Vender IA en 2026: el nuevo playbook | Javier Ramirez

ESP

Escuchar enSpotifyYouTube
Portada de «Vender IA en 2026: el nuevo playbook | Javier Ramirez»

Hoy entrevisté a Javier Ramírez, que lideró ventas en tres unicornios de Silicon Valley (Zenefits, Rippling y WeWork) y hoy asesora a más de 50 startups como CRO fraccional.

Hace dos años la mayoría de sus clientes vendía software tradicional: suscripciones, dashboards. Hoy casi todos venden algo con inteligencia artificial en el centro, y el demo ya no muestra información, hace el trabajo.

Ese cambio movió todo lo demás. Quién está en la sala de la decisión, cuánto dura el ciclo, cómo se estructura el contrato, qué cuota le pones a un vendedor y qué tipo de persona contratas para el puesto.

Hablamos de la objeción que nadie te dice en voz alta, del framework para decidir qué automatizar según el tamaño del deal, y de por qué el vendedor se está convirtiendo en consultor.

Estructura y Highlights Clave

Qué Cambió del Lado del que Compra

  • Antes mostrabas un dashboard y se veía bien. Ahora muestras algo que va a hacer el trabajo, y eso cambia quién entra a la sala
  • El CFO entra para entender el impacto en headcount y en márgenes. Seguridad pasa a ser un rol activo. El CEO quiere participar porque la decisión lo pone adelante o atrás del cambio
  • Su veredicto directo: vender IA es más difícil que vender SaaS
  • La razón es que mucha gente se quemó. En 2025 se compraron promesas que no funcionaron, con bastante vaporware que era un frontend con GPT detrás
  • En 2026 la compra se volvió sofisticada: ya probaron, ya saben qué funciona y hay un proceso de evaluación real

El Piloto como Centro de la Venta

  • La prueba de concepto ahora aparece en montos mucho más chicos. Ya no en ventas de un millón, sino en deals de 150,000 dólares o menos
  • Un piloto no es dar acceso a la herramienta y esperar. Hay que definir criterios de éxito antes de empezar
  • La pregunta que ordena la conversación: si logramos ese objetivo en dos meses, hay alguna razón por la cual no comprarían
  • Cambia hasta el contrato. En vez de los 12 meses típicos de SaaS, aparecen contratos de 12 meses con cláusula de salida a los 2 o 3
  • Los ciclos se alargan porque hay más participantes y más calendarios que coordinar. Eso empuja a que la cuota deje de ser mensual y pase a ser trimestral

La Objeción que Nadie te Dice en Voz Alta

  • Las visibles: ya compré algo que no funcionó, y no sé si mi equipo lo va a adoptar
  • La secreta es política. Mucha gente se llena de orgullo por dirigir un equipo de 60 o 100 personas, y la IA promete que podrían ser 30
  • Nadie te lo dice de frente. Lo que ves es un proceso de evaluación que se vuelve misteriosamente más riguroso
  • El caso concreto: un deal de una herramienta de prospección con un cliente europeo se cayó porque en el comité de evaluación había alguien de recursos humanos, un rol que normalmente no está en una compra comercial, que lo leyó como un riesgo para el futuro del equipo
  • Su regla: el reemplazo nunca es el pitch ni el punto de partida, porque crea miedo. La conversación se dirige con preguntas sobre cuánto tiempo gasta el equipo en cada tarea
  • El posicionamiento que sí funciona: si te devuelvo 40% del tiempo, ese equipo puede dedicarlo a trabajo de mejor calidad

“Esto lo Construimos Nosotros”

  • Es mucho más común en empresas grandes, que tienen equipo de ingeniería propio y más ego técnico. Una empresa chica necesita comprar algo que resuelva el problema hoy
  • Su contrapregunta favorita: cuánto tiempo tiene tu equipo disponible para hacer vibe coding el próximo trimestre, y cuánto a largo plazo
  • El punto no es el producto inicial sino el mantenimiento, los bugs y las integraciones. Ahí la gente entiende que el equipo debería estar en el roadmap, no construyendo una herramienta nueva
  • Es honesto sobre el límite: si tu producto es un frontend sobre un modelo, no tienes mucha defensa. Si tiene integraciones complejas, sí

