Consultoría de marketing y ventas · Santa Fe, para toda Argentina
Lunes a viernes de 8 a 18 h342 639-4815
Diccionario de marketing: IA y automatización
Veinticinco términos de inteligencia artificial y automatización explicados como se los explicaría a un gerente que tiene una propuesta sobre la mesa y necesita evaluarla: qué es cada cosa, en qué proceso de una empresa se usa y qué falla cuando se implementa sin decidir antes qué problema resuelve.
Dos puertas distintas
La inteligencia artificial entra a una empresa por dos puertas que conviene no confundir. Una es la automatización: tareas que ya existen y hoy se hacen a mano, que pasan a ejecutarse solas. La otra es una pregunta de estrategia: qué parte de la ventaja competitiva de esa empresa se apoya en algo que la IA está abaratando, y en qué plazo. La primera se resuelve eligiendo herramientas. La segunda se decide antes de comprar ninguna.
Casi todo el vocabulario del tema nombra herramientas, y eso empuja las conversaciones a empezar por el producto en vez de por el proceso que hay que arreglar. Un gerente que sabe qué diferencia hay entre un chatbot y un agente, qué es un disparador y por qué un modelo inventa datos con tono seguro puede evaluar cualquier propuesta con tres preguntas: qué proceso toca, con qué información trabaja y cómo se mide si sirvió.
IA y automatización, término por término
Definiciones para evaluar una propuesta: qué resuelve cada cosa, de qué depende y dónde suele fallar.
A
Adopción interna · Adopción de herramientas
La adopción interna es la proporción del equipo que efectivamente usa una herramienta nueva en su trabajo diario, semanas después de la capacitación. Es donde se caen la mayoría de los proyectos de IA, y no por la tecnología.
Por qué falla y qué mirar
El proyecto se evalúa por lo que la herramienta puede hacer y se cae por lo que el equipo efectivamente hace. Son dos preguntas distintas: una la contesta el proveedor en una demostración, la otra recién se ve semanas después de la capacitación.
Se suma lo nuevo y se deja viva la forma anterior. El equipo termina cargando lo mismo dos veces y elige la que ya conocía, con razón. Cuando eso pasa, el problema no está en la herramienta y comprar otra no lo mueve.
Lo trabajamos en Consultoría
Agente de IA · AI agent
Un agente de IA es un programa que recibe un objetivo y ejecuta por su cuenta los pasos para cumplirlo —consultar un sistema, redactar una respuesta, cargar un registro—, en vez de esperar una instrucción para cada paso.
En qué se distingue y qué mirar
Lo que separa un agente de un flujo automatizado es quién decide la secuencia: el flujo ejecuta pasos fijos, el agente elige el siguiente según lo que encuentra. Esa libertad rinde donde las excepciones ya tienen respuesta y estorba donde nunca se resolvieron.
Se le delega una tarea donde equivocarse sale caro y nadie queda a cargo de revisar. Un agente que cotiza va a mandar un precio mal alguna vez, y sin control eso se descubre cuando llega el reclamo.
Lo trabajamos en Inteligencia artificial para empresas
Alucinación · Hallucination
Una alucinación es una respuesta falsa que un modelo de lenguaje entrega con el mismo tono seguro que una correcta: un dato inventado, una cita que no existe, un número verosímil que no salió de ninguna fuente.
Por qué pasa y qué mirar
No es una falla que se pueda arreglar: es consecuencia de que el modelo predice texto probable y no consulta una fuente. Por eso aparece con más frecuencia cuanto más específica es la pregunta y menos material propio tiene a la vista.
Se espera que un modelo mejor la elimine. Baja la frecuencia y con eso la vuelve más difícil de detectar: cuando casi todo sale bien nadie revisa, y el dato inventado viaja con el mismo tono seguro que el correcto.
API · Interfaz de programación
Una API es la puerta por la que dos sistemas se pasan información sin que nadie copie y pegue: el formulario del sitio le entrega la consulta al CRM, y el sistema de gestión le devuelve al sitio el estado del pedido.
En qué se distingue y qué mirar
Que exista una API no dice qué se puede hacer con ella: algunas solo dejan leer, otras permiten escribir, y varias tienen límites de consultas por hora. La API es la puerta; la integración es el trabajo de decidir qué pasa por ahí.
