Cómo multiplicamos las ventas entrantes con un SDR IA capaz de cualificar el 78% de los leads de principio a fin

Cada semana, cientos de personas rellenan el formulario de ventas para empresas de nuestra web para conocer mejor nuestra plataforma y nuestros precios. Sin embargo, la mayoría de estos leads encajan mejor con nuestros planes de autoservicio, que cubren las necesidades de la mayoría de usuarios y cuentan con documentación detallada en nuestra web.

Aunque a nuestro equipo de ventas le gustaría reunirse directamente con cada lead, se centra en implantaciones empresariales que requieren soluciones personalizadas. Por eso, revisa manualmente cada solicitud para identificar cuáles son adecuadas para una conversación empresarial y cuáles conviene orientar hacia el autoservicio. Sin embargo, muchos formularios incluyen datos incompletos, como descripciones imprecisas del caso de uso del lead, por lo que nuestro equipo debe pedir más contexto antes de tomar una decisión. Este proceso puede ralentizar los tiempos de respuesta y restar atención a oportunidades empresariales más prioritarias.

Para leads cualificados para empresas, el retraso de revisar los formularios también supone perder impulso. Lo ideal es que un lead empresarial pueda reservar una reunión en cuanto envíe el formulario de contacto de ventas. De lo contrario, si envía el formulario un viernes por la tarde, es posible que no reciba respuesta hasta que nuestro equipo de ventas lo revise el lunes, lo que retrasa la primera reunión a finales de esa semana.

Para cubrir esta brecha entre la demanda y la capacidad del equipo, creamos un representante de desarrollo de ventas entrantes con IA (SDR) con nuestra Plataforma de Agents. El SDR con IA ofrece experiencias más rápidas y personalizadas para leads entrantes, al tiempo que permite a nuestro equipo centrarse en las oportunidades de mayor impacto.

Cómo creamos el agente

Construimos el SDR entrante sobre tres pilares: comportamiento, capacidades y datos.

1. Comportamiento

Definimos cómo se comporta nuestro SDR, «Jon», mediante el system prompt de nuestra Plataforma de Agents. En él describimos los rasgos clave de la personalidad de Jon, como ser «un representante de ventas cercano y consultivo que hace accesibles los temas complejos de IA». También definimos su objetivo principal y los escenarios en los que debe actuar, como reservar una reunión o enviar un mensaje a nuestro equipo. Para conocer la estructura exacta que seguimos, consulta nuestra guía de prompting.

Dotamos a Jon de una amplia base de conocimiento que incluye más de cien preguntas frecuentes y un resumen de las capacidades de nuestros productos extraído de la documentación de nuestra web. Por ahora, actualizamos manualmente la base de conocimiento de Jon cuando lanzamos nuevos productos o funciones. Pronto será posible añadir una URL de destino para que la base de conocimiento se actualice automáticamente de forma periódica.

Tras el lanzamiento, trabajamos con responsables de ventas de todo nuestro equipo de GTM para revisar las transcripciones de llamadas, detectar errores y mejorar el rendimiento del agente. Estos fueron algunos de los primeros aprendizajes:

• Encontrar el LLM adecuado para tu caso de uso requiere experimentar: Empezamos con un modelo optimizado para baja latencia, pero cambiamos a uno más capaz tras observar que el modelo inicial tenía problemas de fiabilidad y de llamada a herramientas. La mejora redujo las alucinaciones, como que el agente mencionara incorrectamente el año actual, algo que antes provocaba errores posteriores en la llamada a herramientas. Los LLM más potentes también ayudan con necesidades de razonamiento más avanzadas. Por ejemplo, nuestro agente ya puede ayudar a leads a estimar el uso previsto de nuestra plataforma. Cuando un lead no lo tiene claro, Jon le pregunta ahora cuántas llamadas prevé realizar al día y cuál será su duración media para calcular el uso mensual estimado.

• El agente puede equivocarse de formas preferibles: Hasta que el agente tome el 100 % de las decisiones correctamente, ajustamos su system prompt para priorizar los falsos positivos frente a los falsos negativos: preferimos reunirnos con un lead y orientarlo hacia el autoservicio antes que perder una posible oportunidad empresarial.

• Tener en cuenta casos límite acaba sobrecargando el system prompt e introduce riesgo de errores: Tras revisar más de 50 llamadas, añadimos varias instrucciones del tipo «si X, haz Y». Por ejemplo: «Si la persona que llama habla un idioma distinto del inglés, pregúntale si prefiere la reunión en ese idioma o en inglés antes de reservarla». Aunque los LLM con contextos amplios gestionan estas reglas de forma eficaz, los prompts sobrecargados pueden aumentar el riesgo de errores. Hemos observado que, a medida que los prompts crecen, ciertos comportamientos —como hacer varias preguntas a la vez— se vuelven más persistentes.

• Las salvaguardas son eficaces para evitar que se eluda el proceso: Algunos usuarios pedían repetidamente hablar directamente con nuestro equipo antes de proporcionar información suficiente. Añadir salvaguardas explícitas resulta especialmente eficaz para mitigar estas solicitudes.

