5 mitos de la IA generativa que frenan a los equipos de ventas y marketing
L
as tecnologías nuevas y disruptivas suelen generar tanto entusiasmo como ansiedad, y la IA generativa no es la excepción.
Sin embargo, creemos que gran parte del potencial no aprovechado de la IA generativa está siendo frenado por cinco mitos persistentes que limitan a los líderes de marketing y ventas:
Mito 1: La IA generativa solo es útil en las etapas iniciales de identificación de clientes.
La IA generativa ha demostrado su utilidad en la “parte superior del embudo”, especialmente en la generación de prospectos, y en la recopilación y análisis de información de los clientes. Sin embargo, su potencial se extiende a lo largo de todo el embudo, ofreciendo beneficios como la creación de contenido personalizado, el apoyo en investigaciones, el análisis de la competencia, la redacción automatizada de propuestas y la evaluación del rendimiento.
En muchos de estos casos, el juicio y la creatividad humana seguirán siendo esenciales, pero la IA generativa puede hacer gran parte del trabajo tedioso. Por ejemplo, una empresa de soluciones empresariales utilizó IA generativa para proporcionar informes a los vendedores antes de sus reuniones, incluyendo detalles de la cuenta, un resumen de interacciones previas e información sobre la propuesta de valor. ¿El resultado? Un aumento del 10% en la productividad de las ventas por segmento.
Mito 2: La IA generativa necesita un grán número de clientes o transacciones para que valga la pena.
Si bien la IA generativa ha demostrado su eficacia en la automatización de interacciones y transacciones para grandes bases de consumidores, como en la banca y el comercio minorista, también es valiosa en entornos de empresa a empresa (B2B), incluidos los acuerdos de gran escala y clientes corporativos.
En primer lugar, la IA generativa mejora la gestión del conocimiento y el procesamiento de datos a gran escala. Los vendedores pueden ahorrar una cantidad significativa de tiempo en la investigación de productos y la redacción de correos electrónicos. En segundo lugar, puede empoderar a los vendedores y gerentes de cuentas clave al extraer información de datos no estructurados y proporcionar planes de cuenta e inteligencia comercial en tiempo real mediante la captura automática de información pública, como anuncios, noticias y notas de reuniones internas.
Mito 3: La IA generativa no es lo suficientemente avanzada para resolver problemas complejos de los clientes.
Algunos profesionales de marketing y ventas siguen considerando la IA generativa simplemente como una interfaz de chat que responde preguntas. Sin embargo, las empresas líderes están entrenando agentes autónomos para realizar tareas internas y orientadas al cliente en múltiples canales, una práctica conocida como “agente de IA” (agentic AI).
Por ejemplo, un importante fabricante de equipos empleó agentes de ventas impulsados por IA generativa para automatizar las interacciones por correo electrónico relacionadas con el reemplazo de piezas. Estos agentes interactuaron con casi 50,000 clientes y generaron más de un millón de cotizaciones en el primer mes.
Mito 4: Los datos de nuestros clientes y productos están demasiado desordenados como para que la IA generativa funcione bien.
La IA generativa puede acelerar el procesamiento de datos y abordar muchos de los desafíos comunes en la gestión de información, ayudando a las empresas a organizar y mantener sus datos en buen estado. Por ejemplo, puede mejorar la categorización de piezas para optimizar precios o traducir el contenido de un sitio web en fichas de producto personalizadas basadas en consultas previas de los clientes.
Además, muchos casos de uso valiosos no requieren grandes cantidades de datos estructurados. La recuperación eficaz de información puede lograrse utilizando modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés) disponibles públicamente junto con materiales internos básicos, como manuales de productos y documentos de preguntas y respuestas para la resolución de problemas.
Mito 5: La IA generativa tarda demasiado en implementarse.
Las empresas no necesitan reinventar la rueda al implementar IA generativa. Las soluciones estándar están ampliamente disponibles y la experiencia externa puede ayudar a desarrollar las capacidades distintivas incrementales que impulsan la ventaja competitiva. Gran parte de la complejidad asociada con la implementación de IA generativa radica en la creación de LLM, los cuales ahora están disponibles como servicio. Muchos proveedores de software empresarial también incorporan la IA generativa en sus herramientas, permitiendo a las organizaciones aprovechar sus funcionalidades con un esfuerzo mínimo. Cuando se requiere personalización, generalmente implica vincular la funcionalidad con procesos comerciales específicos, lo que puede lograrse en cuestión de semanas.
