La importancia de tener un Centro de Excelencia para tu ecosistema de Salesforce o cualquier otro CRM

Normalmente, eh, cuando un sistema complejo falla, ya sea un motor o, no sé, un cuerpo humano, siempre buscamos un diagnóstico clínico claro, ¿verdad? Claro, o sea, una respuesta binaria: o está roto o no está roto. Exacto, exacto. Pero a veces el fallo del sistema no es tan evidente. Es, es como una acumulación silenciosa de pequeños errores. Y bueno, hablando de sistemas que colapsan y de cómo la tecnología, eh, puede actuar de soporte, hay que hacer una aclaración importantísima antes de empezar este análisis a fondo. Sí, fundamental. Toda la información que vamos a destilar hoy, toda, la hemos estructurado utilizando Google Notebook. ¿Y por qué? Pues porque la fuente original de esta investigación, el experto Jesús Hoyos de CX2 Advisory, eh, resulta que estuvo fuera de combate por COVID y bronquitis durante el mes de julio. Madre mía, qué locura de combinación. Tela, sí. Así que, bueno, gracias a la tecnología de Google Notebook hemos podido recopilar y sintetizar todo su conocimiento experto mientras él, afortunadamente, se recuperaba. Pues fíjate, es un ejemplo perfecto de, de cómo una infraestructura tecnológica sólida te sostiene cuando las piezas fallan, ¿no? Y el tema central que nos trae su investigación hoy no podría ser más crítico. Porque a ver, las empresas están intentando inyectar inteligencia artificial en todos sus sistemas. Ya, en todas partes. Mhm. Pero sus infraestructuras, sus CRM, están básicamente en coma. Totalmente. Y por eso la misión de este análisis a fondo es desentrañar por qué implementar inteligencia artificial en un ecosistema CRM, eh, que está desordenado, pues es una receta garantizada para el desastre. Es que lo es. Y sobre todo, vamos a trazar una hoja de ruta muy específica. Vamos a ver cómo construir la verdadera solución, que es un centro de excelencia o COE, y cómo medir su éxito con métricas reales. O sea, nuestro objetivo hoy no es hablar de qué es un CRM. A estas alturas, para quienes nos escuchan, eso ya está superado. El foco es dar pasos prácticos para gobernar ese ecosistema, porque de verdad la ironía actual en el mundo corporativo es enorme. Bueno, vamos a desgranar esto, porque es una locura. Tenemos a corporaciones multinacionales y también a empresas medianas, ¿eh? Gastando auténticas fortunas en licencias de IA de última generación. Sí, sí, fortunas. Hablamos de herramientas carísimas como Agentforce de Salesforce. Y lo compran esperando que un agente inteligente resuelva todas las ventas por arte de magia. Pero claro, si levantas la alfombra, ostas, te das cuenta de que siguen gestionando sus bases de datos como si estuviéramos en los años 90. Lo fascinante aquí es que existe un mito corporativo tremendamente peligroso en esta era de la IA. Es esa, esa creencia ciega de que el algoritmo va a venir a limpiar la casa por ti. Ya, como si fuera una aspiradora automática. Exacto. Y mecánicamente hablando, la realidad es diametralmente opuesta. O sea, la inteligencia artificial no soluciona los datos sucios. Si tú le das a un modelo de IA un entorno lleno de datos duplicados, de reglas contradictorias, no lo va a arreglar. Simplemente, va a tomar decisiones equivocadas y va a generar, eh, alucinaciones comerciales, pero a una velocidad y a una escala devastadoras. Es que es brutal. Para entender cómo nos cura ese centro de excelencia, primero, eh, tenemos que diseccionar la enfermedad. Y la enfermedad, según vemos en la investigación, es esa inmensa deuda técnica acumulada por lo que llamamos el CRM fragmentado. O sea, un patrón arquitectónico clásico que siempre sale mal. Una compañía no compra una plataforma para toda la organización. En su lugar, el departamento de marketing, pues adquiere su propio módulo para sus campañas. Cada loco con su tema, ¿no? Tal cual. Y luego, seis meses después, ventas compra otra licencia para hacer sus previsiones. Y atención al cliente, por su lado, monta un sistema de tickets por su cuenta. Y el resultado es que creas islas, archipiélagos de datos totalmente desconectados. Es como, como comprar un coche de Fórmula uno y dárselo a un solo mecánico que no tiene herramientas y encima esperar que gane el mundial. Es una analogía perfecta. Es exactamente así. Pero a ver, te lanzo una pregunta, porque cuando leo sobre esta fragmentación y esta falta de documentación, me pregunto: ¿estamos ante un problema de simple pereza por parte de los desarrolladores o hay una directriz corporativa perversa detrás de todo este caos? Pues mira, casi siempre es un problema de