Alejandro Dierks y Richelle Deveau. Siamak Sarvari y Sonia Joseph Griffin. 27 de marzo de 2025. McKinsey &Company
AhorrarLa IA genérica puede impulsar el crecimiento rentable de las ventas B2B. Siete casos de uso muestran cómo los líderes B2B pueden maximizar los beneficios e impulsar un impacto sostenible con una estrategia de IA genérica a medida.
Los líderes B2B están acostumbrados a usar la tecnología para lograr un crecimiento rentable. Últimamente, han estado considerando una tecnología con el potencial de acelerar las transformaciones de ventas a lo largo de toda la experiencia del vendedor: la IA genérica . Esta tecnología puede impulsar un crecimiento rentable y descomunal al impulsar la generación de ingresos, aumentar la productividad de las ventas y optimizar los procesos internos. Estos líderes creen que el potencial es enorme. Según la última encuesta B2B Pulse de McKinsey a responsables de la toma de decisiones B2B, el 19 % de los encuestados ya está implementando casos de uso de IA genérica para la compraventa B2B, y otro 23 % está en proceso de hacerlo.
Eso es prometedor. Sin embargo, la contraparte es que la mayoría de los líderes B2B aún no han adoptado la IA de última generación ni siquiera se han involucrado en ella. Algunos líderes nos comentan que no están seguros de dónde provendrían los beneficios ni de si el impacto comercial justifica la inversión. Algunos se sienten abrumados por la abundancia de ideas y buscan asesoramiento sobre qué priorizar.
En este artículo, exploramos siete casos de uso atractivos a lo largo del ciclo de negociación mediante el análisis de las implementaciones de inteligencia artificial y su impacto en el ROI de ventas y la experiencia del cliente (exhibición).1Estos casos de uso pueden mejorar la eficacia y la eficiencia, y empezar a generar un impacto casi inmediato. También examinamos implementaciones reales en organizaciones líderes. Finalmente, sugerimos consideraciones clave que pueden ayudar a las organizaciones a establecer una estrategia de implementación de IA genérica que se ajuste a sus objetivos y deseos para impulsar un crecimiento rentable de las ventas.
Anexo
Capítulo
1. La siguiente mejor oportunidad
Los vendedores B2B suelen tener dificultades con reglas demasiado simplificadas, investigación manual de clientes, falta de integración de datos o capacitación insuficiente en herramientas de venta. La IA puede ayudarles a encontrar su próxima mejor oportunidad. Puede procesar múltiples fuentes de datos dispares para priorizar las posibilidades. La IA general puede analizar cantidades significativas de datos no estructurados (por ejemplo, PDF, archivos planos o fotografías) para ofrecer recomendaciones e instrucciones avanzadas. La IA general también puede sintetizar información relevante sobre clientes potenciales en una tarjeta de batalla consolidada, lo que permite a los vendedores buscar su próxima mejor oportunidad basándose en información clara y crucial.
Este caso de uso puede agilizar significativamente el laborioso proceso de investigación de cuentas, mapeo de relaciones e identificación de partes interesadas adicionales. Los módulos de Gen AI pueden entrenarse para responder preguntas mediante la extracción de diversas fuentes, como artículos de noticias, informes de empresas y datos de transacciones. Los resultados pueden integrarse directamente en la gestión de relaciones con los clientes (CRM) de la empresa para ayudar a los vendedores a priorizar clientes y oportunidades.
