Caso operativo · Ventas y agentes de IA gobernados

Agentes IA para ventas B2B en México: cómo diseñamos un SDR gobernado que califica leads sin llamar en frío

Por
~14 min de lectura

Un caso operativo de la propia Transgenia, no de un cliente. Después de una campaña de outreach frío que produjo 193 invitaciones enviadas, alrededor del 1 % de conversión y cero reuniones, tomamos una decisión incómoda: apagar el motion y rediseñarlo. Este texto documenta el sistema que quedó en su lugar, un agente comercial gobernado por reglas duras, y por qué creemos que es el patrón replicable para PYMEs B2B en México que quieran usar IA en ventas sin convertirse en un generador industrial de spam.

Respuesta breve. Un agente IA para ventas B2B en México, hecho bien, no es un auto-sender de correos. Es un sistema con cuatro piezas: (1) un CTA que ofrece una demo interactiva en lugar de pedir una llamada; (2) un gate que exige correo corporativo (rechaza Gmail, Hotmail, Yahoo y dominios sin registros MX); (3) un digest semanal que traduce las interacciones dentro de la demo en una lista priorizada de llamadas informadas; y (4) un humano que autoriza cada envío. La combinación mueve el momento crítico del funnel del cierre por llamada fría al inicio, donde ya hay señal de intención antes de descolgar el teléfono.

En 2026 casi cualquier PYME B2B en México ha probado o considerado usar IA para vender más. La oferta del mercado, a grandes rasgos, se divide en dos: por un lado, generadores masivos de correo personalizado ("nuestro agente escribe mil emails únicos por día"); por otro, integraciones ligeras a plataformas de outreach existentes que traducen un LLM en una plantilla ligeramente variable. Ambos comparten un supuesto que rara vez se cuestiona: el cuello de botella del funnel B2B es el volumen del primer toque.

Nuestra experiencia dice lo contrario. El cuello, al menos para el ticket promedio de una comercializadora o de una clínica privada mexicana, está mucho más adelante: en el paso de "respuesta interesada" a "reunión efectiva" y de ahí a "propuesta firmada". Un motor que arroja más correos al principio del embudo no arregla ese cuello; lo esconde bajo un ruido más alto de vanity metrics. Este texto describe cómo llegamos a esa conclusión con datos propios, y qué construimos después.

1. "El frío murió en el cierre": autopsia de 193 invitaciones

A mediados de 2026 corrimos con un proveedor externo una campaña de LinkedIn outreach diseñada por ellos, ejecutada por ellos, medida por ellos. La hipótesis era estándar: enviar invitaciones personalizadas a decisores de PYMEs mexicanas y convertir aceptaciones en reuniones de descubrimiento. El experimento arrojó, según el propio reporte del proveedor:

Un funnel de 1 % no es un mal número aislado en outreach frío; el problema es que el 1 % se evaporó entre "respondió con interés" y "aceptó una reunión". El primer contacto sí generaba curiosidad; la llamada era la pared. Cuando reconstruimos el ciclo con las notas de la campaña, la pregunta que quedó en la mesa fue: ¿por qué un prospecto que respondió una invitación con "cuéntame más" no acepta una llamada quince minutos después?

La respuesta más honesta, y la que da estructura al resto de este texto, es que la asimetría de información no permite justificar la llamada. El prospecto no conoce lo suficiente para decidir invertir tiempo, y el vendedor no puede transferir contexto útil en el poco que hay en un mensaje de LinkedIn. La llamada, entonces, no es un paso natural; es un salto de fe. En condiciones normales de mercado mexicano B2B, ese salto casi nadie lo da.

Después de una revisión interna decidimos que había dos caminos: aumentar el volumen (más invitaciones, más A/B testing del primer mensaje, más presión al cerrador) o cambiar el motion. Elegimos el segundo. El motion nuevo no le pide al prospecto una llamada; le ofrece una demo interactiva con datos sintéticos que puede recorrer en su tiempo. La llamada llega después, cuando ya hay señal medible de intención.