• Usuarios necesitan recibir información durante la ejecución de herramientas: Cuando Jon utilizaba herramientas como la consulta de disponibilidad en el calendario, las personas que llamaban a menudo experimentaban silencios desconcertantes. Lo resolvimos añadiendo una función opcional de «forzar mensaje» que informa al usuario cuando se está utilizando una herramienta.

• Las interacciones por voz generan interacción: Aproximadamente uno de cada cinco leads vuelve a llamar para continuar su interacción con Jon. En un caso, después de conocer nuestro producto y precios, una persona volvió a llamar simplemente para pedirle a Jon una receta de espaguetis.

2. Capacidades y herramientas personalizadas

Jon tiene acceso a las mismas herramientas que usaría un SDR humano para gestionar de forma autónoma las conversaciones entrantes.

Al comienzo de cada llamada, revisa el formulario de contacto para recopilar contexto. Después, durante la llamada, puede cualificar leads y reservar reuniones en tiempo real consultando la disponibilidad entre distintas zonas horarias. Tras reservar una reunión, envía a nuestro equipo un resumen de la llamada.

Jon también puede cambiar sin problemas entre 32 idiomas, con voces optimizadas para cada idioma. En una semana habitual, utiliza más de ocho idiomas.

3. Datos 

Al final de cada llamada, Jon registra el caso de uso y la decisión de cualificación del lead, y escribe estos datos directamente en nuestro CRM. Esto proporciona a nuestro equipo visibilidad total de cada interacción de ventas.

Jon también registra datos estructurados como las puntuaciones de satisfacción del cliente. Al final de una conversación, pide a leads que valoren su experiencia en una escala del 1 al 10. Revisamos a diario las conversaciones con las puntuaciones más altas y más bajas para entender qué funcionó y qué no. 

Estos comportamientos, capacidades y flujos de datos garantizan que Jon opere con fluidez conversacional y eficiencia operativa, gestionando los mismos workflows que un SDR humano.

Resultados hasta la fecha

Desde el lanzamiento, el SDR con IA se ha desplegado en 38 países y está disponible 24/7. Ahora gestiona más de 50 llamadas semanales, el equivalente a dos SDR a tiempo completo.

El 78 % de sus decisiones de cualificación no requiere intervención humana. En el 22 % restante, el agente toma principalmente decisiones de cualificación «falsos positivos», en las que cualifica leads que deberían haberse descartado. Preferimos este resultado a descartar leads que deberían haberse cualificado.

Estos falsos positivos suelen producirse cuando leads estiman su volumen previsto o fecha de lanzamiento, pero no pueden confirmarlos. Los falsos negativos son poco frecuentes y suelen ocurrir cuando un lead termina la llamada antes de que el agente tenga información suficiente para decidir. En adelante, el agente devolverá «N/D» en casos incompletos como estos, en lugar de descartar al lead.

«Hemos observado un cambio fundamental en cómo pueden funcionar las ventas entrantes a escala. Con nuestro SDR con IA, cualquier persona interesada en nuestra plataforma puede iniciar ahora una conversación personalizada en su propio idioma y en cualquier momento. La mejor forma de entender nuestra plataforma es experimentarla de primera mano, y leads cualificados ahora reservan reuniones en minutos en lugar de días». – Jonathan Chemouny, responsable de ventas para EMEA, ElevenLabs

Con una puntuación media de CSAT de 8,7, las primeras conversaciones muestran lo rápido que está cambiando la percepción sobre lo que pueden lograr los agentes conversacionales. Estos son algunos extractos:

• «Gracias por ayudarme hoy. Es la primera vez que descubro un agente de IA tan útil como tú. ¡Que tengas un buen día!»

• «¡Guau! ¡Guau! Sinceramente, eres bueno […] está claro, está bien explicado. Esto es IA conversacional. Sinceramente, ¡es genial!» 

• «[Esta conversación] me resultó útil. Me ofrece una primera visión de los productos que ofrecéis… hubo algunos pequeños errores, pero por lo demás, la calidad del audio, bueno, la calidad de la voz, es bastante impresionante».

De cara al futuro

Durante los próximos meses, ampliaremos las capacidades del agente mediante nuestra nueva función de workflows. Los workflows están diseñados para gestionar conversaciones más complejas y dinámicas, y respaldar una toma de decisiones más fiable. Esto también abrirá nuevos casos de uso para agentes, como las ventas salientes y volver a interactuar con leads que no responden.

Hoy, nuestro equipo revisa cada decisión que toma el SDR con IA. Pronto, el sistema reservará reuniones directamente en los calendarios de nuestros ejecutivos de cuenta, con una lógica de programación que asignará automáticamente cada reunión a la persona responsable adecuada.

Nuestro SDR con IA ya ha transformado nuestro proceso de ventas entrantes al cumplir las expectativas de clientes potenciales y dar a nuestro equipo más tiempo para centrarse en lo que importa. Lo vemos como otro paso hacia un futuro en el que la voz sea la interfaz principal de la tecnología.

¿Quieres crear tus propios agentes conversacionales? Empieza aquí.