Las empresas que gestionan una gran cantidad de productos y clientes potenciales son las más entusiasmadas con este caso práctico. En la Encuesta B2B Pulse , los líderes comerciales B2B de empresas de materiales de construcción, transporte, productos químicos o petroquímicos (donde los clientes potenciales suelen generarse y gestionarse manualmente) mostraron un entusiasmo desproporcionadamente mayor con este caso práctico en comparación con otros.2ESTUDIO DE CASO
Gen AI en el campo: potenciando la difusión
Un distribuidor de materiales industriales buscaba impulsar su crecimiento, pero se enfrentaba a dificultades para identificar y aprovechar las oportunidades. El proceso podía ser engorroso y consumir mucho tiempo. Por ejemplo, los vendedores de campo conducían un vehículo por una ciudad o pueblo para identificar visualmente las ubicaciones de nuevos proyectos de construcción. Para abordar este problema, la empresa primero desarrolló un motor de IA que utilizaba fuentes de datos internas y externas para puntuar y priorizar las oportunidades existentes, e identificar recomendaciones de productos específicas. Posteriormente, utilizó gen AI para extraer información sobre próximos proyectos de capital a partir de datos públicos no estructurados (en este caso, permisos de construcción), identificando nuevas oportunidades y mejorando la priorización de las existentes. Finalmente, aprovechó gen AI para personalizar el alcance a gran escala. Esto resultó en más de mil millones de dólares en nuevas oportunidades (incrementando su cartera de clientes en un 10%) y más del doble de las tasas de clics en el primer año fiscal.
Capítulo
2. Siguiente mejor acción
Incluso cuando las oportunidades se priorizan en función de los datos de participación e intención, algunas organizaciones de ventas tienen dificultades para saber qué pasos son necesarios para aprovechar las oportunidades que requieren participación inmediata.
La inteligencia artificial (IA) y el aprendizaje automático pueden orientar mejor a los vendedores sobre la mejor acción a tomar, como por ejemplo, si colocar un cliente potencial en un segmento de nutrición con baja interacción para un mes posterior o en la cola de una campaña de marketing prioritaria. La IA también puede categorizar clientes potenciales según las acciones del canal, como identificar a quién invitar a un seminario web o quién podría beneficiarse de una interacción individual inmediata. La IA incluso puede personalizar el contacto, como sugerir guiones de correo electrónico o buzón de voz según el riesgo de abandono.
En la encuesta B2B Pulse, la siguiente mejor acción se destaca como uno de los casos de uso más interesantes en industrias como servicios tecnológicos, equipos duraderos y seguros, donde los vendedores se enfrentan a un conjunto relativamente grande de opciones para expandir cuentas y avanzar en oportunidades.3ESTUDIO DE CASO
Gen AI en el campo: Acelerando las ventas de posventa y servicios
Un fabricante líder de equipos empresariales buscaba acelerar sus ventas de posventa y servicios. Los principales retos de la empresa eran un equipo de ventas reactivo, una base de clientes altamente fragmentada, una tasa de abandono significativa y la baja visibilidad de las instalaciones en las instalaciones de los clientes. Tras unos meses de desarrollo, el OEM logró implementar un motor de generación de leads para depurar los datos de ventas, alimentar una base de datos de posventa en tiempo real y generar análisis para generar oportunidades. Los algoritmos identificaron la mejor acción para la empresa mediante la predicción de los programas de mantenimiento. Los vendedores recibieron listas priorizadas de leads integradas en su CRM, categorizadas por oportunidades de venta adicional o cruzada con un valor estimado de la operación. Un asistente de ventas virtual inició el contacto con el cliente mediante correos electrónicos altamente personalizados, filtrando las respuestas para reenviar los leads más relevantes a los vendedores. En total, el OEM incrementó su cartera de clientes nuevos y existentes en más del 20 % de sus ingresos totales.
Capítulo
3. Apoyo a reuniones
Dado que los vendedores se enfrentan a grandes dificultades con información compleja, la preparación de reuniones clave con clientes puede ser un proceso laborioso. La inteligencia artificial (IA) y otros tipos de automatización pueden ahorrarles tiempo a los vendedores y mejorar las conversaciones. Estas tecnologías pueden sintetizar información crítica de múltiples fuentes (como tickets de servicio o datos de transacciones) y proporcionar información relevante en un formato fácil de entender. Un modelo de lenguaje extenso (LLM) puede incluso redactar puntos de conversación y respuestas a objeciones para una preparación más eficiente sin sacrificar la calidad de la conversación.
