Inserimento dati CRM con l'AI per Telegram: compila campi ed etichette con MCP

Collega il server MCP per Telegram di Entergram a un client AI e l'agente può leggere i messaggi di ogni chat, creare le colonne CRM che descrivi e scrivere il valore giusto in ogni chat a cui ha accesso, in un'unica esecuzione. Descrivi il risultato in un prompt ("una colonna Lingua, compilata dagli ultimi 100 messaggi"), controlli un campione dei valori che propone e lasci fare a lui il resto. Questo articolo presenta cinque esempi concreti: rilevamento della lingua, fase di vendita, etichette di supporto, i campi che nessuno compila e un broadcast al segmento che l'agente ha appena costruito.

Il motivo per cui conta è che le colonne del CRM restano vuote nella settimana in cui il team è più impegnato. Nessuno ha voglia di rileggere una lunga chat per capire che il contatto è un rivenditore di lingua turca che ha chiesto dei prezzi per volumi, e poi scriverlo in quattro campi. L'informazione è già nei messaggi; un agente con accesso MCP può leggerla e riscriverla come dati strutturati da filtrare, usare nei report e su cui basare i broadcast.

Il Model Context Protocol è lo standard che permette ai client AI di chiamare sistemi esterni. Entergram espone un server MCP ospitato, e gli strumenti che pubblica determinano cosa può fare davvero un agente. Per questo lavoro contano quattro gruppi:

• Chat e ricerca: entergram_list_workspace_chats, entergram_get_workspace_chat. È la vista CRM di una conversazione: valori attuali dei campi, ticket collegati, note interne.
• Messaggi: entergram_list_messages, entergram_send_message. Sono le prove grezze su cui ragiona l'agente e il canale attraverso cui risponde.
• Campi personalizzati del CRM: entergram_list_custom_columns, entergram_create_custom_column, entergram_create_custom_column_option, entergram_patch_chat_custom_fields. Leggere lo schema, estendere lo schema, scrivere i valori.
• Note interne e ticket: entergram_create_chat_comment, entergram_create_ticket. Dove l'agente lascia il suo ragionamento e dove fa escalation.

La parte importante è che create_custom_column esista. Quasi tutte le integrazioni permettono a una macchina di scrivere in campi progettati da qualcun altro. Qui l'agente può progettare anche il campo: sceglie il tipo (text, textarea, number, date, select, multiselect, checkbox), definisce l'elenco delle opzioni, assegna un colore a ciascuna e inizia subito a compilarlo. Il flusso passa da "configura, poi automatizza" a "descrivi il risultato che vuoi e lascia che costruisca la struttura".

La configurazione richiede pochi minuti: copia l'URL del tuo server MCP da Settings → Workspace → Connectors → MCP, incollalo in Claude, ChatGPT, Cursor, n8n o qualsiasi client usi e autorizza gli ambiti. La pagina di aiuto sui connettori MCP e la nostra guida per collegare qualsiasi client AI spiegano i dettagli per ogni piattaforma. Tutto ciò che segue dà per scontato che la connessione sia attiva.

Inizia da quella che si ripaga subito, soprattutto se vendi all'estero.

Non hai idea di quale lingua preferisca la maggior parte dei tuoi contatti. Il tuo team scrive in inglese per abitudine, riceve risposte brevi e le interpreta come scarso interesse. Metà delle volte non è scarso interesse: è qualcuno che scrive nella sua terza lingua e taglia corto perché gli costa fatica.

Ecco l'intero flusso sotto forma di prompt:

Crea nel mio workspace Entergram una nuova colonna personalizzata per le chat chiamata "Lingua", di tipo select, con queste opzioni: Inglese (en), Russo (ru), Spagnolo (es), Turco (tr), Portoghese (pt), Farsi (fa), Arabo (ar), Cinese (zh), Tedesco (de), Francese (fr) e Misto/Non chiaro (unclear). Dai a ciascuna un colore diverso.

