VICEPRESIDENTE DE DESARROLLO DE VENTAS EN NOOKS
Melanie Smith es vicepresidenta de desarrollo de ventas en Nooks, donde dirige el crecimiento de la cartera de clientes potenciales, la contratación, la formación y la implementación de la inteligencia artificial.
Melanie SmithLa automatización no es estrategia: replantearse la IA en el ámbito de las ventas
Melanie Smith, vicepresidenta de desarrollo de ventas de Nooks, abrió su sesión con una pregunta en lugar de una afirmación: ¿cuántas personas de las presentes podían decir, en dólares, cuánto volumen de negocio había generado realmente su IA? Muy pocas personas levantaron la mano. Ese silencio se convirtió en el eje central de un argumento de treinta minutos que no tenía casi nada que ver con los proveedores y casi todo que ver con la disciplina. Nooks ha observado más de mil millones de interacciones de ventas a través de su plataforma, y la conclusión que Smith extrajo de esos datos resulta incómoda: probablemente, la tecnología sea mejor que la forma en que la mayoría de los equipos la están utilizando.
Su tesis es engañosamente sencilla. Todo el mundo tiene acceso, en líneas generales, a los mismos modelos. Por lo tanto, la diferenciación no puede venir del logotipo que aparece en la factura. Proviene de si un equipo ha creado un modelo operativo que defina, tarea por tarea, en qué partes la máquina realiza el trabajo, en cuáles ayuda y en cuáles no debe intervenir en absoluto en la interacción. «Voy a automatizar la prospección» no es una estrategia; es una frase que esconde veinte o treinta decisiones distintas.
Esta sesión no abordó deliberadamente la medición del ROI. Ofreció algo posiblemente más útil en una fase previa al ROI: un mapa de decisiones, tres preguntas de selección, tres categorías y un ejercicio que cabe en una sola tarde.
La postura inicial de Smith va en contra de la mayor parte del discurso actual sobre compras. Si los competidores tienen acceso a los mismos modelos de vanguardia, a las mismas fuentes de enriquecimiento y, en términos generales, a la misma categoría de herramientas, entonces la elección del software no es lo que marca la diferencia. Lo que marca la diferencia es el razonamiento previo a la adquisición: una descripción explícita y por escrito de cómo se ejecutará realmente cada tarea recurrente en el proceso de ventas.
Fue muy clara sobre el nivel de detalle necesario. Las ambiciones a nivel de flujo de trabajo —«automatizar la prospección», «automatizar las llamadas salientes»— son demasiado generales para ser operativas. Un flujo de trabajo es un conjunto de decisiones, borradores, juicios de valor y elementos de contexto que residen en la mente de un comercial. Hasta que ese conjunto no se desglose en tareas individuales y recurrentes, no se puede asignar ninguna categoría ni es posible realizar una medición fiable.
«No se trata necesariamente de qué software se compra o qué proveedor se elige, sino, más concretamente, de si te has tomado el tiempo de elaborar un modelo operativo que describa exactamente cómo se va a utilizar».
El patrón de fracaso que describió resulta familiar para cualquiera que haya asistido a una revisión de renovación: comprar IA, implementar IA, esperar que funcione y descubrir doce meses después que ni se ha adoptado ni ha sido eficaz. El paso de «esperar» es donde debería haber estado la estrategia.
En lugar de recurrir a una historia de terror anónima de un cliente, Smith contó una en la que ella misma era la protagonista. Aproximadamente entre diez y doce meses antes, un SDR empresarial de su equipo compró una licencia personal de ChatGPT Enterprise e informó de avances significativos. En una semana, otros doce SDR empresariales habían solicitado lo mismo. Ella compró trece licencias en el acto, sin un plan ni orientación alguna. En sus propias palabras, simplemente dijo que confiaba en ellos.
