¿Cómo Integrar un Agente de IA en el Proceso de Ventas?

TL;DR: identificar las áreas del proceso donde la IA puede ser útil, seleccionar la herramienta adecuada, implementar y entrenar el agente, medir y optimizar el rendimiento del agente son los puntos más importantes a tener en cuenta.

Los agentes que usan LLMs (o grandes modelos de lenguaje) están en auge: ChatGPT de OpenAI , Claude de Anthropic y Llama de AI at Meta son solo algunos ejemplos.

Sin embargo, adaptarlos a la dinámica de Ventas de todos los días puede sonar un tanto complejo. Si todavía no has implementado inteligencia artificial generativa en tu proceso de ventas, este artículo es para tí.

Comencemos 😁

¿Dónde Podría Ser Útil un Agente de IA?

Antes de responder esta pregunta, deberías pasar por el siguiente filtro:

1. ¿Qué problema quieres resolver? Si no sabes a qué te enfrentas, difícilmente puedas avanzar con una propuesta. Tienes que tomarte el tiempo necesario para entender el problema y saber exactamente dónde podrías usar inteligencia artificial. Una buena estrategia para entender mejor el problema es usar first principles thinking.
2. ¿Es un agente de IA la mejor solución a ese problema? Muchas veces se intenta matar una mosca con una bazooka. Por supuesto que la inteligencia artificial es muy poderosa, pero si estás buscando resolver algo que puede obtener resultados iguales o similares a menor costo, entonces deja de tener sentido.
3. ¿Tienes los datos necesarios? A la hora de entrenar el agente, precisas de distintos datos como documentación sobre tu compañía, catálogos o cualquier otra información con la que te gustaría que responda.
4. ¿Cómo debería integrarse el agente al proceso de ventas? Si tienes un CRM, ¿cómo debería interactuar con él?. Lo mismo con cualquier otra herramienta. ¿Cuál sería el rol del agente en tu workflow?
5. ¿Qué costo tendría y cuál sería el retorno? VITAL entender esta parte. Quieres resolver un problema, pero no desfinanciarte en el proceso. Es importante que la ganancia del agente esté por encima de sus costos o, como mínimo, que sea break-even.
6. ¿Cómo vas a medir el éxito? Si el agente de IA tuvo éxito dentro del proceso de venta, ¿cómo se vería eso materializado?

Ahora, respondamos cada pregunta con un caso hipotético:

• (Problema) Hoy en día estamos recibiendo unos 5.000 leads por mes en WhatsApp. Nuestro equipo de Ventas solo llega a hablar con el 15% (750) y, de esos, solo el 20% es calificado (150). Esto es así porque no tenemos tiempo para hablar con todos.
• (¿IA es la solución?) Creemos que un agente con inteligencia artificial podría ayudarnos a atender el total de la demanda y liberar a nuestros vendedores tiempo para reunirse con prospectos y cerrar ventas.
• (Datos) Para esto, es necesario entrenar al agente con todo nuestro catálogo de ventas, información de nuestra compañía y página web. A su vez, debemos compartirle qué preguntas son las más importantes para entender si un lead es calificado o no.
• (Integraciones) Usamos HubSpot, por ende el agente tiene que poder conectarse al CRM para crear un contacto, una compañía y, si el lead es calificado, un deal en el pipeline de ventas.
• (Costo y retorno) Tenemos 4 vendedores y cada uno gana unos USD 1.500 por mes, sin contar las comisiones. Si queremos contratar para atender a toda esa demanda, deberíamos traer unas ~20 personas más (USD 30.000 como mínimo por mes adicionales). Con una herramienta de IA, podríamos atender a todos a un 10% del costo mensual (USD 3.000) y, si mantenemos tasas de conversion, generar unos 1000 leads calificados. Nuestra tasa de conversión a ventas es del 10% (100 de los 1.000 leads) y nuestro ACV (annual contract value) neto es de USD 3000, por ende estaríamos cerrando USD 300.000 dólares netos anuales por mes. Con un costo anual de USD 36000 por la IA y USD 72000 por los 4 vendedores, estaríamos en un ROI del ~278%.
• (Éxito) Daremos como exitosa la prueba si la IA puede mantener la tasa de leads calificados sobre el total de la demanda.

¿No se te ocurre por dónde empezar? Tranquilo, aquí debajo te dejamos algunos ejemplos:

¿Cómo Crear un Agente con IA?