2. Qué es un agente comercial "gobernado" (definición operativa)

En el mercado hay dos usos populares del término AI SDR o agente IA de ventas. Uno se refiere a un sistema que genera y envía correos de forma casi autónoma; el humano solo aprueba el arranque de una campaña. El otro se refiere a un chatbot que responde en tiempo real en el sitio web. Ninguna de las dos definiciones describe lo que construimos.

Para efectos de este texto, un agente comercial gobernado es un sistema que combina modelos de lenguaje, reglas duras y humanos-en-el-loop, con esta arquitectura de responsabilidades:

Esta definición no es cosmética. En 2024-2025 hubo suficientes casos de agentes IA que enviaron correos comprometedores a gran escala, en distintas partes del mundo, como para que las reglas duras se hayan convertido en el diferenciador serio entre un sistema utilizable en producción y un pasivo legal encubierto. Un agente comercial gobernado no compensa con IA lo que le falta al operador humano; le da al operador humano una superficie más grande sobre la que aplicar criterio, sin escalar los errores.

flowchart LR
  subgraph AI[Modelo de lenguaje]
    A1[Redacta drafts]
    A2[Personaliza contexto]
    A3[Resume digest]
  end
  subgraph Rules[Reglas duras]
    R1[Blocklist freemail]
    R2[Verificacion MX]
    R3[Stop-on-demo-entry]
    R4[Turnstile antibot]
    R5[Opt-out inmediato]
  end
  subgraph Human[Humano-en-el-loop]
    H1[VoBo por ola]
    H2[Aprueba lista final]
    H3[Recibe digest lunes]
  end
  A1 --> Rules
  A2 --> Rules
  A3 --> Human
  Rules --> Human
  Human --> Send[[Envio autorizado]]
  Send --> Effect[(demo_events fila real)]
Un agente comercial gobernado: el modelo redacta, las reglas duras filtran, el humano autoriza. El sistema mide efecto, no artefacto.

3. Cuatro componentes verificables del sistema

El sistema como está desplegado hoy tiene cuatro componentes con contrato explícito. Ninguno es opcional; quitar uno rompe el diseño.

3.1 La demo gated como filtro de calificación

El CTA primario del outreach no es "agenda una llamada". Es "entra a la demo", con la URL https://transgenia.org/demos/ como destino. La demo es una simulación funcional de un caso real de la operación de Transgenia (concretamente, el seguimiento clínico que construimos sobre Odoo para una clínica bariátrica privada en CDMX; agregado y anonimizado, con badge fijo "DATOS SIMULADOS"). El prospecto la recorre en su tiempo, mira los flujos, interactúa con los datos sintéticos y decide si vale la pena continuar.

La demo cumple tres funciones que una llamada de descubrimiento no puede cumplir:

  1. Transfiere contexto sin costo cognitivo del prospecto. Un video de 15 minutos y una llamada exigen agenda; una demo interactiva se recorre en 5 minutos entre reunión y reunión.
  2. Se comporta como filtro pasivo. El prospecto que se toma el trabajo de entrar y navegar es cualitativamente distinto del que abrió un correo y no hizo más. El sistema registra la diferencia sin preguntarle nada al prospecto.
  3. Genera evidencia auditable. Cada interacción se registra en demo_events, una bitácora que cumple el aviso LFPDPPP declarado en la página legal del sitio. No es un cookie tracker opaco; es un registro con propósito comercial explícito.

El acceso a la demo tiene vigencia de quince días desde el alta. Un cron diario purga los accesos vencidos. La vigencia limitada hace dos cosas: cierra la superficie de exposición del sitio y le dice al prospecto que hay una ventana para actuar. La psicología del deadline blando funciona aquí igual que en cualquier producto SaaS con free trial.

3.2 Correo corporativo obligatorio

El gate del acceso a la demo rechaza tres clases de correo:

Esta regla es dura por diseño. Rechazar un gmail.com significa cerrar la puerta a leads potencialmente válidos que aún no tienen correo corporativo; asumimos ese costo consciente. La razón es que la demo genera un lead que el sistema empujará hacia una llamada humana, y esa llamada tiene un costo (agenda, contexto, seguimiento) que no se amortiza con un individuo que representa solo a sí mismo. El correo corporativo no garantiza autoridad de compra, pero es el filtro más económico que separa un contacto B2B legítimo de un ruido.