Se compra una herramienta sin preguntar si el sistema de gestión que ya está en uso tiene API disponible. Varios programas administrativos no la tienen o la cobran aparte, y la automatización termina siendo alguien exportando planillas los viernes.
Automatización de marketing · Marketing automation
La automatización de marketing es el conjunto de envíos y avisos que se disparan solos según lo que hace un contacto: descargó un catálogo, abrió tres correos seguidos, pidió presupuesto y no volvió a responder.
En qué se distingue y qué mirar
Lo que la separa de un envío masivo es el disparador: uno sale por calendario, el otro por lo que hizo una persona. Eso pide que ese comportamiento quede registrado en algún lado; si no queda, no hay nada que dispare nada.
Se instala la herramienta antes de tener escrito qué se le dice a quién y en qué momento. Queda una plataforma cara mandando un correo mensual. La automatización multiplica el proceso que existe: si no está definido, multiplica el desorden.
Lo trabajamos en Ventas B2B
Automatización sin código · No-code
La automatización sin código es la construcción de flujos conectando bloques en una pantalla, sin programar. Permite que alguien de administración arme lo que antes pedía un desarrollador, con el límite de lo que la plataforma trae resuelto de fábrica.
Hasta dónde llega y qué mirar
El límite no es la complejidad del flujo sino lo que la plataforma trae resuelto: mientras el caso entre en los bloques disponibles se monta en días, y cuando no entra se lo rodea con parches que después nadie entiende.
Se arma sin documentar nada y queda corriendo en la cuenta personal de quien lo hizo. Cuando esa persona se va, nadie sabe qué flujos existen ni con qué usuario se ejecutan, y aparecen de a uno cuando algo deja de funcionar.
C
Chatbot · Asistente conversacional
Un chatbot es un programa que responde consultas por escrito en un sitio o en WhatsApp. Los que funcionan resuelven las cinco o seis preguntas que se repiten todos los días y derivan el resto a una persona identificada.
Cuándo rinde y qué mirar
Un chatbot rinde donde las preguntas se repiten y la respuesta no cambia según el caso. Cuanto más particular es la consulta, menos aporta responder rápido y más pesa que la conversación llegue a alguien con lo que ya se dijo adentro.
Se lo elige como primera automatización porque es lo que se ve desde afuera, y suele ser lo de menor impacto medible: si la consulta ya entraba y se contestaba, cambia el canal y no agrega ventas. Lo que las mueve es que ninguna quede sin respuesta.
Lo trabajamos en Inteligencia artificial para empresas
Copiloto de ventas · Sales copilot
Un copiloto de ventas es un asistente que trabaja al lado del vendedor sobre la información de la empresa: arma el resumen de la cuenta antes de la llamada, redacta el seguimiento y marca qué oportunidad quedó sin movimiento.
En qué se distingue y qué mirar
Un copiloto propone y alguien decide; un agente ejecuta y después avisa. Esa diferencia define el riesgo de cada uno. Lo que el copiloto puede resumir depende por completo de lo que el equipo haya cargado: sobre un CRM vacío no hay nada que resumir.
Se lo evalúa por lo que redacta y no por lo que ordena. Un correo bien escrito no cambia el resultado del trimestre; que no se caiga por olvido una oportunidad parada hace dos semanas, sí. Casi nadie sabe cuántas se están cayendo hoy.
Lo trabajamos en Ventas B2B
D
Dato de entrenamiento · Training data
Un dato de entrenamiento es cada ejemplo con el que se ajusta un modelo. La calidad del resultado depende de esos ejemplos: un modelo entrenado con presupuestos mal armados produce presupuestos mal armados, solo que más rápido.
De qué depende y qué mirar
No es lo mismo que el material que se le pasa en el momento: el dato de entrenamiento cambia el modelo; el contexto, solo la respuesta de esa vez. Pesa más la coherencia entre los ejemplos que la cantidad: veinte parecidos entre sí enseñan más que doscientos dispares.
Se cargan documentos internos sin revisar qué contienen: listas de precios vencidas, condiciones que ya no se aplican, datos de clientes que no deberían salir de la empresa. Después el modelo los repite con tono de certeza y nadie sabe de dónde salieron.
Disparador · Trigger
Un disparador es el evento que pone en marcha un flujo automatizado: se envía un formulario, se marca una oportunidad como ganada, pasan siete días sin respuesta, un cliente abre el presupuesto por tercera vez.