Implementar el soporte para reuniones no tiene por qué ser largo. Existen herramientas compatibles con gen-AI que son prácticamente independientes del sector, pueden consultar fuentes relevantes de una amplia gama de sectores y se pueden personalizar fácilmente con soluciones estándar.
El caso de uso de soporte para reuniones suele generar mayor entusiasmo en sectores con ciclos de venta largos, numerosas reuniones y grandes transacciones, donde el ahorro en tiempo administrativo puede ser significativo. Por ejemplo, más del 40 % de los encuestados de B2B Pulse en los sectores aeroespacial y de defensa, refinación de petróleo y gas, y distribución de energía manifestaron su entusiasmo por este caso de uso.4ESTUDIO DE CASO
La inteligencia artificial en el campo: impulsando la productividad de las ventas
Las industrias de materiales suelen ser complejas, con un gran volumen de productos y aplicaciones. Los vendedores exitosos necesitan un profundo conocimiento del mercado, y preparar las reuniones puede ser una tarea ardua. Una empresa de materiales enfrentó desafíos para alcanzar ambiciosos objetivos de crecimiento. Por ejemplo, solo el 20% del tiempo de sus vendedores se dedicaba a reuniones con clientes (mientras que los equipos de ventas B2B exitosos de otras empresas de todos los sectores pueden dedicar entre un tercio y la mitad de su tiempo a los clientes). Para reducir el tiempo de preparación de las reuniones, esta empresa utilizó IA para priorizar oportunidades clave y gen AI para generar materiales de investigación y guiones, así como para gestionar la comunicación directa con los clientes. Se desarrolló una herramienta gen AI para elaborar notas de preparación de reuniones en siete semanas, que reflejó las aportaciones de más de 30 vendedores e integró más de 20 fuentes de datos. Las notas de las reuniones generadas por gen AI incluían un resumen de los estados financieros, objetivos estratégicos, datos históricos de ventas, información y acciones de reuniones anteriores, un resumen de las preferencias y requisitos conocidos de los clientes e información sobre las partes interesadas clave. El resultado fue más del 10% de tiempo libre para el grupo objetivo de vendedores.
Capítulo
4. Respuestas a la solicitud de propuestas
Responder a las solicitudes de propuestas (RFP) puede consumir mucho tiempo. Pero la IA genérica puede mejorar la eficiencia y la precisión de las respuestas a las RFP, reducir los tiempos de respuesta y gestionar el seguimiento interno. La IA genérica ayuda a impulsar la coherencia y a mejorar la experiencia del cliente, ya que varios equipos funcionales aportan información sobre cómo responder a una RFP.
Este caso práctico resulta interesante para líderes de diversos sectores, con especial interés para las empresas de ciencias de la vida, que suelen gestionar respuestas a solicitudes de propuestas (RFP) altamente complejas, reguladas y con un uso intensivo de datos, cuya resolución suele requerir un gran esfuerzo manual. Aproximadamente el 40 % de los líderes del sector biofarmacéutico y el 30 % de los líderes del sector sanitario que respondieron a la encuesta B2B Pulse se mostraron muy entusiasmados con el potencial de un sistema de respuesta a RFP basado en IA genómica.5ESTUDIO DE CASO
Gen AI en el campo: agilizando las respuestas
Una organización de atención médica gestionada (MCO) transformó su respuesta a las solicitudes de propuestas (RFP) mediante la adopción de inteligencia artificial genérica. Al investigar para redactar las respuestas, sus equipos de ventas debían revisar con frecuencia cientos de documentos, cada uno con miles de páginas. En un sector donde una RFP solo se emite cada tres o cuatro años para cada mercado, había mucho en juego. La intensa competencia exigía respuestas que destacaran la solidez financiera y capacidades específicas que eclipsaran a las de la competencia. Cualquier paso en falso podía resultar en la pérdida de un contrato valorado en miles de millones de dólares anuales.