estructura política y de miopía presupuestaria. Las deudas técnicas rara vez nacen de la pereza del técnico. ¿Ah, no? No, qué va. Surgen cuando, por ejemplo, hay que integrar dos nubes. En lugar de comprar un conector oficial que cuesta dinero pero mantiene los datos limpios de forma nativa, un director financiero dice: "Oye, no hay presupuesto, que el equipo de IT construya un parche a medida". Buf, el clásico parche. Y ese código personalizado que se hace deprisa y corriendo se convierte en una bomba de relojería. Pan para hoy, hambre para mañana, literalmente. Y el informe, eh, menciona un error mecánico gravísimo que ilustra esto a la perfección. Habla de la trampa del objeto lead o cliente potencial. Esto, te lo juro, me voló la cabeza. Es que es muy común, ¿eh? Habla de implementaciones enteras de Salesforce que se han construido girando únicamente en torno a los leads, aislando por completo la estructura real de cuentas y contactos. O sea, es el ejemplo perfecto de deuda funcional que destruye por completo el valor de la IA. Mecánicamente, en la base de datos, un lead debería ser solo eso, una tarjeta de visita temporal. Claro, un contacto inicial y ya está. Eso es. Si no se convierte adecuadamente en un contacto asociado a una cuenta, creas datos huérfanos. Imagínate que tienes a cinco personas de la misma empresa registradas como cinco leads aislados. Vale. Pues cuando la inteligencia artificial analice la base de datos para hacer una previsión de ventas, no va a ver que estás a punto de cerrar un macrocontrato corporativo. Verá cinco pequeñas oportunidades que no tienen nada que ver entre sí. Madre mía. Claro. Y entonces la IA te dará una recomendación estratégica completamente alucinada y errónea. Pero no porque la IA sea tonta, sino porque el modelo de datos subyacente está roto. Y claro, la excusa de: "Ay, es que no tuvimos tiempo de documentar cómo se relacionaban los datos", pues hoy ya no cuela. O sea, con herramientas que existen hoy, como Elements Cloud, la documentación del modelo de datos se puede automatizar casi por completo. Totalmente automatizada. Ya no hay excusa. Entonces, a ver, si el caos es insostenible y no podemos encender la inteligencia artificial sin arriesgarnos a que reviente nuestra lógica de negocio, ¿cuál es el antídoto? Pues ahí entra el centro de excelencia. Exacto. El documento señala que la solución es establecer este centro de excelencia, el COE, de forma permanente. Pero seamos claros, para quien nos oye y se lo esté preguntando, ¿qué es exactamente un COE a nivel operativo? A ver, para entenderlo, lo más útil es definir qué no es. Un centro de excelencia no es el equipo del proyecto de implementación. Tampoco es una PMO, o sea, la oficina de proyectos que simplemente desaparece el día que el sistema sale a producción Ya, no es algo temporal Y desde luego, no es un comité de directivos que se reúne, yo qué sé, el último viernes de cada mes para revisar un PowerPoint con cuatro gráficos de colores Entonces, estamos hablando de una capacidad organizacional permanente, ¿verdad? Exactamente. Esa es la gran diferencia. Los proyectos de una PMO tienen fecha de fin Haces el go live y a otra cosa. Pero en plataformas SaaS como Salesforce, que sacen actualizaciones cada trimestre y cambian todo, el gobierno de los datos no puede terminar nunca. Claro, es continuo. El COE tiene que ser un eje, un hub central que conecte al negocio, la tecnología y los proveedores externos. Y algo clave: tiene que tener nombres, apellidos y, sobre todo, su propio presupuesto. Aquí es donde la cosa se pone realmente interesante. Porque claro, durante la última década, la industria del software en la nube nos vendió el mito de que la tecnología era... Facilísima. Facilísima, sí. Haz dos clics. Exacto. Te decían: pagas la suscripción mensual, haces un par de clics y ¡bum! Ya tienes transformación digital. Pero la realidad es que esto exige un gobierno interno superestricto. Ahora bien, voy a ser de abogado del diablo un momento. A ver, dispara. Para cualquier gerente que nos escuche ahora mismo, ¿no suena todo esto de un centro de excelencia a crear un chiringuito burocrático de manual? ¿Una capa de trajes grises que van a tardar tres meses en aprobar que se añada, no sé, un triste campo de texto en un formulario? Si conectamos esto con el panorama general, la respuesta es no. Y a ver, es una objeción muy común, la escucho siempre, pero es errónea. Un COE no es un cuello de botella burocrático, es el control de tráfico aéreo. Control de tráfico, me gusta. Piensa en el volumen de herramientas que hay hoy. Tienes data cloud ingiriendo