La IA está cambiando por qué pagan los clientes

Eliana Angelova es la directora de ingresos (CRO) de Ison Xperiences, una empresa de gestión de la experiencia del cliente con 1.600 agentes virtuales en producción.

Nos reunimos con ella para saber cómo la IA está cambiando las ventas y la fijación de precios. Esto es lo que nos contó.

De vender puestos a vender resultados

Soy Eliana Angelova, directora de ingresos de Ison Xperiences, con sede en Dubái.

Ison Xperiences es una empresa de gestión de la experiencia del cliente que gestiona todo el ciclo de vida de la interacción con el cliente. Con herramientas de IA disponibles universalmente, automatizamos ampliamente nuestras operaciones internas. Desarrollamos nuestra propia propiedad intelectual basada en IA. Esto no es algo que haga la mayoría de los BPO; la mayoría compra soluciones listas para usar y les pone su marca. Desarrollamos SenshAI, nuestra plataforma omnicanal de asistencia a agentes. También desarrollamos hAIve para seguros, Three60 CRM para cobros e iQumex para el aseguramiento de la calidad. No son prototipos. Están en producción y actualmente funcionan con 1.600 agentes virtuales. Esto constituye la base de nuestro marco hAI: personas más IA.

Como directora de ingresos, las cifras importantes cuentan la verdadera historia de la transformación. Hace dos años, los ingresos deslocalizados eran inexistentes. Hoy representan aproximadamente el 20 % de nuestra cartera. Pasamos de una ubicación de prestación de servicios deslocalizada a siete. Gestionamos más de 50 millones de interacciones con clientes cada mes, en 25 países y en más de 60 idiomas. Esto no es solo escala; es la infraestructura que nos hace relevantes para los compradores empresariales globales que necesitan una prestación multilingüe, adaptada a varias zonas horarias y vinculada a resultados.

Gracias a la IA, podemos competir en las mismas listas de oportunidades que empresas diez veces más grandes que nosotros.

Tres pilares de ingresos

Mi organización de ingresos tiene tres pilares: preventa y soluciones, ventas e implementación posventa. La estructuré deliberadamente de esta manera porque, en la externalización B2B compleja, el acuerdo no termina con el cierre: la implementación construye la confianza o la destruye, y quiero que el liderazgo de ingresos que hizo la promesa rinda cuentas por ella.

Nuestro equipo de ventas está dirigido geográficamente. Cubrimos India y APAC, China, EMEA, África y Sudáfrica, y Alemania, y estamos ampliando activamente nuestra presencia. Actualmente tengo cinco puestos vacantes en mercados cruciales para nuestra estrategia de crecimiento: dos en Estados Unidos, uno en Kenia, uno en Sudáfrica y uno en Oriente Medio. Por tanto, este equipo está en fase de expansión.

La preventa y las soluciones se sitúan intencionadamente junto a las ventas, en lugar de depender de ellas. Los acuerdos que buscamos son lo bastante complejos como para requerir la participación de un arquitecto de soluciones y un estratega de salida al mercado desde la primera conversación, no incorporados a última hora durante la fase de propuesta. Esta función nos permite vender resultados en lugar de puestos.

Desde la perspectiva de la salida al mercado, nos dirigimos al mercado por sectores verticales: telecomunicaciones y tecnología, BFSI y tecnología financiera, comercio electrónico y venta minorista, medios de comunicación, viajes y hostelería. Esto es deliberado porque la historia de la transformación mediante IA es diferente en cada sector, y los discursos genéricos no permiten ganar acuerdos empresariales.

Estamos avanzando de ser un gran competidor a convertirnos en líderes en la matriz PEAK de Everest. Cada decisión de contratación, entrada en un mercado y apuesta de salida al mercado que tomamos tiene como objetivo demostrar ese avance.

Cómo puede la IA cambiar el modelo comercial

La IA cambió nuestra forma de fijar precios. Hace tres años, la conversación comercial predeterminada en el sector BPO giraba en torno a los puestos: necesitas 200 agentes, aquí tienes la tarifa, aquí tienes el coste de personal. El cliente asumía el riesgo del volumen y el proveedor no tenía ningún incentivo real para reducir los contactos. Más contactos significaban más agentes, y eso significaba más ingresos. Es un modelo defectuoso.

Cuando incorporamos suficiente IA a las operaciones, pudimos predecir y controlar los resultados en lugar de limitarnos a asignar personal según el volumen. En el momento en que puedes controlar los resultados, puedes fijar los precios en función de ellos. Así que trasladamos los acuerdos a un modelo de precios basado en resultados, vinculado a la reducción del tiempo medio de gestión (AHT), las puntuaciones de satisfacción del cliente (CSAT) y la resolución en el primer contacto. Ahora el cliente paga por el resultado, no por el número de empleados.