Un efecto colateral interesante: cuando el gate rechaza un freemail, la conversación con el prospecto no se cierra automáticamente. La página le dice, en texto plano, que la demo requiere correo corporativo y le sugiere continuar por otras rutas (documentación pública, contacto directo). El sí de la demo es una decisión con costo; el no del gate es una redirección educada. Ambos son señales.

3.3 El digest semanal

Cada lunes a las 08:00 hora de Ciudad de México, un cron consolida las interacciones registradas en demo_events de la semana anterior y produce un digest priorizado. El digest se compone de estos artefactos:

El digest se entrega por correo interno al equipo comercial y a Efraín Carreón (director general). No sale nunca al exterior. Es materia prima para un humano; no es una acción automática. Un lead que aparece con score alto en el digest es candidato a una llamada informada, en la que el vendedor ya sabe qué sección de la demo el prospecto recorrió más, qué preguntas implicó su recorrido, y puede abrir la conversación en un punto útil en lugar de en frío.

Esta es la pieza que reemplaza el trabajo tradicional de un SDR humano. Un SDR investiga leads, prioriza, agenda llamadas; el digest hace la parte de investigación y priorización con datos que el humano no tiene tiempo de agregar manualmente. La llamada la sigue haciendo un humano, porque ninguna IA hoy tiene la sensibilidad para leer una negociación B2B mexicana con la ambigüedad y el contexto cultural que requiere.

3.4 Cadencia demo-CTA y stop-on-demo-entry

El outreach que empuja a la demo tiene una cadencia de tres toques: día 0, día 4-5, día 10-12. Los toques se marcan como d1, d2, d3 en el log de envíos, distintos de la cadencia clásica de outreach frío (1..4) que también existe en el sistema para casos que no aplican al motion demo.

La regla crítica de esta cadencia es stop-on-demo-entry: si el lead aparece en demo_events en cualquier momento de la secuencia, los toques restantes se cancelan automáticamente. El lead pasa a la lista del digest y se atiende con llamada informada, no con más correo. El razonamiento es directo: mandarle un cuarto correo genérico a alguien que ya entró a la demo es una degradación del canal.

Además de stop-on-demo-entry, la cadencia respeta:

sequenceDiagram
  autonumber
  participant V as Emisor (send_email.py)
  participant L as Lead corporativo
  participant D as Demo gated
  participant B as Bitacora (demo_events)
  participant G as Digest semanal

  V->>L: d1 (dia 0)
  Note over V,L: Si el lead entra a la demo,
stop-on-demo-entry
  L->>D: Se registra (correo corporativo, OTP)
  D->>B: Fila con interacciones
  V--xL: d2 y d3 cancelados
  B->>G: Consolidacion lunes 08:00 CDMX
  G->>V: Lead priorizado para llamada informada
Cadencia demo-CTA con stop-on-demo-entry. Un lead que entra a la demo sale de la cadena y entra al digest.

4. Cinco reglas duras que impiden que se convierta en spam

Un agente comercial mal diseñado se degrada rápido. La degradación no es matemática (más volumen, peor calidad); es cultural (los operadores se acostumbran a mirar el sistema como una manguera). Para evitar esa curva, el sistema tiene cinco reglas duras que no se relajan aunque haya presión por resultados.

Regla 1: Draft-first, siempre. Cada ola de correo se prepara como un conjunto de drafts y un manifest que enumera destinatarios, asuntos y adjuntos. El envío requiere un VoBo explícito por ola. Nadie corre --send sin haber recibido esa autorización. Un operador con prisa que quiera "aprobar todo rápido" se encuentra con que la firma del VoBo es literal (una frase estándar), no un botón cómodo.

Regla 2: Cero fabricación de cifras. Los únicos números que aparecen en el correo son los del caso publicado, agregados y anonimizados, con la fuente citable en el enlace de la demo. Nombrar a un cliente por escrito requiere un VoBo nuevo por caso. Presentar métricas de terceros como propias, aunque sea implícitamente, está prohibido.