Poi passa in rassegna ogni chat del workspace. Per ciascuna leggi gli ultimi 100 messaggi, guarda solo ciò che ha scritto il contatto (ignora i miei messaggi e qualsiasi output di bot) e stabilisci la lingua principale in cui scrive. Scrivila nel campo Lingua. Se ci sono meno di cinque messaggi del contatto, o se il contatto scrive in due lingue in misura più o meno uguale, imposta unclear invece di tirare a indovinare.

Prima di scrivere qualsiasi cosa, mostrami le prime 20 chat con il valore che proponi e una riga di motivazione. Io confermo, poi tu fai il resto.

Cosa fa davvero l'agente, passo per passo:

1. Chiama entergram_list_custom_columns per verificare se esiste già una colonna Lingua, così una seconda esecuzione non crea un duplicato.
2. Chiama entergram_create_custom_column con type: "select" e l'array delle opzioni, ognuna con un label, un value stabile e un color esadecimale.
3. Chiama entergram_list_workspace_chats per elencare le conversazioni, usando items[].telegramId come id canonico della chat.
4. Per ogni chat, chiama entergram_list_messages e recupera la cronologia recente.
5. Decide il valore, poi chiama entergram_patch_chat_custom_fields con { language: "tr" }.

Alcuni accorgimenti fanno la differenza tra una colonna davvero utile e una di cui smetti di fidarti:

Escludi i tuoi messaggi. Se l'agente legge tutto il thread, compresa la tua parte, un team di supporto che scrive soprattutto in inglese spingerà ogni risultato verso l'inglese. L'istruzione "guarda solo ciò che ha scritto il contatto" fa un lavoro vero.

Distingui l'alfabeto dalla lingua. Il cirillico non è automaticamente russo: può essere ucraino, bulgaro o serbo. L'alfabeto arabo non è automaticamente arabo, lo usano anche il farsi e l'urdu. Dillo in modo esplicito nel prompt se vendi in quei mercati, e l'agente guarderà il lessico invece di fermarsi all'alfabeto.

Dagli una via d'uscita. L'opzione unclear è ciò che impedisce alla colonna di riempirsi di sciocchezze dette con sicurezza. Un campo compilato al 90% e corretto batte uno compilato al 100% e sbagliato al 15%, perché il secondo avvelena in silenzio ogni broadcast che ci costruisci sopra.

Aggiungi un campo di affidabilità se la posta è alta. Una seconda colonna, Affidabilità lingua, di tipo number, permette all'agente di registrare un valore da 0 a 100 accanto a ogni ipotesi. Poi filtri tutto ciò che è sotto 70 e lo controlli tu a occhio. Quaranta chat da rivedere invece di 1.400.

Una volta creata, quella colonna non è solo decorazione. Decide chi riceve quale modello di risposta, quale collega prende in carico la chat e, come vedrai più avanti, quale variante di broadcast riceve un contatto.

Stesso meccanismo, giudizio più difficile. È la colonna che i tuoi commerciali avrebbero dovuto aggiornare e non hanno mai aggiornato.

Crea una colonna select "Fase pipeline" con le opzioni: Nuovo lead, In qualificazione, Demo fissata, Proposta inviata, Trattativa, Vinto, Perso, Dormiente.

Per ogni chat leggi gli ultimi 100 messaggi e scegli la fase che la conversazione supporta davvero. Usa prove, non sensazioni: "Proposta inviata" solo se ho inviato prezzi o un documento; "Demo fissata" solo se è stata concordata una call con un orario; "Vinto" solo se c'è una conferma di pagamento o di avvio; "Perso" solo se hanno rifiutato esplicitamente. Se l'ultimo messaggio del contatto ha più di 45 giorni e non c'è un esito chiaro, imposta Dormiente.

Per ogni chat che etichetti, lascia anche una nota interna che citi il messaggio specifico che giustifica la fase, con la sua data.