© 2025 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
New and disruptive technologies often generate both excitement and anxiety, and generative artificial intelligence is no exception.
But much of generative AI’s untapped potential, we believe, is being held back by five persistent myths that constrain marketing and sales leaders:
MYTH 1: GENERATIVE AI IS ONLY USEFUL AT THE INITIAL STAGES OF IDENTIFYING CUSTOMERS.
Generative AI has proved its worth at the “top of the funnel,” particularly in lead generation and the collection and analysis of customer information. However, its potential extends throughout the funnel, offering benefits such as tailored content creation, research support, competitive analysis, automated proposal drafts and performance assessments.
In many of these cases, human judgment and creativity will remain essential, but generative AI can do much of the scut work. For example, an enterprise solutions company used generative AI to provide briefings to sellers before meetings, including details of the account, a summary of past interactions and insights on the value proposition. The result: a 10% increase in segment sales productivity.
MYTH 2: GENERATIVE AI NEEDS A LARGE NUMBER OF CUSTOMERS OR TRANSACTIONS TO BE WORTH IT.
While generative AI has demonstrated its effectiveness in automating interactions and transactions for large consumer bases, such as in banking and retail, it is equally valuable in business-to-business (B2B) contexts, including for large deals and enterprises.
First, generative AI enhances knowledge management and large-scale data processing. Sellers can save significant time on product research and drafting email responses. Second, it can empower sellers and key account managers by extracting insights from unstructured data and providing timely account plans and intelligence through the automatic capture of public information such as announcements, news and internal meeting notes.
MYTH 3: GENERATIVE AI ISN’T ADVANCED ENOUGH TO SOLVE COMPLICATED CUSTOMER PROBLEMS.
Some marketing and sales professionals still view generative AI as merely a chat interface that answers questions. However, leading companies are training autonomous agents on both internal and customer-facing tasks across channels — a practice known as “agentic AI.”
For instance, a large equipment manufacturer employed generative AI-powered sales agents to automate email interactions for parts replacement. These agents engaged with nearly 50,000 customers and generated over a million quotes within the first month.
MYTH 4: OUR CUSTOMER AND PRODUCT DATA ARE TOO MESSY FOR GENERATIVE AI TO WORK WELL.
Generative AI can accelerate data processing and address many common data challenges, helping organizations tidy up and maintain their data. For example, generative AI can improve parts categorization to optimize pricing or translate website content into personalized product cheat sheets based on prior customer inquiries.
Furthermore, many valuable use cases don’t require extensive structured data. Effective knowledge retrieval can be achieved using publicly available large language models (LLMs) alongside basic internal materials, such as product manuals and troubleshooting Q&A documents.
MYTH 5: GENERATIVE AI TAKES TOO LONG TO IMPLEMENT.
Companies don’t need to reinvent the wheel when implementing generative AI. Off-the-shelf solutions are widely available and external expertise can help develop the incremental distinctive capabilities that drive competitive advantage. Most of the complexity associated with generative AI implementation involves building LLMs, which are now accessible as a service. Many enterprise software providers also embed generative AI in their tools, allowing organizations to leverage its functionality with minimal effort. When customization is required, it often involves linking functionality to specific business processes, which can be accomplished in a matter of weeks.
La IA generativa podría solucionar las evaluaciones de desempeño (o empeorarlas aún más)
La IA puede alejar las evaluaciones de desempeño de las narrativas laborales y acercarlas a evidencia directa del trabajo en la práctica.
Es difícil utilizar la IA en equipo. Estas 3 prácticas pueden ayudar
He aquí tres prácticas que pueden ayudar a desarrollar la «química humano-IA en los equipos» a medida que evoluciona el lugar de trabajo.
¿Cuáles son los problemas de su empresa en materia de IA?
El “Ethical Nightmare Challenge” (ENC) es un marco de trabajo que puede integrarse con programas existentes de gestión de riesgos de IA.
