El CRO nativo en IA desglosa su flujo de trabajo de IA de mayor impacto (y dónde la IA no merece la pena)
Descubre cómo un CRO nativo en IA utiliza flujos de trabajo basados en inteligencia para mejorar la calidad del pipeline, reducir el tiempo de investigación y ayudar a los equipos de ingresos a centrarse en el contexto en lugar de la actividad.
Dhiraj Khare
CRO de Matters.AI
Perspectiva de ingresos: Dhiraj Khare enfatiza la necesidad del juicio humano en las decisiones de ingresos, incluso con el apoyo de la IA.
Interacción con IA: La transición hacia una interacción guiada por inteligencia mejora la calidad del pipeline y la comprensión del contexto de las cuentas.
Eficiencia operativa: Matters.AI se centra en reducir la carga operativa y aumentar la densidad de señales para impulsar la interacción efectiva.
Cambio cultural: La IA fomenta el pensamiento analítico en los equipos de ingresos, desplazando las conversaciones de opiniones hacia datos basados en evidencia.
Evolución de habilidades: Los profesionales de ingresos modernos deben desarrollar habilidades analíticas, capacidad de contar historias y dominio en IA para tener éxito.
Dhiraj Khare es un CRO con una mentalidad y formación técnica. Actualmente está rediseñando los procesos de generación de ingresos en Matters.AI, una empresa de ciberseguridad nativa en IA.
Nos sentamos con Dhiraj para conocer cuáles flujos de trabajo de IA están rindiendo y cuáles no. Esto es lo que nos contó.
Los ingresos desde la perspectiva de un ingeniero
Soy Dhiraj Khare, CRO en Matters.AI, una empresa de ciberseguridad nativa en IA centrada en los datos empresariales. Empecé en el desarrollo de software antes de pasar a las ventas empresariales, y eso moldeó mi forma de pensar sobre los ingresos. Las personas técnicas están formadas para quedarse con el problema hasta entenderlo de verdad; los equipos de ventas suelen estar entrenados para pasar a la acción antes de comprenderlo. Nunca encajé del todo en este último modelo.
Want more from The CRO Club?
Create a free account to continue reading and join modern revenue leaders using proven playbooks, peer insights, and AI-driven strategies to build predictable pipeline and scalable growth.
Have an account? Log In
Mi carrera pasó por empresas como MongoDB, SentinelOne y PingSafe. Empresas diferentes, distintas etapas, pero el mismo patrón en el fondo. Los equipos de ciberseguridad ya trabajaban a velocidad de máquina, los equipos de ingresos no.
La ciberseguridad contaba con inteligencia en tiempo real, análisis de comportamiento y sistemas de respuesta automatizados. Los equipos de GTM aún estaban sumidos en hojas de cálculo, herramientas desconectadas, investigaciones manuales y revisiones de pipeline disfrazadas de optimismo camuflado como previsión.
Esta desconexión siempre me acompañó. Mucha gente enmarca la IA en el área de ingresos como una historia de productividad. Emails más rápidos. Más outbound. Más secuencias. Creo que eso no capta la esencia del problema.
El problema en el GTM moderno no es falta de actividad, sino exceso de ruido. La mayoría del outbound actual es spam costoso operativamente que se disfraza de personalización. Los compradores lo detectan al instante. Ahora, todos tienen la misma automatización, así que el volumen dejó de ser una verdadera ventaja hace tiempo.
Lo que importa es el contexto. ¿Por qué esta cuenta? ¿Por qué ahora? ¿Qué cambió en el negocio que hace relevante esta conversación hoy y no hace seis meses?
Eso es lo que me llevó al liderazgo de ingresos impulsado por IA. En Matters.AI, estamos construyendo una organización GTM basada en la inteligencia donde la IA ayuda a comprimir la investigación, conectar señales fragmentadas, identificar indicadores de timing y reducir la fricción operativa para que los equipos puedan invertir más tiempo en pensar con claridad y relacionarse con inteligencia.
Una organización GTM eficiente
La organización GTM de Matters.AI es intencionadamente ágil. Operamos en ventas empresariales, outbound estratégico, alianzas, ingeniería de soluciones y flujos de trabajo asistidos por IA, pero la filosofía en la base de todo es simple: escala la inteligencia antes de escalar el equipo.
