Tres formas de usar IA para potenciar tu negocio
Tatiana Leon, cofundadora de Kamai.
“En Japón una mujer se casó con su ChatGPT”.
“La canción número 1 del Billboard Country el año pasado la escribió una IA”.
“En China hay gente comprando Mac minis para que les instalen agentes de código abierto, casi como volver a las cabinas de internet de los 2000”.
Tengo un slide que uso en mis capacitaciones con estas noticias. Lo actualizo una vez por mes y siempre me quedo corta.
Con esto quiero decir que la IA dejó de ser hype hace rato y dejó de afectar solo a roles técnicos. Cambió cómo la gente se comporta, qué espera de un producto, con qué interactúa todos los días.
Eso obliga a tu empresa a moverse. El problema es que la mayoría se mueve mal.
Hace unos meses el MIT (Massachusetts Institute of Technology) publicó un estudio que todo el mundo citó en LinkedIn: “el 95% de las iniciativas de IA en empresas fallan”.
Claro que todos compartieron ese número, pero casi nadie leyó la siguiente parte del estudio.
Y es que esos proyectos no fallaron por la tecnología. Fallaron por tres razones muy concretas:
No había nadie del C-suite genuinamente comprometido con el problema
Las expectativas eran irreales (sobre todo, el deseo de reemplazar equipos enteros con IA)
La calidad de data era tan baja que ningún modelo, por potente que sea, podía hacer nada útil con ella.
El caso de 11X en Estados Unidos lo ilustra bien.
La compañía levantó 274 millones de dólares prometiendo reemplazar equipos de ventas completos con agentes; y en los primeros tres meses perdieron entre el 70% y el 80% de sus clientes.
El problema no fue de tecnología. Fue un problema de sobrepromesa sin el contexto de negocio necesario.
Quisieron usar IA para reemplazar un trabajo completo, con demasiadas variables, demasiadas excepciones y demasiado contexto comercial en juego. Y hoy, en la mayoría de casos, ese salto sigue siendo demasiado grande.
La salida no es construir un agente. El 80% o 90% del valor que podés capturar hoy con IA está en otro lado.
Y por eso en este artículo voy a mostrarte tres capacidades concretas que ya están moviendo la aguja en empresas de Latam.
PD: Antes de continuar, un pequeño anuncio…
El próximo mes comienza una nueva edición del curso Xtreme Growth, un programa táctico de Growth para quienes construyen, escalan y experimentan con AI. Arranca el 25 de mayo, así que si no te quieres quedar sin cupos aplica hoy mismo.
#1: Conocé a tu cliente como nunca antes lo conociste
La mayoría de las empresas tiene data de primer nivel de sus clientes. Nombre, edad, género, tamaño de empresa si es B2B.
Con IA podés llegar al nivel 5.
Caso Qrew, una empresa de software de recursos humanos con modelo B2B clásico. Antes tenía gente dedicada a entrar a internet a buscar posibles clientes uno por uno. Tedioso y lento.
Contrataron Clay, una herramienta de enriquecimiento que jala información de múltiples fuentes para armar un panorama completo de cada empresa.
¿Qué hace Qrew con Clay? Para cada lead, consulta portales de contratación. Ve cuántas contrataciones recientes tiene esa empresa, cuántos puestos abiertos, en qué verticales.
Si una empresa viene contratando fuerte los últimos 3 o 4 meses, ahí ponen sus balas. Si no contrató a nadie en 6 meses y Qrew vende software de contratación, no hace sentido. Se descarta.
Podés tener la mejor pastilla para el dolor de cabeza. No se la vas a vender a alguien que no tiene dolor de cabeza.
Esto no es solo para B2B. Si vendés a personas, hacé lo mismo. Usá Clay para entender qué hace esa persona, qué dice en redes, a qué se dedica. Claude incluso sacó un conector nuevo que te permite pedirle listas de leads con características específicas y te las arma.
Empezás con nombre y edad. Terminás con contexto profundo y mensaje personalizado.
#2: Análisis profundo a un nivel que antes no podías
Procesar data grande era un problema. No porque fuera imposible, sino porque tomaba semanas y equipos enteros de data science. Cuando terminabas el análisis, la decisión ya no servía.
Eso cambió.
Caso Rappi. Armó un sistema de agentes que analiza todo lo que pasa con cada uno de sus merchants. Cada transacción, cada patrón, cada anomalía. Genera insights en tiempo real que después usan para mejorar la facturación.
Acá es donde alguien siempre me dice: “pero eso es Rappi, yo no tengo esa escala”.
OK. ¿Tienes 100 clientes? ¿Tienes algo de data histórica de ellos?
Abrí Claude. Tirale la data. Pedile un análisis descriptivo. Después un análisis de proyección. Después una regresión para entender qué variables mueven la aguja.
Si estás usando Claude solo para redactar mails y no para hacer análisis de variables, te estás perdiendo buena parte de lo que la herramienta puede hacer.
#3: Recargá al equipo con acceso directo a la data
Esta para mí es la más potente de las tres.
Caso Mercado Libre. Tiene toda su información en Amplitude. Y como en cualquier empresa grande, acceder a esa data antes implicaba saber queryar, entender la herramienta, armar funnels, cruzar variables. Tenías que ser medio analista para sacar cualquier número.
Se conectaron a Amplitude a través de MCPs. El Model Context Protocol: el puente que permite a herramientas como Claude conversar directamente con otras plataformas sin APIs complejas.
Ahora cualquier persona en Mercado Libre le pregunta a Claude en lenguaje natural: ¿cuáles fueron las ventas más grandes de ayer? ¿Cuál es mi producto con mayor margen? ¿Dónde está la caída más fuerte del funnel?
Claude usa el MCP de Amplitude, hace el cálculo, y te devuelve el resultado. En tabla, gráfico o texto. Como lo pidas.
El impacto: la empresa se vuelve accionable mucho más rápido. Porque la data deja de estar concentrada en quienes saben queryar.
Y no es solo para empresas del tamaño de Mercado Libre. Hace unas semanas, capacitando a un equipo en Buenos Aires, uno de los chicos le pidió a Claude conectarse a Looker Studio. Tres pasos. Listo. De ahí en adelante pudo hacer preguntas en lenguaje natural sin aprenderse las tablas.
El cambio de mirada
Cuando la gente piensa en IA, piensa en optimizar procesos. “Antes me demoraba 10 minutos escribiendo un mail, ahora lo hago en 1.” Está bien como punto de arranque.
Pero el principal diferencial no está ahí.
Está en repensar el proceso entero. Todos vamos a aprender a optimizar con IA, así como todos aprendimos Excel en su momento. La persona clave a futuro es la que pueda reinventar cómo se hacen las cosas ahora que tenemos estas capacidades.
Un equipo de growth de este año no necesita más personas. Necesita más alcance. Y ese alcance se diferencia por el criterio humano que maneja el coche.
Si te quedaste con ganas de bajar todo esto a ejecución, en Xtreme Growth trabajo estos frameworks con Dylan en grupos reducidos. No es sólo teoría; cada persona termina aplicando las capacidades sobre su propio negocio.
La próxima edición arranca el 25 de mayo y los cupos son limitados.
📚 Otras lecturas que pueden interesarte:
Si nuestro blog te agrega valor, compártelo con tus amigos y colegas. 👇