La introducción de una herramienta gen AI marcó un cambio de paradigma. Al alimentar gen AI con datos no estructurados del historial de respuestas de la MCO, junto con información de registros contractuales públicos, el equipo de ventas pudo generar inteligencia competitiva en cuestión de segundos. Esta herramienta proporcionó acceso instantáneo a innovaciones relevantes y puntos de referencia de la competencia, lo que permitió una toma de decisiones más estratégica e informada durante el proceso de redacción. Por ejemplo, la herramienta gen AI pudo sintetizar instantáneamente las expectativas de los clientes en cuanto a los tiempos de respuesta a los mensajes de voz del proveedor, el horario de atención del centro de llamadas y el tiempo necesario para obtener la autorización previa, detalles cruciales que antes requerían una extensa investigación manual. Desde la introducción de la herramienta, la MCO logró reducir el tiempo necesario para evaluar las capacidades de la competencia entre un 60 % y un 80 %. La información generada fortaleció su propuesta en respuesta a una RFP competitiva. La herramienta permitió una mayor eficiencia y reforzó la ventaja competitiva de la MCO en un sector rico en información donde cada RFP cuenta.
Capítulo
5. Precios inteligentes
El impacto de la IA en la fijación de precios puede ser enorme. Muchas industrias B2B dependen principalmente del análisis básico y la perspicacia comercial del equipo de ventas. La IA crea la oportunidad de una innovación significativa. Permite a las empresas B2B adaptar modelos que, en su mayoría, solo se han utilizado en industrias B2C de alto ritmo (por ejemplo, el comercio minorista en línea). El resultado son nuevas oportunidades para las empresas pioneras y nuevos riesgos para las rezagadas.
Existen varias aplicaciones predominantes de la IA y la IA genérica para la fijación inteligente de precios. Una de ellas es la fijación de precios basada en IA, donde la microsegmentación de clientes permite evaluar su disposición a pagar y comprar a un precio determinado. Otras aplicaciones incluyen el apoyo a la negociación y la administración de precios con IA genérica. Las empresas han comenzado a utilizar la IA genérica para analizar datos públicos e interacciones con los clientes, monitorizar la eficacia y el rendimiento de las negociaciones y crear argumentos personalizados. Esto también proporciona a los vendedores una puntuación y una justificación de su poder de negociación. La IA genérica también está demostrando ser eficaz en el uso de la automatización en la administración de precios, incluyendo actualizaciones del sistema y flujos de trabajo de aprobación.
En la encuesta B2B Pulse, los encuestados priorizaron los precios inteligentes en las industrias donde los precios tienen un impacto significativo en la rentabilidad y los productos tienen menos diferenciación y variabilidad (por ejemplo, papel y embalaje, distribución de energía y envío).6ESTUDIO DE CASO
Gen AI en el campo: Puntuación dinámica de acuerdos
Muchas organizaciones B2B publican precios para sus clientes que luego se descuentan en las negociaciones para cerrar tratos. Esto genera una gran variación en los precios finales reales. Cierta variación es lógica, pero los descuentos derivados de las diferencias en las habilidades de negociación o el historial de ventas de los representantes de ventas, por ejemplo, pueden ser innecesarios.
Una empresa de servicios B2B se propuso controlar la variación de sus descuentos y ajustar su modelo de precios. Mediante una herramienta de IA, creó una estructura de precios basada en cientos de parámetros de clientes y acuerdos, con modelos separados para nuevos acuerdos y renovaciones. Esta estructura se integró en una aplicación intuitiva para el equipo de ventas, donde se analizaban y calificaban sus acuerdos, ofreciéndoles diversas opciones de descuento atractivas. Esto, a su vez, se integró en un flujo de trabajo de aprobación en el CRM, lo que permitió visualizar al instante la calidad real de un acuerdo. Finalmente, la información del modelo de IA se utilizó para capacitar a los equipos de ventas. Esta información reveló qué impulsaba la variación de descuentos, deseada e indeseada, lo que proporcionó a los equipos de ventas orientación sobre dónde mantener su postura o dónde ceder durante las negociaciones.
