Cómo cambiar el modelo de IA que escribe tus mensajes de outbound sin que baje la calidad
Cada pocos meses sale un modelo más barato o más nuevo, y la tentación es cambiar el nombre en la configuración y listo. Cómo comparar dos modelos sin mandar mensajes reales, qué criterios usar para decidir y cómo pasarlo a producción de a poco.
Para cambiar el modelo de IA que escribe tu outbound, lo trataría como cualquier prueba: el mismo set de leads, el mismo prompt, los dos modelos lado a lado, una parte leída a mano y el resto evaluado con criterios escritos. Si el modelo nuevo falla en algo, no quiere decir que sea peor: muchas veces necesita un prompt distinto. Lo que no haría es migrar todo de golpe cambiando el nombre del modelo en la configuración, porque lo que se compromete es la calidad de cada mensaje que sale.
Respuesta rápida
- Cada modelo trabaja distinto. Un prompt afinado para uno no rinde igual en otro.
- Compará peras con peras: mismos leads, mismo prompt, dos modelos.
- Probá sin mandar nada: se repiten con el modelo nuevo las llamadas que ya se le hicieron al anterior y se compara el resultado.
- Leé una parte a mano y usá un LLM con criterios escritos para el resto.
- Repetí con más leads y con otra campaña antes de decidir.
- En producción, de a poco: una tanda chica, revisión, ajuste, y recién ahí la campaña completa.
Por qué no alcanza con cambiar el nombre del modelo?
Porque cada modelo interpreta distinto las mismas instrucciones. Un prompt que con un modelo da mensajes cortos y concretos, con otro puede dar mensajes largos o inventar datos de relleno.
Por eso, si el modelo nuevo falla en algunas cosas, no lo descartaría enseguida. Con los criterios de fondo claros, una IA puede probar un prompt específico para ese modelo y muchas veces llega a la misma calidad cambiando unas 20 palabras.
El orden que seguiría: primero afinar los prompts y el criterio de calidad con el modelo que ya usás, y recién después migrar. Si no tenés claro qué es un buen mensaje con el modelo actual, no vas a poder decir si el nuevo es mejor. Cómo armo esos prompts lo cuento en prompts para mensajes de outbound con IA.
Cómo comparo dos modelos sin mandar mensajes reales?
Guardando cada mensaje con su historia. Nosotros registramos, para cada copy, los datos del lead, el prompt que se usó, lo que devolvió la IA en cada bloque y lo que cambió la persona que lo revisó.
Con eso la prueba no necesita leads nuevos ni envíos. Se repiten con el modelo nuevo las mismas llamadas que se le hicieron al anterior y se compara si el resultado se mantiene en línea. Mismo lead, mismo prompt, dos salidas.
Las pruebas que hicimos fueron con 500 y con 1.000 leads. Con menos, cuesta separar una diferencia real de una casualidad, que es el mismo problema de cualquier prueba de mensajes. Lo explico en A/B testing en outbound B2B.
Con qué criterios decido si el modelo nuevo es mejor?
La persona define los criterios y la IA hace la medición. Algunos que usaría:
- Variables sin resolver o datos cruzados entre leads. Es el error más caro: además de delatar el envío, quema el dominio.
- Qué hace cuando falta un dato. Si usa la frase de reemplazo o improvisa.
- Largo y adjetivos. Los mensajes que más parecen escritos por una persona son sencillos.
- Calcos del inglés y raya larga. Palabras que suenan a traducción.
- Decisiones. Qué propuesta de valor eligió para cada cargo y si tiene sentido para ese lead.
Los criterios no se conocen todos de antemano. Se van definiendo al ver casos reales, por eso no alcanza con escribir un prompt evaluador una vez: hay que iterarlo con ejemplos. Y la edición humana, aunque sea chica, es el dato más valioso que tenés, porque muestra justo lo que la IA todavía no hace bien. Cómo convertir esas correcciones en reglas está en cómo dar feedback a los mensajes de outbound.
Conviene pasar a un modelo más barato?
Depende de qué tan barato, y solo lo sabés probando. Con un modelo de primer nivel los mails salen muy buenos, pero el costo no escala: en nuestra cuenta, unos 10 mails podían costar un dólar. Para volúmenes grandes eso no cierra.
En nuestras pruebas, un modelo unas 15 veces más barato dio peores resultados y tomaba peores decisiones. Otro, entre 3 y 4 veces más barato, igualó al que usábamos y en algunos casos lo superó. Si hubiéramos elegido por precio sin probar, nos quedábamos con el malo.
Otra forma de bajar el costo, además de cambiar de modelo, es partir el trabajo en pasos chicos para que cada uno lo pueda resolver un modelo más barato. Es lo mismo que hacemos para clasificar empresas, como cuento en cómo clasificar empresas por ICP con IA.
Cómo lo paso a producción?
De a poco. En la primera campaña con el modelo nuevo correría una tanda chica, de unos 20 leads, revisaría las trazas, ajustaría el prompt y recién después correría la campaña completa. Si algo se rompe, se rompe en 20 mensajes y no en 2.000.
Y seguiría mirando después de migrar. Un copy generado con IA se puede aplanar con el tiempo aunque al principio rinda bien. Qué se rompe a los meses lo cuento en outbound con IA: qué se rompe a los seis meses.
Preguntas frecuentes
Cada cuánto conviene probar un modelo nuevo?
Cada vez que sale uno que puede ser más barato o mejor, si ya tenés armada la forma de probarlo. Sin eso, los problemas del modelo nuevo los descubrís en los mensajes ya enviados.
Uso siempre el modelo más nuevo?
No necesariamente. El más nuevo no siempre es el que mejor escribe para tu caso ni el que mejor te cierra en costo por mensaje.
Puedo reusar mis prompts actuales?
Sí, como punto de partida. Le pediría a un agente que los reacomode para el modelo nuevo y después los probaría con el mismo set de leads.
Lo puedo hacer sin un equipo técnico?
La comparación a mano, sí: mismos 20 o 30 leads, los dos modelos, y leer las salidas una al lado de la otra. Para hacerlo con cientos de leads y repetir llamadas registradas, hace falta guardar cada mensaje con su historia, y eso sí pide algo de desarrollo.
Cómo lo hacemos en ZalesMachine
Nuestros mensajes salen de una estructura que escribe una persona y que la IA completa lead por lead. Guardamos la traza de cada copy, y antes de cambiar de modelo lo comparamos contra el actual con los mismos leads, leyendo una parte a mano. Con ese sistema agendamos +3.000 reuniones en 2025 para más de 50 empresas, con una garantía de resultados firmada en el contrato: si no llegamos, seguimos trabajando sin cobrar hasta cumplir.
Si querés que miremos cómo están escritos hoy tus mensajes con IA, te dejo mi calendario.