Constantemente escucho la misma historia de los líderes de marketing en alta tecnología.

Los pilotos están funcionando. El área de marketing de producto usa la IA para contenido. La generación de demanda la aplica a la segmentación de público. El marketing de clientes automatiza programas de ciclo de vida. Cada equipo tiene un caso de uso que ya funciona.

Entonces alguien pregunta: ¿cuál de estos deberíamos financiar a continuación y cuánto deberíamos invertir? Esa pregunta resulta sorprendentemente difícil de responder.

Cada equipo midió su trabajo según distintos objetivos, con diferentes sistemas y definiciones de éxito. Puede haber resultados sólidos dentro de los programas individuales, pero existe muy poca base para compararlos o decidir hacia dónde destinar el próximo presupuesto.

Esta es la situación en la que se encuentran hoy muchas empresas de alta tecnología. La tecnología de IA capaz no escasea. La experimentación está en pleno auge. El problema es que estos esfuerzos suelen estar aislados.

El CMO, el VP de generación de demanda, la dirección de marketing de clientes y los líderes de operaciones de marketing, ventas y TI pueden estar impulsando la IA por su cuenta, pero trabajan con diferentes prioridades, datos y procesos de toma de decisiones. De forma individual, hay avances. En conjunto, es mucho más difícil transformar ese progreso en una forma de trabajo repetible.

El Frozen Middle en la alta tecnología

Adobe colaboró con Incisiv para estudiar a 5 633 ejecutivos en 12 industrias, incluidos 521 del sector de alta tecnología. La investigación reveló que el 44 % de las organizaciones de alta tecnología se encuentran en lo que llamamos el Frozen Middle.

Estas empresas ya superaron la etapa de experimentación. La IA ya opera dentro de funciones individuales, pero les resulta difícil tomar un caso de uso exitoso de un equipo y escalarlo en toda la organización.

La generación de contenido, la personalización, la inteligencia de cuentas y el ABM pueden estar en marcha en algún punto del negocio. Pero cuando cada uno se financia, gestiona y mide de forma independiente, resulta difícil para los líderes demostrar el ROI más allá de una campaña individual, comparar inversiones o decidir qué casos de uso merecen mayor financiamiento.

Es fácil entender cómo las empresas llegan a esta situación.

La IA suele comenzar de a un caso de uso a la vez. Cada equipo avanza a su propio ritmo. Mientras tanto, muchos de los procesos que conectan marketing, datos y tecnología se diseñaron en torno a ciclos de planificación anuales y revisiones trimestrales.

La IA avanza mucho más rápido. Los equipos necesitan iterar con agilidad, identificar quién tiene autoridad para tomar decisiones y contar con acceso compartido a los datos necesarios para tomarlas.

Sin esas condiciones, las implementaciones individuales se acumulan. Y cuanto más se acumulan, más difícil resulta conectarlas y gestionarlas.

Los datos de aprobación ilustran el problema. De cada 100 iniciativas de IA propuestas en la alta tecnología, solo 18 llegan a producción. La evaluación de integración es la que más propuestas descarta en la primera etapa.

Las preguntas sobre derechos de datos, propiedad del sistema e integración suelen surgir tarde en el proceso, aunque podrían haber definido el caso de uso desde el inicio.

Lo que los líderes hacen diferente

La investigación identificó 342 organizaciones de distintos sectores que se ubicaron en el 6 % superior en madurez del modelo operativo. Al analizar cómo trabajan estos líderes, cinco prácticas se destacan por encima del resto.

1. Los líderes cuentan con un responsable de IA designado que gestiona los resultados entre funciones: Los líderes tienen 2,3 veces más probabilidades de contar con un responsable de IA designado, con un mandato definido y autoridad presupuestaria. En el sector tecnológico en general, solo el 40 % de las organizaciones ha designado un responsable de IA y, cuando esa responsabilidad existe, con frecuencia se limita al ámbito funcional.

Esto se convierte en un problema real cuando los flujos de trabajo de IA atraviesan distintos equipos. Un caso de uso del ciclo de vida puede requerir datos de uso del producto, acceso al CRM y personalización a través de la plataforma de experiencia del cliente. Alguien necesita la autoridad suficiente para resolver esas dependencias y mantener el trabajo en marcha.

Esto puede lograrse sin necesidad de incorporar un nuevo cargo ejecutivo ni otra capa en la organización. Un CMO o un VP de marketing puede asumir ese rol. Lo importante es otorgar a esa persona un alcance suficiente para tomar decisiones sobre presupuestos, plataformas, datos y equipos.

