Outbound con IA: qué se rompe a los seis meses y cómo verlo antes

Hoy cualquiera arma una campaña de outbound con IA en una tarde. Lista, enriquecimiento, una secuencia de tres mails, diez dominios y a mandar. Funciona, y el primer mes casi siempre rinde.

El problema aparece más adelante. A los seis meses la campaña manda lo mismo que el primer día y agenda la mitad, y ninguna herramienta tiró un error en el medio. Lo que se rompió se degradó de a poco: los dominios, el texto, la lista y la memoria de qué funcionó.

Esta nota es lo que vemos romperse cuando auditamos outbound armado con IA, y los controles que tenemos puestos para que no nos pase a nosotros. Lo operamos para más de 50 empresas B2B, con +3.000 reuniones agendadas en 2025.

Respuesta rápida

• El mes uno rinde porque todo es nuevo. Dominios sin historia, una lista sin tocar y un mensaje que nadie leyó. Las tres cosas se gastan con el uso.
• Los dominios se degradan sin avisar. Una casilla que pierde reputación sigue mandando y la campaña sigue mostrando envíos. Hay que medirla contra las otras de la misma campaña, todos los días.
• El copy se aplana. Cuando falta un dato, el modelo improvisa, y con el tiempo vuelven las estructuras que delatan a una máquina. Las frases de reemplazo las tiene que escribir una persona.
• La lista se agota. Las reuniones dependen de leads nuevos. Cuando la base se termina, pasan semanas sin agendar aunque el copy y la infraestructura estén bien.
• Nadie sabe qué funcionó. Sin registro de qué rol, país, tamaño, texto y paso trajo cada respuesta, la campaña siguiente arranca de cero.
• El agente hace lo que le dijiste, al pie de la letra. Descarta gente que no debería y recomienda cosas que no aplican a tu operación, con total seguridad.

Por qué el primer mes rinde y el sexto no?

Porque el primer mes casi todo lo que mide la campaña es que las piezas son nuevas.

Un dominio recién calentado no tiene historia mala. Una lista recién armada tiene a las mejores cuentas arriba, las que encajan perfecto con el ICP. Y un mensaje que todavía nadie recibió no compite con nada.

Con los meses, las tres cosas se gastan. Lo que separa una operación que sigue agendando de una que se apaga es si hay alguien mirando cada una de esas piezas, con un número, antes de que se note en las reuniones. En los outbound que auditamos, ese seguimiento suele quedar a medias porque quien armó la campaña tiene otras mil tareas.

Qué pasa con los dominios a los seis meses?

Lo de los dominios desde afuera no se ve hasta que explota.

Una casilla que entra en problemas no deja de enviar. La plataforma sigue mostrando envíos, la curva de enviados sigue igual de alta, y los mails caen en spam. Lo único que avisa es una caída de respuestas que se puede explicar de cinco maneras distintas.

Lo que hacemos nosotros:

• Score diario por dominio y chequeo cada 4 horas. Sobre cerca de 1.000 dominios y 2.500 casillas.
• Límite automático. Una casilla que baja de 96% de warmup queda limitada a 1 mail por día en el acto, sin esperar a que alguien lo note.
• Cada dominio contra los de su campaña. Si uno cae y el resto se sostiene, el problema es ese dominio. Si caen todos juntos, el problema está en la lista o en el texto.

Y todo sale de dominios secundarios. Si se quema uno, no se cae el correo de tu empresa. El porqué está en por qué no hacer outbound desde tu dominio principal.

Por qué el copy generado con IA se aplana con el tiempo?

Hay dos formas en que pasa.

La primera es el dato vacío. Cuando una variable no encuentra su dato, el modelo rellena con lo que tiene. Así salió un mail que le decía a alguien que su empresa estaba "en 201-500 employees", porque un campo de tamaño estaba mapeado al lugar equivocado. Lo encontramos auditando las tablas de un cliente. Ese mail no lo responde nadie, y es el tipo de envío que quema un dominio.

La segunda es más lenta. Aunque configures el tono, los textos de IA vuelven a caer en estructuras robóticas: el "si no es X es Y", la frase que presenta algo con dos puntos, los adjetivos de más, palabras que suenan a traducción del inglés. Personalizar con IA es posible. Humanizar es bastante más difícil.

Cómo lo resolvemos:

• La estructura la escribe una persona y marca qué partes son variables. La IA resuelve cada variable lead por lead, dentro de ese marco.
• La frase de reemplazo, cuando el dato no está, la define un humano. Nunca el agente.
• El copy generado se revisa siempre, y lo aprueba el cliente sobre la frase exacta antes de que salga.

Cómo se arma ese sistema de bloques está en cómo personalizar a escala un mensaje para un lead.

Qué pasa cuando se termina la lista?

Es la que menos se espera. Las reuniones dependen de tener leads nuevos entrando a la campaña.

Cuando la base de un cliente se agota, porque el mercado es chico o porque ya se la contactó mucho, se pueden pasar semanas sin agendar nada aunque el copy y la infraestructura estén perfectos. En nuestros datos, las reuniones llegan en picos cuando se suman dominios o leads, y se frenan cuando dejan de entrar.

