El vicepresidente de Ventas comparte cómo los equipos de ingresos pueden unirse al 6 % que ha implementado la IA con éxito

Byron Munson es el vicepresidente de Ventas para JAPAC en Supermetrics.

Nos sentamos con Byron para descubrir por qué solo el 6 % de los equipos han implementado correctamente la IA y cómo está consiguiendo que funcione para su equipo. Esto es lo que nos contó.

Construir motores comerciales desde cero

Soy Byron Munson, vicepresidente de Ventas para JAPAC en Supermetrics, una empresa global de tecnología de marketing en fase de crecimiento. Nuestra base de clientes abarca desde pymes hasta las marcas empresariales más grandes. Nuestra estructura de GTM se centra en un modelo eficiente de gerente de cuentas clave y ejecutivo de cuentas comerciales, además de una organización de socios.

He trabajado durante más de veinte años en APAC y EMEA, construyendo motores comerciales desde cero hasta alcanzar una escala regional. Comencé en publicidad en DDB y McCann en Sídney; después pasé al sector de la tecnología publicitaria en Adconion London y Videology SEA, y más tarde al ámbito de la tecnología de marketing en Datorama. Ayudé a dirigir APAC para Datorama y materialicé la adquisición de Salesforce en la región.

Pasar por una adquisición desde dentro, ya dos veces, me enseñó muchas cosas que no habría aprendido en una presentación de estrategia: qué sobrevive en una organización más grande, qué se reconstruye y qué desaparece discretamente.

También fundé mi propia empresa, una startup de tecnología climática llamada Climagap, que me proporcionó una buena dosis de humildad en lo que respecta a idear, conseguir financiación y llevar una idea al mercado desde cero. En última instancia, el negocio no creció por diversos motivos, así que decidí cerrar las operaciones.

En Supermetrics, dirijo un equipo regional de aproximadamente 20 empleados multifuncionales. Construimos JAPAC desde la ausencia de una presencia específica en el mercado hasta convertirla en una operación regional importante. Esto incluye un ecosistema de socios que proporciona acceso a sólidos profesionales de implementación y tecnología en los mercados locales, algo esencial para una expansión sostenible y el éxito a largo plazo de nuestros clientes.

Una organización de ingresos afectada por la IA en dos frentes

Más recientemente, esto se extendió a la IA en dos frentes. Internamente, construimos nuestra propia infraestructura de ingresos impulsada por IA, que abarca la salud del embudo de ventas, el riesgo de los clientes y el asesoramiento sobre acuerdos, basándonos en nuestros propios datos. Esto me enseñó de primera mano que la adopción de la IA es principalmente un problema de confianza y gestión del cambio, no de tecnología.

Y externamente, he observado cómo se desarrolla el mismo cambio con nuestros clientes: marcas y agencias abrumadas por el exceso de datos. La verdadera clave no ha sido disponer de más datos, sino ayudarles a decidir más rápido.

Nuestras alianzas con modelos de lenguaje de gran tamaño, incluido nuestro papel más reciente como socio de lanzamiento de Gemini Enterprise de Google en la región, se sitúan en esa intersección: ponen directamente en manos de los profesionales del marketing la inteligencia de marketing impulsada por IA. Sinceramente, he aprendido que no se trata de la tecnología; las personas solo actúan basándose en información en la que confían, ya sea un representante que confía en una sugerencia de asesoramiento o un cliente que confía lo suficiente en una recomendación como para cambiar sus planes de inversión en marketing.

Dónde destaca la IA y dónde termina su utilidad

La IA facilita la toma de decisiones al proporcionar información útil. La propensión a ampliar es el caso más claro; en un modelo de autoservicio, las señales de uso, facturación y participación pueden encontrarse en sistemas desconectados sin una conexión natural. La IA reúne estas fuentes de datos y revela una señal clara de qué clientes están preparados para ampliar su relación.

Pero la IA nunca es el único factor determinante. Lo que sigue siendo completamente humano incluye los precios, la negociación y todo lo basado en la confianza y la interacción interpersonal. La IA puede decirme que una cuenta está preparada. No puede mantener la conversación.

También conviene señalar que no todas las apuestas por la IA se convierten en ingresos tan rápidamente como sugiere el entusiasmo por esta tecnología. Algunas consumen una capacidad considerable antes de producir resultados significativos.

Por eso, el riesgo que vigilo con más atención es la falsa confianza. El resultado de la IA puede parecer pulido y definitivo incluso cuando se basa en datos escasos. Lo trato como el primer borrador de un analista júnior: es útil, pero no actúo basándome en él sin verificarlo.

Dos ámbitos en los que la IA no da en el clavo en las organizaciones de generación de ingresos

Estoy viendo dos errores peligrosos en lo que respecta a la IA en la generación de ingresos.

El más evidente es la personalización de mensajes salientes generada por IA. Es eficiente en todas las métricas de actividad, pero no aumentó la tasa de éxito porque los compradores detectan al instante la personalización sintética.

Hay otro más sutil: permitir que un modelo puntúe automáticamente el riesgo de las oportunidades. Acertaba con la suficiente frecuencia como para ganarse nuestra confianza, y se equivocaba precisamente donde más importaba: cuando las relaciones se enfriaban, algo que nunca aparece en los datos estructurados.

En ambos casos, es necesaria la intervención de una persona.