Qué Distingue a un Equipo de Ventas Nativo en IA

  • El nativo construyó una herramienta interna de preparación de llamadas, alimentada con quién es el comprador y con los deals que ya ganaron
  • Ese sistema aprende de las grabaciones y detecta patrones. Si un vendedor tiene problemas con el cierre, lo identificas en un análisis de 15 minutos en vez de escuchar llamadas por horas
  • El que no es nativo tiene una cuenta de ChatGPT, un prompt básico y lo usa en el día a día. Comprar una herramienta que agregó IA tampoco significa que tu equipo tenga IA
  • El error de fondo: usar IA para mandar 5,000 emails en vez de 100. El retorno no escala en línea recta
  • Lo que sí escala es llegar más preparado a la conversación, porque eso aumenta la conversión a largo plazo
  • El rol de go to market engineering reemplazó lo que antes era revenue operations comprando dashboards

Cuotas y Expectativas

  • Carles Reina contó en este podcast que en ElevenLabs las cuotas eran de un millón de dólares por vendedor
  • Javier tiene hoy un cliente con cuotas de 2 millones, 500,000 por trimestre
  • Su referencia propia: en Zenefits la cuota era de 600,000 y ya se consideraba agresiva hace una década
  • Lo que lo hace posible es el contrato promedio más alto y meter IA en el top of the funnel, incluyendo GEO para aumentar el flujo de leads
  • Algunas empresas usan videos del producto para decidir a qué leads llamar, o sea que el vendedor entra más adelante en el proceso

El Framework por Tamaño de Deal

  • Menos de 10,000 dólares: el riesgo es bajo y hay poca gente involucrada. Aquí el volumen importa más que el toque, y puedes automatizar prospección y calificación
  • Entre 10,000 y 100,000: puedes automatizar seguimientos a partir de las notas de la reunión, conectando Granola con Claude. Las objeciones y la negociación se mantienen humanas
  • Más de 100,000: la IA trabaja en el background, en el research, las señales y el business case. Los puntos de contacto son humanos, porque ningún CFO va a tomar una decisión de esa magnitud con un sistema
  • La lógica general: mientras más sube el monto, más sube el riesgo, y la IA pasa de plato principal a apoyo para acelerar

Su Stack Personal

  • Sistematizó su método en un producto que construyó con Claude Code, entrenado con su knowledge base y 15 años de experiencia
  • Lo que codificó es su framework de llamada de ventas: introducción, agenda, discovery, pitch, demo, pricing, próximos pasos y manejo de objeciones
  • Con eso califica llamadas a escala e identifica patrones. Antes un training generaba emoción por un día y a la semana siguiente se caía. Ahora puede medir si el cambio se sostuvo
  • Le sorprende cuando entra a una empresa y el equipo llega a una conversación sin preparación previa. Hoy eso es el mínimo, y se nota quién lo hace
  • Granola le transcribe todas las llamadas y, conectado a Claude, le devuelve patrones. Clay y herramientas similares para listas de prospección
  • No aprueba lo que escribe la IA tal cual. Le sirve para arrancar y después le pone su punto de vista, porque si todos usan las mismas herramientas todos suenan igual

El CRM y el Contenido Uno a Uno

  • Si fuera Salesforce o HubSpot tendría un poco de miedo. El system of record va a evolucionar agresivamente
  • Ya hay empresas usando Gong como CRM, porque las grabaciones y la información ya viven ahí
  • Tener que ir a llenar campos a mano en 2026 le parece un producto con los días contados
  • Sobre outbound: el correo bien investigado ya no diferencia, porque mil empresas pueden mandarlo. Lo que diferencia es agregar una pieza de contenido hecha para ese cliente, como un video o una animación
  • Es content marketing a nivel de uno. No lo publicas en LinkedIn, le llega a esa persona
  • Un fondo importante en San Francisco le dijo que en early stage lo que está funcionando es el founder brand, y hay founders usando Claude para armar 30 días de contenido

Lo que no Deberías Copiar en Cada Dirección

  • El error más común es copiar benchmarks americanos. El ciclo de venta natural en Chile o México no se parece al de Silicon Valley, y eso no es nuevo de la era de la IA
  • En Latinoamérica la relación sigue siendo requisito para vender en Ciudad de México, y hay más evaluación de riesgo
  • Al revés también aplica: en Estados Unidos no tienes que invitar a comer. Se puede cerrar un deal de 100,000 o 150,000 por Zoom y email
  • Y te dicen que no más rápido, lo cual es una ventaja. En Latinoamérica la gente es poco confrontativa y sigue diciendo que sí
  • Su advertencia: que te den el WhatsApp no significa que el deal avance