Cuál conviene primero y qué mirar
Hay dos clases y no se parecen: los que responden a algo que pasó y los que responden a algo que no pasó. Los segundos —tantas horas sin contestar, tantos días sin movimiento— son los que atrapan lo que se estaba cayendo por olvido.
Se eligen disparadores sobre eventos que la empresa no registra. Si nadie marca en el sistema cuándo se envió un presupuesto, no hay nada que dispare el seguimiento: todo flujo se apoya en un dato que alguien cargó a mano en algún momento.
E
Embedding · Vector de significado
Un embedding es la representación numérica de un texto que permite compararlo con otros por significado y no por palabras exactas. Es lo que hace que un buscador entienda que rotura de cinta y falla de transportador son lo mismo.
Para qué sirve y qué mirar
Compara significados, con lo cual también trae cosas parecidas que nadie pidió: la precisión de un buscador por embeddings depende de cuánto se parecen entre sí los productos del catálogo y de si el vocabulario del cliente coincide con el de las fichas.
Aparece en las propuestas como si fuera una prestación, cuando es un componente interno de un buscador o de un sistema de recomendación. La pregunta que corresponde no es si usa embeddings: es cuántas búsquedas terminan hoy en cero resultados.
F
Flujo automatizado · Workflow
Un flujo automatizado es una secuencia de pasos que se ejecuta sola cuando ocurre algo definido: entra un formulario, se crea el contacto, se avisa al vendedor de la zona y se agenda un recordatorio a las cuarenta y ocho horas.
De qué depende y qué mirar
Un flujo hace siempre lo mismo, y ahí está su valor y su límite: es predecible, y todo lo que no se previó queda sin resolver. Cuantas más ramificaciones se le agregan para cubrir excepciones, menos se parece a un proceso y más a un programa.
Se arman flujos largos y después nadie puede explicar por qué un contacto recibió cierto correo. Un flujo que solo entiende quien lo configuró se rompe el día que esa persona cambia de trabajo, y lo que queda es una automatización que nadie se anima a tocar.
G
Gobernanza de datos · Data governance
La gobernanza de datos es el conjunto de reglas escritas sobre qué información se puede cargar en una herramienta de IA, quién accede a qué y cuánto tiempo se conserva. Sin esas reglas, cada empleado decide por su cuenta.
Cómo se define y qué mirar
Lo que cambia entre una herramienta y otra es qué hace el proveedor con lo que se sube: si lo usa para entrenar, si lo guarda y por cuánto tiempo. Eso es lo que define qué información puede salir de la empresa, no la reputación de la marca.
El equipo ya está usando IA por su cuenta y nadie definió qué se puede subir. Prohibirlo no cambia nada: se sigue haciendo desde el teléfono personal y sin registro, con la diferencia de que ahora la empresa tampoco se entera.
Lo trabajamos en Consultoría
I
IA generativa · Generative AI
La IA generativa es la familia de modelos que produce contenido nuevo —texto, imágenes, audio, código— a partir de una instrucción. Genera algo verosímil, no algo comprobado: la comprobación sigue siendo trabajo humano.
Dónde rinde y qué mirar
Lo que la separa de los modelos que clasifican o predicen es que acá no hay respuesta correcta contra la cual comparar: el resultado lo juzga una persona. Por eso el ahorro aparece en el borrador y no en la versión que se publica.
Se la adopta por volumen y se la mide por volumen. Publicar cuatro veces más no mueve las consultas si lo que se publica no dice nada que el comprador no supiera. Donde cambia algo es en un cuello de botella que ya se conocía.
Lo trabajamos en Inteligencia artificial para empresas
Ingeniería de prompts · Prompt engineering
La ingeniería de prompts es el trabajo de escribir, probar y corregir instrucciones hasta que un modelo devuelva resultados consistentes. Se parece menos a un truco que a redactar un procedimiento: se prueba sobre casos conocidos, se mide y se ajusta.
De qué depende y qué mirar
Lo que la separa de escribir un prompt es que hay una prueba: se contrasta contra casos ya resueltos y se sabe en cuántos acertó. Sin ese contraste, cambiar la instrucción es cuestión de gusto y cada versión parece mejor que la anterior.