L'ultima riga è quella che rende il tutto affidabile. entergram_create_chat_comment scrive una nota che vede solo il tuo team, mai il cliente. Così ogni chat etichettata porta con sé la propria traccia di controllo: "Proposta inviata, in base al messaggio del 12 giugno: 'ecco il preventivo per 200 postazioni'". Quando un commerciale non è d'accordo con un'etichetta, vede in due secondi perché l'agente l'ha scelta e corregge l'etichetta, invece di perdere fiducia nell'intera colonna.

Varianti utili una volta che la versione base funziona:

• Una colonna data Ultimo contatto significativo, compilata con l'orario dell'ultimo messaggio non banale, escludendo "ok", "grazie", sticker e reazioni. Ordina in base a questa e ottieni una vera coda di follow-up, invece di una inquinata dalle emoji col pollice in su.
• Una colonna number Valore dell'accordo, compilata con qualsiasi cifra il contatto abbia effettivamente nominato. Vuota quando non se n'è parlato. All'improvviso la tua pipeline ha un numero, preso da conversazioni che nessuno aveva mai registrato.
• Un campo textarea Ostacolo, una frase sul perché ogni accordo non si è chiuso. Leggi quella colonna per venti chat e imparerai sul tuo funnel più di quanto ti dica qualsiasi dashboard.

Se fai outreach a volume, abbina questo approccio a quello della nostra guida all'automazione delle vendite su Telegram: la colonna della fase è ciò che rende indirizzabile il resto della pipeline.

Il supporto ha bisogno di una forma diversa dalle vendite, ed è il caso in cui il multiselect si guadagna il posto, perché spesso una conversazione è una domanda di fatturazione e una segnalazione di bug.

Crea una colonna multiselect "Tipo di problema" con le opzioni: Fatturazione, Bug, Onboarding, Richiesta di funzione, Integrazione, Accesso all'account, Segnalazione di abuso. Crea una colonna checkbox "Serve una persona". Crea una colonna select "Sentiment" con le opzioni: Contento, Neutro, Frustrato, Arrabbiato.

Per ogni chat con attività del contatto negli ultimi 14 giorni, leggi i messaggi recenti e imposta tutti e tre i campi. Spunta "Serve una persona" quando il contatto ha fatto una domanda che non ha mai avuto risposta, o quando il sentiment è Frustrato o Arrabbiato.

Poi, per tutto ciò che ha "Serve una persona" spuntato e sentiment Arrabbiato, apri un ticket ad alta priorità, dagli come titolo un riepilogo di una riga del problema e collegalo alla chat.

I valori multiselect si inviano come array di valori delle opzioni, ["billing", "bug"], non come etichette, ed è per questo che l'agente deve sempre leggere lo schema prima di scrivere. I campi checkbox accettano veri booleani. I campi data accettano stringhe ISO 8601. Se ne sbagli uno, la scrittura viene rifiutata invece di essere storpiata in silenzio, ed è il comportamento che vuoi.

Alla fine hai una coda di supporto ordinata con un criterio migliore dell'ordine di arrivo. Filtra per Serve una persona = true, ordina per sentiment e lavori l'elenco nell'ordine che riduce davvero l'abbandono dei clienti. Abbinalo a una bacheca Kanban per i ticket e le escalation aperte dall'agente compaiono nella stessa corsia da cui il tuo team lavora già.

I due esempi precedenti sono quelli ovvi. Questi sono quelli che sorprendono.

Orari di attività. Una colonna number, Ora di attività, compilata con l'ora del giorno (in UTC) in cui il contatto invia più spesso messaggi, calcolata dagli orari degli ultimi 100 messaggi. All'agente non costa nulla in più, gli orari li ha già, e ti dice quando una persona è davvero alla scrivania. Scrivere a un acquirente di Dubai alle 07:00 UTC e a uno di San Paolo alle 19:00 UTC significa un tasso di risposta sensibilmente più alto senza alcuno sforzo in più.