Cómo el uso de la IA en la gestión del rendimiento y la estrategia de mercado mejora las decisiones

Recientemente he realizado dos grandes cambios:

1. Gestión del rendimiento: Ahora detectamos los riesgos individuales y de los equipos antes de que se conviertan en un problema de rendimiento, no después. Buscamos soluciones de forma proactiva en lugar de adoptar un enfoque basado en análisis posteriores. Lo hacemos recopilando transcripciones de llamadas, historial de la cartera, notas del CRM, ingresos por línea de productos y comentarios de los clientes; la IA detecta los comportamientos subyacentes.
2. Estrategia de mercado: El análisis de cuatro años de datos operativos de toda la región reveló una tendencia en Tailandia, concretamente, que nos llevó a expandirnos con una estrategia que prioriza a los socios. Desarrollamos una sólida red de socios de soluciones en el mercado, en lugar de desplegar nosotros mismos equipos sobre el terreno.

Lo conseguimos conectando todos nuestros datos internos y plataformas de terceros con nuestro entorno Claude. En última instancia, esto proporciona la base para tomar decisiones repetibles y con impacto comercial a gran escala. No se trata de un análisis profundo aislado, sino de un enfoque coherente y a largo plazo.

Byron comparte

\u003cstrong\u003eConstruimos una sólida red de socios de soluciones en el mercado, en lugar de desplegar nosotros mismos equipos sobre el terreno.\u003c/strong\u003e

Cómo la IA hace posible la colaboración centrada en el cliente

Ventas y Éxito del Cliente siempre funcionaron en paralelo: el mismo cliente, dos funciones, dos sistemas de registro y dos versiones de la verdad. Eso no es una colaboración. Es trabajar en paralelo.

El sector se puso al día con ese diagnóstico. Los líderes serios de generación de ingresos ahora coinciden en «Una cifra, un movimiento, una única fuente de verdad». El GTM como un sistema conectado, no como una cadena de traspasos.

Esta idea ya no es controvertida. Pero la mayoría se detiene en la estructura: cuotas compartidas, paneles unificados y consolidación del CRM. Eso es fontanería. No responde a la pregunta: «¿Cómo pueden dos funciones, que trabajan con dos sistemas diferentes, describir alguna vez al mismo cliente de la misma manera?»

Este es el mecanismo: cuando el lenguaje de cada interacción con el cliente (ventas, incorporación y renovación) se encuentra en un LLM orientado a tus datos, ya no existe una versión del cliente desde ventas y otra desde Éxito del Cliente.

Así es como la colaboración y la transparencia se manifiestan en la práctica. No como un valor en una diapositiva, sino como la estructura que impide que los equipos pierdan de vista al cliente. Y esto es lo que parece la colaboración centrada en el cliente.

Cómo adoptar correctamente la IA en las organizaciones de generación de ingresos

El 89 % de los equipos siente presión para adoptar la IA. Solo el 6 % la ha implementado realmente. Esa brecha es la oportunidad (Supermetrics, Marketing Data Report 2026).

Así es como se puede cerrar esa brecha:

1. Audita tus carencias y necesidades. Establece tus objetivos y asigna pruebas A/B para descubrir la verdadera dirección a largo plazo. Después, estructura tus datos. Si no los conectas, el LLM no tiene contexto. La mayoría de las «iniciativas de IA» estancadas se deben a problemas de higiene de datos. Si no confías en los datos de entrada, no puedes confiar en los resultados.
2. No implementes la IA en toda la organización desde el primer día. Encuentra la única tarea de tu equipo que genera más fricción: resúmenes de acuerdos, preparación de QBR o higiene del embudo. Reconstruye ese flujo de trabajo con todo su contexto. Demuestra las mejoras de eficiencia antes de ampliar la implementación.
3. Deja las reglas por escrito. Tus representantes utilizan criterios no documentados: cómo es un acuerdo saludable, qué significa «estancado» en el noveno mes y cómo distinguen las renovaciones de las ventas adicionales. Si no lo dejas por escrito, tu LLM no puede utilizarlo, y los nuevos empleados tampoco.
4. Mide la adopción por las decisiones que cambian, no por las licencias activadas. El número de licencias y las estadísticas de inicio de sesión no te dicen nada. Comprueba si los insights que muestra la IA cambian las previsiones, las estrategias de los acuerdos o las conversaciones de formación. Esa es la única señal que separa una implementación real de quienes nunca superan la fase piloto.

Byron comparte

\u003cstrong\u003eAsí es como puedes cerrar esa brecha: audita tus carencias y necesidades. No implementes la IA en toda la organización desde el primer día. Deja las reglas por escrito. Mide la adopción por las decisiones que cambian, no por las licencias activadas.\u003c/strong\u003e

Por qué los LLM deben incorporarse como nuevos empleados

Y una cosa más: incorpora tu LLM como lo harías con un nuevo empleado. Si omites esta incorporación, obtendrás confianza sin competencia.

Un nuevo empleado no obtiene acceso al CRM ni a tu manual de procedimientos sin conocer las funciones y responsabilidades, y sin entender qué significa «hacerlo bien». Un LLM necesita los mismos cuatro elementos clave antes de trabajar con datos reales:

• Tus objetivos: qué significa «saludable» para este embudo, este trimestre y esta región
• Tus definiciones: qué significa «en riesgo» y cómo es un embudo saludable
• Tus límites de seguridad: qué nunca debe decidir por sí solo; por ejemplo, no reclasificar la etapa de un acuerdo ni determinar el motivo de una pérdida de clientes sin intervención humana.
• Tu historial: el contexto que cambia el significado de una cifra; por ejemplo, «la cobertura del embudo es baja» se interpreta de forma muy distinta cuando sabes que acabamos de adelantar un trimestre una renovación importante.

Si omites esa incorporación, el modelo no falla silenciosamente: falla de forma convincente.

Sigue su trabajo

Puedes seguir el trabajo de Byron Munson en LinkedIn.

¡Próximamente publicaremos más entrevistas con expertos en The CRO Club!