Gracias al uso de IA para la fijación inteligente de precios, la empresa experimentó un aumento del 10 % en sus ganancias. Cabe destacar que la solución de precios no se limitó a aumentar el precio, sino que se centró en la optimización, guiando a los equipos hacia precios más altos siempre que fuera posible y permitiendo precios más bajos cuando fuera necesario. Este tipo de matiz permite a las empresas orientar activamente los precios hacia sus objetivos estratégicos , ya sea margen, volumen o una combinación equilibrada.
Capítulo
6. Asistente de investigación inteligente
Los vendedores B2B de alto rendimiento dedican un tiempo considerable a investigar a clientes, prospectos y productos. Recopilar información de sitios web corporativos, informes anuales y presentaciones de resultados, así como correos electrónicos y datos internos, requiere un tiempo considerable. Esto puede resultar especialmente engorroso para los vendedores que intentan interactuar con un cliente en una llamada en vivo y tienen dificultades para localizar, procesar y sintetizar rápidamente la información relevante. Esta interacción con el cliente se ha transformado gracias a la IA de última generación, que puede ayudar a los vendedores a obtener información rápidamente durante las llamadas. Como resultado, los vendedores son más perspicaces y perspicaces, lo que mejora la experiencia general.
Los encuestados de B2B Pulse mostraron el mayor interés promedio en el caso de uso del asistente de investigación inteligente: el 27 por ciento dijo estar entusiasmado con sus perspectivas.7ESTUDIO DE CASO
La inteligencia artificial en el campo: impulsando la productividad de los vendedores
Una empresa industrial global en estancamiento buscaba reactivar el crecimiento rentable y la productividad en un mercado volátil. Desarrolló un motor de crecimiento basado en IA para facilitar la investigación de mercado. La herramienta combinó más de diez fuentes de datos internas y externas para mapear el universo de clientes existentes y potenciales, priorizados por su participación en la cartera y el potencial de la cuenta. La empresa también utilizó un agente de IA para articular la propuesta de valor para cada cliente potencial, incluyendo su desempeño en comparación con la competencia en factores de compra cruciales. Esta tecnología proporcionó a la empresa una investigación más sólida, lo que permitió a una organización comercial pasar de su enfoque tradicional de «cultivar» negocios entre clientes conocidos a una búsqueda cada vez mayor de nuevas oportunidades en aplicaciones de productos nunca antes imaginadas. Esto resultó en tasas de conversión un 40 % mayores y una ejecución de clientes potenciales un 30 % más rápida por parte del equipo de ventas una vez que la solución se implementó por completo en pocos meses.
Capítulo
7. Entrenador inteligente
Dada la duración y complejidad de algunos procesos de ventas B2B y ciclos de negociación, a menudo resulta difícil para los gerentes y líderes de ventas comparar eficazmente el rendimiento de los vendedores. Gen AI puede analizar el rendimiento de los vendedores en todas las interacciones con los clientes para brindar a los gerentes una visión integral del rendimiento y recomendar coaching específico según las necesidades específicas de cada vendedor. También puede proporcionar información personalizada sobre el rendimiento directamente a los vendedores para facilitar su desarrollo y crecimiento personal.
Los encuestados de la Encuesta Pulso B2B en el sector servicios que utilizan discursos de venta consistentes son los más dispuestos a ayudar a sus vendedores con coaches inteligentes con inteligencia artificial. Por ejemplo, el 35 % de los líderes del sector de seguros B2B se mostraron entusiasmados con el caso de uso de los coaches inteligentes.8ESTUDIO DE CASO
Gen AI en el campo: Mejora de las ventas en los centros de llamadas
Una empresa de telecomunicaciones buscaba mejorar la satisfacción del cliente y el rendimiento de ventas en su centro de atención telefónica, donde la presentación constante de ofertas específicas en cada llamada de servicio era una métrica crucial. Desarrolló una solución de inteligencia artificial gen para evaluar el rendimiento de los vendedores e incorporó la información a un motor de coaching. La herramienta se entrenó con transcripciones de llamadas vinculadas a resultados de ventas y satisfacción. Utilizó inteligencia artificial gen para analizar la estructura de las llamadas e identificar indicadores de competencia, como la empatía, que ayudan a explicar un buen rendimiento. La información se utilizó posteriormente para ofrecer sugerencias de coaching a los agentes del centro de atención telefónica después de cada llamada y se incorporó a programas de coaching a largo plazo diseñados para cada agente. Este desarrollo personalizado de capacidades resultó en un aumento de siete puntos en la puntuación de satisfacción del cliente (una métrica que mide la probabilidad de que los clientes recomienden los productos o servicios de una empresa) y una reducción del 20 % en los costes de formación.
