La ilusión del modelo perfecto
Hay una pregunta que escucho con frecuencia en conversaciones con líderes de empresas en LatAm:
"¿Qué modelo de IA debería usar: Claude, GPT-4, Gemini?"
Es la pregunta equivocada.
El modelo de IA que eliges importa mucho menos de lo que crees. Lo que importa es el contexto que le das.
Un modelo extraordinario con contexto pobre produce respuestas genéricas e inutilizables. Un modelo bueno con contexto rico y específico produce respuestas que parecen mágicas.
El diferencial no está en el modelo. Está en tu capacidad de estructurar y alimentar contexto relevante sobre tu negocio, tus clientes, y tus procesos.
Y eso, en un negocio B2B, vive en tu CRM.
Qué es el contexto y por qué importa más que el software Qué es el contexto y por qué importa más que el software
Cuando hablo de contexto en el ecosistema de IA, me refiero a algo específico: toda la información relevante que una IA necesita para entender tu situación particular y darte una respuesta útil.
No la información genérica que el modelo aprendió en su entrenamiento. Sino tu información. La tuya y la de tus clientes.
Quién es el prospecto. Con quién habló antes. Qué objeción puso en la reunión del martes. Cuánto tiempo lleva en tu pipeline. Qué compró el año pasado. Qué industria opera. Qué tamaño tiene su equipo. Qué problema está intentando resolver.
Eso es contexto.
Y cuando una IA tiene acceso a ese contexto antes de responder, la calidad de su respuesta cambia radicalmente. No es el mismo modelo. Es el mismo modelo con información real sobre tu situación.
El patrón que vemos en las empresas que fracasan con IA
Esta semana analizamos tres empresas que están intentando implementar IA en sus procesos comerciales. Las tres tienen el mismo síntoma: los resultados no están llegando.
Y las tres tienen el mismo problema de fondo: "datos fragmentados".
En la primera empresa, marketing opera en una plataforma, ventas en otra, y el equipo de postventa en un Excel compartido en Drive. Nadie tiene visibilidad completa del cliente.
En la segunda empresa, el CRM existe pero está desactualizado. Los asesores no registran las conversaciones. Las propiedades críticas están vacías. El pipeline tiene deals que llevan meses sin tocar.
En la tercera empresa, hay datos en todas partes, pero sin estructura consistente. Cada asesor usa campos diferentes para registrar la misma información.
Cuando conectas IA a cualquiera de estas situaciones, el resultado es lo que yo llamo "caos inteligente": la IA opera más rápido, pero en la dirección equivocada. Genera recomendaciones basadas en datos incompletos, lo que lleva a decisiones malas tomadas con mayor confianza.
El pre-requisito que nadie quiere hablar: la fuente única de verdad
Antes de pensar en IA, existe un prerequisito que pocas empresas tienen resuelto:
Una sola fuente de verdad sobre sus clientes y su pipeline.
En el ecosistema de Revenue Systems que construimos en Impulse, esa fuente es HubSpot.
No porque sea la única opción. Sino porque cuando está bien configurado, HubSpot se convierte en el repositorio central de todo lo que importa sobre el ciclo comercial: el historial de contactos, las interacciones, el estado de cada deal, las propiedades que definen la calidad de cada oportunidad.
Pero "tener HubSpot" no es suficiente.
Tener HubSpot bien configurado, con datos completos y actualizados, con propiedades relevantes para tu negocio, con un proceso de higiene de datos que se mantiene en el tiempo: eso es la fuente de verdad.
Y eso, en la mayoría de las empresas con las que trabajamos, requiere trabajo antes de que cualquier IA pueda operarla.
Cómo estructurar el contexto en HubSpot para que tu IA funcione
Hay cinco dimensiones de contexto que, cuando están en HubSpot, hacen que los sistemas de IA produzcan resultados exponencialmente mejores.
1. Historial completo de interacciones
Cada conversación, email, llamada, y reunión registrada en el CRM. No porque sean documentos históricos. Sino porque son el contexto de la conversación que vas a tener mañana.
