Parte 21 — IA aplicada a marketing, ventas y servicio#
Esta parte trabaja el nivel IA y expansión del programa y su propósito es que llegues a poder usar IA como capacidad operativa con evaluación, control y responsabilidad humana. Llegas desde la parte 20, Analítica comercial y marketing science, y lo que allí quedó resuelto se da por sabido aquí. Lo que produzcas aquí es material de entrada para la parte 22, Go-to-market, canales y expansión.
Son 14 clases, alrededor de 35 horas de estudio dirigido, y todas empujan hacia la misma pregunta:
¿Qué tarea mejora con IA, cómo sé que mejora y quién responde cuando falla?
Esa pregunta no es retórica: al final de la parte tienes que poder responderla con un artefacto en la mano —operating model humano-IA con casos de uso, evaluaciones, guardrails y registro de incidentes— y no con una opinión.
Sobre qué caso vas a trabajar#
Ruta Andina automatizó respuestas de soporte con un modelo generativo. En dos semanas prometió por escrito una funcionalidad que no existe.
Todo el programa ocurre en la misma empresa, Ruta Andina SpA: Empresa chilena que vende una plataforma de agendamiento, pagos y CRM ligero para pymes de servicios (peluquerías, talleres, centros médicos pequeños, estudios contables). Tiene tres líneas de ingreso: suscripción SaaS (CLP 39.000 a CLP 199.000 mensuales por local), venta de hardware complementario por e-commerce y marketplace, y contratos anuales con municipios y corporaciones para digitalizar atención de público. Trabajar siempre sobre el mismo caso permite comparar decisiones tomadas en partes distintas y ver cuáles se contradicen entre sí.
Qué vas a saber hacer#
Las competencias que se desarrollan aquí son diseño de casos de uso de IA, evaluación de salidas y gobernanza y privacidad. Con ellas la parte habilita para el trabajo de Growth manager con IA, RevOps, Marketing manager y Sales enablement, que es donde estas decisiones se toman de verdad.
Cómo avanza la parte, clase a clase#
Las clases van en orden y cada una supone la anterior. Esta es la secuencia y los conceptos que introduce cada sesión:
| # | Clase | Conceptos que introduce |
|---|---|---|
| 01 | Mapa de IA comercial | tarea automatizable, tipo de sistema, criterio de éxito |
| 02 | Prompting con contexto comercial | contexto suficiente, criterio de aceptación, plantilla reutilizable |
| 03 | Investigación asistida por IA | afirmación plausible, verificación en fuente primaria, uso legítimo |
| 04 | Generación de contenido con controles | control de afirmaciones, responsable de publicación, riesgo de escala |
| 05 | Personalización | pertinencia percibida, expectativa de privacidad, finalidad declarada |
| 06 | Investigación de prospectos asistida | señal verificable, afirmación no verificada, proporcionalidad de la recolección |
| 07 | Lead scoring asistido por modelos | sesgo histórico, explicabilidad, deriva del modelo |
| 08 | Copilotos de ventas | asistencia en tarea, revisión obligatoria, compromiso derivado |
| 09 | Agentes comerciales automatizados | autoridad del agente, registro de acciones, mecanismo de detención |
| 10 | Inteligencia de conversaciones | consentimiento de grabación, análisis agregado, patrón asociado al resultado |
| 11 | IA en customer success | predicción de riesgo, priorización de cartera, automatización de la respuesta |
| 12 | Evaluación y guardrails | conjunto de evaluación, guardarraíl, monitoreo posterior |
| 13 | Privacidad y propiedad intelectual | finalidad del tratamiento, decisión automatizada, titularidad del contenido |
| 14 | Operating model humano-IA | modelo operativo humano-IA, rendición de cuentas, registro de incidentes |
Dónde se practica y cómo se evalúa#
Leer la parte no la acredita. Los laboratorios te hacen ejecutar el método sobre el caso; la evaluación de la parte comprueba que puedes sostener las decisiones sin el material delante; el caso extendido exige integrar lo aprendido en una recomendación completa, y en templates/ están los formatos que se usan para producir el artefacto. El resultado que va a tu portafolio es operating model humano-IA con casos de uso, evaluaciones, guardrails y registro de incidentes.
Qué puede salir mal#
Publicar contenido incorrecto a escala, tratar datos personales sin base legal y perder trazabilidad. Antes de llevar cualquier recomendación de esta parte a una operación real, revisa el mapa regulatorio y las reglas sobre datos personales: la norma vigente manda sobre el material pedagógico.
Bibliografía de la parte#
Estas son las obras sobre las que se apoya la parte, con lo que aporta cada una y en cuántas de sus 14 clases aparece. Está comprobado que cada obra existe y cuál es la edición —el título enlaza a su localizador—; que la idea atribuida esté en el capítulo que indica cada clase es la lectura del programa y está para que la contrastes. La columna «Acceso» dice de antemano qué puedes leer sin pagar.
