IA aplicada a ventas

Cómo usar IA para investigar prospectos antes de escribir

Flujo paso a paso para investigar cuentas y personas con IA antes del primer contacto: qué fuentes darle al modelo, una plantilla de prompt que obliga a citar, cómo verificar cada dato y cómo convertir el hallazgo en una primera línea que el prospecto reconozca como suya.

Por Said Marraoui · 27 de julio de 2026 · 7 min de lectura

Para investigar prospectos con IA sin arruinar tu credibilidad, el orden importa: primero reúnes tú las fuentes públicas (sitio web, perfil de LinkedIn, nota de prensa, licitación), después le pides al modelo que resuma solo con ese material y que cite la frase textual de cada afirmación, luego verificas los dos o tres datos que vas a mencionar y recién ahí escribes. El modelo te ahorra la lectura, no la verificación. Si inviertes ese orden y le pides que “investigue” de memoria, vas a recibir un texto convincente con datos que nadie puede confirmar.

Por qué esta tarea es la que mejor rinde

De todos los usos de IA en ventas, la investigación previa es el que tiene mejor relación entre esfuerzo y resultado: el trabajo es aburrido, repetitivo y su resultado se verifica en segundos. No es casualidad que sea el caso de uso que más se está estandarizando. Gartner predijo, en su comunicado del 20 de mayo de 2026, que para 2027 el 95% de los flujos de investigación de los vendedores empezará con IA, frente a menos del 20% en 2024.

Ahora la advertencia, que es igual de importante. Un estudio del Tow Center for Digital Journalism de Columbia, publicado el 6 de marzo de 2025, evaluó ocho buscadores con IA en 1.600 consultas pidiéndoles identificar el titular, el medio, la fecha y la URL de artículos a partir de un fragmento textual. Los sistemas respondieron incorrectamente en más del 60% de los casos. El detalle relevante para ventas no es el porcentaje, sino la actitud: los investigadores reportaron que las herramientas entregaron respuestas incorrectas con una confianza notable y casi sin frases de duda. ChatGPT se equivocó en 134 de 200 respuestas, señaló incertidumbre solo 15 veces y nunca se negó a contestar.

Ese estudio midió atribución de noticias, no investigación de cuentas B2B, así que no lo tomes como una tasa de error aplicable a tu prospección. Tómalo como lo que sí demuestra: cuando el modelo no tiene el dato, rara vez te lo va a decir. Y el motivo es estructural. El artículo Why Language Models Hallucinate, publicado por investigadores de OpenAI y Georgia Tech el 4 de septiembre de 2025, argumenta que los métodos habituales de entrenamiento y evaluación premian adivinar por encima de admitir incertidumbre, porque una respuesta arriesgada puede acertar y un “no sé” garantiza cero puntos.

Conclusión operativa: diseña tu flujo asumiendo que el modelo no va a levantar la mano.

El flujo en cinco pasos

1. Define qué buscas antes de abrir nada

Escribe la pregunta que necesitas responder, no “investiga a esta empresa”. Por ejemplo: “¿qué cambió en esta empresa en los últimos 90 días que haga urgente mi tema?”. Una pregunta concreta produce una investigación corta; una pregunta vaga produce media hora perdida.

2. Reúne tú las fuentes

Copia el material en crudo: la sección “Nosotros” del sitio, la descripción de LinkedIn de la persona, sus últimas publicaciones, una nota de prensa, la oferta de empleo que publicaron, el registro de una licitación. Este paso parece manual y lo es. También es el que separa un resumen citable de una alucinación bien redactada.

Si vendes a empresas que le venden al Estado, las fuentes oficiales de contratación pública son oro: ahí el dato ya viene verificado. Lo explicamos para el caso colombiano en SECOP II como radar de ventas.

3. Pide el resumen con obligación de citar

La plantilla que usamos, adaptable a cualquier modelo:

Actúa como analista de cuentas B2B.

FUENTES (usa exclusivamente este material, no uses conocimiento previo):
<<<
[pega aquí el texto de las fuentes]
>>>

Devuelve una tabla con estas filas:
1. Qué hace la empresa, en una frase.
2. Cambio reciente relevante (últimos 90 días).
3. Problema plausible que ese cambio genera en el área de mi contacto.
4. Cómo habla esta persona (tono, nivel de detalle, temas que repite).
5. Dato que NO pude confirmar y habría que verificar.

Reglas:
- Cada fila debe incluir la frase textual de la fuente que la respalda.
- Si no hay evidencia en las fuentes, escribe "no encontrado". No infieras.
- No uses adjetivos comerciales ni superlativos.

La fila 5 es la más útil de todas y casi nadie la pide. Obliga al modelo a separar lo que leyó de lo que supuso, y te da la lista de lo que tienes que verificar a mano.

4. Verifica lo que vas a citar

Regla simple: si va a aparecer en el mensaje, lo confirmas en la fuente original. No los cinco puntos del resumen, solo los que vas a usar. Suelen ser uno o dos. Treinta segundos de verificación evitan el correo que empieza con una felicitación por una ronda de inversión que nunca existió.

5. Convierte el hallazgo en una primera línea, no en un párrafo

El error más común no es investigar poco, es demostrar todo lo que investigaste. El prospecto no necesita saber que leíste su blog: necesita entender en una línea por qué le escribes a él y no a otros doscientos. El resto de la estructura está en cómo escribir un cold email.

Mal: “Estuve revisando el sitio de tu empresa y vi que tienen presencia en tres países y una propuesta muy interesante en logística…”.

