Everett Berry de Clay habla sobre la IA y la nueva forma de salir al mercado.

¿Cómo está cambiando ya la IA la estrategia de comercialización, las operaciones y el liderazgo? En esta entrevista, Everett Berry, Jefe de Ingeniería GTM en Arcilla, Ofrece una visión de primera mano de lo que hacen de manera diferente las empresas líderes, hacia dónde es probable que se desplace el crecimiento de los ingresos, qué distingue la adopción escalable de la IA de los proyectos piloto estancados y cómo los directores ejecutivos y los consejos de administración deberían pensar sobre el liderazgo en ingresos en un período de cambios rápidos.

Everett Berry es director de ingeniería de GTM en Clay, una plataforma de comercialización basada en IA. Comenzó su carrera como ingeniero de software, antes de pasar al área de comercialización, donde ha dedicado los últimos años a ayudar a los líderes de ingresos a crear sistemas escalables para datos, automatización, segmentación y ejecución.

Eres el/la responsable de Ingeniería de Estrategia de Comercialización (GTM) en Clay, una plataforma de comercialización basada en IA. Esto significa que trabajas estrechamente con los equipos de ventas para que integren la IA en flujos de trabajo de comercialización repetibles. ¿Qué cambios observas en las empresas líderes a medida que la IA se incorpora a su estrategia de comercialización? ¿Qué aspectos de su crecimiento se ven más afectados cuando la IA está plenamente integrada?

La principal diferencia radica en que la IA ha incrementado drásticamente la velocidad de lanzamiento de productos por parte de los equipos de comercialización. La analogía más cercana se encuentra en el ámbito de la ingeniería. Del mismo modo que la IA permite a los equipos de ingeniería escribir más código y lanzar software con mayor rapidez, está haciendo algo similar con los equipos de ventas mediante estrategias de comunicación. Estos equipos pueden lanzar nuevas campañas, probar nuevos mensajes, enriquecer sus datos y crear automatizaciones que mejoran la productividad de las ventas, sin la necesidad de la coordinación manual que antes ralentizaba todo el proceso.

Eso por sí solo es significativo, pero el cambio más importante radica en las posibilidades que ofrece esa velocidad. Antes, muchas iniciativas de comercialización tardaban tanto en coordinarse y lanzarse que las organizaciones se volvían conservadoras por naturaleza. Si una campaña requería meses de planificación, aprobaciones interdepartamentales y trabajo operativo, existía la presión de que todo saliera perfecto antes de su lanzamiento. La IA cambia esta dinámica. Resulta mucho más sencillo probar múltiples ideas, comparar mensajes, experimentar con nuevos segmentos y perfeccionar lo que funciona en tiempo real, en lugar de considerar cada lanzamiento como una apuesta arriesgada.

Es precisamente ese aumento en la experimentación lo que distingue a las empresas más sólidas. No dan por sentado que pueden predecir qué campaña, perfil de cliente o mensaje tendrá mejor acogida. En cambio, están creando un ritmo operativo basado en pruebas y retroalimentación. La IA les permite realizar más experimentos, recopilar información con mayor rapidez y escalar lo que funciona con menos dificultad. En la práctica, esto significa que el crecimiento se centra menos en encontrar la estrategia perfecta y más en construir una máquina capaz de aprender más rápido que la competencia.

También tiende a favorecer un modelo de comercialización más centralizado. Cuando los datos, los perfiles de usuario, los flujos de trabajo y la mensajería se encuentran en un sistema coordinado, los equipos pueden actuar con rapidez sin generar caos. Se pueden realizar más pruebas porque los datos de entrada son más precisos y el ciclo de retroalimentación es más ágil. Es ahí donde la IA comienza a integrarse de verdad. No se limita a estar al margen del flujo de trabajo ayudando a alguien a redactar un correo electrónico, sino que forma parte de la infraestructura que ayuda a la organización a decidir qué hacer a continuación.

En los próximos dos o tres años, ¿dónde prevé que se produzcan los mayores cambios en el crecimiento de los ingresos, basándose en lo que está observando actualmente en materia de desarrollo?

Creo que esos cambios se manifestarán en tres ámbitos: el diseño organizativo, el proceso de compra y el modelo de producto.

