# Caso · Andrés, gerente de ventas B2B

## Perfil

- **Edad:** 41 años
- **Rol:** Sales lead en empresa de software empresarial (ERP para retail)
- **Ciudad:** Monterrey
- **Background técnico:** cero código. Power user de HubSpot. Casual de ChatGPT.
- **Equipo:** 4 vendedores reportándole

## El dolor

Andrés tenía **dos cuellos de botella simultáneos**:

1. **Llenar HubSpot post-llamada.** Cada llamada con prospecto le tomaba 15-20 min documentando en HubSpot (resumen, action items, próximos pasos, calificación). Hacía 6-8 llamadas al día. Eran 2 horas diarias solo de admin después de las llamadas. Su equipo igual.

2. **Investigar prospectos antes de la llamada.** Para cada llamada hacía research: empresa, persona, recientes news, competidores. 30-40 min por llamada. Otras 3 horas al día.

**Total en admin: ~5 horas diarias de las 9 trabajadas.** Vendía 4 horas reales al día.

Su equipo igual. La mitad del tiempo del equipo de ventas era... no vender.

## Lo que montó

Andrés trabajó con su equipo de ops para armar dos cosas:

1. **Pre-llamada · Investigación automatizada con Perplexity Pro + plantilla.** Él manda al chat un prompt fijo con el nombre de la empresa y la persona. El agente devuelve en 2 minutos: empresa (size, revenue, news del último año), persona (LinkedIn, posts recientes, conexiones en común), competidores que probablemente ya los buscaron, y 3 preguntas inteligentes para abrir.

2. **Post-llamada · Otter + Claude Project con MCP a HubSpot.** Otter graba la llamada (con consentimiento). Claude resume con un prompt fijo: resumen ejecutivo, action items con responsable, calificación BANT (budget/authority/need/timeline), próximos pasos. Y vía MCP de HubSpot, llena el contacto y crea las tareas automáticamente.

## El resultado

| | Antes | Después |
|---|---|---|
| Investigación pre-llamada | 30-40 min | 5 min revisando |
| Documentación post-llamada | 15-20 min | 3 min validando |
| Tiempo real vendiendo | 4 h/día | 6.5 h/día |
| Llamadas calificadas / semana | 30 | 45 |
| Pipeline generado / mes | $X | ~$1.6X |

El equipo: cada vendedor recuperó ~12 horas a la semana. Las usaron para más llamadas (no más burnout). Andrés calcula que el ROI llegó a positivo al **mes 4** considerando todas las herramientas.

## Lo que NO automatizó

Andrés NO automatizó:

- **La llamada en sí.** Sigue 100% humana. Construir relación, leer al cliente, manejar objeciones — esas son humanas.
- **La calificación final.** El agente sugiere BANT score, Andrés valida (a veces el agente subestima por palabras del cliente que requieren contexto humano).
- **La negociación de pricing.** Sentido común — alto impacto + juicio.
- **El cierre del cliente.** Llamada final, contrato, objeciones — siempre humano.
- **Coaching del equipo.** Andrés escucha grabaciones de su equipo personalmente y da feedback. Eso no se delega.

El agente preprocesa y postprocesa. La conversación humana sigue siendo el corazón del trabajo.

## Lo que él dice del cambio

> "Lo que no esperaba: mi equipo está menos quemado. Antes a las 5 de la tarde estaban como zombies haciendo data entry. Ahora terminan sus llamadas con energía y la documentación se hizo sola. Eso solo justificó la inversión." — Andrés

## Tu paralelo si eres ventas

Si tu trabajo se parece al de Andrés, tu primer experimento probablemente es uno de estos:

1. **Documentación post-llamada automática** (Otter + Claude + tu CRM) — el quick win obvio
2. **Investigación pre-llamada estructurada** (Perplexity con plantilla)
3. **Resumen ejecutivo de pipeline semanal** para tu director (Claude Project con tu data)
4. **Categorización de objections** comunes para training del equipo
5. **Borrador de propuestas comerciales** desde un brief (no la versión final)

**Lo que NO te recomiendo:**
- Llamadas automatizadas con voz IA (rechazo del cliente, mala experiencia)
- Negociar pricing (alto impacto financiero)
- Escribir LinkedIn outreach masivo automático (pierde personalización, baja respuesta)

---

> **Una nota.** El equipo de Andrés tomó ~3 meses en estabilizar todo el flujo. La mitad del tiempo fue ajustar el prompt de calificación BANT — la primera versión sub-calificaba y se les escaparon dos deals. Aprendieron a iterar. Hoy es estándar en su org y otros equipos lo replicaron.
>
> Costo aprox: ~$300 USD/mes para el equipo completo. ROI calculado: positivo al mes 4.
>
> — Academia Agentes de IA