Estos siete casos prácticos revelan el potencial de la IA gen para transformar el proceso de venta integral. Los líderes del sector están entusiasmados con estos casos prácticos, pero les interesa aún más la próxima ola de innovación: la IA agentica. Con una intervención humana limitada, los agentes pueden razonar, interpretar y tomar decisiones autónomas para una actividad o flujo de trabajo. Considere los casos prácticos de mejor acción siguiente: La IA agentica no solo identificará acciones específicas (como clasificar un cliente potencial como de prioridad media, lo que requiere uno o dos correos electrónicos de contacto de preparación), sino que ejecutará la acción contactando automáticamente a un cliente potencial, evaluando su interés y respondiendo (por ejemplo, enviando un mensaje que diga: «Notamos que estaba interesado en un producto específico, por lo que queríamos brindarle más detalles»). Los agentes de IA también pueden cultivar la relación con un cliente potencial de ventas mediante múltiples comunicaciones sobre posibles acciones, como programar una reunión entre el cliente y el vendedor. Los agentes de IA son tan potentes que tienen el potencial de llevar los siete casos prácticos al siguiente nivel.
Cinco lecciones clave para implementar la IA en las ventas B2B
Los siete casos prácticos ilustran cómo las empresas pueden aprovechar la IA para reestructurar radicalmente su capacidad de ventas y lograr un crecimiento descomunal y rentable. La implementación eficaz de la IA de última generación es crucial para el éxito. Ya sea iniciando su primer piloto o ampliando sus esfuerzos iniciales, cualquier empresa que busque lograr un cambio duradero en su organización de ventas debería considerar estas cinco lecciones.
Empiece por el problema, no por la tecnología
La decisión de utilizar IA genérica o cualquier otra tecnología debe basarse en consideraciones empresariales específicas. En el caso de las ventas B2B, la consideración principal debe ser identificar dónde esta tecnología puede impulsar un crecimiento considerable y rentable. Las empresas pueden empezar por identificar los principales retos del negocio, como la captación de clientes potenciales, la atención a cuentas importantes o una gestión más eficaz de los servicios. Posteriormente, pueden determinar los casos de uso que aportarán el mayor valor. Una vez claras las prioridades, los líderes B2B pueden decidir si estas necesidades se satisfacen mejor con tecnologías como la automatización basada en reglas, el aprendizaje automático, la IA o la IA genérica.
En algunos casos, las organizaciones de ventas podrían no necesitar adoptar la IA genérica, especialmente si procesos fundamentales como la gestión de pedidos o el enrutamiento de clientes potenciales aún son manuales. Cuando la tolerancia a errores es muy baja, una automatización simple con enlaces directos a la fuente podría ser un enfoque suficiente y más confiable, evitando los riesgos potenciales de las alucinaciones de la IA genérica. La clave para diseñar y desarrollar las mejores soluciones reside en una comprensión clara del problema empresarial. Solo entonces un líder de ventas podrá evaluar si la IA genérica es la opción adecuada para sus necesidades.
Mantenga al vendedor en el centro
Para aprovechar al máximo una solución de IA de última generación, es fundamental garantizar que su diseño se centre en las necesidades de los usuarios. Las organizaciones B2B pueden empezar evaluando los procesos de venta actuales para encontrar maneras de optimizar el tiempo de los vendedores o proporcionarles información valiosa cuando más la necesitan. Esto también implica profundizar en la experiencia del cliente. Los vendedores que puedan utilizar la información y la eficiencia adecuadas para generar más momentos de satisfacción del cliente estarán más entusiasmados con la solución.
