El problema de la prospecció automatitzada no sol ser la intel·ligència artificial.
El problema és tractar-la com si fos un programari que s'instal·la, s'activa i comença a generar reunions de manera autònoma.
Aquesta visió condueix moltes empreses a repetir el mateix patró: contracten eines, connecten bases de dades, generen milers de missatges i esperen que el volum es converteixi automàticament en pipeline. Durant unes quantes setmanes sembla que el sistema funciona perquè augmenta l'activitat. Després apareixen els problemes: contactes incorrectes, missatges genèrics, respostes mal interpretades, deteriorament del lliurament i reunions amb empreses que mai van haver d'entrar a la campanya.
A Trilogi entenem els agents IA d'una manera diferent.
Un agent no és el sistema comercial. És una peça dins un sistema de Go-to-Market dissenyat per detectar oportunitats, interpretar context i activar l'acció adequada en el moment adequat.
Per això el veritable valor no és a l'stack tecnològic aïllat. És a l'enginyeria que connecta estratègia, dades, automatització i criteri humà.
Aquest és el treball del GTM Engineer .
Què és un sistema dagents IA per a prospecció comercial?
Un sistema dagents IA per a prospecció B2B és una infraestructura capaç dexecutar i coordinar part del treball operatiu necessari per generar noves oportunitats comercials.
Pot, entre altres tasques:
- Identificar empreses que encaixen amb el client ideal.
- Localitzar els decisors rellevants.
- Enriquir i verificar la informació de contacte.
- Detectar senyals d‟intenció o moments de canvi.
- Crear missatges adaptats a cada empresa i persona.
- Executar seqüències de seguiment.
- Classificar respostes.
- Actualitzar el CRM.
- Alertar l'equip comercial quan apareix una oportunitat.
- Preparar informació per a una reunió.
La diferència respecte de les automatitzacions tradicionals és que el sistema no es limita a executar una seqüència rígida. Podeu combinar informació, aplicar regles, generar contingut i decidir quin flux s'ha d'activar.
Però això no vol dir que pugui operar sense control.
Els agents IA actuals són especialment eficaços en tasques repetitives, estructurades i de gran volum. Són menys fiables quan han d'interpretar matisos, gestionar una objecció complexa, comprendre la política interna d'un compte o construir una relació de confiança.
Per això els sistemes més sòlids no intenten substituir completament el comercial. Utilitzen la IA per ampliar-ne la capacitat.
L'error més habitual: confondre tecnologia amb estratègia comercial
Al mercat hi ha una enorme pressió per trobar “la millor eina” de prospecció amb IA.
No obstant això, l'eina poques vegades és el principal factor d'èxit.
Un agent pot redactar missatges, cercar contactes o executar seqüències, però no pot corregir per si sol una proposta de valor poc clara. Tampoc no pot convertir una base de dades deficient en una estratègia de segmentació eficaç.
La tecnologia multiplica el sistema que hi troba.
Si l'ICP és imprecís, permet contactar més ràpidament amb empreses que no interessen. Si les dades estan desactualitzades, accelereu l'enviament a adreces incorrectes. Si el missatge comercial és feble, produeix més variacions dun argument que segueix sense connectar amb el mercat.
Automatitzar un procés mal dissenyat no ho millora. L'escala.
Aquesta és la raó per la qual un projecte dagents IA ha de començar abans de seleccionar les eines.
Heu de començar amb preguntes comercials:
- Quines empreses tenen una necessitat real?
- Quines característiques comparteixen els nostres millors clients?
- Quins perfils participen a la decisió?
- Quines situacions solen obrir una finestra de compra?
- Quins problemes tenen prou prioritat per iniciar una conversa?
- En quin moment hi ha d'intervenir una persona?
- Quines mètriques demostraran que estem generant negoci i no només activitat?
Un GTM Engineer tradueix les respostes a aquestes preguntes en dades, regles, automatitzacions i mecanismes de control.
La regla 10-20-70: una manera útil d'entendre l'èxit dels agents IA
Una manera de visualitzar la distribució de l'esforç és la regla 10-20-70:
- 10%: tecnologia i autonomia de l'agent.
- 20%: supervisió, criteri i optimització humana.