| Obra | Qué aporta | Clases | Localizador | Acceso |
|---|---|---|---|---|
| Susan A. Ambrose et al. — How Learning Works (2010) | principios de aprendizaje: conocimiento previo, práctica y retroalimentación | 14 | ISBN 9780470484104 | comprar o biblioteca |
| Peter C. Brown, Henry L. Roediger III y Mark A. McDaniel — Make It Stick (2014) | recuperación espaciada, intercalado y dificultad deseable | 14 | ISBN 9780674419377 | comprar o biblioteca |
| Anders Ericsson y Robert Pool — Peak (2016) | práctica deliberada con criterios explícitos y retroalimentación inmediata | 14 | ISBN 9781473513143 | comprar o biblioteca |
| William Ellet — The Case Study Handbook (2018, ed. revisada) | análisis de casos: problema, decisión, evidencia y recomendación | 14 | ISBN 9781633696150 | comprar o biblioteca |
| Grant Wiggins y Jay McTighe — Understanding by Design (2005, 2.ª ed.) | diseño inverso desde el desempeño observable | 14 | ISBN 9781416600350 | comprar o biblioteca |
| NIST — AI Risk Management Framework 1.0 (2023) | gobernanza de riesgo de IA: mapear, medir, gestionar y gobernar | 13 | DOI 10.6028/NIST.AI.100-1 | gratis |
| Cathy O'Neil — Weapons of Math Destruction (2016) | daños de los modelos opacos a escala y necesidad de auditoría | 7 | ISBN 9780141985428 | comprar o biblioteca |
| Foster Provost y Tom Fawcett — Data Science for Business (2013) | pensamiento analítico: formulación del problema, evaluación y valor esperado | 6 | ISBN 9781449374280 | comprar o biblioteca |
| Andrew Ng — Machine Learning Yearning (2018) | diagnóstico de sistemas de aprendizaje y priorización de mejoras | 6 | fuente primaria | gratis |
| Stuart Russell y Peter Norvig — Artificial Intelligence: A Modern Approach (2021, 4.ª ed.) | marco formal de agentes, entornos y medidas de desempeño | 5 | ISBN 9780136958420 | comprar o biblioteca |
| ISO — ISO 31000: Gestión del riesgo (2018) | vocabulario y proceso de gestión de riesgo aplicable a decisiones comerciales | 4 | fuente primaria | de pago |
| Ann Handley — Everybody Writes (2022, 2.ª ed.) | estándar editorial: claridad, utilidad y empatía en la escritura comercial | 2 | ISBN 9781119854319 | comprar o biblioteca |
| Neil Rackham — SPIN Selling (1988) | investigación conductual sobre venta compleja: situación, problema, implicación y necesidad-beneficio | 2 | ISBN 9780070511132 | comprar o biblioteca |
| Mark Roberge — The Sales Acceleration Formula (2015) | contratación, formación, gestión y demanda comercial gobernadas por datos | 2 | ISBN 9781119047018 | comprar o biblioteca |
| Nick Mehta, Dan Steinman y Lincoln Murphy — Customer Success (2016) | disciplina operativa de éxito de cliente: salud, renovación y expansión | 1 | ISBN 9781119168294 | comprar o biblioteca |
| Jeb Blount — Fanatical Prospecting (2015) | disciplina de prospección, cadencia y gestión del rechazo | 1 | ISBN 9781119176305 | comprar o biblioteca |
| Douglas W. Hubbard — How to Measure Anything (2014, 3.ª ed.) | medir lo que parece inmedible: valor de la información y reducción de incertidumbre | 1 | ISBN 9781118836446 | comprar o biblioteca |
| Robert B. Cialdini — Influence: The Psychology of Persuasion, New and Expanded (2021) | principios de influencia y su uso ético en contextos comerciales | 1 | ISBN 9780062937650 | comprar o biblioteca |
| Richard H. Thaler y Cass R. Sunstein — Nudge: The Final Edition (2021) | arquitectura de decisión y límites éticos de la influencia sobre la elección | 1 | ISBN 9780143137009 | comprar o biblioteca |
| Stephen G. Diorio y Chris K. Hummel — Revenue Operations (2022) | integración de datos, procesos y equipos que producen ingreso como un solo sistema | 1 | ISBN 9781119871132 | comprar o biblioteca |
| Matthew Dixon, Nick Toman y Rick DeLisi — The Effortless Experience (2013) | reducción del esfuerzo del cliente como motor de lealtad frente al deleite | 1 | ISBN 9780241003305 | comprar o biblioteca |
| Seth Godin — This Is Marketing (2018) | marketing como servicio a un público mínimo viable y construcción de confianza | 1 | ISBN 9780525540830 | comprar o biblioteca |
| Ron Kohavi, Diane Tang y Ya Xu — Trustworthy Online Controlled Experiments (2020) | diseño estadístico de experimentos, métricas guardrail y trampas de interpretación | 1 | ISBN 9781108601375 | comprar o biblioteca |
De todas ellas, las que ordenan el criterio de esta parte son Stuart Russell y Peter Norvig (Artificial Intelligence: A Modern Approach), Andrew Ng (Machine Learning Yearning), NIST (AI Risk Management Framework 1.0), Cathy O'Neil (Weapons of Math Destruction), Foster Provost y Tom Fawcett (Data Science for Business) y Ron Kohavi, Diane Tang y Ya Xu (Trustworthy Online Controlled Experiments). Si sólo puedes leer una, empieza por Stuart Russell y Peter Norvig — Artificial Intelligence: A Modern Approach.
La bibliografía completa del programa, con el uso de cada obra clase a clase, está en docs/BIBLIOGRAFIA.md; el registro con los localizadores comprobables, en sources/bibliography.json.