OpenAI. Solo el nombre evoca la revolución de la Inteligencia Artificial que estamos viviendo. Con el lanzamiento de ChatGPT en 2022, cambiaron para siempre la forma en que interactuamos con la tecnología y la información. Nueve meses después, lanzaron ChatGPT Enterprise, una versión diseñada para grandes empresas. El interés fue, como era de esperar, ¡inmenso! Fue una verdadera avalancha de solicitudes y potenciales clientes llamando a su puerta. 🚀
Pero, ¿qué sucede cuando el éxito llega de forma tan masiva y rápida? Que incluso una empresa tan avanzada como OpenAI se enfrenta a desafíos de escala en sus propias operaciones internas. Keith Jones, responsable de Sistemas de Go-To-Market (GTM – que se refiere a todas las actividades que una empresa realiza para vender un producto o servicio) en OpenAI, lo explica: «No teníamos suficiente personal para la demanda que enfrentábamos. Nuestro proceso para enriquecer leads entrantes, que dependía de un solo proveedor, tenía grandes lagunas.» 🤔
¿Qué significa «enriquecer leads»? Imagina que alguien se registra en tu web o muestra interés. Solo tienes su nombre y correo electrónico. Enriquecer ese lead es encontrar más información valiosa sobre esa persona o su empresa (como el tamaño de la empresa, la industria, su puesto de trabajo, noticias recientes) para entender mejor si es un buen cliente potencial y cómo abordarlo.
En su búsqueda de una solución que pudiera obtener esta información de múltiples fuentes y que creciera al ritmo de las necesidades flexibles de OpenAI, Keith descubrió Clay. «Clay fue una forma de dar un gran salto a un modelo multi-fuente con la menor cantidad de esfuerzo y complejidad», comenta. ✨
Hoy, Clay es una pieza central en la tecnología que usa el creciente equipo de OpenAI. No solo el equipo de RevOps (Revenue Operations – operaciones de ingresos, que optimizan los procesos de marketing, ventas y éxito del cliente) lo utiliza, sino también la organización de ventas para añadir más datos a sus leads, investigar cuentas clave y mejorar su segmentación. Como dice Scotty Huhn, del equipo de RevOps de OpenAI: «Clay permite a nuestro equipo experimentar rápidamente con flujos de trabajo automatizados y datos de enriquecimiento de terceros. Podemos movernos rápido y generar un impacto enorme en nuestra ejecución de GTM, ¡todo con una herramienta que es divertida, creativa y de vanguardia!» ✅
Puntos Clave del Impacto Logrado:
- Más que duplicaron la cobertura de enriquecimiento: Pasaron de un ~40% a más de un 80% de leads enriquecidos. ¡Un salto enorme en la calidad de los datos iniciales! 📈
- Uso consistente por parte del equipo de ventas: Mantuvieron un uso semanal constante de Clay para enriquecer datos bajo demanda directamente desde su CRM (Salesforce), con más de 8500 enriquecimientos totales realizados.
- Iteración rápida en estrategias de datos: Pudieron probar y mejorar rápidamente cómo obtenían y usaban los datos sin interrumpir el trabajo diario de los vendedores.
- Escalado exitoso a un modelo multi-fuente: Lograron pasar de depender de una sola fuente de datos a usar múltiples, con un esfuerzo y coste mínimos.
Profundicemos en cómo lograron estos resultados a través de casos de uso concretos:
Caso de Uso 1: Duplicando las Tasas de Enriquecimiento de Leads Entrantes
El primer gran reto era claro: necesitaban mejorar la cantidad de datos que obtenían sobre esos miles de leads interesados que llegaban cada día. Keith sabía que depender de un solo proveedor de datos ya no era viable. «Es un punto de inflexión al que toda empresa B2B se enfrenta en algún momento. Si no usas múltiples fuentes, lo harás algún día. Ninguna compañía puede funcionar solo con un proveedor de enriquecimiento de datos, ni siquiera el mejor del mundo», afirma.
El camino tradicional para pasar a un modelo de datos multi-fuente suele ser complicado: implica negociar contratos con varios proveedores de datos, implementar plataformas de datos del cliente (CDP), herramientas de ingeniería de datos (reverse ETL) y otras herramientas de marketing complejas. OpenAI, con la urgencia de su crecimiento, simplemente no tenía tiempo para un proyecto de implementación tan largo.