En cuanto al diseño organizacional, vislumbro dos futuros muy diferentes pero igualmente plausibles. Uno es la simplificación. En ese escenario, las organizaciones convergen en torno a un conjunto más reducido de roles. Por un lado, están los ingenieros de comercialización o los operadores altamente técnicos que desarrollan automatizaciones, gestionan sistemas y escalan lo que funciona. Por otro lado, están los representantes de ventas cuyo trabajo se centra mucho más en la intervención humana directa: intervenir en los momentos en que el criterio, la confianza y la relación siguen siendo fundamentales. En ese modelo, el sistema se encarga de la mayor parte del trabajo en lo que respecta a procesos, datos y orquestación, mientras que el vendedor aplica su experiencia donde tiene mayor influencia.

El otro escenario futuro es, de hecho, más especializado. En lugar de menos roles, las organizaciones podrían dividir el proceso de generación de ingresos en segmentos más específicos. Un proceso de ventas de siete etapas podría convertirse en siete áreas de especialización distintas: una persona dedicada a la prueba de concepto, otra a los aspectos legales y de adquisiciones, otra a la incorporación de clientes, y así sucesivamente. En teoría, esto puede parecer engorroso, pero si el proceso que involucra a estas personas está bien coordinado y la IA gestiona gran parte de la transferencia operativa, el comprador podría obtener una mejor experiencia, ya que interactuaría con un verdadero especialista en cada momento clave.

Independientemente de la tendencia que se imponga, creo que el perfil del representante de ventas va a cambiar. Los profesionales más valiosos podrían ser menos parecidos al vendedor generalista clásico y más expertos con amplios conocimientos en un sector, producto o caso de uso específico. Puede que ni siquiera sean vendedores de élite en el sentido tradicional. Lo que importará será su capacidad para transmitir credibilidad, responder preguntas detalladas y generar confianza. La automatización del entorno puede gestionar cada vez más la investigación, la recopilación de datos, la creación de listas y el soporte de procesos que antes consumían gran parte del tiempo de un representante.

Es probable que el proceso de compra se divida según el tipo de cliente y su complejidad. En el segmento de menor precio, muchos clientes seguirán comprando mediante autoservicio o procesos centrados en el producto. Un poco más arriba, creo que veremos más clientes comprando a través de agentes, especialmente en pymes y casos de uso comercial más sencillos, donde los compradores buscan respuestas pero no necesariamente necesitan un proceso de venta totalmente humano. En el segmento de mayor precio, los representantes seguirán siendo fundamentales, pero su rol cambiará. Dedicarán menos tiempo a la prospección y más tiempo a generar confianza, diseñar soluciones y mantener una relación cercana con el cliente a largo plazo.

Esto podría incluso propiciar el regreso a un modelo más centrado en el cliente. En lugar de dividir la experiencia del cliente entre equipos de preventa y posventa separados, algunas empresas podrían optar por mantener a una persona o un pequeño equipo cerca del cliente a lo largo del tiempo. De forma paradójica, la IA podría automatizar gran parte de lo que las ventas de SaaS profesionalizaron durante la última década y reorientar a los vendedores humanos hacia un trabajo de relaciones más profundas.

Luego está el aspecto del producto. Las empresas cuyos productos son esencialmente capas de interfaz de usuario sobre flujos de trabajo tendrán que preguntarse cada vez más si están diseñados para un mundo impulsado por agentes. Si el software va a ser utilizado no solo por humanos, sino también por agentes, entonces los productos y los modelos de precios deben evolucionar en consecuencia. Esto probablemente signifique un diseño más centrado en las API, una lógica más basada en el consumo y una mayor reflexión sobre qué partes del producto pueden usarse como primitivas dentro de sistemas automatizados. Las empresas que se adapten a este cambio estarán mejor posicionadas para el crecimiento que aquellas que sigan basadas en un modelo de interfaz humana puramente presencial.

Si analizamos las organizaciones de ingresos más innovadoras de la actualidad, ¿qué diferencia a los equipos que escalan con éxito la IA de aquellos que se quedan estancados en proyectos piloto? ¿Qué cambios implementaron en su modelo operativo, ya sea en cuanto a personal, procesos, datos o gobernanza?

