Cuando la IA y el CRM fallan desde el primer clic
El agente virtual falló desde el primer clic: una lección real sobre IA y CRM: Caso de la vida real con un proveedor de CRM
Una lección real sobre datos, contexto y experiencia del cliente – mi experiencia con un proveedor de CRM y su AI Agent
Hay un tema que llevo tiempo repitiendo en podcasts, blogs y posts, y en el que ayudo a mis clientes: la inteligencia artificial expone un CRM mal conectado, mal diseñado o mal gobernado. Tenemos muchos CRMs a la deriva, sin rumbo y sin la tripulación adecuada y sin un buen capitán en el timón.
Y esto va a acelerar ese sabor agrio que tu cliente va a tener con la experiencia como prospecto y/o cliente.
Recientemente tuve una experiencia muy reveladora con uno de los proveedores de CRM del mercado. No voy a mencionar el nombre porque mi intención no es señalar a una marca en particular, sino usar esta situación como un ejemplo muy claro de algo que hoy está pasando en muchas empresas: se está implementando IA para marketing, ventas o servicio al cliente como si fuera una capa mágica de automatización, cuando en realidad debería formar parte de una estrategia integrada de datos, procesos y relacionamiento con el cliente.
Pero antes de continuar, hay que entender el contexto y la semántica de varios temas:
Soy analista independiente en CX2Advisory para este proveedor de CRM.
Soy consultor e implementador de este proveedor a través de Solvis Consulting, LLC (como partner regular).
Soy Coach de CRM también como CX2Advisory.
Y soy usuario de este proveedor de CRM en varios clientes y como proveedor.
Realizo “secondary research” y solicito acceso a ensayos clínicos y whitepapers para comprender las soluciones del mercado.
Como consultor y advisor (y analista), no soy fan del objeto del Lead en cualquier CRM, para mí es un modelo antiguo de manejar marketing y ventas. Somos personas, no importa el modelo de negocio (B2B y B2C).
Y ya existen muchas tecnologías (especialmente en USA) para enriquecer los datos de los “Leads” (empresa con la que trabaja, validación de emails y direcciones, etc.).
Tomen en consideración este contexto de mi perfil y la semántica de lo que es un “Lead”.
Nota: compartiré este post con mis contactos del departamento de analistas del proveedor de CRM para que lo tomen como feedback.
La experiencia: un proceso que parecía innovador, pero estaba roto por dentro
Recibí un correo electrónico en mi cuenta de CX2Advisory, en inglés, de un vendedor (asumo que es un vendedor, no sé si todavía es un AI SDR) que promovía una solución de CRM orientada a pequeñas empresas. El correo me llevó a un demo con un agente virtual que, en teoría, me mostraría cómo funcionaba la solución y me ayudaría a explorar el producto.
Primera fricción
En la introducción me dice “Hi, Jesus” (Yisus en inglés; o sea, no me saluda “Hi, Jesús”) y me confirma que trabajo para Solvis Consulting y que parece que necesito un CRM. Y no me deja decirle que tiene mal el nombre de la cuenta o de la empresa. Esto me pasa cada rato con todos los demás proveedores y, vía email, les dejo saber, asumiendo que el vendedor actualiza su CRM (muchas veces no lo actualizan y me siguen prospectando).
Pero en pocos minutos empezaron a surgir más fallas que, desde mi punto de vista, reflejan problemas mucho más profundos.
Segunda fricción
Yo no estaba buscando solo ver una función de ventas. Mi interés era entender si la solución podía apoyar de forma integrada los procesos de marketing, ventas y servicio al cliente para una empresa pequeña, y si ofrecía reportes y dashboards que permitieran visualizar la actividad total de los clientes.
El agente dijo que sí.
Pero cuando intentó mostrar esa parte, apareció un error de permisos.
Tercera fricción
Luego seguí la conversación con preguntas más específicas sobre el modelo de datos y la relación entre leads, contactos y oportunidades. Como muchos saben, yo prefiero analizar la vista desde el contacto y su contexto completo, no solo desde una lógica aislada de “Leads”. Pero el agente siguió un guion fijo y no logró adaptarse a la conversación.
Cuarta fricción
Después probé a cambiar entre inglés, español y spanglish para ver si la experiencia podía manejar una conversación más natural.
No pudo seguir el contexto, no supo contestarme y/o se tardaba en responder. Nunca me cambio al español.
Aquí terminé la conversación con el AI Agent y el demo. Me salieron las 5 estrellitas preguntándome si estaba satisfecho. No le di ninguna estrella y no sé cómo ellos usan este feedback.