Schema di risposta. Una colonna select (Risponde subito, Risponde in giornata, Risponde in qualche giorno, Risponde di rado) ricavata dall'intervallo mediano tra il tuo messaggio e la sua risposta. È il campo che ti dice se il silenzio significa qualcosa. Un contatto che impiega sempre quattro giorni non si sta raffreddando; uno che risponde nella stessa ora ed è in silenzio da una settimana sì.

Azienda e ruolo. Colonne di testo, compilate con ciò che la persona ha detto di sé nella conversazione: la firma, la presentazione, il messaggio "siamo un exchange di 40 persone a Singapore" del primo mese. È lì nella cronologia e nessuno l'ha mai copiato in un campo.

Fonte di provenienza. Una colonna select, compilata con ciò che il contatto ha detto su come ti ha trovato: una community, un partner, un canale specifico. Eseguila su tutto il workspace e ottieni un report di attribuzione per un canale che non ne ha mai avuto uno.

Segnalazioni di conformità. Una checkbox Ha chiesto niente marketing, spuntata quando qualcuno ha chiesto anche una sola volta di non essere contattato a scopo promozionale. Eseguila una volta su tutta la cronologia e avrai costruito una lista di esclusione a partire da messaggi che il tuo team ricorda solo a metà. Prima della tua prossima campagna, quel singolo campo vale l'intero esercizio.

Nessuno di questi richiede nuove funzioni di prodotto. Sono tutti semplici colonne più una passata di lettura, ed è proprio questo che rende MCP degno di essere collegato.

Ora il ritorno. Le colonne qui sopra non sono fini a sé stesse; esistono perché tu possa agire su gruppi invece che su singole persone.

Una volta compilati Lingua, Fase pipeline e Ultimo contatto significativo, diventa possibile una richiesta come questa:

Trova ogni chat in cui Fase pipeline è Dormiente, Lingua è Russo, Ha chiesto niente marketing non è spuntato e Ultimo contatto significativo risale a più di 60 giorni fa. Mostrami l'elenco con i nomi e l'ultima cosa che hanno detto.

Scrivi una bozza di breve messaggio di riattivazione in russo: due frasi, niente emoji, con un riferimento al fatto che l'ultima volta abbiamo parlato di prezzi. Mostrami la bozza e l'elenco dei destinatari. Non inviare ancora niente.

Tu controlli. Modifichi il testo. Poi:

Invialo, una chat alla volta, dall'account vendite, con una pausa tra un invio e l'altro. Salta chi ci ha scritto nelle ultime 48 ore. Dopo l'invio, imposta Fase pipeline su In qualificazione e lascia una nota interna con la data e la campagna.

Ecco un broadcast segmentato, nella lingua giusta e rispettoso della lista di esclusione, che come effetto collaterale aggiorna anche il tuo CRM, costruito con campi che un'ora prima non esistevano. La guida ai messaggi broadcast copre lo stesso lavoro dall'interfaccia di Entergram; la strada MCP è quella che vuoi quando il segmento è definito da qualcosa che solo una passata di lettura può stabilire.

Qui contano tre regole, più che in qualsiasi altro punto dell'articolo:

Chiedi sempre una prova a secco. "Mostrami l'elenco e la bozza, non inviare" dovrebbe stare in ogni prompt di broadcast che scrivi. L'invio è l'unica azione che non puoi annullare, e messages.write permette a un agente di inviare a nome tuo.

Dosa il ritmo. Il comportamento antispam di Telegram reagisce ai picchi. Un messaggio alla volta con una pausa tra l'uno e l'altro non è prudenza di facciata, è il modo in cui mantieni sano l'account. La nostra guida su come inviare messaggi di massa su Telegram approfondisce i limiti.

Scrivi varianti per lingua, non traduzioni di un unico messaggio in inglese. Ora hai una colonna Lingua. Usala come si deve: un messaggio russo scritto in russo rende più di un messaggio inglese tradotto a macchina, e l'agente è perfettamente in grado di scrivere il primo se glielo chiedi.

