GTM engineering 2.0 ya está aquí: la IA ha ido más rápido que el comercial
GTM engineering 2.0 ya está aquí: la IA ha avanzado mucho más que el puesto comercial, y el trabajo ahora es rediseñar el puesto alrededor de ella, no al revés.
GTM engineering 2.0 ya está aquí, y no porque haya salido una herramienta nueva. Está aquí porque la IA ha avanzado mucho más que el puesto comercial. Hoy un modelo investiga una cuenta, resume una llamada y redacta un primer mensaje razonable en segundos. Y el comercial sigue trabajando, más o menos, como hace cinco años.
Esa distancia es la tesis de este artículo. La versión 1.0 del GTM engineering usó la IA para hacer más rápido el trabajo de siempre. La 2.0 parte de otra pregunta: si la máquina ya sabe hacer todo esto, ¿cómo debería ser el trabajo de la persona?
Y hay una segunda idea que sale una y otra vez en las conversaciones que tenemos con equipos comerciales: no basta con arreglar una de las patas. Hace falta mirar el sistema entero.
La tesis: la IA ha ido más rápido que el puesto comercial
Piensa en el lunes de un comercial B2B. Abre el CRM para ver qué tiene pendiente. Abre la herramienta de llamadas para recordar qué dijo el cliente el jueves. Abre el secuenciador para ver quién ha respondido. Abre LinkedIn para ver si alguien ha cambiado de puesto. Y abre una hoja de cálculo, porque lo que de verdad le importa no está en ninguna de las cuatro anteriores.
A media mañana ha reunido el contexto. Todavía no ha hablado con nadie.
Ahora piensa en lo que la IA ya sabe hacer: leer todo eso de una vez, cruzarlo y decir con qué cuenta merece la pena empezar y por qué. No es ciencia ficción. Los modelos, los asistentes y las conexiones entre herramientas ya existen. Lo que no existe en la mayoría de empresas es un puesto comercial diseñado para aprovecharlos.
Eso es lo que llamamos GTM engineering 2.0: dejar de añadir IA a las tareas de siempre y rediseñar el trabajo comercial alrededor de lo que la IA ya hace bien.
Lo que resolvió la versión 1.0 (2024-2026)
La versión 1.0 fue útil, y buena parte de lo que montamos sigue apoyándose en ella. Casi todo lo que hizo un GTM engineer en estos años cabe en diez casos de uso:
- Enriquecimiento de datos y del CRM, con varias fuentes en cascada.
- Inbound automatizado: enriquecer, puntuar y repartir cada formulario en minutos.
- Outbound con IA: mensajes personalizados a partir de datos de la cuenta.
- Construcción del TAM desde el ICP, no desde una base de datos comprada.
- Flujos PLG, para pasar a ventas los usuarios de producto que encajan.
- Flujos de apoyo al comercial, que preparan el trabajo antes de una llamada.
- Investigación de cuentas y señales: contrataciones, rondas, cambios de puesto.
- Planificación de territorios con datos y no a ojo.
- Formación justo a tiempo: el argumento correcto cuando hace falta.
- ABM, con marketing y ventas sobre las mismas cuentas.
Todo eso hizo las tareas más rápidas. Pero el puesto siguió siendo el mismo. El comercial recibía mejores datos y seguía siendo él quien los juntaba, quien decidía y quien apuntaba en el CRM lo que había pasado.
Por qué la 1.0 ya no basta
Porque automatizar trozos de un trabajo antiguo da más actividad, no mejores decisiones.
Lo vemos de tres maneras. La primera: los datos enriquecidos ya no distinguen a nadie. Cuando todos usan las mismas fuentes y las mismas plantillas, el comprador recibe el mismo email "personalizado" de cinco proveedores la misma semana. La segunda: cada automatización vive en su propio rincón. El flujo de inbound no sabe lo que se dijo en la última llamada, y el outbound no sabe que la cuenta abrió ayer una incidencia con soporte. La tercera, y la más importante: el comercial sigue cargando con la parte más pesada, que es entender qué está pasando.
La versión 1.0 respondía a "¿cómo hago esta tarea más rápido?". La 2.0 responde a "¿qué debería hacer ahora, con esta cuenta, y por qué?".
Lo que nos dicen los equipos: arreglar una pata no basta
En las conversaciones que tenemos con empresas B2B, la conclusión se repite: los proyectos que arreglan una sola pata del sistema comercial mejoran esa pata y dejan el resultado casi igual.
Las patas son cinco, y se tocan entre sí: los datos, el proceso, las herramientas, el contenido y las personas. Cuando se trabaja una sola, el problema se muda a la de al lado. Lo hemos visto de muchas formas:
- Se compra una herramienta de enriquecimiento y el outbound tiene mejores datos, pero el CRM sigue perdiendo el seguimiento de quien responde.