Quinta fricción
El correo había llegado a una dirección asociada a CX2Advisory, pero durante la experiencia el sistema me trataba como si fuera un contacto de Solvis Consulting. Es decir, me estaban prospectando con una identidad mezclada, incompleta o mal relacionada. Me tienen en su CRM como “Lead”, no como contacto con dos cuentas (CX2Advisory y Solvis Consulting), y creo que no tengo visibilidad sobre mis actividades como contacto. ¿Entonces soy un “Lead”, no un contacto, o bien soy un duplicado?, ¿La base de datos está realmente limpia?, ¿Usan un CDP para segmentar? Etc., etc.
Sexta fricción
Y cuando decidí pedir que me saliera de esas comunicaciones, el proceso de opt-out también resultó confuso. No quedaba claro con qué correo o perfil me tenían registrado. El sistema no me daba confianza en que realmente entendía quién era yo ni en qué preferencia estaba actualizando. Me dio dos opciones de opt-out, a este email y a un global opt-in/opt-out. Mi pregunta era: ¿Qué email uso, el de CX2Advisory o el de Solvis Consulting?
Séptima fricción
Para cerrar la experiencia, después del demo recibí un correo de un vendedor (o del AI SDR) en el que, en esencia, afirmaba haber detectado mi interés (asumo que vio el clic para ver el demo) y preguntaba cómo podía ayudarme a comprar.
Como si toda la experiencia anterior no hubiera mostrado ningún problema.
El problema fue con ambos: el diseño del AI Agent y el CRM como base.
Lo que esta experiencia mostró fue una combinación de problemas clásicos en CRM:
Mala resolución de identidad
Datos duplicados o mal relacionados
Falta de contexto del contacto
Automatización desconectada del historial real del cliente
Guiones rígidos sin entendimiento del negocio
Mala gestión de permisos y demos
Preferencias y consentimiento mal conectados
Falta de integración entre marketing y ventas
En otras palabras, el agente virtual no operaba sobre una base sólida. Estaba basado en datos y procesos que no estaban listos para ofrecer una experiencia adecuada.
Y el AI Agent end-to-end, fue creado para automatizar un proceso de ventas, no para manejar una relación con el comprador. Mal, pero muy mal diseño del AI Agent.
Y todo esto es exactamente lo que muchas empresas no ven hoy.
El error más común: usar IA como una herramienta táctica de ventas
Muchos proyectos de IA en CRM surgen con una meta a corto plazo: generar leads, contestar preguntas, empujar demos, automatizar tareas o acelerar conversiones.
Nada de eso está mal.
El problema surge cuando se cree que la IA solo necesita una interfaz bonita y un flujo conversacional para empezar a generar valor.
No funciona así.
La IA necesita entender (contexto, semántica):
quién es la persona,
cuál es su relación con la empresa,
qué historial tiene,
qué canal está usando,
qué idioma o estilo de conversación prefiere,
qué permisos tiene,
qué productos o procesos le aplican,
y cuál debe ser el siguiente paso correcto dentro de una relación más amplia.
Sin eso, la IA responde, sí. Pero responde sin contexto ni semántica. Y una respuesta sin contexto puede ser tan mala como no responder.
Lo que esta experiencia nos enseña
Esta experiencia deja varias lecciones muy claras para cualquier empresa que quiera incorporar IA en tu ecosistema de CRM.
1. La identidad del cliente debe estar resuelta antes de automatizar
Si la plataforma no sabe si el contacto es la misma persona en dos empresas, dos correos o dos roles distintos, la IA arrancará desde una base equivocada.
Antes de pensar en agentes de IA, hay que responder preguntas básicas:
¿Sabemos quién es esta persona?
¿Tenemos duplicados?
¿Tenemos bien relacionados sus cuentas, roles, correos y actividades?
¿Podemos reconocerla de forma consistente en cualquier canal?
Si esto no está claro, la experiencia se rompe desde el principio.
2. Un agente de IA no puede vivir encerrado en un solo proceso
En este caso, el agente estaba claramente orientado a un flujo de venta muy específico. Pero cuando la conversación cambió hacia reporting, modelo de datos y casos de uso más amplios, el sistema no pudo acompañar.
Eso pasa mucho.
Las empresas diseñan agentes para una sola función táctica, pero el usuario real no piensa en silos. El usuario mezcla preguntas, objetivos y contextos. Los usuarios de CRM quieren respuestas que conecten marketing, ventas, soporte, analítica y operación (usuarios como yo).