Qualche nota pratica per il primo grande recupero dei dati.

Lavora a lotti. Chiedi 50 chat alla volta invece di 1.400 in un'unica istruzione. Il contesto dell'agente è limitato, e un'esecuzione a lotti che riporta i progressi è un'esecuzione che puoi fermare, correggere e riprendere. "Fai le chat da 1 a 50, mostrami una tabella di riepilogo, poi aspetta" è un'istruzione migliore di "fai tutto".

Ordina per valore. Fai prima le chat attive, non in ordine alfabetico. Se l'esecuzione si interrompe a metà, vuoi che sia completata la metà utile.

Rendi le riesecuzioni idempotenti. Di' all'agente di saltare le chat in cui il campo è già impostato, a meno che tu non chieda esplicitamente un aggiornamento. Così puoi eseguire lo stesso prompt ogni settimana per intercettare le nuove conversazioni senza rifare il lavoro.

Concedi solo gli ambiti che ti servono. Per una passata di lettura ed etichettatura bastano chats.read, messages.read e chat_custom_fields.write. Lascia del tutto disattivato messages.write finché non arrivi alla fase di broadcast. Gli ambiti sono il vero confine di sicurezza: vedi cosa possono vedere i colleghi e i client collegati per capire come funzionano i permessi nel workspace.

Tieni una persona nel processo per tutto ciò che è irreversibile. Le etichette si correggono facilmente. I messaggi inviati a 300 persone no.

Un agente AI può davvero leggere le mie chat Telegram personali?
Tramite il server MCP di Entergram, sì: lavora sul tuo account collegato, non su un bot, quindi vede gli stessi messaggi privati, gruppi e canali che vedi tu. È proprio questo il punto: i bot non vedono le conversazioni in cui si svolge davvero il tuo lavoro. La differenza è spiegata in Telegram MCP e Bot API a confronto.

Funziona anche con un bot Telegram?
No. La Bot API può leggere solo i messaggi inviati al bot. Ogni flusso di questo articolo dipende dalla lettura della vera cronologia delle conversazioni di un account normale.

Quali client AI lo supportano?
Qualsiasi client compatibile con MCP: Claude, ChatGPT, Perplexity, Cursor, Cline, Windsurf, Zed, Goose, Raycast, oltre a n8n e Make. La configurazione consiste in un URL e un'autorizzazione OAuth; vedi collegare Claude a Telegram MCP o il confronto dei Telegram MCP del 2026.

Cosa succede se l'agente sbaglia un'etichetta?
Correggi il valore nella tabella delle chat come qualsiasi altro campo. Ecco perché conta l'abitudine delle note interne: vedi il ragionamento, individui lo schema e aggiusti il prompt invece di abbandonare la colonna.

I campi che creo tramite MCP compaiono nell'interfaccia normale?
Sì. Sono normali colonne personalizzate: filtrabili, ordinabili, visibili al tuo team, utilizzabili nelle analisi e nella creazione dei segmenti. MCP è una seconda porta sullo stesso schema, non un sistema parallelo.

L'errore è cercare di progettare il primo giorno uno schema perfetto da dodici colonne. Non farlo. Scegli Lingua, eseguila su tutto il workspace e guarda com'è filtrare la tua casella in base a quella. Bastano un prompt e un caffè, e capisci subito se i valori sono giusti.

Poi aggiungi Fase pipeline. Poi le etichette di supporto. Poi quelle insolite (ora di attività, schema di risposta, fonte di provenienza) che nessun CRM offre di serie, perché nessun CRM poteva sapere che ti sarebbero servite.

La vera svolta non è che l'AI scriva nel tuo database. È che una conversazione diventa finalmente un oggetto interrogabile: qualcosa che puoi etichettare, contare, segmentare e su cui puoi agire, senza che nessuno debba rileggere 200 messaggi per ricordarsi chi fosse quella persona.

Collega il tuo server MCP per Telegram e inizia da una colonna.