramientas correctamente.

Ventana de contexto larga. Las conversaciones de Telegram son largas. Leer un mes de mensajes en 20 chats activos es mucho texto. La gran ventana de contexto de Claude significa que puede mantener una imagen completa de una conversación o un conjunto de conversaciones a la vez, que es lo que necesitas para cualquier cosa que implique historial, tendencias o comparaciones.

Uso estructurado de herramientas. Los prompts de este post no son solo generación de texto — implican leer datos, tomar decisiones y escribir resultados estructurados de vuelta a Entergram. El uso de herramientas de Claude es lo suficientemente fiable para encadenar múltiples llamadas (leer chats → filtrar → actualizar campos → confirmar) sin perder el hilo del estado. Eso es lo que hace que los ejemplos más complejos de arriba funcionen en la práctica.

Si has estado usando Claude para escritura o investigación y no lo has probado con datos operativos en vivo, el Telegram CRM es un buen lugar para empezar. Los datos ya están ahí, las herramientas están bien definidas y las consultas que te importan — quién necesita respuesta, qué está en tendencia, qué se está escapando — son exactamente el tipo de cosa que Claude maneja bien.

El conector MCP está disponible en todos los planes de Entergram. La configuración lleva unos cinco minutos:

1. Crea un cliente OAuth en Entergram en Ajustes → Desarrollador
2. Añade https://mcp.entergram.com/mcp como conector personalizado en Claude Desktop (o Claude.ai)
3. Autoriza con OAuth y empieza a usar prompts

Las instrucciones completas están en la guía de configuración y en el post de configuración. Si estás conectando ChatGPT en lugar de Claude, consulta cómo conectar ChatGPT a Telegram.

Una vez conectado, los prompts de arriba están listos para ejecutarse — sin configuración, sin mapeo, sin SQL. Solo describe lo que quieres saber.