Aquí es donde Clay marcó la diferencia. Su capacidad para buscar datos en «cascada» en múltiples proveedores (si el primer proveedor no tiene la información, busca en el segundo, luego en el tercero, etc.) complementada con los propios modelos de IA de OpenAI, ofreció una solución inmediata y elegante. «Con Clay, más que duplicamos nuestra cobertura de enriquecimiento del ~40% a más del 80%», destaca Keith. Tener una base de datos más completa y precisa ayudó a que los leads fueran clasificados (scored), asignados al vendedor correcto (routed) y respondidos de manera mucho más efectiva.
Harsha Chilakamarri, también del equipo de RevOps, añade: «Clay nos ha permitido aprovechar fácilmente múltiples proveedores para escalar nuestro proceso de enriquecimiento de leads entrantes. He podido construir sistemas complejos que antes requerían días de trabajo de ciencia de datos, ahora en cuestión de horas.» ⏱️
Lo interesante es que OpenAI sigue ajustando y mejorando constantemente la configuración de «cascada» de Clay para encontrar la mejor combinación de proveedores de datos para sus necesidades cambiantes. «No pasaron ni dos semanas antes de que refináramos nuestra combinación y el orden de los proveedores», explica Keith, demostrando la flexibilidad de la plataforma.
Caso de Uso 2: Investigación Comercial Personalizada a Gran Escala Usando IA
Pero Clay no es solo para el enriquecimiento automático de datos básicos. OpenAI también lo ha utilizado para potenciar a su equipo de ventas con información de investigación avanzada, ¡automatizando lo que antes hacían manualmente los mejores vendedores!
«Empezamos por automatizar lo que nuestros mejores vendedores ya hacían», cuenta Keith. «Ellos visitan los sitios web de las empresas, revisan las páginas y perfiles de LinkedIn, buscan información clave. Buscan los últimos desarrollos de una empresa, cifras de ingresos, cambios significativos en los últimos 90 días… quizás hojean informes trimestrales de resultados para encontrar insights que puedan usar al contactar a prospectos (outbound).»
El equipo de RevOps utilizó el agente de investigación con IA de Clay, conectado a modelos GPT (los mismos que potencian sus productos), para automatizar este proceso. Este agente puede «leer» y resumir información de informes de resultados, sitios web y otras fuentes relevantes para cada cuenta importante. Lo que les gustó mucho es que los agentes de IA de Clay podían mostrar su «proceso de pensamiento», explicando, por ejemplo, cómo determinaron los ingresos a partir de un informe financiero, lo que generaba confianza en los resultados. 👍
«Tener un enfoque que reemplaza el trabajo manual repetitivo a escala en nombre de los vendedores es una gran ventaja», afirma Keith. Lo mejor es la flexibilidad: cualquier proceso de investigación que un vendedor haría manualmente puede ser automatizado con Clay. Incluso tareas básicas de enriquecimiento, como encontrar perfiles de LinkedIn o determinar la industria/tamaño de una empresa, se pueden hacer de forma «agéntica» (guiada por IA). «Estamos haciendo enriquecimiento con modelos de OpenAI», explica Keith. «Nuestra estrategia combina el uso de fuentes de datos dedicadas, el enriquecimiento nativo de Clay y, además, lo aumentamos con el uso de nuestros propios modelos [de OpenAI].»
Caso de Uso 3: Ayudando a los Vendedores a Investigar ‘Sobre la Marcha’ Directamente en Salesforce
Aunque los equipos de RevOps pueden preparar y escalar datos detrás de escena, los equipos de ventas y éxito del cliente siempre necesitan acceder a información enriquecida de forma puntual, justo en el momento en que la necesitan.