Dos cosas que haría:

• Mirar todos los días cuántos leads quedan por campaña y por canal. Una campaña con cero leads nuevos se detecta en un tablero antes de que se note en las reuniones. Cuando lo ves en las reuniones, ya perdiste dos semanas.
• Reciclar a los que no contestaron, con otro ángulo y desde otra casilla. El retargeting de los no respondidos nos viene funcionando bien con todos los clientes, siempre que cada copy coincida con los datos que tiene cada lead.

Por qué a los seis meses nadie sabe qué funcionó?

Seis meses de envíos y después no hay forma de decir qué rol agendó, de qué país, de qué tamaño de empresa, con qué texto exacto y en qué paso de la secuencia llegó la respuesta.

Sin eso, cada campaña nueva arranca de cero y cada mes flojo se discute a opinión.

Hay una trampa más. El primer mensaje de una secuencia casi siempre rinde mejor que los demás, se escriba lo que se escriba. Si elegís el mejor copy mirando solo el rendimiento por paso, el paso 1 gana por posición y no necesariamente por calidad. Por eso miramos la cohorte que sí agendó, con todas esas dimensiones juntas, y eso vuelve a entrar como input de la campaña siguiente.

Qué errores mete un agente de IA en una operación de outbound?

Los agentes de código cambiaron cómo trabajamos. Hoy revisamos cada campaña antes de lanzarla con un agente conectado a las herramientas de envío, y lo que antes llevaba horas a mano se resuelve en minutos. Pero tienen dos defectos que, sin alguien encima, se acumulan.

Se toman las reglas muy a la letra. Al armar un flujo de prospección con un agente, lo primero que revisaría es a quién deja afuera y a quién deja pasar. Suele descartar gente que no debería. Le pediría que explique por qué excluyó a cada uno, con ejemplos.

Recomiendan con total seguridad cosas que no aplican. Nos pasó que un agente sugirió activar el warmup en casillas que, por cómo están configuradas, no lo llevan. Si no conocés cómo se trabaja puertas adentro, le decís que sí.

Las reglas que bajamos para trabajar con agentes:

• Cambios masivos de a poco. Primero un lead, después diez, se revisa el resultado y recién ahí se aplica a todos.
• Cada error repetido se vuelve regla. Si el agente repite un error por no conocer una regla interna, la regla se agrega a la memoria del proyecto para que no vuelva a pasar.
• La IA verifica y opera, la persona pone el criterio. El agente no sabe qué errores pueden pasar en tu operación, y quien la conoce tiene que estar ahí para frenarlos.

Si estás arrancando con agentes, el setup que usamos está en cómo instalar Claude Code para vender con IA.

Qué controles armaría antes de que llegue el mes seis?

Si estás armando tu outbound con IA, estos son los que pondría primero:

El último lo agrego porque nos costó aprenderlo. Si el primer mensaje de una secuencia automatizada llega con un link roto, el lead se pierde igual que si el mail cayera en spam. Y las piezas generadas pueden volver a romperse, así que la revisión es rutina y no un chequeo que se hace una vez.

Dos cosas más que suman: que cada alerta tenga un responsable con nombre, y que ninguna herramienta crítica dependa de una sola persona. Si quien maneja el generador de copy se va de vacaciones, alguien más tiene que poder arreglarlo.

Qué parte se construye y qué parte ya existe está en cuánto tardás en construir tu sistema de GTM in-house.

Preguntas frecuentes

Se puede hacer outbound B2B solo con IA?

Se puede armar, y el primer mes suele rendir. Sostenerlo pide alguien que revise dominios, copy, lista y lo que hacen los agentes. Nosotros usamos IA en casi todo el proceso, con una persona revisando cada paso.

Cada cuánto hay que revisar la salud de los dominios?

Todos los días como mínimo. Nosotros corremos un score diario y un chequeo cada 4 horas, y una casilla que baja de 96% de warmup pasa a mandar 1 mail por día.

Por qué la campaña dejó de agendar si no cambié nada?

Las tres causas más comunes son una casilla degradada, una lista que se agotó o un texto que se gastó. Se separan comparando cada dominio contra los otros de la misma campaña y mirando cuántos leads nuevos quedan.

La IA puede contestar las respuestas de los leads?

Puede redactar el borrador con el contexto del cliente y del lead. En nuestra operación lo revisa y lo envía una persona, siempre.

Qué es lo primero que miraría en un outbound armado con IA?

Cuántos leads nuevos le quedan a cada campaña y cómo está cada dominio contra los demás. Son los dos que fallan en silencio y los más baratos de medir.

Cómo lo hacemos en ZalesMachine

Corremos el score de dominios, la revisión previa a cada envío con veredicto escrito, el análisis de cohortes y el tablero de leads por campaña para cada cliente. La IA hace el trabajo de volumen y una persona pone el criterio en cada paso. Si lo querés operar con tu equipo, es lo que instalamos con el GTM Operating System.

Si ya tenés outbound armado con IA, contame cuántos dominios tenés enviando y hace cuánto, y te digo qué miraría primero. Te dejo mi calendario.