Dos meses después, volvió a preguntar lo único que importaba: ¿cómo, cuándo y por qué se estaba utilizando la herramienta? La respuesta fue aleccionadora. Aproximadamente la mitad del equipo había iniciado sesión un par de veces y había redactado unos cuantos correos electrónicos. Cuatro comerciales la habían utilizado para tareas personales, entre ellas el cuidado de las plantas y recetas de cocina. Solo dos habían creado algo realmente útil y repetible que un compañero pudiera retomar y reutilizar.
La lección que extrajo no fue que la herramienta fuera deficiente ni que los comerciales no estuvieran dispuestos a usarla. El problema era estructural: sin asignar las tareas recurrentes al sistema, no hay nada a lo que se pueda vincular el retorno de la inversión. La confianza no es un plan de implantación. Tampoco —añadió— lo es una política de IA o un equipo de centro de excelencia: estos llegan demasiado tarde para solucionar un problema creado a nivel de tareas.
Entre clientes y compañeros, Smith observa dos modos de fallo distintos. El primero es la automatización excesiva. La interacción comercial se automatiza por completo, los envíos se multiplican por diez, las respuestas disminuyen y el dominio de envío se satura. El correo electrónico hiper«personalizado» hace referencia a una publicación de LinkedIn que el cliente potencial nunca escribió. Pero el daño más costoso nunca aparece en un panel de control: el desarrollo del talento. Si un comercial no es capaz de averiguar por sí mismo por qué una cuenta es importante, tampoco llevará a cabo un buen proceso de descubrimiento. Las capacidades que los comerciales deben seguir desarrollando no deben delegarse por completo a una máquina.
El segundo es la infrautilización. Se compra la herramienta, la adopción ronda el veinte por ciento, los ejecutivos empiezan a preguntar qué cartera de oportunidades y qué operaciones influenciadas ha generado, y los comerciales siguen dedicando la mayor parte de su semana a las notas del CRM y a la investigación de cuentas. Cuando se les pregunta cómo, cuándo y por qué la utilizan, los comerciales responden «No lo sé», lo que Smith interpreta sin rodeos.
«“No lo sé” significa que no».
Su diagnóstico es sencillo: si tres comerciales no pueden dar una respuesta clara sobre cómo utilizan una herramienta, hay una pieza que falta y que merece la pena investigar. Y la realidad que más se pasa por alto es que los equipos se identifican a sí mismos como pertenecientes a un solo bando, mientras que en la práctica hacen ambas cosas a la vez —a veces dentro de un mismo flujo de trabajo—.
El marco que utiliza Smith es AAH —Automatizar, Potenciar, Humano— y la regla es que cada tarea recurrente en el proceso de ventas se ubique exactamente en una sola categoría. Ella posicionó esto deliberadamente en contraposición a la frase favorita del sector, «human in the loop» (el ser humano en el bucle), que considera «poco específica en cuanto a hacia dónde ha evolucionado la tecnología». Un «bucle» te indica que hay un humano cerca; no te dice quién es responsable del resultado.
«Automatizar» significa que la máquina ejecuta la tarea de principio a fin. Un humano puede auditar muestras para confirmar que el modelo funciona correctamente, pero nunca debe revisar cada caso. «Potenciar» significa que la máquina realiza aproximadamente el primer ochenta por ciento y el humano decide y ejecuta; el humano es siempre el último paso. «Solo humano» significa que la máquina no debe intervenir en la interacción; puede prepararla, pero no debe llevarla a cabo. Esta distinción se aplica a los procesos de SDR, AE y AM.
Reservó una advertencia específica para la falsa automatización: un proceso automatizado al que se le añade una «revisión» de mero trámite. Eso no es automatización. Indica que el equipo no confía en el sistema y, de forma silenciosa, añade culpa y carga de trabajo a la jornada de alguien sin aportar calidad. Cada tarea debe asignarse de forma consciente y, a continuación, debe construirse el sistema para ese conjunto de tareas.