2. Los líderes definen cómo van a medir el valor antes de lanzar: El 44 % de los líderes mide el ROI de forma integral, frente al 20 % de las organizaciones del sector tecnológico. Esto implica definir el resultado esperado, la línea de base y el enfoque de atribución mientras el caso de uso aún está en diseño, con equipos como revOps y customer success alineados en torno a la interpretación de los resultados.

Esto resulta crucial porque las líneas de base son notablemente difíciles de reconstruir después. Una vez que una campaña, el lanzamiento de un producto o una interacción del cliente modifica el comportamiento, los equipos pueden terminar invirtiendo más tiempo en debatir qué aportó la IA que en aprender del resultado.

Incorporar la medición desde el inicio brinda a los líderes de marketing evidencia mucho más sólida cuando retoman la conversación sobre la inversión.

3. Marketing y tecnología comparten el resultado: El 81 % de los líderes opera a un nivel colaborativo o integrado, frente al 41 % de las organizaciones del sector tecnológico. El 59 % del sector aún funciona a través de relaciones aisladas, transaccionales o consultivas.

Los objetivos y resultados clave (OKR) compartidos son una de las diferencias más notorias.

Cuando la “generación de demanda” y las “operaciones de marketing” responden al mismo resultado comercial, la elaboración del brief, el desarrollo y la medición tienen muchas más probabilidades de mantenerse coordinados. Los problemas de datos y tiempos se pueden resolver a medida que avanza el trabajo, en lugar de convertirse en otro punto de transferencia.

Gran parte de esto puede lograrse dentro de las líneas de reporte existentes, sin que ello implique necesariamente una reorganización.

4. Los líderes aprenden de lo que no funciona: Este fue uno de los hallazgos que más me llamó la atención. El 16 % de las organizaciones del sector tecnológico exhibe patrones de fracaso destructivos, caracterizados por la atribución de culpas y la repetición de errores. Entre los líderes, esa cifra es inferior al 1 %.

Los equipos de marketing en el sector tecnológico trabajan con plazos muy ajustados. Cuando un modelo de puntuación de cuentas falla o el contenido generado por IA pierde calidad al escalar, existe una presión enorme por resolver el problema inmediato y seguir adelante.

Sin embargo, esos fracasos contienen información valiosa.

Un modelo de segmentación de ICP con bajo rendimiento puede revelar algo sobre los datos, los supuestos o el proceso que lo sustentan. Una secuencia de ABM que no da en el blanco puede mostrar en qué punto falló la orquestación.

Los líderes reservan espacio en las revisiones operativas para analizar esas señales y trasladar los aprendizajes al siguiente caso de uso. Esa disciplina cobra cada vez más importancia a medida que crece el número de iniciativas de IA.

5. Los líderes identifican y empoderan a sus promotores internos: El hallazgo sobre cultura es, probablemente, mi favorito. El 42 % de los líderes afirmó que identificar y empoderar a los promotores internos fue su acción cultural más efectiva, por encima del patrocinio ejecutivo (16 %) y la formación formal (11 %).

Eso coincide plenamente con lo que observo en la práctica.

El interés por la IA surge cuando las personas ven a alguien de su entorno usarla para mejorar su trabajo habitual: la persona responsable de generación de demanda que perfecciona un brief de ABM con señales de intención más precisas, el especialista en marketing de contenidos que acelera el lanzamiento de recursos, o quien analiza el ciclo de vida para convertir datos de producto en mejores activadores de conversión.

Estos profesionales pueden generar un impacto significativo. Basta con darles visibilidad, algunos recursos y la autorización para compartir lo aprendido con otros equipos para que la adopción empiece a extenderse por toda la organización.

De los pilotos a una forma de trabajar

En conjunto, estos hallazgos indican hacia dónde se dirige la próxima fase de adopción de IA en la industria de alta tecnología.

Muchas empresas ya cuentan con las herramientas. Ya tienen casos de uso. Y ya hay personas que demuestran que la IA puede generar valor.

El siguiente interrogante para los líderes de marketing es qué tan bien puede la organización tomar lo que funciona en un equipo y convertirlo en algo repetible en múltiples equipos.

Esto requiere responsabilidades claras de gestión, métricas de valor comunes, responsabilidad compartida entre marketing y tecnología, espacio para aprender de los errores y profesionales capaces de replicar los enfoques exitosos en toda la organización.

Estas son las condiciones que permiten a la IA ir más allá de los pilotos prometedores y convertirse en parte integral de la operación del negocio.

Explora el informe completo para conocer dónde se encuentran las organizaciones de alta tecnología y qué están haciendo los líderes de manera diferente.

https://business.adobe.com/fragments/resources/cards/thank-you-collections/high-tech