Los líderes comerciales pueden plantearse las siguientes preguntas para garantizar que las soluciones de inteligencia artificial estén centradas en el vendedor:
- Impactante: ¿La solución es importante para los vendedores? ¿Tendrá un impacto significativo?
- Claro: ¿Es fácil entender el resultado?
- Comprensible: ¿Pueden los vendedores explicar fácilmente los resultados a los clientes?
- Prescriptivo: ¿Los resultados están claramente vinculados a acciones específicas para los vendedores?
- Confiable: ¿Los vendedores confiarán en los resultados y considerarán que la información es consistente y precisa?
Si la respuesta a cualquiera de estas cinco preguntas es no, conviene revisar el diseño de la solución, incluyendo las características críticas, las fuentes de datos, los resultados analíticos y la presentación de la información. Por otro lado, las respuestas positivas a estas preguntas aumentarán la probabilidad de que los vendedores adopten con entusiasmo el caso de uso de la IA general.
Compre lo fácil y construya para obtener una ventaja competitiva
No es de extrañar que la mayoría de las organizaciones no desarrollen capacidades de IA de generación completa desde cero. Incluso cuando optan por desarrollar para un caso de uso específico, una parte significativa de la funcionalidad (como un LLM) suele provenir de soluciones listas para usar y disponibles públicamente, que pueden ajustarse. En este sentido, un enfoque de «desarrollo» se describe con mayor precisión como «comprar y desarrollar».
Para decidir entre una estrategia de «compra» o una de «compra y desarrollo», es importante establecer prioridades comerciales claras para casos de uso de IA genérica de alto impacto que puedan dar una ventaja a su organización de ventas. Para casos de uso de menor complejidad con funcionalidades mayormente estándar (como resumir transcripciones de reuniones), las organizaciones líderes suelen optar por comprar e implementar rápidamente una solución de IA genérica lista para usar. Para casos de uso de alto valor con potencial de rendimiento único y ventaja competitiva (como entregar la oferta adecuada en el momento oportuno), es mejor optar por una estrategia de «compra y desarrollo», donde las inversiones en desarrollo específico, más allá de las funcionalidades predefinidas, pueden generar un mayor impacto. Tomar las decisiones correctas sobre cuándo comprar o cuándo invertir en el desarrollo de soluciones personalizadas para obtener una ventaja estratégica puede diferenciar a los líderes de la competencia.
Equilibre el impacto inmediato y las capacidades duraderas con una estrategia de IA clara
A medida que los líderes comerciales comienzan a implementar casos de uso de IA genérica en las ventas B2B, es fundamental establecer y mantener una visión clara de la infraestructura tecnológica comercial general, así como de la estrategia y la arquitectura de IA empresarial. Las arquitecturas inconsistentes pueden generar esfuerzos desperdiciados, soluciones incompatibles y mayores costos. Al garantizar la alineación desde el principio, las organizaciones pueden evitar la fragmentación causada por esfuerzos de desarrollo dispares e integrar diversas iniciativas de IA sin problemas, maximizando su valor.
Las organizaciones líderes pueden planificar sus esfuerzos en cuestión de semanas, lo que les permite desarrollar rápidamente casos de uso efectivos de IA general, manteniendo un marco cohesivo. Esto se logra mediante un análisis minucioso de los productos mínimos viables (MVP) y el aprovechamiento de socios cuando no cuentan con el personal adecuado internamente. Los primeros éxitos actúan como faros que fomentan el entusiasmo, movilizan a la organización y aseguran el apoyo y los recursos para una implementación a gran escala.