millones de registros, la nube de marketing disparando campañas, el portal de e-commerce, todo a la vez. Si no tienes ese control central, el equipo de marketing puede modificar un campo tonto que, sin querer, borre todo el histórico de atención al cliente. Ostras, claro, es que la pueden liar parda sin saberlo. Por eso el COE no frena la innovación. Lo que hace es canalizar la demanda del negocio para que un departamento no destruya la base de datos del otro. Vale, te compro la idea del control de tráfico. Tiene todo el sentido. Pero claro, un gobierno necesita ministros, ¿no? Para que esto funcione, el documento indica que hay que reunir a un equipo muy específico de especialistas internos, a los Avengers del ecosistema CRM, como los llama. Sí, sí, se acabó el llanero solitario. Claro. Esto rompe con la típica idea de tener al chaval de IT apurado y a un usuario avanzado en ventas intentando apagar todos los fuegos. Ese modelo tradicional está muertísimo. Las herramientas ahora tienen tal nivel de complejidad que necesitas especialistas de verdad. El rol principal, por ejemplo, es el arquitecto del ecosistema CRM. Y fíjate bien que dice ecosistema, no experto en una sola nube. Es como el director de orquesta. Y junto a él, el texto menciona administradores especializados por cada nube, analistas de negocio, que, bueno, son los que traducen lo que pide ventas al lenguaje técnico. Imprescindibles. Y luego un responsable de DevOps para el código y un líder del COE, que es el que se sienta con la directiva. Pero, eh, me quiero detener en un rol que subraya la investigación y que hoy parece vital: el arquitecto de datos ¡Uf! Es indiscutiblemente la figura más crítica si pretendes usar inteligencia artificial. Hoy los datos, o sea, no viven solo en tu CRM. Ya. Vienen de Snowflake, de bases de datos externas, de sistemas ERP antiguos. El arquitecto de datos es el que asegura que da igual de donde venga la información, el formato sea consistente. Si no tienes a este perfil, la IA simplemente se atraganta. De acuerdo. La alineación del equipo es muy potente. Pero a ver, hay algo en la fuente que me hizo levantar una ceja. ¿El qué? Pues que insiste muchísimo, pero muchísimo, en que este centro de excelencia tiene que estar superconectado con el departamento de recursos humanos. Y aquí te cuestiono un poco: ¿qué pinta recursos humanos diseñando la arquitectura de un sistema técnico? Ya, parece raro, ¿verdad? O sea, ¿por qué no dejamos que el director de tecnología contrate a sus ingenieros como toda la vida y no metemos a recursos humanos en camisas de once varas? Es una objeción buenísima, ¿eh? Pero la conexión con recursos humanos no es para diseñar la arquitectura técnica, es pura supervivencia. Es para asegurar que el COE no desaparezca. A ver, explícame eso. En este ecosistema tecnológico, el talento es increíblemente escaso y supercaro. Si tú no tienes a recursos humanos definiendo planes de carrera específicos, certificaciones pagadas, un programa de retención, a tu arquitecto estrella se lo llevan mañana. Claro, le ofrecen más dinero y adiós. Has invertido un año en que entienda tu modelo de negocio y se va a la competencia por un veinte por ciento más de sueldo. O sea, recursos humanos está ahí para evitar que tu empresa sea una academia de formación gratuita para tus competidores. Visto así, tiene todo el sentido del mundo claro. Pierdes al arquitecto y pierdes el mapa del tesoro. Ahora, vamos a bajar esto a la Tierra, a los números. Hablamos de contratar a cinco o seis perfiles altísimamente especializados. Sí, no son baratos. Si una empresa mediana, eh, apenas tiene liquidez para pagar las licencias trimestrales, ¿cómo demonios va a permitirse esta supernómina? El documento lo aborda muy bien y hay que desmitificarlo. A ver, no tienes que contratar a todos el primer día. Menos mal. Existen los modelos híbridos. Puedes externalizar o subcontratar ciertas funciones técnicas a una consultora en las primeras fases. Pero ojo, siempre manteniendo tú internamente el rol del líder del COE y del arquitecto de datos. Vale, porque lo que sí advierte como un peligro absoluto es la externalización al cien por cien. Eso es una línea roja. Totalmente. Delegar el gobierno completo de tu CRM a un tercero siempre fue mala idea, pero es que en la era de la IA es un suicidio corporativo directamente. ¿Por qué? Porque la IA necesita entender el contexto superíntimo de tu modelo de negocio. Si todo ese conocimiento está solo en la cabeza de un consultor externo, que por cierto va a rotar a otro proyecto en seis meses, estás hipotecando el futuro de tu empresa. El