Conectar la IA a tu contexto de ventas

Le pides a la IA que escriba un correo importante y te devuelve un texto educado y sin gracia, del tipo que sirve para cualquier situación y no convence a nadie. El problema no es que el modelo sea flojo, es que le pediste un plato ya hecho a un cocinero que nunca vio tu cocina: sin el historial de la conversación, sin saber quién es la persona del otro lado, sin tu forma de escribir, solo puede adivinar el promedio. Quien lo recibe siente el olor a robot y lo ignora. En el instante en que conectas lo que ya existe, el historial, el contexto, tu tono, el mismo modelo cambia de nivel y el texto empieza a sonar como si lo hubieras escrito tú con calma.

Un controller le pidió a la IA una minuta para explicarle a un cliente moroso por qué cambió el cobro de intereses. Sin acceso a la cuenta corriente de él en el ERP, escribió un texto de cobranza estándar, con un porcentaje de multa genérico que ni coincidía con el contrato de ese cliente. Él respondió molesto diciendo que la cláusula citada ni siquiera existía en su acuerdo. Faltó conectar el contrato y el estado de cuenta reales, no una plantilla de cobranza cualquiera. Y está el cuidado extra de finanzas: pegar el estado de cuenta entero en una herramienta abierta para generar ese texto habría filtrado dato bancario sensible sin ninguna base legal; el camino correcto es que la IA lea el contrato y el estado de cuenta por un canal controlado, no copiado y pegado.

Un abogado le pidió a la IA un dictamen sobre riesgo de rescisión para un cliente. Sin acceso al contrato específico de ese cliente, escribió un dictamen genérico sobre rescisión contractual, citando una cláusula estándar que ni existía en ese instrumento. El cliente notó de inmediato que el texto no hablaba de su caso, y el despacho perdió credibilidad antes incluso de cobrar honorarios. Bastaba conectar el contrato real, el historial del cliente y los dictámenes anteriores del despacho para que el texto pareciera escrito a mano. Y aquí aplica el mismo cuidado del secreto profesional: pegar la minuta entera en una herramienta abierta expone secreto de cliente, así que el contrato tiene que entrar por un canal controlado, no copiado y pegado suelto.

Un analista le pidió a la IA un correo para reenganchar una lista de clientes inactivos. Sin el historial de compra ni la guía de marca, escribió un texto promocional genérico, del tipo que manda cualquier empresa, en un tono que no tenía nada que ver con la marca. La tasa de apertura se desplomó y un cliente respondió preguntando si eso era spam. Bastaba conectar el historial de compra de cada segmento y la guía de tono de la marca para que el mensaje pareciera escrito para esa persona. Y está el mismo cuidado de siempre con el dato de cliente: usar la lista de correos entera en una herramienta abierta sin control de a dónde va ese dato es el tipo de filtración que la LGPD no perdona.

Una reclutadora le pidió a la IA un correo para invitar a un candidato finalista a la etapa final. Sin el historial del proceso en el ATS, devolvió una invitación estándar, de esas que sirven para cualquier vacante, sin citar el desafío técnico que el candidato había resuelto bien ni el tono de la empresa. El finalista lo leyó, sintió que era un disparo masivo y tardó tres días en responder, casi desistiendo en el camino. Bastaba conectar el historial de la vacante en el ATS y las notas de la entrevista anterior para que la invitación pareciera escrita por alguien que siguió el proceso de cerca. Y aplica el mismo cuidado de la lección: currículum y dato de entrevista son información personal sensible, así que ese historial entra por canal controlado, no pegado suelto en una herramienta abierta.

Un PM le pidió a la IA que escribiera la justificación de una decisión de roadmap para presentar a la dirección. Sin las métricas del producto en Linear ni el historial del descubrimiento, armó un argumento genérico sobre valor para el usuario, sin citar el dato de churn que motivó la priorización ni lo que la última investigación había revelado. La dirección leyó el PRD, lo encontró bonito y le pidió que volviera con números de verdad. Bastaba conectar el dashboard de métricas y las notas de la última entrevista de descubrimiento para que el argumento resistiera la primera pregunta del director, en vez de un PRD elegante que no convencía a nadie.