- 70%: dades, segmentació, ICP i senyals comercials.
| Fase | Distribució del temps | Activitats clau | Mètriques dèxit |
|---|---|---|---|
| 70%: Base de dades | 60% de l'esforç inicial (2-3 setmanes) | • Definir els criteris imprescindibles de l'ICP • Crear un model de scoring de comptes • Enriquir i verificar les dades de contacte • Configurar activadors basats en senyals • Eliminar duplicats i contactes exclosos del CRM | • Precisió de les dades superior al 90% • Segmentació clara en nivells 1, 2, 3 i 4 • Taxa de rebot inferior al 5% • Cobertura de senyals en més del 40% dels comptes objectiu |
| 10%: Configuració de la IA | 15% de l'esforç inicial (1 setmana) | • Implementar una eina d'AI SDR • Configurar el to de veu i els límits dactuació • Crear una biblioteca de continguts • Configurar integracions amb CRM, correu i calendari | • Els resultats de la IA respecten la veu de marca • Lliurabilitat superior al 95% • Qualitat de personalització superior a 7/10 |
| 20%: Supervisió humana | 25% de l'esforç continu (4-6 hores setmanals) | • Revisar mostres de correus electrònics cada setmana • Classificar i analitzar totes les respostes • Supervisar les mètriques de lliurament • Ajustar la segmentació i els missatges • Realitzar revisions estratègiques quinzenals | • Taxa de resposta de l'1-2% o superior en campanyes basades en senyals • Sentiment positiu en més del 70% de les respostes • Conversió a reunió superior al 40% de les respostes positives • Lliurament sostingut per sobre del 95 % |
No s'ha d'interpretar com una fórmula matemàtica universal, sinó com un principi de disseny: la major part del resultat depèn de tot allò que envolta l'eina.
Les empreses solen invertir aquesta proporció. Dediquen setmanes a comparar plataformes i molt poc temps a analitzar operacions guanyades, netejar el CRM, definir exclusions o identificar senyals de compra.
El resultat és un sistema tècnicament avançat que no sap amb prou precisió a qui contactar, per què fer-ho o quin missatge utilitzar.
L´autonomia de l´agent és visible i atractiva. La qualitat de les dades, la taxonomia comercial, les regles de priorització i la revisió humana són menys vistoses. Tot i això, són aquestes capes les que determinen la rendibilitat del projecte.
Les set claus perquè un sistema de prospecció amb IA funcioni
1. Definir un ICP operatiu, no una descripció genèrica
Un ICP útil per a automatització no es pot limitar a expressions com “empreses industrials mitjanes” o “marques de moda interessades en internacionalització”.
El sistema necessita criteris verificables.
Per exemple:
- Països i mercats prioritaris.
- Sectors inclosos i exclosos.
- Grandària mínima i màxima.
- Model de distribució.
- Tecnologies utilitzades.
- Volum de negoci aproximat.
- Nombre de treballadors.
- Presència internacional.
- Canvis organitzatius recents.
- Perfils amb capacitat de decisió.
- Situacions que desqualifiquen un compte.
També és important definir el negative ICP : empreses, càrrecs o circumstàncies que no han d'entrar en el procés.
Com més precisa sigui aquesta definició, menys dependrà el sistema de missatges genèrics i més podrà adaptar la proposta al context de cada compte.
2. Construir una base de dades fiable i contínuament enriquida
La qualitat de la sortida mai no serà superior a la qualitat de la informació utilitzada.
Abans d'activar campanyes cal verificar:
- Existència i activitat de lempresa.
- Càrrec actual del contacte.
- Relació del perfil amb la decisió.
- Validesa de les dades de contacte.
- Duplicats.
- Historial previ al CRM.
- Exclusions i baixes.
- Territori comercial.
- Senyals recents rellevants.
Aquest treball no s'acaba quan es llança la campanya. Les dades B2B canvien constantment: les persones canvien de lloc, les empreses en modifiquen l'estructura i les prioritats comercials evolucionen.
Per això, l'enriquiment ha de formar part del sistema, no ser una operació puntual.
3. Passar de les llistes estàtiques als senyals d'intenció
La prospecció tradicional treballa sobre una pregunta: “Aquesta empresa s'assembla al nostre client ideal?”.
La prospecció basada en senyals afegeix una segona pregunta molt més poderosa: “Hi ha algun motiu per contactar ara?”.
Una empresa pot encaixar perfectament amb ICP i no estar en disposició de comprar. Una altra pot mostrar un canvi que obre una oportunitat immediata.
Alguns senyals rellevants són:
- Visites repetides a pàgines de producte, servei o preus.
