¿Qué hago si nunca registré una línea base antes de instalar la IA?

Depende de si el CRM guarda la fecha de instalación: si la guarda, filtra el mismo reporte por el periodo anterior a esa fecha para reconstruir un 'antes' utilizable. Si el proceso vivía en hojas sueltas o en la cabeza del equipo, no hay nada que medir hacia atrás: fija hoy como día cero y mide desde ahí.

¿Cuánto tiempo hay que esperar antes de decidir si la IA funcionó?

El tiempo que tarde en juntarse un ciclo completo del proceso y al menos 20-30 eventos del resultado medido. Un equipo que agenda unas 5 reuniones al mes desde outbound tarda entre 4 y 6 meses en juntar ese volumen, así que revisar a las dos semanas no dice nada.

¿Qué proxies no cuentan como medición real de la IA?

Cuatro: tiempo 'ahorrado' autorreportado sin contrastarlo contra el CRM, adopción declarada sin ver el uso real en los registros, puntajes de calidad del output sin enlace verificado a un resultado de negocio, y benchmarks de 'ROI de la IA' sin metodología pública que se pueda auditar.

¿Qué hacer si, medida bien, la IA no sirvió?

Primero revisa si algo más cambió en la ventana y, si sí, extiende la medición un ciclo más. Si sigue plana tras un ciclo limpio, corta la herramienta o el flujo concreto, no todo el presupuesto de IA, y no cambies de herramienta antes de arreglar la medición: la siguiente evaluación fallaría igual de invisible.

Cómo medir si la IA que instalaste sirve de algo

Instalaste un asistente de prospección, un generador de correos o un lead scoring hace unas semanas, y ahora alguien (tu socio, tu jefe, tu propio presupuesto) pregunta si sirvió. Para saber si la IA está funcionando hacen falta tres cosas al mismo tiempo:

Una métrica de resultado, no de actividad de la herramienta
Una línea base del mismo proceso antes de instalarla
Una fecha fija en el calendario, con volumen suficiente para que la diferencia signifique algo

Si te falta la línea base (y a casi todo el que llega a esta pregunta le falta), no puedes medir el efecto hacia atrás. Hay salida: se reconstruye un proxy desde el CRM, o se fija hoy como día cero y se mide hacia adelante. Lo que no funciona es seguir sin ninguna de las tres y decidir por sensación.

El problema casi nunca es técnico. No falta un reporte en HubSpot ni un dashboard en Looker: falta el "antes". Para medir un efecto necesitas el mismo proceso medido en dos momentos, y la mayoría instala primero y pregunta después, cuando el "antes" ya no está escrito en ningún lado.

Este método asume que ya decidiste qué automatizar y dónde. Ese criterio, etapa por etapa, vive en dónde la IA sí mueve revenue en ventas B2B. Aquí se resuelve lo otro: cómo medir lo que ya está corriendo.

Elige una métrica de resultado, no de actividad de la IA

La regla es fácil de enunciar y fácil de romper: la métrica correcta está un paso después de lo que hace la IA.

Actividad es cuánto trabajó la herramienta. Resultado es qué cambió en el número que ya le importaba al negocio antes de que la IA existiera.

Un reporte de actividad siempre sube, porque para eso está construida la herramienta. Un reporte de resultado puede quedarse plano, y esa es información real.

Uso de la IA	Actividad (no mide si sirvió)	Resultado (sí mide si sirvió)
Investigación de cuentas	Cuentas investigadas	Reuniones agendadas desde esas cuentas
Personalización de correos	Correos enviados	Tasa de respuesta positiva, con el mismo denominador antes y después
Lead scoring	Leads calificados	Tasa de cierre de los leads con score alto contra los de score bajo, en la misma ventana
Limpieza de CRM	Registros normalizados	Minutos que tarda un rep en encontrar el dato correcto de una cuenta

El error en acción, con cifras redondas para razonar el mecanismo y no como medición de nadie: un equipo reporta 3,200 registros normalizados en el mes como logro del proyecto de limpieza de CRM, y suena a trabajo hecho.

Falta saber si bajó el tiempo que tarda un rep en encontrar el dato correcto antes de marcar. Si nadie lo cronometró ni antes ni después, esos 3,200 registros (por reales que sean) no dicen nada sobre si la limpieza sirvió.