El impacto comercial de ese cambio es significativo en dos direcciones. En primer lugar, ahora ganamos más acuerdos, especialmente con compradores empresariales europeos y estadounidenses lo bastante sofisticados como para saber que un contrato basado en puestos es simplemente una factura de mano de obra gestionada. Cuando llegamos y decimos: "Fijaremos el precio en función de los resultados y asumiremos el riesgo del rendimiento", la conversación cambia. En segundo lugar, retenemos a los clientes de otra manera porque, si eres responsable de los resultados, mejoras constantemente la operación en lugar de limitarte a mantenerla. Las renovaciones se vuelven mucho más sólidas. Esto garantiza unos ingresos sostenidos a largo plazo.

Entonces, ¿qué mejoró? Las tasas de éxito en los acuerdos empresariales, la duración de los contratos, la calidad de las relaciones con los clientes y la disciplina interna. Cuando tus ingresos están vinculados a los KPI de tu cliente, toda la organización está alineada con la misma cifra. La IA no solo cambió nuestro producto. Cambió nuestro modelo comercial.

Un flujo de trabajo real para captar nuevos clientes

Hoy voy a explicar nuestro nuevo flujo de trabajo para captar nuevos clientes, porque es el que más ha cambiado.

1. Comienza con la selección de cuentas. Ya no empezamos con una lista de territorios y contactos en frío. La IA identifica las cuentas objetivo en función de su adecuación según características empresariales, las señales de compra y la alineación con el sector. El modelo muestra las cuentas que presentan señales de intención: cambios en el liderazgo, anuncios de expansión y actividad de adquisición de tecnología. El equipo parte de una lista priorizada, no de una hoja en blanco.
2. A partir de ahí, personalizamos el contacto a gran escala. Para cuando establecemos el primer contacto, ya conocemos los posibles puntos débiles de la cuenta, su conjunto de tecnologías y quiénes son las partes interesadas relevantes.
3. Cuando una cuenta entra en el embudo, actualizamos continuamente su puntuación en función de la interacción. Si un acuerdo se estanca, el modelo lo señala. El equipo no descubre que un acuerdo está perdido al final del trimestre. Ve la señal con antelación y puede actuar.
4. En la fase de propuesta, el equipo de preventa utiliza esa información para crear un modelo comercial basado en resultados: los KPI que importan a este cliente, los compromisos de nuestra plataforma de prestación de servicios y el precio óptimo. Y todo se fundamenta en datos, no en la intuición. El equipo de soluciones trabaja con una IA que tiene acceso a todos los acuerdos anteriores que hemos ganado o perdido, a todos los modelos de prestación que hemos utilizado, a todas las estructuras de precios que hemos empleado y a todos los resultados de clientes con los que nos hemos comprometido.
5. Y después del cierre, hacemos un seguimiento de la implementación posventa en relación con los KPI a los que nos comprometimos. Si nos estamos desviando, lo vemos antes que el cliente. Eso es lo que hace que la conversación sobre la renovación sea diferente.

La IA no es magia. La magia ocurre cuando dejas de permitir que la información viva en silos.

Por qué los líderes de ingresos deben aprender la diferencia entre herramientas de IA y soluciones de IA

Eliana comparte

\u003cstrong\u003eAl principio, confundimos las herramientas de IA con las soluciones de IA…La mayoría de las organizaciones empiezan con herramientas y lo llaman transformación. Nosotros hicimos lo mismo. La gente utilizaba la IA para hacer un poco más rápido su trabajo habitual, y confundimos eso con progreso estratégico.\u003c/strong\u003e

Al principio, confundimos las herramientas de IA con las soluciones de IA.

El MIT publicó este año una investigación que lo define con precisión. Una herramienta de IA generativa ayuda a las personas a trabajar más rápido al resumir notas, redactar correos electrónicos y prepararse para las llamadas. Una solución de IA generativa se integra en un proceso, cambia la forma de realizar el trabajo y mide el impacto a nivel empresarial.

La mayoría de las organizaciones empiezan con herramientas y lo llaman transformación. Nosotros hicimos lo mismo. La gente utilizaba la IA para hacer un poco más rápido su trabajo habitual, y confundimos eso con progreso estratégico.

La pregunta que nos habría ahorrado ese tiempo es sencilla: "¿Esto cambia el resultado o solo la velocidad de entrada?" Si la respuesta es únicamente velocidad, es una herramienta de productividad, no una iniciativa empresarial.

Empieza por el resultado empresarial que necesitas mejorar y trabaja hacia atrás hasta llegar a la capacidad de IA que lo impulsa. No al revés.

La delimitación entre el trabajo humano y el trabajo de la IA

La IA impulsa cuatro aspectos para nosotros en este momento:

• Generación de clientes potenciales: identificar las cuentas objetivo adecuadas, detectar señales de intención y alimentar la parte superior del embudo para que el equipo no prospecte a ciegas.
• Priorización del embudo de ventas: puntuar dónde invertir tiempo en función de la adecuación y la interacción.
• Previsiones: no llevaré una cifra al consejo a menos que el modelo la valide, porque los líderes de ventas tienden por naturaleza a ser optimistas.
• Riesgo de abandono: realizar un seguimiento de las señales de la base de clientes existente para adelantarnos a un problema antes de que se convierta en una conversación.