El Nuevo Perfil del Vendedor

  • El puesto se está sofisticando. En entrevistas recientes se encontró con candidatos que llegan con un producto que construyeron y te lo muestran
  • Un demo en una entrevista de ventas no existía antes
  • El vendedor carismático que se sabía el nombre de la hija del CFO llegó hasta cierta época. Hoy el tecnicismo es casi un requisito
  • Su lectura es que el vendedor ya no hace venta consultiva, ya es un consultor. Un amigo suyo pasó de consultor en Bain Brasil a un rol comercial en Enter llamado client founder
  • El forward deployed engineer es la evolución del sales engineer: alguien que antes del cierre construye una solución específica para ese cliente
  • Quien se quede haciendo el mismo demo todos los días, lo que históricamente llamaban demo monkey, va a ser reemplazado por un video. El propio comprador ya prefiere que le manden el video

Velocidad de Crecimiento y Qué Llega en 2027

  • Las empresas están llegando a 10 millones de ARR más rápido que nunca, y crecer 3x ya no alcanza
  • Matiza el entusiasmo: hay outliers como Happy Robot, pero no es la norma. Sigue habiendo empresas que tienen que fajarse haciendo outbound
  • Lo que espera que llegue a Latinoamérica: agentes de venta autónomos sin intervención humana para productos por debajo de los 2,000 o 3,000 dólares
  • Y pricing por resultado en vez de por asiento. Si el outcome equivale a una persona de 30,000, cobras 20,000 por entregarlo
  • Su apuesta es que se adopta primero en Brasil y México

Glosario Silicon Valley

TérminoQué significaContexto en el episodio
POCPrueba de concepto, un piloto acotado antes de comprarAhora aparece en deals de 150,000 dólares o menos, no solo en enterprise
Success criteriaLos objetivos medibles que definen si el piloto funcionóLo que hay que negociar antes de empezar, no al final
AI SDRAgente que hace prospección y escribe correos en lugar de un humanoLa categoría con 20 competidores donde todos hacen el mismo pitch
Go to market engineeringConstruir herramientas internas para el proceso comercialLa evolución del rol de revenue operations
GEOOptimizar para que los modelos te recomienden, sucesor del SEOUna de las formas de alimentar el top of the funnel
Forward deployed engineerIngeniero que construye la solución específica para el cliente antes del cierreLa evolución del sales engineer en deals grandes
Pricing por outcomeCobrar por el resultado entregado y no por asientoLo que espera ver adoptado primero en Brasil y México
Knowledge baseEl cuerpo de información con el que alimentas un modeloLo que él codificó con Claude Code a partir de 15 años de trabajo
System of recordEl sistema donde vive la verdad operativa de la empresaEl CRM, que en su opinión está en riesgo frente a las grabaciones
Demo monkeyEl vendedor que repite el mismo demo todos los díasEl perfil que cree que un video va a reemplazar

Personas, Empresas y Referencias

Personas Mencionadas

  • Javier Ramírez: lideró ventas en Zenefits, Rippling y WeWork, hoy CRO fraccional y asesor de más de 50 startups
  • Carles Reina: de ElevenLabs, invitado anterior del podcast, citado por las cuotas de un millón de dólares
  • Su amigo de Bain Brasil: contratado por Enter en un rol de client founder
  • Enzo Cavalie: host del podcast

Empresas y Herramientas

  • Zenefits, Rippling y WeWork: los tres unicornios donde lideró ventas
  • Happy Robot: el ejemplo de crecimiento acelerado vendiendo IA en logística
  • ElevenLabs: la referencia de cuotas por vendedor en la era de la IA
  • Enter: startup brasileña de IA para el área legal
  • Claude Code: con lo que construyó su propio sistema de análisis de llamadas
  • Granola: transcripción de llamadas, conectada a Claude para detectar patrones
  • Clay: research y listas de prospección
  • Gong: grabación de llamadas, que algunas empresas ya usan como CRM
  • Salesforce y HubSpot: los incumbentes que, en su opinión, deberían estar preocupados
  • Replit: la herramienta que hace creíble la objeción de “esto lo construimos nosotros”
  • Supersonic: demos automatizados, fundada por españoles

Ver el episodio