Un vendedor pidió una propuesta para una cuenta que lleva semanas en el pipeline. Sin el historial del CRM, la IA adivinó un alcance estándar y un monto suelto, ignorando que el cliente ya había señalado el presupuesto y se había trabado en una objeción específica. Faltaba el contexto de la negociación: dónde quedó, qué ya se había acordado, cuál era el gatillo que haría cerrar.

Un coordinador le pidió a la IA un comunicado para avisarle a un cliente sobre un retraso en la entrega. Sin el historial del contrato ni el SLA acordado en el sistema, escribió una disculpa genérica que no citaba el plazo pactado ni el plan de recuperación, sonando como plantilla de centro de atención justo en el momento en que el cliente más necesitaba sentir que la operación estaba bajo control. El cliente respondió preguntando si alguien ahí sabía lo que se había contratado. Bastaba conectar el contrato y el panel de SLA de esa cuenta para que el comunicado citara el plazo correcto y el plan real de recuperación, en vez de una disculpa que parecía escrita para cualquier cliente, de cualquier retraso.

Un analista le pidió a la IA un dictamen sobre un proveedor nuevo para el comité de riesgo. Sin el contexto de las políticas internas ni el historial de auditorías de la casa, devolvió un texto regulatorio genérico, copiado de manual, que no cruzaba con los controles que la empresa ya adopta ni citaba los puntos de LGPD que ese caso específico levantaba. El comité lo leyó, lo encontró incompleto y mandó rehacerlo con el contexto correcto. Bastaba conectar la matriz de controles y el historial de auditoría de ese proveedor para que el dictamen respondiera exactamente al riesgo en cuestión, en vez de un texto correcto en general e inútil en lo particular. Y aquí aplica la misma regla de la lección, al revés: dato de proveedor y hallazgo de auditoría también necesitan entrar por canal controlado, no pegados sueltos.

Un dev le pidió a la IA que escribiera la descripción de un pull request de un deploy importante. Sin el historial del repositorio ni el contexto de la arquitectura, produjo un resumen genérico del tipo "ajustes y mejoras", sin explicar qué incidente resolvía el código, qué servicio se veía afectado o cuál era el riesgo del deploy. Quien fue a revisarlo no entendió nada y devolvió el PR pidiendo contexto. Bastaba conectar el historial de commits, el ticket del incidente y el diagrama de arquitectura para que la descripción fuera algo que cualquier revisor entendiera de un vistazo, en vez de un PR parado esperando un contexto que ya existía en algún lugar del repositorio.

Una diseñadora le pidió a la IA que redactara el guion de una entrevista con un usuario. Sin el contexto del recorrido ni el historial de investigaciones anteriores en Figma, armó preguntas genéricas que cualquier producto haría, sin tocar el punto de fricción que el equipo ya había mapeado ni profundizar en la etapa donde los usuarios abandonaban. La sesión salió tibia y no reveló nada que el equipo no supiera ya. Bastaba conectar el mapa del recorrido y los hallazgos de las investigaciones anteriores para que el guion fuera directo al punto que el equipo realmente necesitaba entender, en vez de un guion suelto que desperdició a un usuario dispuesto a ayudar.

Un analista de estrategia le pidió a la IA armar el análisis competitivo para el board. Sin el historial de los movimientos del sector ni los escenarios que la empresa ya había descartado, devolvió un comparativo genérico de fortalezas y debilidades que cualquier alumno de MBA escribiría. No citaba por qué se había trabado la última expansión, no cruzaba con el OKR que el board estaba exigiendo. El board lo leyó, lo encontró bonito y no usó nada de eso para decidir. Bastaba conectar los reportes internos y las decisiones anteriores de la empresa para que la respuesta resistiera la primera pregunta difícil del CFO, en vez de un análisis correcto en general e inútil en lo particular.