Muchas empresas todavía intentan forzar el crecimiento a través del volumen de actividad. Más SDR, más secuencias, más contactos. Nosotros hemos tomado casi el camino opuesto.
Nos importa más la densidad de señales que la densidad de actividad. Nos centramos en entender dónde existe realmente la urgencia, dónde el momento es real y dónde el contexto del cliente es lo suficientemente sólido para justificar la interacción.
La mayoría de nuestro trabajo actual gira en torno a la gobernanza de IA, la seguridad de datos, el cumplimiento y la gestión de riesgos empresariales en sectores como BFSI, SaaS, tecnología e industrias reguladas.
Por qué la IA no puede reemplazar el juicio comercial
Uso la IA para informar la priorización de cuentas, el mapeo de stakeholders, la puntuación de oportunidades, el análisis de engagement, el apoyo en forecasting, la detección de churn y el análisis de riesgos en el pipeline.
Las máquinas son mucho mejores que las personas procesando señales operativas fragmentadas a escala. Esa parte ya es evidente.
Pero las decisiones que implican alineación ejecutiva, negociación y confianza siguen siendo humanas. El juicio estratégico, sin duda, sigue siendo humano.
Las decisiones de compra de ciberseguridad empresarial son emocionales por debajo de todas las hojas de cálculo y flujos de trabajo de compras tras los cuales la gente suele ocultarse. Una oportunidad puede parecer saludable desde el punto de vista operativo, mientras la confianza se va desmoronando silenciosamente dentro de la cuenta.
La IA todavía tiene dificultades con esa capa. Por eso, no veo que la IA reemplace el juicio en ingresos, sino que reduce la ceguera operativa.
Cómo la IA impulsa el compromiso basado en la inteligencia
El mayor cambio que hice fue alejarme del outbound centrado en la actividad para pasar a un compromiso guiado por la inteligencia.
Antes, el outbound era similar a lo que la mayoría de organizaciones siguen haciendo hoy: una combinación de listas grandes de cuentas, secuencias estáticas, investigación manual, plantillas de personalización genéricas y mucho esfuerzo desperdiciado pretendiendo ser precisión.
Construimos un flujo de trabajo de priorización de cuentas asistido por IA que reduce horas de investigación a minutos.
Ahora, la IA agrega continuamente señales en torno a la actividad de contratación, cambios en la postura de seguridad, adopción de la nube, presión de cumplimiento, movimientos ejecutivos, patrones de financiación, cambios organizativos e indicadores de adopción tecnológica.
Luego sintetiza estas señales en narrativas contextuales de cuenta. Esta parte es importante porque las señales crudas por sí solas no sirven de nada. Los vendedores no necesitan más paneles; necesitan mayor claridad.
Una vez que se descubre el contexto, el vendedor lo valida manualmente, pone a prueba la relevancia, personaliza la interacción y decide si el momento realmente justifica hacer outreach. Tras las reuniones, la IA ayuda con la elaboración de resúmenes, extracción de tareas, análisis de interesados, seguimiento del compromiso y monitorización de riesgos a lo largo del ciclo de negociaciones.
El objetivo no es automatizar el outreach. Es comprender si una cuenta realmente merece atención en primer lugar. Eso cambió de inmediato la calidad del pipeline.
Las conversaciones se volvieron más precisas. Los ciclos de investigación se acortaron. El compromiso ejecutivo mejoró porque el outreach se basó en el contexto y no en una personalización fabricada.
Cómo la IA cambia la cultura
Las ventajas de la IA se hicieron evidentes muy rápidamente, y ya mencioné muchas de ellas.
Sin embargo, el cambio más grande fue cultural. Las personas empezaron a pensar de forma más analítica acerca de la ejecución de ingresos. Las conversaciones se volvieron menos orientadas a opiniones y más fundamentadas en evidencia. Este cambio importa más que la mayoría de las conversaciones sobre herramientas que están ocurriendo actualmente en el mercado.
El inconveniente es que la IA puede generar una falsa confianza muy fácilmente. Esa es la parte que la gente subestima.
A menudo, los resultados de la IA suenan lo suficientemente pulidos como para parecer confiables incluso cuando los supuestos subyacentes son débiles o incompletos. Los líderes deben recordar que la IA es probabilística, no omnisciente. El juicio sigue importando. La experiencia operativa sigue importando.