- Consulteu casos d'èxit.
- Interacció amb continguts especialitzats.
- Contractació de nous responsables.
- Obertura de nous mercats.
- Creixement de lequip.
- Rondes de finançament.
- Canvis a l'stack tecnològic.
- Llançament de noves línies de negoci.
- Cerques relacionades amb un competidor o una solució concreta.
- Respostes, obertures reiterades o interacció amb campanyes anteriors.
No tots els senyals tenen el mateix valor ni la mateixa durada.
Una visita recent a una pàgina comercial pot exigir una ràpida reacció. Un canvi de direcció o una expansió internacional pot crear una finestra doportunitat més llarga.
El sistema ha de puntuar, combinar i aplicar caducitat als senyals. També heu d'explicar al comercial per què s'ha prioritzat un compte.
Un número aïllat no aporta context. Una alerta que indiqui “nou director comercial, expansió a França i visita a la pàgina de solucions B2B” sí que permet preparar una conversa rellevant.
La clau no és acumular dades de intenció. És convertir-los en una acció comercial concreta.
4. Dissenyar l'orquestració completa, no una cadena de correus
Un sistema dagents IA no hauria de limitar-se a generar i enviar emails.
Ha de coordinar diferents funcions:
- Detectar o rebre un senyal.
- Comproveu si el compte encaixa amb l'ICP.
- Enriquir la informació.
- Identificar els decisors.
- Consulteu l'historial del CRM.
- Seleccionar el missatge i el canal adequats.
- Executar lacció.
- Analitzar la resposta.
- Actualitzar els sistemes interns.
- Derivar l'oportunitat a l'equip comercial.
En alguns casos, lacció correcta serà enviar un correu. En altres, serà crear una tasca, activar una interacció a LinkedIn, iniciar una seqüència de nurturing o no fer res encara.
La intel·ligència del sistema no es mesura pel nombre d'automatitzacions, sinó per la seva capacitat per triar la millor acció següent.
5. Incorporar supervisió humana des del disseny
La revisió humana no és una mesura provisional fins que la IA “aprengui”.
És una capa permanent del sistema.
Durant les primeres fases, la supervisió ha de ser especialment intensa. Convé revisar els missatges generats, llegir les respostes reals, comprovar la classificació d‟oportunitats i analitzar la qualitat de les reunions.
Posteriorment, la revisió es pot concentrar en mostres, excepcions i desviacions.
L'equip humà ha de controlar especialment:
- Exactitud de la informació utilitzada.
- Coherència amb la proposta de valor.
- To de marca.
- Personalització real.
- Interpretació dobjeccions.
- Sol·licituds de baixa.
- Respostes negatives.
- Casos sensibles.
- Entregabilitat.
- Canvis a la conversió.
- Aparició de nous patrons comercials.
La IA executa a una velocitat que una persona no pot igualar. Precisament per això necessita límits.
Un error humà afecta una conversa. Un error automatitzat pot afectar milers.
6. Dissenyar correctament el traspàs entre IA i comercial
Un dels punts més delicats és decidir quan s'acaba la feina de l'agent i comença la de l'equip de vendes.
Si el traspàs es produeix massa aviat, el comercial rep contactes sense prou context. Si es produeix massa tard, l'agent pot fer malbé una conversa que ja requeria criteri humà.
L'entrada del comercial es pot activar quan:
- El contacte mostra interès explícit.
- Formula una pregunta específica.
- Apareix una objecció rellevant.
- Demana informació comercial.
- Hi participen diversos interlocutors.
- El compte té un alt valor potencial.
- Cal adaptar la proposta.
- La conversa exigeix negociació o coneixement sectorial.
El handoff ha d'incloure tota la informació acumulada: motiu de selecció, senyals detectats, missatges enviats, respostes rebudes, dades del compte i possibles línies de xat.
L'objectiu no és lliurar un lead. És lliurar una oportunitat amb context.
7. Mesurar pipeline, no volum
Els agents IA fan molt fàcil augmentar l'activitat.
Per això, mètriques com el nombre de contactes processats, correus enviats o missatges generats poden resultar enganyoses.
Les mètriques principals haurien d'estar vinculades al negoci:
- Respostes positives.
- Converses qualificades.
- Reunions celebrades.
- Oportunitats creades.
- Pipeline generat.
- Cost per oportunitat.
- Conversió per segment.
- Conversió per senyal.
- Durada del cicle comercial.
