Inteligencia artificial y automatización
IA, APIs e integraciones al servicio de objetivos de negocio concretos.
Trabajo con CEOs y CROs de empresas B2B antes de que cambien de CRM, compren una plataforma o automaticen un proceso.
La mayoría de los problemas que una empresa le atribuye a su CRM no viven en la herramienta.
Viven en el modelo de negocio: en cómo se califica una oportunidad, en qué define realmente que un deal avanza de etapa, en si el precio refleja el valor entregado. Cambiar de plataforma no resuelve ninguna de esas decisiones.
Antes de configurar la primera automatización, hay que entender cómo genera dinero la empresa: dónde se producen los ingresos y dónde se pierden. La arquitectura tecnológica refleja esa realidad — no al revés.
La inteligencia artificial no cambia ese orden. No reemplaza entender el negocio: lo amplifica, cuando el negocio ya está bien entendido.
IA, APIs e integraciones al servicio de objetivos de negocio concretos.
Base matemática y de business intelligence para decisiones fundamentadas.
Operaciones comerciales que integran datos, procesos y tecnología en un solo sistema.
Plataformas, bases de datos y procesos que sostienen la operación y perduran.
Interlocución a nivel directivo, alineando las tres dimensiones alrededor del revenue.
Decisiones basadas en evidencia, no en intuición.
Crecimiento predecible y medible.
Tecnología y procesos que se adoptan y perduran.
Negocio, datos y equipos alineados.
Escribo sobre los patrones que veo repetirse en las empresas B2B de la región. Análisis con foco en el negocio. Tres líneas editoriales:
Cada pieza toma un síntoma que las empresas le adjudican al CRM y muestra que el problema vive en el modelo de negocio, no en la plataforma. Una segunda opinión, centrada en el negocio.
Tu pipeline crece pero tu facturación no se mueve.Leer ↗
El forecast del CRO nunca pega.Leer ↗
Cerrás clientes que churnean a los 12 meses.Leer ↗
Implementaron IA y nadie la usa.Leer ↗
Invertís cada año más en leads y tus clientes te compran lo mismo.Leer ↗
Tu CRM tiene etapas, pero no tenés un proceso de ventas.Leer ↗
Marketing entrega leads. Ventas dice que son malos. Otra vez.Leer ↗
Subiste el ticket promedio y se te cayó el cierre.Leer ↗
Una lección por pieza, en negativo. La antigüedad como activo: no se declara, se demuestra.
Contratar un VP de ventas antes de tener proceso de ventas.Leer ↗
Confundir un CRM bien configurado con RevOps.Leer ↗
Pensar que más leads soluciona un problema de cierre.Leer ↗
Cambiar de CRM cuando el problema es el proceso.Leer ↗
Pagar comisión por «lead calificado» sin definir qué es calificado.Leer ↗
Hacer pricing por intuición en lugar de por valor entregado.Leer ↗
Despedir al vendedor cuando el problema es el producto.Leer ↗
Medir actividad en lugar de resultado.Leer ↗
Confundir al cliente leal con el cliente rentable.Leer ↗
Reportar al directorio con métricas de vanidad.Leer ↗
Mezclar SDR y ejecutivos de cuenta bajo la misma cuota.Leer ↗
Hacer outbound masivo sin tener definido a quién le vendés.Leer ↗
Comprar el módulo de IA antes de tener los datos ordenados.Leer ↗
Integrar dos sistemas sin decidir cuál manda.Leer ↗
Migrar al CRM nuevo el histórico sucio del anterior.Leer ↗
Crear un campo nuevo cada vez que alguien pide un reporte.Leer ↗
Dejar que cada área defina su propio ciclo de vida del contacto.Leer ↗
Firmar licencias anuales por asientos que nadie va a usar.Leer ↗
Delegar la elección del CRM al área de sistemas.Leer ↗
Armar un equipo de RevOps con gente que solo sabe configurar.Leer ↗
Lo que veo desde adentro, siempre anonimizado: las conversaciones que se repiten cliente tras cliente, con una sola conclusión.
Cuando un cliente me dice que HubSpot no sirve.Leer ↗
Un CEO me preguntó si la IA va a reemplazar a sus vendedores.Leer ↗
La diferencia entre un proceso y un workflow.Leer ↗
Las mejores decisiones comerciales que tomé fueron decir que no.Leer ↗
La misma diapositiva de pipeline, una y otra vez.Leer ↗
El reporte que me piden los CFO y ningún CRM trae de fábrica.Leer ↗
Cuando un vendedor dice que el cliente «lo está pensando».Leer ↗
El momento en que un cliente entiende qué es RevOps.Leer ↗
Investigo cómo se aprende cuando cualquier respuesta está a una pregunta de distancia. Tomo modelos clásicos del aprendizaje y del diseño instruccional, y los contrasto con la evidencia reciente sobre inteligencia artificial.
Cada pieza revisa una teoría o un método de aprendizaje a la luz de la IA: qué sigue vigente, qué cambió y qué dice la evidencia. Con fuentes al final.
La IA resolvió la parte fácil del modelo ASSURE.Leer ↗
Organizar lo que sabés cuando la IA recuerda por vos.Leer ↗
Un segundo cerebro no piensa por vos.Leer ↗
Mezclar temas cuesta más y enseña mejor.Leer ↗
Los adultos aprenden distinto. La IA todavía no se enteró.Leer ↗
Diseñar por aproximaciones sucesivas, a la velocidad de la IA.Leer ↗
Por qué tanto de lo que se enseña no se aplica.Leer ↗
Recordar en una época en que nadie necesita recordar.Leer ↗
Charlas grabadas con colegas del mundo de la inteligencia artificial, los datos y el revenue. Sin libreto: dos sillas, un tema, una hora larga.
Una base técnica en estadística y matemática, combinada con años de dirección en CRM, customer intelligence y operaciones comerciales en compañías líderes de retail y consumo. Desde 2013, al frente de mi propia consultora.
La consultora de Revenue Operations que fundé en 2013. Entendemos el negocio antes de tocar la plataforma, y operamos a nivel C-suite en cinco mercados.
Una conversación para entender tu modelo de negocio suele valer más que otra implementación apurada.