Seis cifras en un chatbot de IA y nadie lo usó

Farid Mirmohseni, fundador de Kimia, compartió una historia en LinkedIn hace poco que no deja de rondarme la cabeza.

Si no quieres leer el post completo de LinkedIn de Farid: un distribuidor químico europeo gastó seis cifras en un chatbot de IA. La tecnología funcionó. Nadie lo usó. Y Farid ha escuchado esta historia de al menos una docena de empresas solo este año.

Yo también la he escuchado. Distintos sectores, distintas empresas, mismo resultado. Gran inversión, implementación técnica exitosa, cero resultado empresarial.

Esta es la lección más cara del B2B en este momento. Y la mayoría de las empresas todavía la están aprendiendo a las malas.

No es un problema de búsqueda

Aquí es donde la mayoría de las empresas se equivocan. Ven a su equipo de ventas luchando por encontrar información entre cientos de miles de documentos y piensan: necesitamos una búsqueda mejor.

Así que compran un chatbot de IA. Indexan todo. La tecnología funciona. Puede encontrar cualquier documento en segundos.

Pero nadie lo usa. ¿Por qué?

Porque como dice Farid: un chatbot de consumo necesita entender "¿Qué tiempo hace?" Un asistente técnico para la industria química necesita entender "¿Cuál de nuestros productos puede reemplazar esta especificación de la competencia cumpliendo los requisitos REACH de la UE para aplicaciones de interiores de automóviles?"

Eso no es un problema de búsqueda. Es un problema de razonamiento.

Y lo más difícil: las preguntas que más importan son las que las personas no pueden articular del todo. Un comercial no pregunta "¿Qué productos coinciden con estos 12 parámetros técnicos más requisitos regulatorios más historial de cliente más objetivos de margen?" Pregunta "¿Qué debería recomendar?"

Responder eso requiere entender química, regulaciones, contexto comercial y relaciones con clientes al mismo tiempo. Un chatbot encima de una base de datos de documentos no puede hacer eso. Sin importar cuántos documentos indexes.

Veo este patrón en todas partes

Trabajo como Chief Commercial Officer fraccional para empresas de ingredientes biotecnológicos. También ayudo a empresas europeas de B2B a integrar la IA a través de opencream.ai. Así que estoy justo en la intersección de estos dos mundos: sectores especializados e implementación de IA.

El patrón que describe Farid está en todas partes. No solo en química. En ingredientes especiales, en biotecnología, en fabricación de precisión. Cualquier sector donde el conocimiento necesario para tomar buenas decisiones vive en la cabeza de las personas y no en documentos.

Conozco empresas donde el mejor comercial tiene 25 años de relaciones con clientes almacenadas en su memoria. Saben que el químico formulador del Cliente A prefiere las fichas técnicas a los materiales de marketing. Que el equipo de compras del Cliente B siempre presiona sobre el precio en el tercer trimestre por los ciclos presupuestarios. Que la competencia apareció en el Cliente C el mes pasado con un producto nuevo más barato pero con problemas de estabilidad.

Nada de eso está en ningún documento. Y ningún chatbot lo encontrará buscando en PDFs.

El coste real de equivocarse

Seis cifras duele. Pero el coste real es mayor que la factura.

Cada proyecto de IA fallido crea resistencia interna. El equipo de ventas probó el chatbot, no les ayudó, y ahora son escépticos ante cualquier herramienta de IA. "Ya lo intentamos. No funcionó."

Ese escepticismo es difícil de revertir. Y normalmente va dirigido a la IA en general, no al enfoque específico que falló. Así que la próxima vez que alguien proponga una solución de IA que podría funcionar de verdad, está luchando cuesta arriba contra el recuerdo del chatbot que nadie usó.

He estado en esas reuniones. "Gastamos X en IA y no obtuvimos nada." El silencio llena la sala. El tema cambia.

Mientras tanto, los competidores que acertaron con el enfoque van por delante. No porque tengan mejor IA. Porque entendieron qué tipo de IA necesita realmente su negocio.