Tres preguntas, formuladas en orden, que clasifican cualquier tarea en una categoría:
Las reglas de puntuación se derivan directamente de ello. Verificable, sin contexto oculto, sin implicaciones de confianza → automatizar. Con contexto oculto, pero la máquina aún puede redactar un borrador para que el comercial decida y lo ejecute → potenciar. Con implicaciones de confianza, o un error que no se pueda revertir en la relación → humano: la máquina prepara, pero no actúa, y ese momento queda protegido.
«Automatiza la introducción de datos, potencia el juicio y la toma de decisiones, pero protege el momento que tus comerciales necesitan tener con sus clientes».
La prospección es el terreno de juego de Smith, y admitió con franqueza que, hace doce meses, lo más fácil era afirmar que se podía automatizar por completo para que los comerciales dedicaran el cien por cien de su tiempo a las llamadas en frío. Eso no es realista. Los comerciales siguen tomando decisiones, retocando correos electrónicos y recuperando contexto —una conversación en un evento, por ejemplo— que se encuentra totalmente fuera del sistema.
El error más común no es simplemente automatizar en exceso. Es automatizar la capa equivocada: la salida en lugar de la entrada. Los correos electrónicos masivos redactados por IA son el resultado visible, y son la basura que ahora inunda los feeds de LinkedIn y las bandejas de entrada. La división correcta invierte este proceso. Automatiza la entrada: la investigación de cuentas que el sistema lee y recopila. Mejora el correo electrónico, con una persona que confirme que realmente se ajusta a lo que se sabe sobre la cuenta y el cliente potencial.
El ejemplo práctico dejó clara la cuestión económica. La automatización excesiva produce 500 correos electrónicos redactados por una máquina con una tasa de respuesta del 0,4 %, lo que no compensa el daño a la reputación de la empresa. La alternativa son 500 informes de investigación automatizados, a partir de los cuales el comercial redacta 40 correos electrónicos genuinamente contextuales basados en el historial real de la cuenta —y con una tasa de respuesta mucho mayor—. Las mismas horas, el mismo número de empleados, resultados sustancialmente mejores.
Cuando Smith analizó la interacción comercial a través de las tres preguntas, descubrió que casi todo lo que acababa en la columna de «automatizar» era pura sobrecarga administrativa. Su opinión al respecto fue tajante: no hay ningún arte en teclear notas de llamadas en un CRM. Admitió que en su día insistió en que los SDR escribieran a mano todas las notas de llamadas en frío, y ahora lo considera una pérdida de tiempo. Los sistemas pueden escuchar las llamadas y redactar las notas; el SDR debe seguir revisándolas.
La puntuación de llamadas, por el contrario, pertenece claramente a la categoría de «potenciar». La IA puede puntuar cada llamada y detectar patrones en todo el equipo —un cambio genuino que pasa de revisar aleatoriamente unas pocas grabaciones a ver la distribución completa—. Lo que la IA no puede hacer es ofrecer orientación. Cada comercial recibe la retroalimentación de forma diferente, y el equilibrio entre la franqueza y la delicadeza es una cuestión de criterio humano. El responsable sigue encargándose de la orientación y de elaborar el plan de desarrollo; las herramientas, incluido Nooks, se encargan de la puntuación.
También señaló que la división adecuada varía según el contexto. Los equipos de grandes empresas y de pymes no seguirán el mismo patrón, y el volumen altera los cálculos. El error más común sigue siendo intentar hacer ambas cosas a la vez: automatizar en exceso algunas tareas mientras se automatizan insuficientemente otras y, con frecuencia, limitarse a cambiar de plataforma en lugar de modificar el trabajo en sí.
La gestión de acuerdos en fase avanzada para los ejecutivos de ventas (AE) y los gestores de cuentas (AM) es el caso más claro del marco, ya que las tres preguntas dan negativo a la vez. No se puede verificar el trabajo antes de que el comprador lo perciba. Depende de un contexto tácito acumulado a través de pequeñas interacciones, no solo de transcripciones de llamadas. Y la confianza es el activo fundamental: como dijo Smith, la gente compra a personas en las que confía; si no fuera así, no habría comerciales. Las interacciones con el comprador en esta fase no deben automatizarse.