Regla 3: Un solo emisor canónico. Todo el correo saliente pasa por un único script (send_email.py) con los siguientes controles integrados: dedupe por (lead, toque), supresión, log completo, pie con opt-out visible, tope diario. Prohibido enviar correo comercial por otro canal, otro script ad-hoc o herramienta externa. La disciplina del emisor es lo que hace auditables al resto de las reglas.

Regla 4: Adjuntos correctos en el toque correcto. El primer toque comercial (d1) adjunta la carta de presentación y la oferta de servicios del sector; los toques siguientes son cortos y sin adjuntos, salvo casos específicos. Un correo comercial sin sus adjuntos declarados se considera incompleto y no se envía.

Regla 5: Opt-out es sagrado. Cualquier respuesta que contenga "opt out", "unsubscribe", "no me contactes" o equivalentes se registra en la lista de supresión y se aplica antes del siguiente envío. El opt-out no se negocia. El silencio, por el contrario, no se interpreta como consentimiento ni como rechazo: es silencio, y el cooling-off lo trata como tal.

flowchart TB
  D1[Draft-first] --> V[VoBo humano
por ola]
  D2[Cero fabricacion] --> V
  D3[Un emisor canonico] --> V
  D4[Adjuntos correctos] --> V
  D5[Opt-out sagrado] --> V
  V --> S[[Envio autorizado]]
  S --> L[(Log auditable)]
Cinco reglas duras que convergen en un único gate humano. Ninguna es opcional.

5. Los dos carriles: clínicas privadas vs. comercializadoras B2B

El sistema no vende "IA para PYMEs" en abstracto. Opera dos carriles con propuestas de valor, ticket y mensajería distintos.

Carril clínicas privadas (sector médico). El caso ancla es el seguimiento clínico digital, la aplicación que la demo simula. Ticket medio en torno a los seis dígitos MXN para el diagnóstico y setup, con acompañamiento mensual. Ciclo de venta de semanas a meses, decisor típico es el director médico o el dueño de la clínica. La demo funciona como pieza principal porque el problema es tangible en pantalla (una ficha de seguimiento con datos completos vs. la hoja suelta que hoy existe en la mayoría de las clínicas medianas). El outreach entra por correo corporativo del staff administrativo o médico.

Carril comercializadoras B2B. El caso ancla es reabastecimiento inteligente sobre Odoo, documentado en una pillar aparte del sitio. Ticket unitario más grande, típicamente cinco cifras USD por proyecto de setup inicial. Ciclo de venta más largo, decisor es director de operaciones o director general. La demo médica no aplica aquí; el CTA de este carril redirige a la pillar de sector /comercializadoras.html y a un QuickLook agendado como llamada guiada de 20 minutos con datos del prospecto en pantalla. La demo B2B específica está en backlog.

La separación entre carriles no es un lujo de marketing: define qué reglas duras aplican con qué peso. En el carril clínicas, la vigencia de 15 días de la demo es central; en el carril comercializadoras, lo que pesa es la carta de presentación adjunta en d1. Confundir carriles produce dos degradaciones simétricas: ofrecerle demo médica a una comercializadora (que no aprovechará) y pedirle QuickLook a una clínica (que aún no está lista para descolgar).

6. Cómo se mide el éxito

Un sistema comercial sin definición de éxito medible es indistinguible de un teatro. Al motion demo-CTA le declaramos un goal formal en julio de 2026, con horizonte de seis meses.

Goal H2-2026 (declarado internamente). Al cierre del semestre debemos cumplir al menos uno de estos dos criterios: (a) $10,000 USD en ventas al sector médico (clínicas privadas), o (b) un ticket individual de $5,000 USD a una comercializadora B2B. Cuentas grandes preexistentes (RackUSA, Qualtop) quedan excluidas del cómputo por decisión explícita del director general.

El scoreboard que mide este goal se alimenta de tres fuentes verificables:

Un número que no está en el scoreboard con fuente citable, para efectos del goal, no existe. Esta disciplina es incómoda al principio, porque cualquier vendedor está entrenado para sumar "conversaciones que van bien" al forecast; el scoreboard solo suma efecto observable. Con el tiempo, la disciplina paga: el forecast de octubre se hace sobre datos que existen, no sobre voluntad.

