Líder en Transformación de CS Comparte Qué Puede (y Qué No Puede) Solucionar la IA en el Éxito del Cliente

Andrea Bumstead es la fundadora y directora ejecutiva de CS Impact, una consultora de customer success que ayuda a empresas SaaS B2B a convertir el éxito del cliente en un motor de ingresos. Con más de 15 años de experiencia y un historial en la escalabilidad de organizaciones de $15M a más de $3B en ARR, ha liderado múltiples transformaciones globales de Customer Success en compañías como Quest, Procore y One Identity.

Nos sentamos con Andrea para aprender cómo está usando la IA para mejorar la experiencia del cliente. Esto es lo que nos contó.

Convertir el éxito del cliente en un motor de ingresos

Soy la fundadora y directora ejecutiva de CS Impact, una consultora que ofrece servicios de liderazgo temporal y asesoría estratégica a empresas SaaS B2B con $50M–$150M en ARR.

Convertimos el éxito del cliente en un motor de ingresos, generando millones de dólares en expansión y retención.

Por qué la IA es un arma de doble filo en la experiencia del cliente

La integración de la IA en la experiencia del cliente ha proporcionado avances significativos, pero también ha planteado desafíos reales.

Este es el lado positivo:

• Ahorro de tiempo significativo: la IA ha reducido el esfuerzo manual en la preparación, seguimientos, actualizaciones del CRM y reportes. En muchos casos, he visto que los CSM ahorran entre 1 y 2 horas al día, que pueden reinvertir en trabajo de cara al cliente.
• Información del cliente más rápida y sólida: herramientas como Claude, Gainsight, Gong AI y otras están detectando señales en tiempo real — como riesgos de fuga, oportunidades de expansión y cambios en la salud del cliente — que antes tomaba horas (o días) descubrir.
• Mejor consistencia y escalabilidad: la IA contribuye a estandarizar entregables como planes de éxito, QBRs y resúmenes de cuentas, lo cual es crucial al escalar equipos o dar soporte a diferentes segmentos.
• Acciones de experiencia del cliente más proactivas: en lugar de reaccionar tarde, los equipos pueden actuar antes basándose en señales impulsadas por IA, ya sea para mitigar riesgos o estrategias de expansión.

Pero también hay un lado negativo:

• Problema señal vs. ruido: no todas las perspectivas generadas por IA son accionables. Los equipos pueden sentirse abrumados con alertas que carecen de contexto o priorización.
• Dependencia excesiva de la automatización: algunos equipos dependen demasiado del contenido generado por IA (QBRs, correos electrónicos), lo que puede llevar a interacciones con clientes genéricas y de bajo impacto.
• Dependencia de la calidad de los datos: la IA es tan buena como los datos que tiene detrás. Si los datos de tu CRM o producto están incompletos o son inexactos, los resultados pierden rápidamente credibilidad.
• Pérdida de pensamiento crítico: existe el riesgo de que los CSM dejen de pensar estratégicamente y dependan de las recomendaciones de la IA en lugar de aplicar su propio juicio.

Por qué los buenos datos son fundamentales para buenos resultados de IA

Esto es lo que todo líder de experiencia del cliente debe saber: los buenos datos lo son todo.

He trabajado con organizaciones de CS que han invertido en excelentes herramientas de IA, pero sus datos subyacentes estaban desordenados o incompletos. Esto limitó por completo el valor que pudieron obtener.

Un cliente no tenía las jerarquías de cuentas correctamente configuradas en Salesforce. Por ejemplo, tenían 15 cuentas separadas con el mismo nombre que pertenecían al mismo cliente, pero no estaban conectadas. Al superponer IA sobre eso, el sistema generó perspectivas solo a nivel de cuenta individual, sin proporcionar una visión global de la relación con el cliente.

Así que, en lugar de mejores perspectivas, terminaron con señales fragmentadas y a veces engañosas.