Mejor: “Vi que abrieron la vacante de coordinador de logística para la zona norte. Suele venir con un problema de visibilidad de inventario entre bodegas; es lo que resolvemos”.

Qué le puedes pedir a la IA en investigación y qué no

Pídeselo	Hazlo tú
Resumir textos largos que tú le diste	Decidir si la cuenta vale la pena
Extraer campos consistentes de fuentes desordenadas	Verificar cifras, nombres y fechas
Detectar el tono de escritura de una persona	Leer el subtexto político de la cuenta
Proponer tres ángulos de acercamiento	Elegir el ángulo y asumir el riesgo
Traducir jerga técnica a lenguaje de negocio	Prometer cualquier cosa en nombre de tu empresa

Personalizar el estilo, no solo el dato

Investigar bien te da el “qué”. El “cómo” depende de la persona: hay decisores que quieren el resultado en la primera línea y otros que no te creen nada sin evidencia. Ese ajuste de formato es el que trabaja el perfil DISC en ventas, y se puede inferir en parte desde el propio texto público que ya reuniste para investigar.

Un límite honesto: inferir estilo desde texto es una estimación, no un diagnóstico. Sirve para decidir si abres con una cifra o con una idea. No sirve para afirmar cómo es una persona.

Errores que arruinan una buena investigación

Citar sin verificar. El daño no es el error: es que el prospecto ahora sabe que no revisas lo que envías.
Investigar cuentas que nunca ibas a trabajar. Filtra primero por perfil de cliente ideal, investiga después. Ver qué es la prospección B2B.
Confundir volumen con profundidad. Cinco cuentas bien investigadas superan a cincuenta con una línea genérica, sobre todo cuando el buzón del comprador ya está saturado de mensajes automatizados.
Olvidar que la investigación caduca. Una señal de hace ocho meses ya no es una razón para escribir hoy.
Meter datos que no deberías. Antes de pegar información de terceros en una herramienta, revisa términos, retención y base legal. Para el caso mexicano tratamos el tema en ¿es legal el cold email en México?.

Dónde entra Growly

Growly hace la parte repetitiva de este flujo sobre tus propios leads: reúne el texto público de un contacto, infiere su perfil DISC indicando el nivel de confianza de esa inferencia (incluido el caso en que solo hubo cargo e industria) y genera un borrador de pitch o de opener a partir de ese perfil y del contexto de tu negocio. También ordena señales públicas para que decidas a quién tocar primero.

Lo que no hace, y no queremos que suene distinto: no reemplaza tu verificación, no envía sin que tú revises y no convierte una cuenta mal elegida en una buena oportunidad.

Si quieres el panorama completo del tema, empieza por IA en ventas B2B: qué funciona y qué es humo, y si vas a presentar esto internamente conviene que leas también los límites de la IA en ventas.

Fuentes

Preguntas frecuentes

¿Cómo investigo a un prospecto con IA sin que invente datos?

Dale las fuentes tú en vez de pedirle que recuerde. Pega el texto del sitio web, del perfil público o de la nota de prensa y pide que solo use ese material. En el prompt exige que cada afirmación venga con la frase textual de donde salió y que escriba 'no encontrado' cuando no haya evidencia. Después verifica los dos o tres datos que vas a citar en el mensaje. Un dato inventado en la primera línea destruye la credibilidad de todo el correo.

¿Qué información de un prospecto vale la pena buscar antes del primer contacto?

Cuatro cosas y ninguna más: un cambio reciente y verificable (nueva ronda, apertura, contratación, licitación, lanzamiento), el problema plausible que ese cambio genera en su área, quién más decide dentro de la empresa, y cómo habla esa persona en público. Todo lo demás es relleno que alarga la investigación sin mejorar el mensaje.

¿Cuánto tiempo debería tomar investigar una cuenta con IA?

Si tardas más de cinco o diez minutos por cuenta, el flujo está mal armado, no el modelo. El objetivo de usar IA aquí es pasar de leer diez pestañas a leer un resumen citado y verificar dos datos. Si la investigación se convierte en un proyecto, terminarás investigando en vez de prospectando, que es el error clásico del outbound.

¿Puedo darle a un modelo de IA datos de mis prospectos?

Depende de la herramienta, de sus términos y de la legislación de datos personales que te aplique. Antes de pegar información de terceros revisa si el proveedor entrena con tus datos, qué retención tiene y qué base legal sostiene tu tratamiento. Como regla mínima: no metas datos sensibles, no metas información confidencial de otros clientes y usa fuentes públicas siempre que puedas.

¿La IA puede escribir el correo completo por mí?

Puede escribir el borrador, no el correo. El modelo no sabe qué le prometiste a esa cuenta el año pasado, ni qué tan agresivo puedes ser con el precio, ni si el contacto ya te dijo que no. Trata la salida como un primer intento que tú corriges: cambia la primera línea por el hallazgo verificado, quita adjetivos y deja una sola pregunta.

¿Sirve la IA para investigar empresas pequeñas con poca huella digital?

Sirve menos, y conviene aceptarlo. Cuando una empresa casi no publica nada, el modelo tiene poco material y tiende a rellenar con generalidades del sector. En ese escenario la mejor investigación sigue siendo humana: una llamada, un contacto en común o una fuente pública como registros de contratación. Usa la IA para estructurar lo poco que encuentres, no para fabricar contexto que no existe.

¿Listo para prospectar con contexto de cada decisor?

Prueba Growly gratis

← Volver a Recursos