Se la trata como una especialidad separada del negocio. Lo difícil no es la redacción: es tener escrito qué distingue una consulta urgente de una que puede esperar, y esa decisión no la puede tomar nadie de afuera de la empresa.
Integración · Integration
Una integración es la conexión estable entre dos sistemas para que compartan datos sin intervención manual: el sitio con el CRM, el CRM con la facturación, la facturación con el sistema de stock del depósito.
Qué implica y qué mirar
Conectar dos sistemas es lo fácil; lo difícil es decidir cuál manda cuando los dos tienen el mismo dato distinto. Un cliente cargado dos veces, un pedido facturado parcial: la integración obliga a poner por escrito reglas que la empresa nunca tuvo que escribir.
Se presupuestan las herramientas y no el trabajo de conectarlas. Suele ser el rubro más grande del proyecto y el que más se estira, porque los campos que no coinciden y las reglas que faltaban aparecen recién cuando alguien intenta pasar el primer dato.
Lo trabajamos en Diseño web
L
LLM (modelo grande de lenguaje) · Large Language Model
Un LLM es un modelo entrenado con enormes cantidades de texto que predice la palabra siguiente. De esa mecánica salen las respuestas que parecen razonamiento: es una predicción muy buena, no una consulta a una base de datos.
Qué se le puede pedir y qué mirar
La consecuencia práctica es qué se le puede pedir. Redactar, resumir, clasificar y traducir lo hace bien, porque son operaciones sobre un texto que ya tiene delante. Cuánto stock hay o qué se facturó en marzo no lo sabe, salvo que se le conecte el sistema.
Se lo trata como fuente de información cuando es un procesador de texto. Frente a cualquier propuesta, lo que ordena la conversación es de dónde sale el dato. Si sale del modelo, lo que se recibe son respuestas fluidas sin garantía de que sean ciertas.
O
Observatorio de IA · Observatorio sectorial
Un observatorio de IA es el seguimiento periódico de cómo avanza la inteligencia artificial en un sector concreto: qué herramientas aparecen para ese rubro, qué adoptan las empresas comparables, qué se mueve en regulación y qué cambia en la forma en que compran los clientes.
Para qué sirve y qué mirar
Depende del recorte: lo que se mueve en inteligencia artificial en general es demasiado y casi nada aplica. Acotado a un sector queda poco, y ese poco —qué cambia en la forma de comprar de los clientes, qué exige la regulación— sí se puede seguir.
Se sigue el tema leyendo titulares y cada anuncio parece obligar a moverse. Lo que después cambia una decisión es más chico y más aburrido, y casi nunca es noticia: aparece cuando alguien ya lo puso a andar y contó cómo le fue.
Lo trabajamos en Inteligencia artificial para empresas
P
Prompt · Instrucción
Un prompt es la instrucción que se le da a un modelo. La diferencia entre una respuesta inservible y una aprovechable suele estar ahí: qué rol asume, con qué material trabaja, para quién escribe y en qué formato tiene que responder.
En qué se distingue y qué mirar
Un prompt que se usa una vez y uno que sostiene una tarea repetida no son lo mismo. El segundo tiene que fijar el formato de salida, porque lo que después se compara entre casos no son las palabras del modelo sino la estructura de la respuesta.
Cada quien escribe el suyo y los resultados no se parecen entre sí. Cuando el prompt es de la persona y no de la empresa, la mejora que uno encuentra no la hereda nadie, y la calidad del trabajo termina dependiendo de quién lo hizo.
R
RAG (generación aumentada por recuperación) · Retrieval Augmented Generation
RAG es la técnica que hace que un modelo responda usando documentos de la empresa: primero busca los fragmentos que corresponden a la pregunta y después redacta la respuesta con eso a la vista, en vez de con lo que recuerda del entrenamiento.
Qué resuelve y qué mirar
No cambia el modelo: le pone documentos delante en el momento de responder. Por eso se actualiza cambiando un archivo y no reentrenando nada, y por eso la calidad de la respuesta es la calidad del documento que el sistema haya encontrado.
Se lo conecta a una carpeta donde conviven tres versiones del mismo documento y dos listas de precios. El sistema responde con seguridad usando la equivocada y nadie se entera, porque la cita al pie da la impresión de que alguien verificó.