La principal diferencia radica en que los equipos que tienen éxito esperan que la versión inicial falle, o al menos que no alcance las expectativas. Entienden desde el principio que implementar IA no suele ser un proceso sencillo. Con el software tradicional, la organización a menudo se adapta al producto. Con la IA, suele ser al revés. El sistema debe configurarse en función del funcionamiento real de la empresa, la estructura de sus datos, la definición de éxito y la necesidad de intervención humana. Esto hace que el proceso sea más complejo, iterativo y, a veces, frustrante al principio.

Las organizaciones que se estancan en los proyectos piloto suelen interpretar erróneamente ese desorden como prueba de que el enfoque no funciona. Prueban una primera versión, el retorno de la inversión no es evidente de inmediato, las métricas son inconsistentes y la iniciativa se estanca. Los equipos más eficaces tratan esa fase como algo normal. Se dan suficiente margen para refinar el caso de uso, limpiar los datos, mejorar las indicaciones, ajustar el flujo de trabajo y seguir adelante hasta que el valor se haga evidente. En muchos casos, no es la primera ni la segunda versión la que transforma la organización. Es la cuarta versión la que finalmente funciona y se convierte en algo que entusiasma a todos.

Esto requiere el compromiso del liderazgo, pero también un modelo operativo diferente. Los equipos más sólidos crean ciclos de iteración más rápidos, centralizan la experimentación y se toman muy en serio la calidad de los datos. Gran parte del valor de la IA depende de que los datos subyacentes sean utilizables, estructurados y fiables. Si esa base es débil, la organización tendrá dificultades para obtener resultados consistentes, por muy prometedora que parezca la herramienta en una demostración. Por lo tanto, en la práctica, escalar la IA a menudo implica invertir no solo en una nueva aplicación, sino también en la disciplina fundamental de cómo se gestiona y activa la información.

Un ejemplo ilustrativo es Intercom y su estrategia centrada en Finn. Lo destacable no es solo que la empresa lanzara un producto de IA, sino que reorientara tanto el producto como su estrategia de comercialización en torno a esta oportunidad. Mediante la segmentación basada en IA, el equipo pudo identificar microsegmentos que encajaban a la perfección. En el caso de Finn, estos clientes ideales solían tener una sólida base de conocimientos de soporte y un alto volumen de solicitudes de asistencia. Una vez definido este perfil, el equipo pudo identificar y centrarse en segmentos específicos donde el producto tenía mayores probabilidades de éxito.

Esa es la disciplina operativa que distingue los proyectos de IA escalables de los proyectos piloto aislados. Los equipos exitosos no se conforman con un caso de uso general. Refinan, segmentan, prueban y optimizan hasta encontrar dónde funciona realmente el sistema. Entonces, lo escalan. Muchas organizaciones nunca llegan tan lejos porque se rinden en la etapa intermedia, antes de que el sistema haya tenido tiempo de madurar.

¿Cuál es una suposición común, pero ya obsoleta, sobre cómo se debe gestionar la generación de ingresos? ¿Qué le gustaría que los líderes comprendieran sobre lo que la IA ya puede hacer hoy en día, basándose en lo que observa en la práctica?

Una de las ideas más obsoletas es que la prospección depende fundamentalmente del talento individual de cada representante. Muchas empresas aún operan como si el éxito en las ventas salientes residiera en que cada representante creara listas, investigara cuentas, encontrara contactos, elaborara mensajes y ejecutara todo ello con una calidad constante. En realidad, ese modelo siempre ha sido mucho menos fiable de lo que las organizaciones querían creer.

Lo que realmente importa es la calidad de la segmentación y la calidad de los datos. En Clay, tenemos una frase que lo resume a la perfección: la lista es el mensaje. Si sabes qué cuentas son importantes, qué personas son relevantes, qué señales indican el momento oportuno y qué contexto debe guiar la comunicación, ya estás muy avanzado en una estrategia de prospección mucho más eficaz. La IA es cada vez más eficaz en esta fase del proceso. Puede ayudar a identificar las empresas adecuadas, encontrar los contactos idóneos, organizar las señales pertinentes e incluso generar puntos de partida sensatos para la mensajería con una velocidad y coherencia difíciles de igualar manualmente.

