Un piloto de AI GTM genera pipeline cuando tiene un único responsable, una línea base con grupo de control y una fecha de corte, todo escrito antes del lanzamiento. Sin esos tres elementos, lo que queda es una demo, una diapositiva y una partida presupuestaria discreta que se renueva sola.
Voy a recorrer el scorecard que utilizamos, en este orden: qué debe demostrar el piloto, el scorecard ponderado, cómo atribuir el pipeline, cuánto cuesta y quién es responsable.
Qué debe demostrar un piloto de AI GTM
Un piloto debe demostrar una sola cosa: que un paso específico de su motor de ingresos produce más pipeline calificado por unidad de costo que ese mismo paso ejecutado de la manera tradicional. No que el modelo sea ingenioso. No que a los reps les guste.
Un buen ejemplo es un proveedor que vende un playbook de ventas operado por IA. Etiqueta su propio playbook como investigado pero aún no probado en campo, y cada pantalla del producto como ilustrativa. Es una etiqueta honesta, y también una descripción justa de la mayoría de los pilotos internos en su primer día. La tarea de los primeros 90 días es convertir "investigado" en "probado".
Las tasas de fracaso de entre 80 y 95 por ciento que se citan con frecuencia para los proyectos de IA provienen en su mayoría de fuentes secundarias, por lo que no las repetiré. Lo que nos cuentan los compradores es más concreto. Un cliente dijo que el pipeline del Q4 era escaso y que el equipo usaba el trimestre para probar y recalibrar de cara al Q1. Otro temía que los SDRs no ejecutaran las tareas telefónicas dentro de un workflow de campaña. Ambos son problemas de adopción, no problemas del modelo.
El scorecard: ponderaciones y umbrales a 30, 60 y 90 días
El scorecard tiene cuatro líneas. Las ponderaciones y los umbrales que siguen son mis supuestos iniciales para un equipo mid-market, no benchmarks. Ajústelos a la duración de su ciclo.
| Línea | Peso | Día 30 | Día 60 | Día 90 |
|---|---|---|---|---|
| Preparación de datos y workflow | 20% | Funciona con registros reales del CRM, con menos de 20% de retrabajo manual | Menos de 10% de retrabajo | Menos de 5% de retrabajo |
| Adopción por parte de quienes hacen el trabajo | 20% | 60% de las tareas asignadas completadas | 75% | 85% |
| Pipeline frente al grupo de control | 40% | Línea base fijada | Oportunidades iguales o superiores al grupo de control | 20% más oportunidades por cada 100 cuentas trabajadas |
| Costo por oportunidad | 20% | Medido | Hasta 1,5x la línea base | Igual o inferior a la línea base |
Puntúe cada línea de 0 a 100, aplique las ponderaciones y escriba la regla de corte antes del lanzamiento: una puntuación inferior a 50 en el día 60 implica detener o redefinir el scope, y una inferior a 70 en el día 90 implica que no habrá presupuesto de escalamiento. La razón para fijarlo de antemano es que nadie discute los umbrales que definió por sí mismo, y todos discuten los umbrales inventados después de un mes decepcionante.
El pipeline pesa 40% porque es la única línea que un CRO puede llevar al board. Las otras tres existen para explicar por qué el pipeline se movió o no.
Cómo atribuir pipeline a un piloto de AI GTM
Reserve un grupo de cuentas como control. Ese es todo el truco. Divida la lista objetivo al azar, ejecute el piloto de AI GTM en una mitad, mantenga el motor actual en la otra y compare las oportunidades creadas por cada 100 cuentas trabajadas.
Los informes de atribución dentro de su CRM, como los descritos en la base de conocimiento de HubSpot, le dirán qué interacciones estuvieron cerca de un negocio. No le dirán qué habría ocurrido de todos modos. Influencia no es lift. Un grupo de control sí le da el lift.
Para que el grupo de control funcione, primero la línea base debe estar limpia. Si las etapas de lifecycle y los campos de origen son inconsistentes, lo que se mide es ruido. Por eso empezamos con un escaneo de fugas de ingresos del CRM antes de lanzar cualquier piloto. No tengo una respuesta perfecta para listas muy pequeñas, de menos de unos cientos de cuentas. En ese caso el grupo de control es demasiado reducido para confiar en él, y yo extendería el piloto en lugar de declarar un ganador.
Cuánto cuesta un piloto de AI GTM y cuándo se recupera la inversión
Cuente a las personas, no solo las licencias. Un ejemplo con números supuestos: una herramienta de 2.000 $ al mes, más 10 horas semanales de tiempo de RevOps a un costo interno de 100 $ la hora, suman cerca de 6.000 $ al mes.
Supongamos que el grupo de control muestra 4 oportunidades adicionales al mes, una tasa de closing de 20% y un valor de contrato de 30.000 $. Eso equivale a 0,8 cierres adicionales, es decir, 24.000 $ de nuevos ingresos anuales cada mes. Con un ciclo de ventas de 90 días, los ingresos llegan un trimestre después de las oportunidades, por lo que la recuperación se ve hacia el mes cuatro o cinco, no en el mes dos. No dispongo de un benchmark limpio entre etapas para esto. Tome el ejemplo como aritmética, no como evidencia.
El costo que la gente olvida es el del escalamiento. Un piloto en un segmento es barato. El mismo motor de AI GTM en tres regiones requiere reconstruir el routing, el enrichment y los permisos, y ahí es donde una buena puntuación todavía puede morir.
Quién es responsable del piloto cuando ventas, RevOps y TI no coinciden
Un responsable con nombre y apellido, con línea directa al CRO y autoridad sobre la configuración del CRM. En mi experiencia, suele ser RevOps, porque RevOps ya tiene el modelo de datos y los informes.
Ventas es dueña del resultado, TI es dueña de las salvaguardas y el responsable es dueño del scorecard. Un piloto estancado se resuelve con la fecha del scorecard, no con una reunión. Cuando la cifra del día 60 es inferior a 50, el responsable la presenta y el CRO toma la decisión. En lo político, es más fácil de lo que parece, porque la regla se acordó en la primera semana.
Las decisiones sobre herramientas también deben resolverse pronto. Un cliente señaló que los bots de grabación de llamadas generan fricción cuando los invitados externos tienen que admitirlos, y la decisión quedó sin resolver mientras el lanzamiento del playbook se retrasaba. Decídalas en la primera semana.
Por qué un piloto de AI GTM fracasa después de una buena demo
Casi todo lo que he visto en los rollouts de AI SDR se reduce a la capa operativa: el routing, los handoffs y los datos, no el envío. Lo mismo vale para cualquier desarrollo de AI GTM. Si la capa de base tiene fugas, el piloto las hereda.
La medición tiene la misma forma en el lado de la búsqueda. Si su piloto toca la búsqueda con IA, defina primero la métrica, por ejemplo el share of model, y revise la documentación de la plataforma sobre las funciones de IA en la Búsqueda de Google antes de prometer nada. Si un proveedor quiere cobrar por resultados, conviene leer sobre los disparadores de precios basados en desempeño antes de firmar.
Para bien o para mal, aquí es donde nuestro modelo se distingue de la asesoría de presentaciones. Nos integramos: construimos el grupo de control, corregimos los campos del CRM y ejecutamos los primeros 90 días con su equipo. Si desea ese tipo de apoyo, nuestra página de consultoría de AI GTM describe el scope, y la de RevOps fractional cubre el rol de responsable de forma continua. Mi recomendación es sencilla: escriba primero la regla de corte y lance algo lo bastante pequeño como para poder puntuarlo.