Vale una nota de honestidad: al momento de publicarse este texto, el motion demo-CTA acaba de arrancar oficialmente. La medición del goal está en curso; este artículo no reporta resultados finales, describe el sistema con el que se están generando. Cuando haya evidencia consolidada (positiva o negativa), la publicaremos con el mismo nivel de detalle.

7. Qué de esto es replicable a otras PYMEs B2B mexicanas

El sistema no es una receta patentada. Casi todas sus piezas se pueden reconstruir con componentes accesibles. Lo que sí es propio, y no se traslada como copia, son las decisiones de política.

Las piezas replicables:

Las decisiones de política que no se copian por instinto:

Nuestra hipótesis operativa, no probada pero contrastada varias veces en conversaciones con dueños de PYMEs mexicanas del sector servicios, es que el diferencial competitivo real de un agente IA de ventas en México en 2026 no es el modelo de lenguaje que use, sino la calidad de sus reglas duras. Los modelos son commodity; la política es propiedad.

8. Cierre: por qué el motion demo-CTA cambia el momento de la verdad

Si algo hay que llevarse de este caso es que el motion tradicional de outreach frío B2B, en México, murió en el momento en que la asimetría de información entre el vendedor y el prospecto se volvió infranqueable en la etapa de la llamada. Un prospecto que responde con interés a una invitación pero no acepta una reunión de descubrimiento no está siendo maleducado; está diciendo, en el idioma de la operación diaria de una PYME, que no tiene información suficiente para justificar treinta minutos de calendario.

El motion demo-CTA reubica el momento de la verdad. En lugar de exigirle al prospecto que dé el salto de fe a la llamada, le pone en las manos una demo que puede recorrer solo. Si la demo le importa, entra; si le importa poco, no entra. En ambos casos el sistema aprende. La llamada que sigue, cuando sigue, se hace sobre información compartida: el vendedor ya sabe qué sección le interesó, el prospecto ya tiene un lenguaje común con el vendedor. La conversación abre en el minuto cuarenta del discovery, no en el minuto cero.

Ese cambio de lugar del salto de fe es lo que un agente IA gobernado le aporta al proceso de venta B2B en México. La IA no reemplaza al vendedor. Le entrega una superficie más grande de contexto compartido con el prospecto, sin escalar los errores del outreach frío. Y, cuando el sistema está bien diseñado, hace algo que un SDR humano no puede hacer solo: sostiene la disciplina del envío incluso los días que el pipeline duele.

Si te reconoces en el problema, dos caminos honestos: entra a la demo médica (correo corporativo, quince días de acceso, sin llamada obligada) para ver el sistema en operación; o si tu contexto es más comercializadora B2B que clínica, la pillar de Sectores › Comercializadoras resume la propuesta análoga que estamos construyendo para ese carril. Para el trasfondo del stack de agentes gobernados que sostiene este motion, la pillar de Soluciones con IA es el punto de entrada.

Preguntas frecuentes

¿Un agente IA de ventas reemplaza al SDR humano?

No en el sentido en que a veces se anuncia. El agente IA gobernado que describe este texto reemplaza el trabajo repetitivo del SDR (investigación, priorización, generación de drafts, seguimiento de secuencias), pero no reemplaza la conversación B2B. La llamada la sigue haciendo un humano, porque el contexto cultural mexicano y la sensibilidad para leer una negociación de tamaño mediano exceden lo que un modelo de lenguaje puede sostener en tiempo real.

En términos de estructura de equipo: un vendedor humano potenciado por un agente gobernado puede atender el pipeline que antes atendía un vendedor + un SDR humano, siempre y cuando las reglas duras se sostengan. Si las reglas se relajan (envíos sin VoBo, cifras sin fuente, opt-outs ignorados), el sistema se degrada más rápido que uno hecho a mano y hace daño reputacional mucho más grande.

¿Por qué exigir correo corporativo? ¿No estás rechazando leads válidos?