La línea base: capturarla, reconstruirla, o aceptar que no existe

Hay tres situaciones posibles y solo una es cómoda. Ubícate antes de seguir:

Dónde estás	Qué puedes medir	Cómo
Registraste la línea base antes de instalar	El efecto, directo	Compara la misma métrica en ventanas del mismo largo, antes y después
No la registraste, pero el CRM guarda la fecha de instalación	El efecto, con reservas	Filtra el mismo reporte por el periodo anterior a esa fecha
El proceso vivía en hojas sueltas o en la cabeza del equipo	Nada hacia atrás	Fija hoy como día cero y mide de aquí en adelante

El caso ideal se documenta primero aunque casi nadie esté en él, porque es la referencia con la que se comparan los otros dos: antes de instalar nada, registrar volumen y tasa de conversión del proceso manual durante 4-6 semanas.

Un ejemplo de esa disciplina, ya publicado en nuestro sitio: antes de montar el pipeline de prospección con Clay y HubSpot, el punto de partida quedó fijado en una frase: los SDRs (sales development reps) pasaban 20 horas a la semana investigando prospectos a mano. Eso es una línea base: un número concreto, del proceso manual, anotado antes de tocar nada.

El caso de cómo triplicamos el pipeline con Clay y HubSpot sigue el mismo patrón, con la tabla completa a 90 días: cuentas trabajadas por semana, tasa de respuesta positiva y pipeline calificado, cada uno con su valor antes y su valor después. Así se ve cuando la línea base y la ventana quedaron definidas desde el día uno.

El caso reconstruible es donde está la mayoría. Si el CRM registra cuándo se activó la herramienta, el mismo reporte filtrado por el periodo anterior te da un "antes" utilizable. No es tan limpio como una línea base capturada a propósito (otras cosas cambiaron en ese periodo, y de eso trata la sección de confusores), pero es sustancialmente mejor que nada.

En el caso sin salida, si el proceso no dejó rastro en ningún sistema, no puedes medir el efecto de haber instalado la IA. Lo que sí puedes hacer es registrar hoy el valor actual de tu métrica de resultado y medir desde ahí. Cualquier "mejoró" sin ese punto de partida no se puede verificar.

La fecha de verificación: cuándo se sienta alguien a decidir

La fecha de verificación se pone en el calendario el mismo día que fijas la línea base, y se elige con dos criterios:

Que alcance para un ciclo completo del proceso que estás midiendo. Si tu ciclo de venta dura 6 semanas, medir a las 3 no te dice nada.
Que junte volumen suficiente para que la diferencia no sea el ruido de una semana buena o mala.

Una regla de dedo para lo segundo, criterio operativo y no prueba estadística: por debajo de 20-30 eventos del resultado que estás midiendo, sean respuestas, reuniones o cierres, no decidas con esa sola cifra.

Un equipo que agenda alrededor de 5 reuniones al mes desde outbound tarda entre 4 y 6 meses en juntar esas 20-30 reuniones, cerca de medio año.

Con ese volumen tienes dos salidas, y ninguna es revisar a las dos semanas:

Sube la métrica un escalón en el embudo. Las respuestas positivas ocurren muchas más veces que las reuniones agendadas, así que juntan volumen antes. Pagas el precio de medir algo un paso más lejos del dinero.
Acepta el plazo largo. Pon la fecha a seis meses y escribe el compromiso de no decidir antes.

Con las tres piezas definidas, esto es lo que se completa antes de cerrar la pestaña:

Métrica de resultado elegida:      _______________________
Línea base:                        _______________________
Fuente de la línea base:           [ ] registrada antes  [ ] reconstruida del CRM  [ ] día cero (hoy)
Fecha de la línea base:            _______________________
Volumen mínimo para decidir:       _______________________
Fecha de revisión (en calendario): _______________________

Qué más cambió al mismo tiempo, para no atribuirle a la IA lo que no es suyo

Antes de darle el crédito o la culpa a la herramienta, lista qué más se movió en la misma ventana:

Tamaño o calidad de la lista de contactos
Precio del producto
Cambio de ICP (perfil de cliente ideal)
Estacionalidad del mercado
Entrada o salida de un rep
Otra automatización que se lanzó la misma semana

La regla es simple: si algo más cambió y no se puede aislar, no se afirma que la IA causó el resultado. Lo que sí se puede decir es que el número se movió en esta ventana, que en la misma ventana también cambió otra cosa y que todavía no se pueden separar los dos efectos.