¿Qué sigue siendo humano?

• Precios en operaciones complejas: la decisión final implica dinámicas de relación y criterio estratégico que un modelo no posee.
• Negociaciones: siempre.
• Planificación territorial: ahora mismo nos estamos expandiendo en EE. UU., y fue una decisión estratégica, no un algoritmo.
• Decisiones sobre personas y contrataciones: eso siempre es humano.

El principio sencillo es este: la IA se encarga de lo repetible y rico en datos. Las personas se encargan de lo complejo, contextual o de alto riesgo.

Cómo presenta la IA nuevos retos para los ingresos

Los buenos resultados de la IA son muchos. La calidad de la generación de clientes potenciales mejoró significativamente porque nos dirigimos antes a cuentas más adecuadas. La precisión de las previsiones aumentó porque utilizamos cifras validadas por el modelo en lugar de la intuición del equipo de ventas. El cambio hacia una tarificación basada en resultados hizo que nuestras relaciones con los clientes fueran más sólidas porque, cuando asumimos la responsabilidad de sus indicadores clave de rendimiento, la renovación se convierte en una conversación muy diferente.

El reto es que la IA crea una brecha de confianza en el equipo. Cuando un modelo indica a un vendedor que debe restar prioridad a una operación en la que cree, genera fricción. Crear confianza en los resultados requiere tiempo, y a veces el equipo ignora la señal y se equivoca. Eso nos cuesta.

También subestimé cuánta formación necesitan los clientes. La tarificación basada en resultados resulta convincente en una presentación comercial, pero cambiar la mentalidad de un cliente después de que haya comprado licencias durante diez años requiere una verdadera conversación comercial. La IA está cambiando nuestro modelo más rápido de lo que el mercado está preparado para asimilar.

Por qué la IA se queda corta en la expansión de cuentas

Y diré también lo siguiente: la IA no ha cumplido nuestras expectativas. Esperábamos que nos ayudara a identificar de forma más sistemática las oportunidades de venta adicional y venta cruzada dentro de la base de clientes existente. Detectar las señales, priorizar las conversaciones y avanzar más rápido. Y las señales están ahí. Los datos nos indican cuándo un cliente está creciendo, cuándo cambian sus volúmenes y cuándo existe un siguiente servicio lógico que presentar.

Pero descubrimos que los datos no desencadenan conversaciones de expansión en la externalización de procesos empresariales. Las desencadena la confianza. Y la confianza reside en la relación, no en el modelo. Los clientes que amplían su relación con nosotros lo hacen porque una persona sénior descolgó el teléfono, se sentó con ellos en una sala y mantuvo una conversación que no aparecía en ningún guion de ventas. La IA no puede replicar eso, ni tampoco acelerarlo.

Cómo está cambiando con la IA el perfil de un gran vendedor

El mejor vendedor ya no es quien tiene la red de contactos más amplia.

En la externalización de procesos empresariales, la sabiduría predominante siempre ha sido contratar a veteranos canosos con extensas agendas de contactos, porque las relaciones cierran operaciones. Y las relaciones siguen siendo importantes. Pero la IA me ha demostrado que un vendedor que entiende los datos y utiliza la IA, que entra en una conversación habiendo trazado ya los puntos de dolor de la cuenta, comprendido sus señales de compra y elaborado una propuesta comercialmente precisa, superará sistemáticamente al veterano que se basa únicamente en la conexión personal.

El perfil de un gran profesional de los ingresos está cambiando, y aferrarse a la antigua definición significa contratar para el pasado, no para el futuro.

Por qué los datos y la colaboración son los mayores predictores del éxito de la IA

Eliana comparte

Tengo dos consejos: el primero es familiarizarse con los datos antes de empezar a utilizar las herramientas… El segundo es alinearse con los responsables de tecnología.

Tengo dos consejos:

El primero es familiarizarse con los datos antes de empezar a utilizar las herramientas. Una investigación del MIT del año pasado reveló que el 95 % de los proyectos piloto de IA empresariales no lograron generar un impacto empresarial medible. La razón casi siempre es la misma: los datos subyacentes a la herramienta son incoherentes, están incompletos o no son fiables. Clari descubrió que el 67 % de los líderes de ingresos no confía en sus propios datos. Si ese es tu caso, ninguna herramienta de IA te salvará. Corrige primero los cimientos.

El segundo es alinearse con los responsables de tecnología. La investigación de Clari demuestra que la alineación entre el CRO y el CIO es el mayor predictor individual del impacto de la IA en los ingresos. Los CRO que están triunfando no compran herramientas por su cuenta. Están creando una estrategia de datos compartida con sus homólogos de tecnología y convirtiendo la IA en una capacidad de toda la empresa, no en un experimento del departamento de ventas.

En general, utiliza la IA para agudizar tu pensamiento, no para sustituirlo. Mantén la curiosidad, permanece cerca de los datos y no dejes nunca de tomar decisiones basadas en tu propio criterio.

Sigue la conversación

Puedes seguir el trabajo de Eliana Angelova en LinkedIn.

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