La IA en el CRM debe vivir dentro de un ecosistema, en la plataforma, no en un guion aislado.
3. La experiencia conversacional necesita flexibilidad real
No basta con que un agente “conteste”.
Tiene que entender la intención, el contexto, los cambios de idioma, las variaciones naturales en la conversación y las preguntas fuera del guion. Sobre todo, en mercados bilingües o multiculturales, esto no es un lujo. Es parte de la realidad del cliente.
Si el agente solo sabe seguir un camino fijo, entonces no es una experiencia inteligente. Es una automatización limitada disfrazada de IA.
4. Los permisos, los demos y la experiencia mostrada también son parte del diseño
Que un agente ofrezca mostrar algo y luego aparezca un error de permisos no es un detalle menor. Eso rompe la confianza.
Cuando una empresa pone IA frente al cliente o a un prospecto, todo lo que ocurra en esa interacción comunica madurez o desorden. Si la experiencia está rota, la percepción de la marca también lo está.
5. Consentimiento y preferencias no pueden estar desconectados del perfil del cliente
El proceso de opt-out debería ser claro, simple y preciso.
Pero si el sistema no sabe con certeza bajo qué identidad está tratando a la persona, entonces ni siquiera el manejo de preferencias será confiable. Y eso no solo afecta la experiencia, sino también el cumplimiento, la reputación y la confianza.
6. La IA revela rápidamente la deuda técnica y operativa del CRM
Este es quizá el punto más importante de todos.
La IA no oculta los problemas del CRM.
Los amplifica.
1) Si tienes datos de mala calidad, la IA los vuelve visibles.
2) Si tienes procesos desconectados, la IA lo hace evidente.
3) Si tienes duplicados, permisos mal gestionados o falta de gobernanza, la IA lo acelera todo… pero en la dirección equivocada.
Lo que las empresas deberían hacer antes de lanzar IA en CRM
Antes de invertir en agentes, copilotos, automatizaciones avanzadas o experiencias conversacionales, conviene revisar estas bases (estas son algunas; la premisa es que debes tener una estrategia del uso de IA en tu ecosistema de CRM):
Nota: esta lista no está ordenada de forma específica. Y es una lista a partir de esta experiencia que comento en el post.
1. Modelo de datos del cliente
Validar cómo se gestionan los contactos, las cuentas, las oportunidades, los casos, las actividades, los consentimientos y las relaciones entre perfiles.
2. Resolución de identidad
Hay que confirmar que una persona pueda ser reconocida correctamente aunque interactúe con distintos correos, unidades de negocio o roles.
3. Calidad de datos
Identificar duplicados, campos incompletos, reglas inconsistentes y la falta de estandarización.
4. Integración entre áreas
Hay que asegurar que marketing, ventas y servicio compartan contexto y no trabajen como sistemas aislados. Que trabajen a lo largo de todo el ciclo de relacionamiento con el cliente.
5. Gobierno de procesos y permisos
Revisar qué puede ver, hacer y decir la IA según el tipo de usuario, la etapa y el canal.
6. Preferencias y consentimiento
Tener claridad sobre opt-in, opt-out, canales autorizados y el perfil correcto del contacto.
7. Pruebas reales de experiencia
No basta con probar si “funciona”. Hay que probar si entiende al usuario real, si resuelve escenarios reales y si responde con contexto.
Una verdad incómoda para el mercado
Hoy, muchos proveedores ofrecen IA para el CRM como una forma rápida de generar valor. Pero en muchos casos, lo que realmente están haciendo es poner una nueva capa encima de una base que sigue desordenada.
Y eso es peligroso.
Porque cuando la IA falla, el cliente no piensa: “qué problema tan interesante de arquitectura de datos”. (Eso es lo que yo sí pienso como consultor).
El cliente piensa: “Esta empresa no me entiende”.
Y eso afecta la confianza, la marca, la adopción y los resultados.
Conclusión
La lección es simple: la IA en el CRM no empieza con el AI Agent, empieza por los datos, el contexto y el diseño de la relación con el cliente.
Si una empresa no sabe quién eres, no entiende tu historial, no entiende tus preferencias y no conecta bien el marketing, las ventas y el servicio, entonces no está lista para prometer una experiencia basada en IA.
La empresa está, en todo caso, solo lista para automatizar la confusión.
Y eso no es transformación.
Eso es solo velocidad sin dirección.
Y si esto le pasa a un proveedor de CRM, puede pasarle a tu empresa.