Prospección B2B con IA: qué conviene automatizar y qué tiene que seguir haciendo una persona

Qué cambió de verdad con la IA en la prospección

Hasta hace poco, la mitad del día de un SDR se iba en trabajo de escritorio: buscar empresas que calzaran con el perfil, encontrar quién decide, verificar que el teléfono fuera el correcto y leer algo de la compañía antes de marcar. Ese trabajo hoy lo hace un sistema en minutos, mejor y sin cansarse.

Lo que no cambió es la conversación. Un gerente que recibe una llamada sigue decidiendo en los primeros segundos si escucha o cuelga, y lo que decide depende del tono, del contexto y de una pregunta bien hecha. Ahí la IA no llegó, y los intentos por meterla suelen producir lo contrario de lo que prometen.

Lo que la IA hace bien

• Priorizar cuentas: ordenar la lista del ICP según señales de que hoy vale la pena llamar (están contratando vendedores, abrieron una sucursal, cambió el gerente comercial).
• Enriquecer y validar datos: completar cargo, teléfono y tamaño de la empresa a partir de fuentes públicas o corporativas, y descartar contactos muertos antes de gastar una llamada.
• Preparar el contexto: un resumen de dos líneas sobre la empresa y una razón concreta para la llamada, listos antes de marcar.
• Transcribir y resumir llamadas: para que el feedback llegue al guion de la semana siguiente sin depender de la memoria de nadie.
• Reportar: cruzar llamadas, respuestas, agendamientos y presentadas en vivo, en vez de un resumen armado a mano a fin de mes.

Lo que no conviene automatizar

• La llamada misma. Un decisor B2B corta una voz sintética o un guion recitado en el primer segundo, y además esa llamada entra en la categoría de tráfico masivo que la normativa quiere identificar.
• Los mensajes idénticos. Un correo o un mensaje de LinkedIn generado en masa se reconoce y se archiva; el mercado aprende a ignorar tu nombre.
• La calificación. Saber si hay dolor, presupuesto y momento sale de escuchar una duda, un silencio o una pregunta de vuelta; ningún formulario automático lo captura.
• La decisión de a quién no llamar. Las exclusiones (competidores de un cliente, empresas que pidieron no ser contactadas) las tiene que revisar una persona, porque el costo de equivocarse es alto.

El espejismo de la prospección automatizada

Existe una categoría entera de herramientas que promete prospección sin personas: un bot que manda miles de correos, contacta por LinkedIn y agenda solo. Funciona hasta que todos la usan. Cuando cada decisor recibe decenas de secuencias idénticas por semana, la tasa de respuesta cae, los dominios de correo se queman y la marca queda asociada al spam.

El problema no es la herramienta, es la lógica: volumen en vez de contexto. La prospección que consigue reuniones en Chile va al revés: menos contactos, mejor elegidos, con una persona que llama sabiendo por qué llama.

Lo que dice la normativa sobre automatizar

Dos marcos chilenos apuntan justo a la automatización masiva. Subtel exige prefijos que identifiquen las llamadas comerciales masivas (el 809 para las no solicitadas), y esa categoría es la del discado automatizado hacia miles de números, no la de una persona que marca una a una sobre una lista acotada.

La Ley 21.719 de datos personales rige todo tratamiento de datos de contacto, incluido el que hace una herramienta de enriquecimiento: hay que poder decir de dónde salió cada dato, con qué base se trata y qué pasa cuando alguien se opone. Que el trabajo lo haga un software no cambia quién responde. El detalle está en la guía sobre llamadas en frío y la ley en Chile.

Cómo se combinan sistema y personas en All In

En All In los sistemas priorizan cuentas y preparan el contexto: filtran y califican las bases de datos, validan contactos, cargos y timing, y descartan el ruido antes de gastar una llamada. Pero no llaman, no hablan y no cierran. La voz al teléfono es siempre una persona en Chile.

El software, NeXT Meeting, reporta en vivo el rendimiento completo del sistema y le dice al ejecutivo del cliente dónde conectarse y qué va a ocurrir en cada reunión. Es el lema en operación: oficio adelante, sistema atrás.

Cómo evaluar una herramienta o un proveedor que promete IA

• ¿Qué parte del proceso automatiza: el trabajo previo a la llamada o la conversación misma?
• ¿De dónde salen los datos que enriquece y puede acreditar el origen?
• ¿Cuántos contactos toca por día y con cuántos mensajes distintos? Si la respuesta es miles con uno, es spam con otro nombre.
• ¿Quién revisa las exclusiones y qué pasa cuando alguien pide no ser contactado?
• ¿Qué métrica reporta: correos enviados o reuniones que ocurrieron?

Preguntas frecuentes