Qué construir en su lugar

Las empresas que he visto tener éxito con la IA en B2B especializado comparten algo en común. No empiezan por la tecnología. Empiezan por la decisión.

¿Qué decisión específica estamos intentando mejorar?

Para un proveedor de materias primas podría ser: "¿Qué producto debería recomendar a este cliente para esta aplicación?" Para una empresa de biotecnología: "¿Cuál es la estrategia de precios adecuada para este mercado?" Para un fabricante: "¿En qué prospectos deberíamos centrarnos este trimestre?"

No son consultas de búsqueda. Son decisiones de juicio que requieren combinar múltiples tipos de conocimiento: técnico, comercial, relacional, regulatorio.

Esto es lo que funciona:

Empieza con un flujo de trabajo, no con toda la empresa. No intentes construir un asistente de IA para todo. Elige la decisión que más tiempo o dinero cuesta cuando sale mal. Construye la IA alrededor de ese flujo de trabajo específico.

Captura el conocimiento que está en las cabezas de las personas. La información más valiosa en una empresa B2B especializada nunca está en documentos. Está en la experiencia de tus mejores personas. Antes de construir cualquier herramienta de IA, averigua cómo extraer y estructurar ese conocimiento.

Estoy construyendo un CRM agéntico para proveedores de materias primas B2B en fase inicial precisamente por esta razón. Son equipos pequeños, a menudo de 5 a 15 personas, que venden ingredientes especiales en ciclos de venta largos de 12 a 24 meses. No pueden permitirse las soluciones de IA empresarial que empresas como Kimia construyen para grandes distribuidores. Pero igualmente necesitan un sistema que recuerde el contexto a lo largo de meses, no solo que encuentre documentos.

Hazlo útil desde el primer día. El chatbot falló porque nadie vio el valor con suficiente rapidez. Si tu herramienta de IA requiere que el equipo de ventas cambie su forma de trabajar antes de ver algún beneficio, no se adoptará. Las mejores implementaciones ahorran tiempo desde el primer día y luego se vuelven más inteligentes con el tiempo.

Mantén a los humanos en el bucle. No se trata de reemplazar el juicio de tu mejor comercial. Se trata de asegurarse de que todos en el equipo tengan acceso al tipo de contexto que tu mejor comercial lleva en la cabeza. La IA como amplificador, no como reemplazo.

La ventana se está cerrando

Hay algo que me preocupa de las empresas europeas de B2B con las que trabajo.

Las mejores personas de estas empresas, las que tienen 20 o 30 años de conocimiento del dominio, se acercan a la jubilación cada año. Ese conocimiento está saliendo por la puerta. Lentamente, pero está ocurriendo.

Las empresas que descubran cómo capturar esa experiencia y multiplicarla con IA tendrán una ventaja seria. Las que gasten seis cifras en chatbots y no obtengan nada desperdiciarán la ventana.

Farid tiene razón cuando dice que seis cifras es una manera cara de aprender esta lección. Pero no tan cara como quedarse atrás mientras los competidores lo descubren.

La buena noticia: no necesitas seis cifras para empezar. Necesitas claridad sobre qué decisiones importan más en tu negocio y la voluntad de construir la IA alrededor de esas decisiones en lugar de alrededor de una base de datos de documentos.

Si eres una empresa de B2B especializado que intenta descubrir dónde encaja realmente la IA, eso es lo que ayudamos a hacer en opencream.ai. Empezamos con tus flujos de trabajo específicos, no con tecnología genérica.

Porque en los sectores especializados, lo genérico no funciona. Tu negocio es específico. Tu IA también debería serlo.

Matthias Forster es el fundador de opencream.ai, donde construye herramientas de IA para empresas B2B en fase inicial, y de opencream.partners, donde actúa como Chief Commercial Officer fraccional para empresas de biotecnología e ingredientes especiales. Kimia construye inteligencia química para grandes fabricantes y distribuidores. opencream.ai se centra en los jugadores más pequeños: los proveedores de materias primas en fase inicial y los campeones de nicho que necesitan IA inteligente pero no tienen presupuestos empresariales.