- Se limpia el CRM y al cabo de unos meses vuelve a estar como antes, porque nadie cambió el proceso que lo ensuciaba.
- Se lanza un asistente de IA y el equipo deja de usarlo a las pocas semanas, porque nadie rediseñó su día alrededor de él.
- Se produce más contenido y nadie lo conecta con las cuentas que lo leen, así que no genera ni una conversación.
Ninguno de esos proyectos estaba mal. Estaban solos. Y esto empeora en la versión 2.0, porque una capa de contexto común no se puede construir por partes que no se hablan: o junta los datos, el proceso, las herramientas, el contenido y a las personas, o no es común.
Por eso el GTM engineering 2.0 es, sobre todo, un cambio de enfoque. Se deja de preguntar "¿qué herramienta nos falta?" y se empieza a preguntar "¿cómo funciona nuestro sistema comercial de punta a punta, y dónde se rompe?".
Qué es GTM engineering 2.0: nueve piezas, tres capas
GTM engineering 2.0 son nueve piezas. Se entienden mejor en tres capas: lo que el sistema sabe, cómo lo usa la persona y por dónde llega al comprador.
Lo que el sistema sabe
- Una capa de contexto común a todo el GTM. Un solo sitio con todo lo que se sabe de cada cuenta: la empresa, las conversaciones, el uso del producto, las incidencias, el contenido que ha leído, el historial comercial. Aquí se va a jugar la partida, porque quien tenga este contexto decide qué hacen todos los demás sistemas.
- La siguiente jugada para todo. Con ese contexto, el sistema propone qué hacer con cada cuenta, en ventas, en customer success, en growth o en medios. No una alerta más: una recomendación con su motivo.
- Sistemas que aprenden. Cada jugada se guarda con su resultado y las siguientes se ajustan. Sin la pieza 1, no hay de dónde aprender.
- Simular antes de lanzar. Estimar sobre el histórico qué cuentas responderán y qué mensaje funcionará, antes de quemar el mercado con una prueba.
Cómo lo usa la persona
- Un asistente como nueva interfaz del comercial. El comercial pregunta como le preguntaría a un compañero: "¿con qué cuentas debería empezar hoy?". El asistente contesta con el contexto ya cruzado, y las pantallas que hagan falta se generan a medida de cómo trabaja cada uno.
- Comerciales que dirigen a sus agentes. La persona deja de ejecutar cada paso y pasa a decidir, revisar y corregir lo que hacen sus agentes: investigar, preparar, redactar, hacer seguimiento. Cada comercial se convierte, en pequeño, en el director comercial de su propio equipo de agentes.
Por dónde llega al comprador
- Vender a personas y a agentes. Cada vez más compradores delegan la primera investigación en un asistente de IA. Tu web, tu documentación y tus precios tienen que poder leerlos también una máquina.
- Ingeniería de contenido y distribución. El contenido deja de ser una pieza suelta de marketing y pasa a alimentar el sistema: genera señales que el outbound aprovecha. Lo contamos en el equipo GTM de dos personas.
- Canales nuevos: MCP, plugins y agentes. Estar disponible donde el comprador ya trabaja con IA es un canal de distribución, como lo fue en su día el SEO.
Y una consecuencia que ya se intuye: después de GTM engineering, lo siguiente que muchas empresas van a montar en casa son sus propios equipos de medios y de creadores.
Por dónde se empieza: el contexto antes que los agentes
Si la IA ya va por delante, la tentación es empezar por el final: un agente que diga qué hacer cada mañana. Es un error que vemos a menudo, y sale caro.
Un agente vale lo que vale el contexto que lee. Si el CRM tiene la mitad de las oportunidades sin fecha de cierre, tres definiciones de "lead cualificado" y cuentas duplicadas, el agente no recomienda mejor que el comercial. Recomienda lo mismo que el CRM tiene mal, solo que con más seguridad.
Ojo: tener un orden no es volver a arreglar las patas de una en una. El sistema se diseña entero desde el principio, sabiendo cómo encaja cada pieza con las demás, y luego se construye por pasos. El orden que proponemos es aburrido, y funciona:
- Un ICP escrito y un modelo de datos limpio. Si el ICP está parcialmente identificado y no documentado, empieza por calcular tu ICP real.
- La capa de contexto: conectar las fuentes a un modelo de cuenta único.
- La siguiente jugada, primero como sugerencia que el comercial acepta o rechaza.
- El registro de resultados, para que el sistema tenga algo de lo que aprender.
- El asistente y los agentes, cuando lo de debajo merece confianza.