- Ingressos atribuïts.
- Qualitat percebuda per lequip de vendes.
També s'han de controlar indicadors de salut operativa:
- Rebots.
- Queixes de correu brossa.
- Baixes.
- Reputació dels dominis.
- Errors de personalització.
- Contactes incorrectament classificats.
- Reunions rebutjades per manca d'encaix.
El propòsit dun sistema GTM no és fer més coses. És generar millors resultats comercials amb un ús més intel·ligent dels recursos.
El stack tecnològic és substituïble; el sistema no
Les eines evolucionen ràpidament.
Un proveïdor que avui ofereix la millor funció d'enriquiment es pot superar demà. Els models de llenguatge canvien, apareixen nous canals i els costos de les plataformes es modifiquen.
Per això no té sentit construir lestratègia al voltant duna única eina.
Larquitectura ha de ser modular. Cada component hauria de poder evolucionar sense obligar a reconstruir tot el procés comercial.
A Trilogi no entenem el servei com la venda d‟un conjunt tancat de llicències o integracions. No lliurem un stack aïllat perquè el client esbrini després com utilitzar-lo.
Dissenyem el sistema comercial que cal operar sobre aquest stack.
El nostre procés parteix de cinc etapes:
- Diagnòstic comercial. Analitzem el mercat, el procés de venda, la proposta de valor i la capacitat real dautomatització.
- Definició de l'ICP. Convertim el coneixement comercial en criteris operatius de segmentació, priorització i exclusió.
- Disseny de missatges. Construïm arguments, variants i regles adaptades als perfils i situacions detectades.
- Arquitectura dagents. Connectem fonts de dades, lògica de negoci, canals, CRM i mecanismes de control.
- Activació i optimització continua. Revisem resultats, detectem desviacions i ajustem el sistema amb informació real del mercat.
La tecnologia permet executar. La revisió humana permet aprendre, corregir i decidir.
Aquest acompanyament és especialment important perquè la prospecció no passa en un entorn estàtic. El mercat respon, apareixen objeccions noves, certs segments converteixen millor que altres i alguns missatges perden eficàcia.
Un sistema que no incorpora aprenentatge continu es comença a degradar des del moment en què s'activa.
Què aporta realment un GTM Engineer?
El GTM Engineer treballa a la intersecció entre negoci, vendes, màrqueting, dades i tecnologia.
No és només una persona capaç de connectar aplicacions. La seva responsabilitat és transformar una estratègia comercial en una infraestructura executable i mesurable.
Entre les seves funcions hi ha:
- Traduir l'ICP a regles de dades.
- Dissenyar models de scoring.
- Identificar senyals de intenció.
- Definir disparadors i fluxos.
- Connectar CRM, canals i fonts dinformació.
- Crear guardrails pels agents.
- Controlar la qualitat de les sortides.
- Dissenyar experiments.
- Analitzar resultats.
- Coordinar el handoff amb vendes.
- Ajustar el sistema segons la resposta del mercat.
Aquesta disciplina evita dos extrems freqüents: una estratègia comercial que no es pot executar a escala i una infraestructura tecnològica desconnectada dels objectius de negoci.
El model guanyador no és IA contra humans
Plantejar l'automatització comercial com a competició entre agents IA i equips de vendes condueix a una conclusió equivocada.
La pregunta correcta no és quins llocs pot reemplaçar la IA, sinó quina distribució de la feina produeix millors resultats.
Els agents són especialment eficaços en:
- Investigació.
- Enriquiment.
- Priorització.
- Preparació de missatges.
- Execució de seguiments.
- Classificació inicial.
- Actualització de sistemes.
- Preparació de context.
Les persones segueixen sent essencials a:
- Diagnòstic.
- Estratègia.
- Interpretació de matisos.
- Gestió objeccions.
- Construcció de confiança.
- Negociació.
- Decisions complexes.
- Relacions amb comptes estratègics.
El model híbrid permet que els professionals comercials dediquin menys temps a cercar, copiar, actualitzar i perseguir, i més temps a comprendre, conversar i tancar.
Els agents no eliminen la necessitat de criteri. Augmenten el seu impacte.
Com veiem el futur de la prospecció comercial amb IA
La següent evolució no consistirà simplement a generar millors emails.
Veurem sistemes GTM més connectats, contextuals i orientats a esdeveniments.