Si bien los logros rápidos son importantes, no deben ir en detrimento de las capacidades fundamentales. Invertir en la infraestructura tecnológica adecuada es vital para el éxito a largo plazo. Esto incluye una gestión y gobernanza de datos robustas, capacidades integrales de procesamiento de datos y una infraestructura tecnológica modernizada. El talento es igualmente importante. Las organizaciones ambiciosas forman equipos con las habilidades necesarias para desarrollar, mantener y mejorar las funcionalidades de la IA genérica a lo largo del tiempo. Esto implica contratar al talento adecuado y capacitar continuamente a los empleados para fomentar una cultura de innovación y adaptabilidad . Al lograr el equilibrio adecuado entre el impacto a corto plazo y las capacidades a largo plazo, las organizaciones pueden garantizar que su transición a la IA genérica sea eficaz y sostenible.
Invierta en la adopción del vendedor desde el principio
Los líderes comerciales suelen estar deseosos de implementar soluciones de IA de nueva generación para optimizar el rendimiento. Sin embargo, lograr que los equipos de ventas adopten estas soluciones de forma sostenible y a gran escala puede ser más difícil que lanzar la tecnología. Un diseño centrado en el vendedor y una mentalidad de experimentación que conduzca a los primeros MVP son un buen comienzo, pero los líderes deben invertir tiempo y esfuerzo para maximizar la adopción y generar un impacto real. Al implementar soluciones de IA en ventas, es crucial adoptar un enfoque ágil de desarrollo, que incluya un proceso iterativo con frecuentes ciclos de prueba y aprendizaje basados en la retroalimentación del vendedor y un perfeccionamiento continuo dentro de equipos comerciales y tecnológicos estrechamente vinculados.
Una implementación eficaz también requiere una gestión cuidadosa del cambio, una práctica que a menudo se pasa por alto. Las organizaciones líderes emplean diversas estrategias para preparar y apoyar a los vendedores ante las nuevas soluciones de IA. Estas incluyen comunicaciones frecuentes y el establecimiento de expectativas claras, el uso de promotores y asesores de ventas, la impartición de sesiones de formación y el reconocimiento de casos de éxito, y el uso responsable de las nuevas soluciones por parte de los líderes de ventas. Incentivar a los vendedores que experimentan con IA y celebrar la detección de errores como parte de la innovación puede fomentar una cultura de mejora continua.
Finalmente, los centros de excelencia en IA pueden ayudar a acelerar la adopción y escalar la IA general a más casos de uso. Estos centros pueden priorizar recursos, centralizar la financiación, garantizar una gestión adecuada del cambio e impulsar un uso responsable.
Si bien muchas organizaciones de ventas B2B aún se encuentran en las primeras etapas de desarrollo tecnológico, las empresas líderes ya están escalando sus capacidades de IA de última generación. Los líderes comerciales cuyas empresas experimentan un mayor crecimiento tienden a mostrar mayor entusiasmo por la IA de última generación y están implementando múltiples casos de uso para transformar sus estrategias de crecimiento y la experiencia del vendedor. La IA de última generación puede empoderar a los equipos al proporcionar mejor información, impulsar mayores tasas de conversión e impulsar la productividad. Los agentes autónomos pueden generar un impacto aún mayor. Con la estrategia de crecimiento y el modelo de comercialización adecuados en mente, y la disposición para convertir el interés en la IA de última generación en acción, los líderes B2B pueden abrir un futuro con un enorme potencial .
Alexander Dierks es socio de la oficina de McKinsey en Múnich, Richelle Deveau es socia de la oficina del sur de California, Siamak Sarvari es socio asociado de la oficina de Nueva Jersey y Sonia Joseph Griffin es socia asociada de la oficina de Atlanta.
Los autores desean agradecer a Alex Abdelnour, Andy Earnest, Annie David, Carlos Pardo Martin, Enrique González Campuzano, Guy El Khoury, Jay Kaza, Jochen Ulrich, John Karlen, Julian Larcher, Julian Raabe, KT Mishra, Maria Rojas Londono, Michelle Court-Reuss, Philippe Schwob, Philipp Landauer, Rob Huefner, Vicky Chen y Wilson McCrory por sus contribuciones a este artículo.
Este artículo fue editado por Christine Y. Chen, editora senior de la oficina de Denver.