Eso no significa que la máquina se quede inactiva. Su función pasa a ser la preparación y la extracción de información: qué se compartió la última vez que este cliente potencial te evaluó, o un cambio en la dirección de la empresa en LinkedIn que el comercial aún no ha detectado. El principio que ella repitió —prepara a tu comercial de ventas antes de que entre en una reunión, pero protege el momento— traza la línea precisamente donde comienza la relación.
Su ejemplo interno en Nooks fue deliberadamente poco glamuroso: analiza cada operación que tenga un único contacto asociado y una fecha de cierre dentro de los próximos 30 o 60 días, ajustada a tu ciclo de operaciones real, y utiliza esa lista para decidir en qué se invierte el mes o el trimestre. La máquina no puede realizar el segundo contacto ni involucrar a las partes interesadas que faltan; esas son tareas humanas. Lo que sí puede hacer es orientar hacia dónde se destina el tiempo humano.
Smith concluyó planteando una tarea deliberadamente sencilla, basándose en que todos los presentes en la sala ya tienen un trabajo a tiempo completo, además de tener que averiguar cómo encaja la IA en sus funciones. Su instrucción explícita fue no elaborar una estrategia ni convocar un grupo de trabajo. Todo el ejercicio se limita a una tarde, incluyendo aproximadamente una hora de reunión con un representante.
A continuación, compara el mapa con lo que ocurre en la realidad —incluido cómo utilizan realmente los representantes la tecnología que ya has adquirido—. La mayoría de los equipos descubren que sus candidatos a la automatización son «vergonzosamente obvios» una vez mapeados. El verdadero valor reside en los desajustes: tareas que se suponía que podían automatizarse y que, en cambio, resultan necesitar un refuerzo. El correo electrónico saliente fue el ejemplo práctico que puso; no todo debe automatizarse, y parte de ello debería volver a gestionarse manualmente.
«Si tienes una lista de entre 20 y 40, elige tres».
Tres: las más fáciles y evidentes. No se trata de un programa trimestral ni de una transformación anual. Insistió en que las cosas deben abordarse en pequeñas dosis y no limitarse a añadirlas a una lista, e invitó a los asistentes a fotografiar la diapositiva de las tres preguntas y a revisar cualquier tecnología adquirida que no se esté utilizando adecuadamente, o cualquier herramienta que se esté evaluando actualmente, comparándola con el modelo de categorías. Su propia advertencia fue sincera: el ejercicio no lo resolverá todo, pero es un buen primer paso.
Al final se planteó una pregunta sobre los bucles de retroalimentación: ¿cómo deben saber los equipos si la distinción entre automatización y potenciación está funcionando?
La respuesta de Smith fue que depende de lo que se esté automatizando frente a lo que se esté potenciando, y de la tecnología ya implantada: algunas herramientas cuentan con buenos informes nativos y otras no. Su postura firme fue que siempre debe existir un ciclo de retroalimentación tanto antes como después de un cambio, de modo que haya una referencia con la que comparar en lugar de una suposición retrospectiva.
En cuanto a las pruebas A/B en concreto, señaló que el tamaño del equipo es la limitación. Con un equipo de unos cuarenta comerciales, unos pueden probar un enfoque mientras otros prueban la alternativa, y la comparación resulta significativa. Los equipos más pequeños necesitan mecanismos diferentes. Hay varias formas de ponerlo en práctica, e invitó a los asistentes con más preguntas a continuar la conversación en los stands de la planta baja.
También dejó deliberadamente abierta una pregunta, dirigida a los responsables de equipos más que a las decisiones sobre herramientas de la sala: qué implicaciones tiene la IA para la próxima generación de comerciales si todo —o nada— se automatiza. La medición del ROI se pospuso explícitamente y no se trató en esta sesión.