Eso no significa que los vendedores humanos ya no importen. Significa que el centro de gravedad cambia. La diferencia radica menos en quién puede dedicar tres horas a crear una hoja de cálculo con cuentas y más en quién puede entablar una conversación en vivo y generar valor real. Los mejores representantes son aquellos que pueden demostrar conocimiento, credibilidad y utilidad frente al cliente. Son aquellos que pueden hacer preguntas inteligentes, comprender los matices y generar confianza. La IA puede eliminar gran parte del trabajo repetitivo que antes se realizaba antes de ese momento.

Esto también implica que las empresas deberían replantearse cuánta actividad de prospección realmente necesitan descentralizar. Para muchas organizaciones, especialmente aquellas con perfiles de cliente ideal (ICP) claros y procesos repetibles, centralizar una mayor parte de la segmentación, la identificación de contactos y el desarrollo de mensajes puede elevar el nivel de calidad de todo el equipo de ventas. En lugar de pedir a cincuenta representantes que realicen las mismas tareas de investigación y segmentación con distintos niveles de calidad, una empresa puede centralizar todo esto, automatizar gran parte del proceso y permitir que los representantes se centren en las tareas más personales que no se pueden automatizar por completo.

Esto rompe con muchas ideas preconcebidas sobre ventas, como la de que la mejor manera de mejorar la generación de oportunidades de venta es simplemente contratar más representantes y esperar que suficientes de ellos sean excepcionales. Cada vez más, una solución más eficaz podría ser construir un sistema mejor, de modo que el rendimiento dependa menos de la variabilidad aleatoria y más de la inteligencia compartida.

Si tuvieras que dar un mensaje a los directores ejecutivos y a los consejos de administración sobre cómo la IA está cambiando el liderazgo en materia de ingresos, ¿cuál sería?

El mensaje es que los mejores líderes de ingresos ahora deben pensar como líderes de sistemas. Los CRO más destacados que conozco no se limitan a gestionar equipos de ventas ni a perseguir cuotas. Analizan la estrategia de comercialización casi como un líder de producto o de ingeniería analizaría un sistema del que son responsables de mejorar. Piensan en las herramientas, los flujos de datos, los ciclos de retroalimentación, la velocidad de las campañas, los puntos de automatización y los lugares donde los humanos generan el mayor valor diferencial.

Se trata de un cambio significativo en la postura de liderazgo. Un líder de ingresos moderno debe tener una visión clara sobre el papel de la IA en la organización, qué tareas pueden automatizarse hoy, cuáles deben seguir siendo gestionadas por humanos, cómo los representantes de ventas utilizan actualmente la IA de forma fragmentada y qué necesita centralizarse para que la empresa no obtenga únicamente mejoras de productividad puntuales y aisladas. La cuestión no es si se está experimentando con estas herramientas; en la mayoría de las organizaciones, ya se está haciendo. La cuestión es si el liderazgo está transformando esos experimentos dispersos en un modelo operativo coherente.

También existe una implicación en materia de talento que los consejos de administración y los directores ejecutivos deben tomar en serio. Si la IA puede automatizar una parte significativa del trabajo repetitivo relacionado con los ingresos, la composición del equipo cambiará. Algunos puestos se reducirán. Otros se volverán más técnicos. Algunas organizaciones podrían necesitar menos representantes de ventas tradicionales y más expertos en productos, operadores o especialistas en el sector. Las empresas que mejor gestionen este cambio no serán las que simplemente reduzcan la plantilla más rápidamente, sino las que rediseñen el trabajo de forma reflexiva y adapten el talento al nuevo modelo.

Por eso creo que el enfoque más útil es tratar la estrategia de comercialización como un producto o sistema. Esto ayuda a los líderes a tomar mejores decisiones en el presente y, además, los protege de la incertidumbre sobre la evolución futura de los modelos. Nadie sabe con exactitud hasta dónde llegarán las capacidades de los agentes ni con qué rapidez. Sin embargo, los líderes que ya estén construyendo un sistema de ingresos modular, observable y mejorable estarán en una posición mucho más sólida si dichas capacidades mejoran rápidamente. Estarán preparados para adaptarse, porque ya están pensando en términos de arquitectura, no solo en términos de personal y procesos.

En ese sentido, la IA no solo está cambiando la forma en que los equipos de ventas trabajan, sino que está transformando el liderazgo en este ámbito. El modelo anterior premiaba a los gerentes que podían impulsar la actividad dentro de un sistema de ventas convencional. El modelo emergente premia a los líderes que pueden rediseñar ese sistema.