Sí, con conocimiento. Un dueño de PYME que solo tiene gmail.com puede ser un lead válido; en promedio, sin embargo, la mezcla de leads que llegan por correo corporativo tiene mayor probabilidad de convertir a proyecto pagado, y la mezcla que llega por freemail tiene mayor probabilidad de consumir tiempo sin cerrar. La regla es un filtro estadístico, no una descalificación individual.

Además, exigir correo corporativo tiene tres efectos secundarios útiles: (1) baja el ruido de bots y direcciones desechables, (2) le da al prospecto una señal de que la conversación es seria (una demo que exige correo corporativo se parece más a un producto que a un contenido de marketing), y (3) hace verificable la titularidad: un [email protected] con MX válido es más rastreable que un [email protected] sin dominio propio.

¿Cómo evitan que el sistema se convierta en generador de spam?

Con las cinco reglas duras descritas en la sección 4: draft-first, cero fabricación, emisor canónico único, adjuntos correctos y opt-out sagrado. La regla que hace el trabajo más pesado es la de emisor único, porque concentra todos los envíos en un solo script auditable con supresión, dedupe y tope diario. Sin ese cuello, cualquiera de las otras reglas se puede saltar por accidente o por prisa; con ese cuello, saltar una regla exige acción deliberada.

También ayuda que el motion no premia el volumen. Un vendedor cuyo bonus depende de "correos enviados" empuja hacia spam; un vendedor cuyo bonus depende de proyectos cerrados con evidencia de facturación no tiene incentivo para saturar el canal. La política de compensación es parte de la política del sistema.

¿Funciona el mismo enfoque en sectores fuera de tecnología?

Depende. El patrón (demo gated + digest + reglas duras) es transferible siempre que exista algo demostrable en pantalla. Sectores con producto tangible físico (manufactura, distribución, retail) pueden reemplazar la "demo" por un configurador o un cotizador interactivo con datos reales del prospecto; el resto del sistema se mantiene. Sectores de servicios profesionales con entregable no digitalizable (consultoría estratégica, legal boutique) tienen que rediseñar la primera pieza, porque no hay algo palpable que recorrer en solitario.

Lo que no cambia entre sectores es la mecánica de fondo: mover el momento crítico del funnel del cierre por llamada fría al inicio, con evidencia observable de intención antes de descolgar el teléfono. Esa es la lección extraíble; el mecanismo específico es contextual.

¿Qué tan común es que un CEO se involucre en las reglas duras del sistema?

En Transgenia, el director general firma cada VoBo de ola. No es delegado. La razón es dual: (1) el volumen es lo bastante bajo como para que el VoBo no sea una carga (típicamente decenas de correos por ola, no cientos), y (2) el riesgo reputacional de un envío mal dirigido es lo bastante alto como para justificar que la última firma sea de quien tiene la piel puesta en la marca.

En una organización más grande, este VoBo se puede delegar a una figura equivalente (director comercial, chief revenue officer), siempre que se mantenga la propiedad clara: una persona con nombre y apellido responde por cada ola despachada. Diluir la firma en un comité es equivalente a no tenerla, porque el sistema pierde el momento humano de detenerse a mirar el manifest antes del --send.

¿Cuánto cuesta implementar un sistema así?

La parte técnica es tratable. Un backend con OTP por correo (PocketBase, Supabase), un cron semanal (cualquier servidor con cron), un emisor SMTP con las reglas duras (script Python de unos cuantos cientos de líneas) y un LLM de gama media para redacción y digest suman a un costo de infraestructura bajo, típicamente por debajo de $200 USD al mes para volumen de PYME.

La parte cara es la disciplina. Sostener draft-first cuando la campaña arranca tarde, sostener cero fabricación cuando un competidor exagera en LinkedIn, sostener el opt-out sagrado cuando el prospecto que se dio de baja parecía "muy buena señal", todo eso requiere un operador entrenado y un aparato de decisión que respalde. Ese costo cultural es lo que separa un sistema útil en producción de un experimento que se apaga a los tres meses.

Ventas Agentes IA gobernados México B2B Demo gated Casos operativos
← Volver al Blog