Lo trabajamos en Inteligencia artificial para empresas
S
Scoring automático · Lead scoring automatizado
El scoring automático es el puntaje que un sistema le asigna a cada consulta según cuánto se parece a las que terminaron en venta: rubro, tamaño de la empresa, qué páginas miró, qué pidió y desde qué zona escribió.
De qué depende y qué mirar
El puntaje sale de comparar contra lo que ya pasó, así que sin un historial de operaciones ganadas y perdidas no hay con qué compararlo. Ordena una lista: dice a quién llamar primero, no si esa consulta puntual va a comprar.
Se arma el puntaje con supuestos de una reunión y no con las ventas cerradas del último año. El sistema ordena por corazonada con apariencia de método, y como nadie discute un número, las consultas que quedan abajo dejan de llamarse.
Lo trabajamos en Ventas B2B
Segmentación dinámica · Segmentos automáticos
La segmentación dinámica es la división de una base de contactos en grupos que se actualizan solos: alguien entra al grupo de clientes inactivos cuando pasa noventa días sin comprar, y sale el día que hace un pedido.
En qué se distingue y qué mirar
La pertenencia se recalcula sola, y por eso el grupo vale lo que valga el dato que lo define. Si la última compra se carga a mano y con retraso, el segmento de clientes inactivos termina incluyendo gente que compró la semana pasada.
Se definen veinte segmentos y se terminan usando dos. Un segmento sin una acción asociada es una lista que nadie mira, y mientras tanto sostiene la impresión de que la base está trabajada cuando en realidad se le habla siempre a los mismos.
Sistema de recomendación · Recommender system
Un sistema de recomendación es el que sugiere qué mostrarle a cada cliente según lo que compró él y lo que compraron clientes parecidos. Necesita dos condiciones para funcionar: catálogo amplio e historial suficiente de operaciones.
Cuándo aplica y qué mirar
Aprende de lo que hicieron muchos clientes, así que su precisión depende del volumen de operaciones y no de lo bueno que sea el modelo. Con catálogo chico y pocos pedidos por mes, una regla escrita por el equipo comercial acierta más.
Se lo evalúa por lo que sugiere y no por lo que agrega. La única comparación que dice algo es entre pedidos con sugerencia y sin ella; si nadie separó las dos, cualquier suba del ticket se le atribuye al sistema.
T
Transcripción automática · Speech to text
La transcripción automática es la conversión de audio a texto por software: reuniones, llamadas de venta, visitas a campo grabadas con el teléfono. Convierte en material consultable lo que hasta ahora vivía solo en la memoria de quien estuvo ahí.
Cómo se aprovecha y qué mirar
Transcribir no es resumir: lo que queda es el texto completo, con muletillas y superposiciones. La precisión cae con ruido de fondo, con varias personas hablando encima y con vocabulario propio del oficio, que es justo donde está lo que interesa.
Se graba todo y no lee nadie. Sin haber definido qué se extrae de cada audio, se acumulan miles de palabras por reunión que no cambian ninguna decisión. Avisar que se está grabando, además, no es opcional y es lo primero que se olvida.
Lo trabajamos en Ventas B2B
V
Ventana de contexto · Context window
La ventana de contexto es la cantidad de texto que un modelo puede tener a la vista dentro de una misma conversación. Cuando se pasa ese límite, el material del principio deja de estar disponible y las respuestas se degradan sin aviso.
Qué explica y qué mirar
No es memoria: dentro de la misma conversación todo se relee cada vez, y al pasarse del límite lo primero que entró deja de estar. Por eso un modelo puede contestar bien sobre el final de un documento largo y equivocarse con el principio.
Se asume que una ventana más grande resuelve el problema de la información de la empresa. Ayuda, pero cargar todo en cada consulta sale caro y la precisión baja cuando hay mucho ruido alrededor de lo que importa: la respuesta se degrada sin aviso.
Seguí por acá
Una automatización se apoya en lo que ya está ordenado abajo: cómo se vende, qué se mide y qué información hay publicada.
Si tenés una propuesta de IA sobre la mesa
Saber qué proceso toca, con qué información va a trabajar y quién la va a usar todos los días alcanza para decidir si conviene ahora o si puede esperar un año.
Media hora de conversación sirve para separar lo que hay que hacer ya de lo que todavía es ruido. Las dos son respuestas.