En muchos sentidos, el pensamiento crítico se vuelve aún más importante en un entorno nativo de IA.
A menudo, los resultados de la IA suenan lo suficientemente pulidos como para parecer confiables incluso cuando los supuestos subyacentes son débiles o incompletos. Los líderes deben recordar que la IA es probabilística, no omnisciente. El juicio sigue importando. La experiencia operativa sigue importando.
Por qué la personalización por IA no rinde como se espera
La personalización generada por IA tuvo un desempeño pobre al principio. No porque la tecnología fuera débil, sino porque los compradores se han vuelto extremadamente buenos detectando la relevancia falsa. Hoy, la mayoría de los mensajes generados por IA en outbound suenan pulidos pero están vacíos de emoción. Imitan la estructura de la personalización sin comprender realmente al cliente lo suficiente como para decir algo útil.
Hay una diferencia entre insertar contexto y demostrar comprensión. Y la mayoría de los sistemas de IA aún luchan con esa distinción. Aprendimos rápidamente que la personalización sintética no es lo mismo que aportar información valiosa.
La ironía es que, a medida que el outreach generado por IA escala, la autenticidad se vuelve más valiosa, no menos.
Por qué la IA no puede eliminar la ambigüedad de la previsión
Con la IA, nuestras previsiones se volvieron más disciplinadas. Pero quiero ser cuidadoso de no sobrevalorar esa parte, porque la previsión empresarial sigue siendo, por naturaleza, desordenada.
Los acuerdos empresariales avanzan por razones que rara vez se recogen claramente en los sistemas estructurados. Cambios en la planificación del presupuesto. Campeones internos que pierden influencia. Prioridades ejecutivas que cambian silenciosamente. La fricción en compras surge tarde. Las alianzas políticas se rompen bajo la superficie.
La IA tiene dificultades con esas capas invisibles. Puedes tener métricas de compromiso sólidas, reuniones activas, tasas de respuesta saludables y una participación positiva de los interesados mientras el acuerdo ya se está desvaneciendo internamente.
La IA mejora la visibilidad. No elimina mágicamente la incertidumbre.
Cómo están cambiando las habilidades de los equipos de ingresos
La IA está automatizando cada vez más el trabajo operativo repetitivo, por lo que un profesional moderno de ingresos necesita un perfil de habilidades muy diferente. Ahora, priorizamos mucho más el pensamiento analítico, la narración contextual, el pensamiento sistémico, la comunicación ejecutiva, la adaptabilidad y la fluidez en IA que antes.
Los mejores vendedores de hoy se están convirtiendo en orquestadores de inteligencia. Saben cómo validar señales, sintetizar contexto, hacer mejores preguntas y construir confianza estratégica más rápido.
La venta basada únicamente en la actividad se está convirtiendo en una mercancía. La diferenciación humana está girando hacia el juicio, la creatividad y la claridad narrativa.
Por qué la IA debe tratarse como un cambio en el modelo operativo
Mi consejo es tratar la IA como un cambio de modelo operativo, no como una simple actualización de herramientas.
Ese es el error que cometen la mayoría de las organizaciones en este momento. Están integrando la IA sobre flujos de trabajo rotos y llamándolo transformación. Por lo general, eso solo crea confusión más rápido.
Si tu posicionamiento es débil, tu disciplina CRM es inconsistente, tus flujos de trabajo están fragmentados o tu comprensión del cliente es superficial, la IA amplifica el desorden. No te rescata de él.
Las empresas que más se benefician de la IA suelen ser aquellas que ya operan con fundamentos sólidos.
Dónde deberían empezar los equipos de ingresos con la IA
Comienza con la fricción operativa y los cuellos de botella: Sobrecarga de investigación. Inspección del embudo de ventas. Recuperación de conocimiento. Visibilidad de pronósticos. Priorización de cuentas. Fragmentación del CRM.
Esos son problemas operativos reales que vale la pena resolver. También dedicaría mucho más tiempo a la capacitación en IA de lo que hacen actualmente la mayoría de las empresas. La implementación técnica suele ser la parte más fácil. Lo difícil es ayudar a los equipos a repensar su forma de trabajar sin hacerles sentir reemplazados.
Sigue de cerca
Puedes seguir a Dhiraj Khare en LinkedIn. Y echa un vistazo a Matters.AI.
¡Próximamente más entrevistas con expertos en The CRO Club!