El enfoque convencional para obtener datos «sobre la marcha» a menudo requiere que los vendedores salgan de su CRM (como Salesforce), inicien sesión en una herramienta de datos externa, busquen la información y luego la copien y peguen o activen una actualización en el CRM. Esto, aunque funciona, crea una carga adicional: los miembros del equipo tienen que cambiar constantemente entre aplicaciones, y los equipos de sistemas tienen que proporcionar formación y mantener múltiples herramientas. ¡Un proceso lento y frustrante! 😩
En lugar de eso, OpenAI implementó flujos de trabajo personalizados, llamados «Enrichment Actions» (Acciones de Enriquecimiento), como un paquete de Clay dentro del propio Salesforce. «Desbloqueamos una forma de hacer que nuestro enriquecimiento de datos avanzado y multi-fuente bajo demanda esté disponible para nuestro personal de GTM de forma nativa dentro de nuestro CRM», explica Keith. «No requirió una formación tediosa ni un nuevo cambio de contexto para nuestro personal.» ✨
Ahora, el equipo de GTM de OpenAI puede, con solo unos clics dentro de Salesforce:
- Enriquecer registros individuales de cuentas con los últimos datos de su cascada multi-fuente.
- Solicitar lotes curados de leads asociados a una cuenta específica.
- Enriquecer leads individuales o múltiples registros de leads a la vez.
Este paquete de Clay dentro de Salesforce es muy utilizado por el equipo de ventas. En días ajetreados, algunos vendedores individuales pueden realizar hasta 150 enriquecimientos de leads, con un uso especialmente intensivo al comienzo de los trimestres, cuando los equipos construyen sus «pipelines» (la lista de oportunidades de venta).
Lo mejor es que el equipo de RevOps puede actualizar y mejorar la lógica de enriquecimiento que funciona en segundo plano en Clay sin interrumpir la experiencia sencilla de un solo clic para los vendedores en Salesforce. «Pudimos lanzar una versión, ponerle nuestra marca, y luego refinar la estrategia basándonos en la información del equipo de ventas», explica Keith. Han realizado numerosas mejoras en sus fuentes de datos y en la prioridad de la cascada desde que lanzaron la herramienta.
«En un futuro cercano, es probable que desarrollemos nuevas versiones que aportarán beneficios adicionales a nuestro personal de GTM, utilizando el enriquecimiento avanzado de datos de Clay de formas únicas, aumentadas por la tecnología de OpenAI y puntos de integración más profundos con Salesforce.» Esto sugiere un futuro emocionante de sinergia entre ambas plataformas. 🚀
Cómo Clay Sigue Acelerando el Motor de GTM de OpenAI
Clay ha sido fundamental para ayudar a OpenAI a construir una base de datos sólida y con la flexibilidad necesaria para implementar cualquier caso de uso de crecimiento que surja.
Desde que implementaron Clay, el uso se mantiene fuerte a pesar de que el equipo es mucho más grande. «Una de las principales razones por las que la tecnología de GTM falla es la adopción inconsistente», explica Keith. «Pero para nosotros, Clay ha tenido una adopción consistente semana tras semana», en todos los equipos: Operaciones de Ingresos, Ventas y GTM en general. ✅
¿Qué sigue para OpenAI y Clay? Otros equipos dentro de OpenAI, como ciencia de datos, operaciones de marketing y reclutamiento, ahora se han inspirado en lo que es posible para ellos con Clay. Ciencia de datos está empezando a usarlo para estimar el número de «trabajadores del conocimiento» en cada empresa de su base de usuarios, y reclutamiento está explorando usar Clay para encontrar personas que trabajaron en empresas de alto crecimiento durante sus años pico de hiper-crecimiento. ¡Las posibilidades parecen amplias!
La flexibilidad de Clay y su capacidad para soportar la experimentación rápida ha sido clave. «Creo que vale la pena recalcar cuán flexible es Clay y cuántas necesidades diferentes puede satisfacer», dice Keith. Su equipo de RevOps mejora continuamente su estrategia de enriquecimiento de datos ajustando fuentes y flujos de trabajo del agente de IA, utilizando tanto sus proveedores existentes como las integraciones de Clay.
Lo más importante es que Clay ha permitido a OpenAI establecer una infraestructura de GTM automatizada y recurrente, manteniendo al mismo tiempo la flexibilidad para manejar solicitudes emergentes de los equipos de GTM. La plataforma soporta la capa de adquisición y activación de datos de OpenAI, y Keith concluye: «Vemos un potencial de crecimiento excepcional con Clay.» ✨
En resumen, la historia de OpenAI y Clay es un gran ejemplo de cómo la tecnología adecuada puede ayudar a una empresa, incluso una líder en IA, a superar sus propios desafíos de crecimiento y escalar sus operaciones comerciales de manera eficiente e inteligente. Una combinación poderosa de IA y datos para un impacto real. 🚀