De campanyes massives a activacions per senyal
La lògica de “seleccionar una llista i llançar una seqüència” anirà perdent pes. Els sistemes monitoritzaran el mercat i actuaran quan es produeixi una combinació rellevant de senyals.
La prospecció serà menys periòdica i més continuada.
D'agents aïllats a equips d'agents especialitzats
Un únic agent generalista donarà pas a arquitectures amb funcions diferenciades: investigació, enriquiment, scoring, generació de missatges, control de qualitat, classificació de respostes i actualització del CRM.
L'avantatge no estarà en cada agent per separat, sinó en la coordinació.
De la personalització superficial al context acumulat
Esmentar el nom de lempresa o una publicació recent deixarà de considerar-se personalització.
Els sistemes incorporaran memòria de compte, historial dinteraccions, canvis organitzatius, senyals digitals i coneixement del sector per adaptar la conversa.
De dashboards a accions automàtiques
Els equips deixaran de consultar múltiples panells per descobrir oportunitats.
La informació rellevant arribarà acompanyada d'una recomanació, tasca preparada o acció ja executada sota regles prèviament aprovades.
D'automatització sense límits a governança per disseny
La qualitat, la privadesa, la reputació de marca i l'entregabilitat ocuparan un lloc central.
Els sistemes més madurs inclouran límits dactuació, traçabilitat, revisió dexcepcions, registre de decisions i mecanismes de parada.
Més IA implicarà més necessitat de criteri humà
A mesura que l'execució sigui més barata i accessible, l'avantatge competitiu deixarà d'estar a “usar IA”.
Estarà en saber què automatitzar, amb quina informació, sota quines regles i quin nivell de control.
Per això creiem que el futur pertany a les empreses que combinin agents especialitzats amb professionals capaços de dissenyar i governar sistemes de creixement.
No guanyarà qui enviï més missatges. Guanyarà qui interpreti millor el mercat i respongui abans amb una proposta rellevant.
Conclusió: no necessites més automatització, necessites un sistema GTM
Els agents IA poden transformar la prospecció B2B, però no són cap solució autònoma ni immediata.
Per generar pipeline necessiten:
- Un ICP precís.
- Dades fiables.
- Senyals rellevants.
- Missatges sòlids.
- Una arquitectura ben orquestrada.
- Regles dintervenció.
- Supervisió humana.
- Mesurament comercial.
- Optimització continua.
El stack tecnològic és només una part.
La diferència entre augmentar el soroll i generar oportunitats és el disseny del sistema i les persones que el supervisen.
A Trilogi dissenyem sistemes d'agents IA per a prospecció B2B que identifiquen empreses objectiu, localitzen decisors, personalitzen el contacte i generen reunions qualificades.
Abans d'activar qualsevol agent, però, analitzem si el model té sentit per al mercat, la proposta de valor i el procés comercial de l'empresa.
Perquè no es tracta d'instal·lar intel·ligència artificial.
Es tracta de construir una nova capacitat de creixement.
Preguntes freqüents sobre agents IA i prospecció B2B
És un sistema que automatitza tasques amb un agent d'intel·ligència artificial com ara la identificació d'empreses, l'enriquiment de contactes, la personalització de missatges, el seguiment i la classificació inicial d'oportunitats.
Pot assumir una part important de la feina operativa, però continua necessitant supervisió humana. L‟estratègia, les converses complexes, la gestió d‟objeccions i la construcció de relacions continuen requerint criteri professional.
Necessita una proposta de valor clara, un ICP operatiu, dades fiables, missatges adaptats al mercat, un CRM mínimament estructurat i un procés definit per transferir les oportunitats a l'equip comercial.
Són comportaments o esdeveniments que indiquen que una empresa podria estar apropant-se a una decisió: visites a pàgines comercials, interacció amb continguts, contractació de responsables, finançament, expansió o canvis tecnològics.
Perquè els agents poden cometre errors de context, interpretar mal respostes, desviar-se del to de marca o escalar una estratègia que no funciona. La revisió humana permet controlar la qualitat i millorar el sistema amb laprenentatge del mercat.
Sol aportar més valor a empreses B2B amb un client ideal identificable, processos de venda consultius, necessitat de captar distribuïdors, estratègies d'expansió internacional o equips comercials que dediquen massa temps a tasques manuals.
Comprar eines proporciona funcionalitats. El GTM Engineering defineix com s'han de connectar les dades, les regles, els missatges, els agents, el CRM i l'equip comercial per generar resultats mesurables.