Existen multiplicidad de soluciones, y la funcionalidad de GPTs dentro de ChatGPT no es la respuesta (al menos por ahora). A continuación, algunas soluciones que podrías utilizar:

Si No Tienes Acceso a Un Equipo de Desarrollo

Patagon AI

Con nuestra solución podrías desplegar un agente para calificación de leads en WhatsApp y webchat que:

1. Puedes entrenar con cualquier documentación que tengas o integrarlo a un API para que extraiga información. Con esto hacemos lo que se conoce como RAG (Retrieval Augmented Generation), que es básicamente dotar al agente con toda la información necesaria de tu empresa para responder a los potenciales clientes.
2. Puedes integrar al CRM que quieras. Actualmente soportamos en modo plug and play herramientas como Hubspot, Salesforce, Zoho, Microsoft Dynamics, Zendesk Sell, Pipedrive y algunas más. Sin embargo, si tienes otro CRM por fuera de esta lista, también lo podemos integrar.
3. Lo conectas a WhatsApp o webchat rápidamente.
4. Puedes ver la performance del agente en nuestro dashboard. Por ejemplo: cuántas conversaciones entraron, cuántos de esas conversaciones dejaron datos, cuántos leads agendaron una reunión o cita con tu equipo de ventas, etc.

Aquí una pequeña demo:

Si te interesó, puedes ponerte en contacto con Mariano Rey o visitar nuestra página web.

Zapier

Con la funcionalidad Chatbots podrás crear tu propio agente con IA para diferentes casos de uso de ventas. Sin embargo, viene con sus propios pros y contras:

Pros

• Puedes crear agentes e integrarlos a otras herramientas fácilmente
• Puedes hacer el prompt engineering y fine tuning del agente
• No requiere código
  

Cons

• Debes pagar el plan Professional, como mínimo
• El espacio y contexto para el entrenamiento del agente es muy limitado (y esto tiene impacto directo en la performance del agente)
• No se conecta a WhatsApp, es únicamente webchat

Si Tienes Acceso a Un Equipo de Desarrollo

Caso de tener los recursos disponibles, puedes hacer uso directo de las APIs disponibles en el mercado, como Assistants API de OpenAI, Anthropic API de Anthropic o Llama 3 de AI at Meta.

Es importante tener en cuenta que el despliegue de una agente requiere de tiempo, ya que hay muchos procesos importantes que deben ser tenidos en cuenta como la forma en la que se va a hacer RAG, el modelo a utilizar, cómo se va a hacer el prompt engineering y fine tuning del agente, etc.

¿Cómo Medir los Resultados de un Agente?

Esto es lo suficientemente simple si el análisis anteriormente explicado se hace correctamente. Si conocemos qué significa el éxito, entonces podremos comparar.

Lo ideal es hacer una prueba A/B teniendo en cuenta:

1. Que el 50% del tráfico vaya hacia la experiencia actual y el 50% restante hacia el agente.
2. Que, en ambos casos, puedes medir el KPI principal y atribuirlo a cada una de las experiencias. Por ejemplo: la tasa de atención para los humanos fue del 15% y, de esos, calificó un 20%. La tasa de atención para el agente fue del 100% y, de esos, calificó un 20%.
3. Que, para finalizar el experimento, tengas datos estadísticamente significativos. Es decir, que las probabilidades de tomar una decisión errónea al finalizar un experimento sean relativamente bajas. Esto es, sobre todo, si buscas diferencias en variables de conversión (por ejemplo, mejorar la tasa de conversión un X% contra el benchmark actual).
4. Que sepas cómo seguir en caso de que la performance del agente sea mayor a la experiencia actual. Podrías preguntarte, por ejemplo, ¿cómo debería escalar el agente? ¿Cómo debería entrenar a los equipos de Venta para que trabajen junto al agente?

¡Y Eso es Todo, Amigos!

Implementar un agente con inteligencia artificial generativa en el proceso de ventas puede traer beneficios no solo en términos de costos, sino también de performance.

Si entiendes bien el problema al que tu compañía se está enfrentando y piensas que una IA es la mejor forma de resolverlo, entonces debes poner manos a la obra para escoger las herramientas adecuadas, probarlo y evaluarlo. Esta tecnología llegó para quedarse, y quienes no sepan adaptarse verán cómo otros competidores que sí lo están usando van mejorando a lo largo del tiempo, estirando así su ventaja competitiva y acelerando su velocidad de crecimiento.