- Mientras la mayoría de las organizaciones de marketing siguen usando una sola herramienta centrada en ChatGPT, SafetyCulture aplicó agentes de IA a todo su GTM y logró mejorar la calidad de los leads, generar oportunidades e incrementar la adopción de funcionalidades
- En un entorno con un crecimiento explosivo de registros gratuitos a nivel global, para resolver el problema de enriquecer la información de leads y priorizarlos, construyó un workflow paralelo de enriquecimiento de leads basado en IA y logró un nivel de completitud de datos cercano al 100%
- Configuró la IA para realizar outbound personalizado (BDR automático), combinando datos de varios sistemas como Salesforce, HubSpot y ZoomInfo para generar mensajes personalizados y aumentar fuertemente la reserva de reuniones y la creación de oportunidades
- Construyó un motor de lifecycle con IA que combina patrones de uso del cliente, industria y comportamiento de clientes similares para generar recomendaciones personalizadas de funcionalidades y más de 2,500 variantes de mensajes, elevando la tasa de adopción de funcionalidades
- Creó una capa de app personalizada basada en IA que unifica múltiples sistemas GTM para que los equipos de ventas y marketing puedan ver toda la información y la ‘siguiente acción’ en una sola pantalla, lo que aumentó en más de 25% la conversión de lead a oportunidad
- Los agentes de IA pasaron de un modo inicial de ejecución automática a un modelo híbrido tipo copiloto, y cada nuevo workflow comienza en modo copiloto para ampliar gradualmente el nivel de automatización
Agente de IA 1: enriquecimiento de leads con IA
- Los clientes de SafetyCulture llegan globalmente desde industrias como manufactura, retail, transporte, construcción y minería, sectores que no corresponden al comprador tecnológico tradicional
- Usar solo una plataforma de enriquecimiento de leads generaba problemas de datos insuficientes o rápidamente desactualizados
- Por eso construyó un sistema de enriquecimiento de leads con IA, independiente de la plataforma y con llamadas paralelas a 5 proveedores de datos (similar en estructura a Clay, pero desarrollado internamente)
- El workflow llama a los proveedores de forma secuencial en modo waterfall, selecciona el valor más confiable para cada atributo, y un agente separado valida esos datos con información pública de sitios web, LinkedIn y otras fuentes
- En el caso de leads de Estados Unidos, consulta la API de OSHA para encontrar violaciones recientes y obtener contexto sobre riesgos laborales, y luego envía un resumen por Slack junto con la información del lead
- Como resultado, la tasa de enriquecimiento llegó casi al 100%, y el equipo GTM y el AI BDR pudieron identificar más rápido al ‘cliente adecuado’ y actuar de inmediato
- La calidad de los datos es la base de todos los workflows de IA, y la personalización precisa solo es posible cuando se contrastan múltiples fuentes de datos
Agente de IA 2: AI Auto BDR
- Con 500 mil registros anuales de equipos gratuitos, la escala era demasiado grande para que el equipo comercial la manejara, y existía el problema de dificultad para clasificar qué clientes tenían alto fit
- Antes, el equipo de ventas revisaba cada lead manualmente, investigaba y redactaba mensajes personalizados, pero este proceso era lento y terminaba reduciendo la tasa de respuesta
- La empresa incorporó un AI inbound BDR que usa IA para gestionar outreach personalizado, respuestas basadas en base de conocimiento y reserva de reuniones
- Combinando datos de Salesforce, HubSpot, ZoomInfo y Redshift, analiza la situación, la intención y el uso previo del lead; selecciona dos casos de clientes relevantes; genera un email personalizado; y lo registra automáticamente en una secuencia de Gong Engage
- Como resultado, la tasa de reserva de reuniones se triplicó y las oportunidades comerciales se duplicaron, y para reducir costos priorizó las llamadas de IA sobre leads de alto fit
- El AI BDR no busca reemplazar a ventas, sino precalentar al prospecto para que el AE pueda enfocarse rápidamente en el deal
- El soporte multilingüe fue especialmente efectivo en Europa y Latinoamérica
Agente de IA 3: personalización del lifecycle con IA
- Como los clientes usan SafetyCulture por motivos muy diversos —auditorías, checklists, inspecciones, normas de seguridad y más—, era difícil satisfacer a todos con un solo mensaje
- Para resolverlo, construyó un motor de recomendaciones basado en IA que sugiere funcionalidades relacionadas a partir del comportamiento de clientes similares
- En Databricks, usando RAG y workflows con agentes, analizó en profundidad los datos de uso del producto y generó automáticamente más de 300 casos de uso clave
- Según cada caso de uso, vincula el conjunto de funcionalidades adecuado para cada cliente, genera con IA más de 2,500 versiones de copy y las guarda en Redshift y Braze para usarlas en mensajes personalizados
- Gracias a esto, la adopción de nuevas funcionalidades aumentó 10% y derivó en un uso más profundo del producto, con mejoras en la retención
- Como las llamadas de IA en tiempo real a veces generan latencia, las ejecuta en intervalos programados y las deja en caché para que la plataforma de marketing pueda consultarlas al instante
- En muchos casos, modelos pequeños resultaron más prácticos que LLM grandes en términos de equilibrio entre velocidad y costo
Agente de IA 4: capa de app de IA personalizada para marketing/ventas
- Cada sistema GTM tenía sus propias funciones de IA, pero no estaban diseñadas para el producto de SafetyCulture, y los equipos de ventas y marketing tenían que ir saltando entre varias herramientas para cuadrar la información
- La empresa usó Retool para construir una capa de app centrada en IA que permite ver toda la información del cliente y hasta la ‘siguiente acción’ en una sola pantalla
- Ofrece dos pantallas: una consola de leads y un visor de compañías
- Esta capa reúne en un solo lugar datos de leads y clientes, información enriquecida por IA, registros de llamadas de Gong, datos de uso de Amplitude, predicción de churn, enrutamiento de leads y más
- Analiza automáticamente los registros de llamadas de Gong para crear resúmenes SPICED y guardarlos en Salesforce, automatizando el handoff de BDR a AE
- Con la función “pregunta cualquier cosa sobre la cuenta”, el AE puede revisar de inmediato uso, cantidad de equipos pagos y enfoque de outreach recomendado
- La tasa de conversión de lead a oportunidad aumentó más de 25% y, gracias a la automatización, cada BDR ahorra unos 30 minutos por oportunidad
- Más del 80% del equipo usa activamente esta capa de app, y la mejora en productividad se traduce en respuestas más rápidas y mejor interacción con clientes
- La IA no solo aporta valor cuando funciona en piloto automático; en formato copiloto también puede ser muy poderosa
Aprendizajes de una organización GTM AI-first
- SafetyCulture primero identifica, según el customer journey, en qué punto la IA es más efectiva entre identificar, personalizar, predecir, aconsejar y automatizar
- Al principio se enfocó en la automatización, pero ahora adoptó un modelo mixto entre copiloto y automatización, y todos los nuevos workflows comienzan en modo copiloto
- Las partes más difíciles fueron el acceso a los datos, la seguridad, mantener el tono de marca y los problemas iniciales de alucinación de la IA
- Como muchos clientes dependen de SafetyCulture en terreno, la confiabilidad y la consistencia son esenciales
- Enfatiza que los resultados no vienen de simplemente desplegar ChatGPT al equipo, sino de encontrar dónde usar la IA dentro de workflows reales
Aún no hay comentarios.