Si tu asesor va a una reunión con un cliente y Claude puede leer las últimas tres interacciones, las objeciones previas, y los acuerdos que se hicieron, la preparación de esa reunión toma minutos en vez de horas.
Sin ese historial, el asesor llega sin contexto. O peor: con el contexto equivocado.
2. Propiedades de calificación consistentes
Qué tan calificado está el prospecto. Su presupuesto. Su urgencia. Su proceso de decisión. Los criterios que usa para evaluar.
Estas propiedades tienen que estar definidas de forma consistente y actualizadas después de cada interacción relevante.
Cuando Claude tiene acceso a estas propiedades, puede decirte cuáles deals tiene prioridad esta semana, cuáles tienen riesgo de perderse, y qué acción tienes que tomar en cada uno.
Sin ellas, el análisis de pipeline se hace a ojo.
3. Señales de comportamiento
Qué hizo el prospecto antes de llegar a ventas. Qué páginas visitó. Qué emails abrió. Qué contenido descargó.
Estas señales cuentan una historia sobre el nivel de intención y el problema específico que el prospecto está intentando resolver.
Cuando tu IA tiene acceso a esas señales, puede priorizar con criterio, no con intuición.
4. Contexto de la empresa
Industria, tamaño, tecnología que usa, competidores que considera, madurez digital.
Este contexto permite que la IA adapte las recomendaciones a la realidad específica de ese cliente. No respuestas genéricas. Respuestas relevantes.
5. Notas de reunión estructuradas
Este es el punto donde más valor se pierde en la mayoría de las empresas.
Las reuniones con clientes generan insights extraordinarios. Qué les preocupa, qué les motiva, qué objeciones tienen, qué referentes usan.
Pero ese conocimiento suele quedarse en la cabeza del asesor que estuvo en la reunión. O en una nota genérica que nadie lee.
Cuando las notas de reunión están estructuradas con el diagnóstico del cliente, los compromisos alcanzados, los próximos pasos— ese conocimiento se convierte en contexto accionable para la IA.
En Impulse usamos Fireflies para transcribir las reuniones y Claude para extraer el diagnóstico estructurado. El CRM se actualiza automáticamente. Sin depender de que el asesor recuerde hacerlo.
El resultado cuando el contexto está bien estructurado
Uno de nuestros clientes en el sector de educación superior tiene hoy un agente IA que hace el proceso completo de maduración y calificación de leads de forma autónoma.
El agente funciona bien. Pero el diferencial no es el agente.
Es que este cliente tiene su base de datos ordenada. Una sola fuente de verdad. Datos limpios. Historial completo.
Eso es lo que hace que el agente sea excepcional. No el modelo de IA.
Cuando el agente tiene contexto sobre cada prospecto —de dónde vino, qué programa le interesa, qué preguntas hizo en conversaciones anteriores— la conversación fluye como si fuera un asesor humano con memoria perfecta.
Sin ese contexto, el agente empieza desde cero cada vez. El usuario lo percibe. Pierde confianza. Y abandona.
El orden correcto de operaciones
Aquí está la secuencia que recomendamos en Impulse para empresas que quieren incorporar IA en sus procesos comerciales:
Paso 1: Una sola fuente de verdad.
Elige una plataforma como CRM central. Migra todo ahí. Define que esa es la fuente de verdad y que todo lo demás alimenta esa fuente.
Paso 2: Datos completos.
Define qué propiedades son críticas para tu proceso. Asegúrate de que estén completas en el 90%+ de los contactos y deals. Implementa procesos de higiene de datos.
Paso 3: Historial actualizado.
Cada interacción relevante registrada. Notas de reunión estructuradas. Señales de comportamiento capturadas.
Paso 4: IA encima.
Recién en este punto, conectar herramientas de IA. Claude para análisis de pipeline. Agentes para seguimiento. Sistemas de scoring automático.
Este orden no es opcional. Es el único que funciona.
Eduardo Eneque es CEO de Impulse, HubSpot Diamond Partner, y fundador de Conversia — plataforma de Agentes IA integrada nativamente con HubSpot. Escribe sobre Revenue Systems, IA en negocios B2B, y el proceso de escalar empresas en LatAm.
