Prompts para escribir mensajes de outbound con IA: qué instrucciones darle para que no suenen a robot
Un buen prompt para cold email o LinkedIn es corto, remite a una librería de mensajes y le da a la IA reglas concretas: estructura, largo, condicionales y la voz real de quien firma. Qué instrucciones usaría y cómo revisar lo que sale.
Un prompt para que la IA escriba mensajes de outbound funciona mejor cuando es corto, remite a una librería de mensajes en vez de dictar cada frase y le da reglas concretas: qué estructura seguir, cuántas palabras usar, qué mencionar solo si el dato existe y cómo escribe la persona que firma. Lo que no funciona es pedirle "que suene humano" en abstracto. Hay que mostrarle cómo suena esa persona y revisar los mensajes de ejemplo antes de generar los de toda la lista.
Respuesta rápida
- Prompt corto que remite a la librería: "el rol según la librería, el dolor según la librería".
- Estructura explícita: icebreaker, dolor, propuesta de valor y llamado a la acción.
- Reglas duras: límite de palabras, sin adjetivos, sin raya larga.
- Condicionales: "si el perfil tiene tal dato, mencionalo; si no, ni lo digas".
- La voz real de quien firma, con mails o mensajes suyos, no un "sonar humano" genérico.
- Revisá los mensajes de ejemplo con las variables ya reemplazadas antes de lanzar.
Qué estructura le pido a la IA para un mail de outbound?
La estándar tiene cuatro partes:
- Icebreaker: por qué le escribís a esa persona.
- Dolor: el problema que resuelve tu empresa.
- Propuesta de valor: pensada para ese lead, no la genérica de la web.
- Llamado a la acción: uno solo, en pregunta.
Además de dejar que la IA elija entre varias estructuras, conviene poder darle instrucciones libres: qué decir primero, qué decir después y cómo cerrar. Así, cuando un mensaje no gusta, corregís la estructura en lugar de reescribir el mensaje a mano. Dejaría los templates por defecto y sumaría uno nuevo cada vez que falte una estructura. La guía completa del mail está en cómo escribir un cold email B2B.
Por qué un prompt largo da peores mensajes?
Porque repite instrucciones, cuesta iterarlo y te obliga a regenerar el mensaje entero cada vez que cambiás algo. Y si le forzás frases con un "decí esto sí o sí", los mensajes salen todos iguales.
Lo que mejor funciona es separar dos cosas. Por un lado, una librería de mensajes con el rol, el dolor y la propuesta de valor por persona, vertical y país. Por otro, un prompt corto que remite a esa librería: "el rol según la librería, el dolor según la librería". Si mañana cambia el dolor para un cargo, lo cambiás en un solo lugar. Cómo se ordena la propuesta de valor por cada uno de esos ejes está en cómo rutear la propuesta de valor por vertical, persona y país, y la misma lógica aplicada a las respuestas, en objeciones en outbound B2B.
Qué reglas le doy para que no suene a IA?
Pocas y muy concretas, en snippets cortos. La IA tiende a irse por las ramas si le abrís demasiado el abanico.
- Límite de palabras. En mail, el que fijes para cada paso de la secuencia. Si un mensaje se pasa, se descarta.
- Sin adjetivos. Los mensajes que más parecen escritos por una persona son sencillos y terrenales.
- Sin raya larga. No desaparece del todo, pero la instrucción mueve la vara.
- Condicionales en vez de órdenes. "Si el perfil tiene historial en tal área, mencionalo; si no, ni lo digas." Eso evita que agregue información de relleno.
- Específico sobre el lead. En la apertura, mejor nombrar los canales que la empresa usa de verdad (WhatsApp, Instagram, un marketplace) que hablar del problema en general.
La personalización sale de la misma lógica. La IA junta lo que un SDR juntaría de cada prospecto con herramientas de enriquecimiento y adapta la propuesta de valor a esa persona. A una CFO de una fintech que abrió dos búsquedas de analista contable le sale un mensaje, y al head de operaciones de un e-commerce, otro. Más sobre esto en cómo personalizar a escala un mensaje para un lead.
Cómo hago que los mensajes suenen a quien firma?
Mostrándole a la IA cómo escribe esa persona. Pedirle que "suene humano" no alcanza.
Hay dos maneras. Una es tomar los posteos recientes de su perfil y armar la voz desde ahí. La otra, más precisa, es darle material propio: mails, chats o conversaciones exportadas de LinkedIn, para que analice puntuación, muletillas, modismos y frases que repite. Una forma manual es pasarle a Claude una muestra de mails de esa persona y pedirle que arme la voz aclarando que es para LinkedIn.
Si se escribe desde varios perfiles, reconstruiría la voz de al menos uno y alinearía el resto a esa. Sin eso, quien presta la cuenta puede no sentirse representado por lo que sale con su nombre.
Cómo encuentro qué tiene que decir el prompt?
Con ingeniería inversa de lo que ya funcionó. Exportaría las conversaciones de LinkedIn que terminaron en reunión, le pediría a una IA que encuentre los patrones (qué se dijo y por qué) y armaría el prompt con eso. Hay que iterar, porque la IA puede elegir mal qué patrón importa. Después probaría el prompt nuevo contra el anterior, como cuento en A/B testing en outbound B2B.
Qué reviso antes de lanzar los mensajes?
Los mensajes de ejemplo, con la información variable ya reemplazada. Ahí aparecen los casos raros. Por ejemplo, si el lead viene derivado por alguien del equipo, el mensaje tiene que tener en cuenta quién es el remitente, y a veces lo hace y a veces no.
También revisaría las respuestas a los leads, no solo el primer mensaje. El saludo no puede ser un "buen día" fijo si se contesta de noche, y en LinkedIn no cerraría con "saludos", porque suena a mail. Qué automatizar y qué dejar en manos de una persona lo cuento en qué automatizar en la prospección B2B.
Preguntas frecuentes
Uso la IA para traducir mensajes a otro idioma?
Sí, con un LLM y no con un traductor genérico. Para respuestas cortas de chat alcanza un modelo rápido con esfuerzo bajo o medio. Lo que vigilaría son las palabras que delatan una traducción literal. Si además cambiás de país, el mensaje no se traduce, se adapta: lo explico en por qué cada país necesita su propia campaña.
Le doy a la IA el texto exacto que quiero?
No para todo. Si fijás frases, todos los mensajes salen iguales. Fijaría la estructura y las reglas, y dejaría que la IA complete con el dato de cada lead.
Cuántos mensajes reviso antes de generar toda la lista?
Una muestra por campaña, lo suficiente para ver los casos raros. Lo que se corrige en la muestra pasa a ser regla para el resto.
Cómo lo hacemos en ZalesMachine
Cada campaña tiene una librería de mensajes por persona, vertical y país, y un prompt corto que remite a ella. La IA completa cada mensaje con el dato real del lead y la voz de quien firma, una persona revisa la muestra y lo que se corrige queda como regla. Con ese sistema agendamos +3.000 reuniones en 2025 para más de 50 empresas.
Si querés que veamos juntos tus prompts o tus mensajes, te dejo mi calendario.