Con cifras redondas para ver el mecanismo: un equipo automatiza la personalización de correos y, en las mismas cuatro semanas, sube el precio del producto 15%. La tasa de respuesta baja. Culpar a la IA es un error del mismo tamaño que exonerarla, porque ninguna de las dos conclusiones tiene con qué sostenerse.

Es el mismo reflejo que hace falta cuando la tasa de apertura se cae de golpe: antes de tocar DNS, mirar si las respuestas cayeron con ella. La primera explicación disponible casi nunca es la única.

El mínimo viable de control no necesita instrumentación: elegir una ventana donde conste por escrito que no hubo otro cambio relevante y, si lo hubo, anotarlo junto al resultado en vez de omitirlo. Un resultado con su confusor anotado al lado sigue siendo útil. Uno que finge que nada más cambió, no.

Cuatro proxies que no cuentan como medición

Tiempo "ahorrado" autorreportado, sin contrastarlo contra el CRM. La percepción de ahorro y el ahorro real casi nunca coinciden: alguien que se siente más productivo puede estar tardando exactamente lo mismo.
Adopción declarada. "Todo el equipo ya lo usa" solo mide que se declaró el hábito. El uso real está en los registros.
Puntajes de calidad del output, sin un enlace verificado a un resultado de negocio. Un correo que alguien calificó como "mejor redactado" y que no sube la tasa de respuesta no sirvió, por bien que se lea en pantalla.
Benchmarks de "ROI de la IA" sin metodología pública. No compares tu resultado contra un número que nadie puede auditar.

Qué hacer si la métrica dice que no sirvió

Esta es la mitad que casi todo el contenido sobre medir IA se salta, porque da por hecho que la respuesta va a ser positiva. Medida bien (métrica de resultado, línea base real o reconstruida, ventana con volumen), la métrica puede quedarse plana o empeorar. Qué sigue, en orden:

Vuelve a los confusores. ¿De verdad no cambió nada más relevante en la ventana? Si sí cambió algo, extiende la medición un ciclo más. No cortes con una señal ambigua.
Si sigue plana o negativa tras un ciclo limpio, corta la herramienta o el flujo concreto, no el presupuesto de todo el intento de usar IA. Y cuenta bien lo que te ahorras: aparte de la licencia están los créditos que se siguen consumiendo y el mantenimiento cada vez que la plataforma cambia algo sin avisar. Ese cálculo completo está en la sección "Costo y medición" de dónde la IA sí mueve revenue.
No lo conviertas en un juicio sobre una persona. Si la conclusión te empuja hacia "el problema es que el rep no lo usa bien", esa es otra pregunta, con otra evidencia y otro marco, y la trata cómo se enseña a vender. Este método mide el sistema.
No cambies de herramienta antes de arreglar la medición. Cambiar de logo sin métrica y sin línea base es repetir el error con otro proveedor: la siguiente evaluación va a fallar exactamente igual de invisible.

Lo que puedes hacer hoy mismo

No esperes al siguiente reporte trimestral. Llena la plantilla de arriba con lo que tengas ahora mismo:

Con línea base real: compárala contra la ventana equivalente posterior
Sin línea base pero con la fecha de instalación en el CRM: reconstruye el "antes" filtrando el periodo anterior
Sin ninguna de las dos: registra el valor de hoy, ponle nombre de día cero y agenda la revisión antes de cerrar esta pestaña

Lo único que no cuenta como respuesta es seguir con la sensación de que ayuda.

Si tienes varias automatizaciones corriendo y no sabes por cuál empezar, el diagnóstico sin costo de Improvitz sirve para mapear qué está prendido y con qué se podría medir cada cosa.

Nota: los resultados citados corresponden a implementaciones concretas, con su propio punto de partida, equipo y stack. No son una proyección de lo que va a pasar en otra empresa. Este artículo describe cómo se construyó el sistema, no promete su resultado.