¡Vale la pena invertir tiempo en recoger buenos datos y depurar los malos!

Cómo deberían dividirse las tareas entre IA y humanos en CX

Mi visión sobre la IA frente a las personas en la experiencia del cliente es que la IA debería hacerse cargo de la escalabilidad, las señales y la velocidad. Las personas deberían encargarse de la confianza, el juicio y la transformación.

La IA es más poderosa en tareas que implican grandes cantidades de datos, son repetitivas o requieren mucho tiempo:

• Trabajo administrativo: Preparación para llamadas, resúmenes de cuentas, investigación de stakeholders y seguimientos posteriores, incluyendo notas, próximos pasos y actualizaciones de CRM (Salesforce, Gainsight)
• Generación de contenido y recursos: Planes de éxito, QBR, planes de cuentas, análisis de oportunidades y comunicaciones con clientes
• Generación de insights: Identificación de cuentas en riesgo (caídas en el uso, pérdida de champions, actividad de fusiones y adquisiciones), oportunidades de expansión y tendencias en feedback de producto
• Orientación a gran escala: Presentar los playbooks adecuados de riesgo o expansión en los momentos indicados
• Experiencia digital del cliente: Mensajería in-app, flujos de onboarding, bases de conocimiento y contenidos de soporte

Las personas son fundamentales donde el contexto, la confianza y los matices importan:

• Conversaciones con clientes y construcción de relaciones: Especialmente con stakeholders ejecutivos
• Descubrimiento y definición de problemas: Entender no solo qué sucede, sino por qué
• Leer entre líneas: Percibir el sentimiento, las señales de riesgo y lo que no se expresa explícitamente
• Orientación consultiva: Ayudar a los clientes a tomar decisiones y lograr resultados reales de negocio
• Momentos que generan confianza: Reuniones ejecutivas, cenas presenciales, eventos e interacciones de alto impacto

Cómo los QBR automatizados conducen a conversaciones significativas con los clientes

Andrea comparte

Hemos ayudado a empresas a automatizar usando IA para recopilar datos e insights, integrándolos en un formato repetible y optimizando la entrega para presentaciones presenciales o electrónicas… Como resultado, estas empresas pueden mantener conversaciones más significativas con más clientes — y aportar más valor.

Mencioné los QBR: creamos el QBR de 15 minutos. Cubre:

1. El valor que el cliente ha recibido hasta ahora
2. Cómo puede obtener más valor
3. Tres recomendaciones para los siguientes pasos

Hemos ayudado a empresas a automatizar este proceso usando IA para recopilar datos e insights, integrándolos en un formato repetible y optimizando la entrega para presentaciones presenciales o electrónicas. En cuanto a las herramientas, agregamos datos de Salesforce, Gong y Gainsight para generar automáticamente presentaciones de QBR usando Claude.

Como resultado, estas empresas pueden mantener conversaciones más significativas con más clientes — y aportar más valor.

Antes de implementar el QBR de 15 minutos, recomiendo a los líderes de CS que se centren en cinco bases críticas:

1. Clarificar los problemas que resuelves: Identifica los 2 o 3 principales problemas de negocio que tu producto soluciona — esto será el eje de cada conversación con el cliente.
2. Definir objetivos y métricas de éxito: Alinea los KPIs vinculados a la materialización de valor para poder medir y comunicar claramente el impacto.
3. Hacer seguimiento del progreso del cliente: Necesitas visibilidad de cómo cada cliente progresa respecto a sus metas, no solo del uso del producto.
4. Comparar a tus mejores clientes: Entiende qué hacen diferente tus mejores clientes para poder destacar brechas y oportunidades.
5. Construir un motor de recomendaciones: Desarrolla recomendaciones repetibles y de alto impacto que ayuden a los clientes a desbloquear más valor.