Muere la pantalla del CRM, no el CRM
Hay una idea en todo esto que nos gusta mucho: que el comercial no tenga que volver a entrar en el CRM, ni en la herramienta de llamadas, ni en el secuenciador. Esas pantallas son un castigo, y obligar a alguien a pasar la tarde rellenando campos es tirar su tiempo.
Pero conviene ser precisos. Lo que muere es la pantalla, no el sistema de registro. Alguien tiene que seguir sabiendo qué cuenta es de quién, en qué fase está cada oportunidad y qué se ha firmado. Eso lo sigue haciendo el CRM. El comercial, simplemente, lo usa a través de un asistente. Luis desarrolla esta idea en el futuro del CRM con IA.
Y aquí está la paradoja. Si nadie mira el CRM directamente, la calidad de sus datos importa más que nunca, porque nadie verá a simple vista que algo está mal. Por eso RevOps gana peso en la versión 2.0: es quien cuida el modelo de datos sobre el que trabajan los agentes. Si dudas del estado del tuyo, repasa las señales de que tu CRM necesita una auditoría.
Lo que la IA no cambia
La IA ha ido más rápido que el puesto comercial, pero no ha contestado por nosotros las preguntas de siempre:
- A quién vendes. Ningún agente arregla un ICP difuso.
- Por qué te compran. Eso sigue saliendo de hablar con clientes.
- Quién responde. Un sistema que decide necesita una persona que dé la cara por lo que decide.
- Que no hay atajos. Más agentes no garantizan más reuniones; garantizan más actividad. El pipeline lo mueve la actividad que apunta a las cuentas correctas.
Lo que sí cambia es dónde pone el comercial su tiempo. Menos buscar, copiar y apuntar. Más pensar, conversar y decidir. Es, en el fondo, la parte del trabajo que siempre fue suya.
Qué hacer este trimestre si todavía estás en la versión 1.0
La mayoría de empresas B2B con las que hablamos no han terminado la versión 1.0. No pasa nada: es justo la base que la 2.0 necesita. Lo importante es construirla sabiendo hacia dónde va.
- Haz inventario de dónde vive el contexto. Apunta cada herramienta que sabe algo de tus cuentas, y qué sabe.
- Elige una fuente de verdad por dato. Un dato, un dueño, un sistema.
- Empieza hoy a registrar jugadas y resultados. Qué se hizo, con qué cuenta, qué pasó. Es la materia prima del aprendizaje, y casi nadie la guarda.
- Prueba una "siguiente jugada" pequeña. Por ejemplo: qué cuentas de inbound llamar primero cada mañana, con el motivo.
- Enseña al equipo a dirigir agentes, no solo a usarlos. Revisar, corregir y decidir es otra habilidad.
Si no sabes por cuál empezar, para eso existe el Diagnóstico RevOps y GTM: revisa el proceso comercial y el sistema que lo sostiene, y te dice en qué orden intervenir. Y si quieres que alguien construya y opere esa base dentro de tu propio stack, es lo que hacemos como GTM Engineer externo.
Preguntas frecuentes
¿Qué es GTM engineering 2.0?
Es la segunda etapa del GTM engineering. En lugar de añadir IA a las tareas de siempre, se rediseña el trabajo comercial alrededor de ella: una capa de contexto común que propone la siguiente jugada para cada cuenta, aprende de los resultados y se usa a través de asistentes y agentes.
¿Por qué decís que ya está aquí?
Porque las piezas existen: modelos que investigan y redactan, asistentes que consultan varias herramientas a la vez, conexiones como MCP. Lo que falta en la mayoría de empresas no es tecnología, es haber rediseñado el puesto y haber ordenado los datos para aprovecharla.
¿Por qué hace falta un enfoque holístico?
Porque el sistema comercial tiene cinco patas que se tocan: datos, proceso, herramientas, contenido y personas. Arreglar una sola mueve el problema a la de al lado. La versión 2.0 lo hace aún más evidente, porque su pieza central, la capa de contexto común, necesita a las cinco a la vez.
¿Va a desaparecer el CRM?
No como sistema de registro. Lo que pierde peso es su pantalla: el comercial consultará y actualizará el CRM a través de un asistente. Por eso la calidad de los datos importa más que antes.
¿Necesito un GTM engineer para llegar a la versión 2.0?
Necesitas a alguien que sea dueño del sistema completo, no de una herramienta. Puede ser un GTM engineer, un perfil de RevOps o los dos; lo explicamos en GTM engineer vs RevOps manager. Y para que el equipo use la IA en su día a día, tenemos la transformación del equipo comercial con IA.
¿Quieres ir más al detalle?
Descarga el playbook RevOps y llévate el marco completo por escrito.