A partir de ahí, recomiendo un enfoque de implementación simple:

1. Empieza de forma gradual: Realiza una prueba piloto con un grupo focalizado y perfecciona el enfoque.
2. Automatiza donde sea posible: Aprovecha la inteligencia artificial para recopilar datos y generar conclusiones a gran escala.
3. Luego escala: Expande a otros segmentos una vez comprobada la estrategia.
4. Y, igual de importante, capacita al equipo para implementarlo eficazmente: Entrénalos para liderar con confianza, hacer preguntas sólidas de descubrimiento y conducir la conversación desde una perspectiva consultiva y orientada al valor.

Andrea comparte

Empieza de forma gradual. Automatiza donde sea posible y luego escala. Y, igual de importante, capacita al equipo para implementarlo eficazmente.

Dónde la IA se queda corta con las QBR y el contenido

Uno de los retos del flujo de trabajo de las QBR es que, aunque la IA sobresale en la generación de contenido, aún tiene dificultades para estructurarlo en un formato útil y listo para su uso empresarial, como una presentación ejecutiva.

En la práctica, la IA acelera el 70% inicial del trabajo, pero el 30% final —que a menudo es lo que lo hace utilizable y de impacto real— todavía requiere el refinamiento humano.

Cómo la IA mejora las previsiones en CX — y lo que todavía falta

He utilizado Gong para previsiones en varias organizaciones, y tiene las capacidades más sólidas que he visto en Customer Success.

Agrupa señales a través de la cuenta: sentimiento del cliente, niveles de actividad y datos clave de Salesforce como ARR, TCV, etapa de la oportunidad, notas y próximos pasos.

Eso da a los líderes de CS una visión mucho más holística y en tiempo real de la salud de la cuenta y los posibles resultados.

Dicho esto, el proceso sigue siendo en gran parte manual. Los CSM siguen siendo responsables de:

• Gestionar el proceso de contacto en Salesforce
• Actualizar las etapas de las oportunidades
• Tomar decisiones sobre renovaciones — si una cuenta seguirá igual, disminuirá o se expandirá.

La próxima evolución es la previsión asistida por IA. En vez de empezar desde cero, la IA debería:

• Analizar tendencias históricas
• Incorporar puntuaciones de salud y uso del producto
• Extraer señales de las conversaciones con los clientes
• Y generar una previsión recomendada.

En ese punto, el rol del CSM pasaría a ser refinar y validar la previsión, no construirla desde cero.

También veo una falta de visibilidad respecto al cambio a lo largo del tiempo. La previsión no debe ser solo una visión puntual — debería mostrar claramente la evolución semana tras semana y exactamente qué provocó ese cambio. Por ejemplo, ¿una gran cuenta se volvió de repente de riesgo? ¿O logramos recuperar ingresos que anteriormente señalamos como churn?

Ese nivel de visibilidad, combinado con recomendaciones impulsadas por IA, no solo mejoraría la precisión de las previsiones, sino que las haría mucho más accionables, escalables y alineadas con el funcionamiento de los equipos de CS.

Por qué los líderes de CX deben sentirse cómodos con el fracaso

Este es mi consejo: No tengas miedo de experimentar y probar cosas nuevas. No temas fracasar.

Prueba nuevos flujos de trabajo con IA, haz cursos y amplía tus horizontes.

Pavilion ofrece un sólido curso sobre GTM e IA. Además, los eventos de Customer Success Collective, como sus Customer Success Summits en EE. UU., Reino Unido y APAC, se centran en flujos de trabajo impulsados por IA.

Sigue la conversación

Sigue a Andrea Bumstead en LinkedIn para obtener ideas sobre cómo transformar el éxito del cliente en un motor de ingresos, construir estrategias de éxito del cliente de alto impacto y aprovechar la IA para impulsar el valor para los clientes. Suscríbete a su Substack, Real Talk with CS Impact, para acceder a guías y marcos prácticos. Y síguela también en Instagram.

¡Pronto habrá más entrevistas con expertos en The CX Lead!