gobierno estratégico se queda en casa siempre Vale, vale, clarísimo. Tenemos a nuestros Avengers sentados en la oficina, ya tienen presupuesto y recursos humanos les ha blindado los contratos Ya pueden empezar a trabajar Eso es. ¿Por dónde empiezan? Porque la investigación detalla unas trabas operativas críticas que deben dominar sí o sí antes de ponerse a jugar con Agentforce o modelos predictivos. Y el primer gran monstruo a derrotar es la crisis de identidad digital Exacto. Es un problema de fragmentación pura. Pasa en casi todas partes. Resulta que para el software de marketing un cliente es solo un email Ajá Para la nube de ventas, ese mismo cliente es una cuenta con un CIF y para atención al cliente es simplemente un número de incidencia Es decir, la empresa sufre de personalidad múltiple cada vez que mira a un mismo cliente Tal cual. El primer trabajo táctico del COE es la resolución de identidad. Tienen que unificar esas visiones en un solo modelo de datos estandarizado. Y, oye, de la mano de esto, imponer mucho rigor en cómo el negocio pide las cosas ¿A qué te refieres? Pues que se acabó eso de que el director comercial mande un email de tres líneas diciendo: "Oye, ponme un botón nuevo que calcule descuentos." No, ahora deben exigir historias de usuario completas, con contexto y criterios claros Ya, profesionalizar las peticiones. Y esto nos lleva a un concepto superimportante: DevOps y los famosos sandboxes, que básicamente son entornos de prueba Importantísimos El autor recalca que hacer cambios de código directamente en el entorno de producción es una irresponsabilidad tremenda. Y para que nos hagamos una idea visual, es como intentar cambiarle las ruedas al coche mientras vas a ciento veinte por hora por la autopista Es una analogía bestial y es totalmente real. Por eso el COE debe defender el presupuesto para mantener esos sandboxes a capa y espada Sí, sí Necesitas un flujo continuo. Desarrollas en un entorno, pasas a calidad, luego apruebas con usuarios clave y solo al final, si todo va bien, despliegas en producción. Y ojo, porque esto cobra una importancia de vida o muerte cuando hablamos de IA ¿Por qué exactamente? ¿Qué pasa con la IA ahí? Porque los agentes de inteligencia artificial de ahora no solo leen datos, ejecutan acciones de forma autónoma Ostras Imagínate configurar dos agentes de IA y soltarlos directamente en producción sin haberlos probado. Podrían entrar en un bucle lógico y, yo qué sé, borrar miles de registros de clientes en tres segundos. Sin disciplina automatizas la destrucción masiva Es terrorífico, pero fascinante a la vez. Y entiendo que esa misma disciplina aplica a las actualizaciones, ¿no? Plataformas como Salesforce te obligan a actualizar el sistema tres veces al año, te guste o no Así es. Y en lugar de entrar en pánico, el COE aplica un árbol de decisión superimplacable. Se preguntan: ¿Lo que nos pide negocio ya viene nativo en esta actualización? Y gratis, claro. Exacto. Si no viene, miran si está en la tienda de aplicaciones, el AppExchange. Y solo como ultimísimo y doloroso recurso, se plantean escribir código a medida. O sea, el código siempre al final para no engordar la deuda técnica. Eso es. Aplicar lógica de negocio antes de picar una sola línea de código. Esa es la verdadera madurez operativa. Muy bien, la teoría suena supersólida, pero pongámonos un momento en los zapatos de un director financiero. Vale. Él dirá: ¿cómo trazo la hoja de ruta para empezar? ¿Y cómo mido que toda esta estructura me sirve para algo? La fuente desglosa esto en cuatro fases de madurez y cuatro dimensiones de medición. Desgranemos esto porque me parece que aquí está el valor real del informe. Empecemos por las cuatro fases de madurez del COI. La fase uno es el modo reactivo, es decir, apagar fuegos todos los días. El día a día de mucha gente. Tristemente, sí. Luego está la fase dos, que es la centralización. Aquí ya tienes a tu equipo núcleo, tu presupuesto y los sandboxes funcionando bien. Vale. La fase tres es la optimización. Los procesos ya fluyen, DevOps es maduro y el CRM se integra limpiamente con otros sistemas. Y finalmente La fase cuatro es la innovación continua Que es donde ya puedes escalar modelos de IA predictiva a nivel global, ¿no? Y oye, algo que recalca la investigación, y que creo que es un alivio inmenso para muchas empresas, es que está perfectamente bien quedarse en la fase dos o tres. No hay que obsesionarse con la cuatro Esto plantea una pregunta importante sobre las expectativas que nos ponemos. No todas las pymes o empresas medianas necesitan llegar a la fase cuatro y hacer despliegues hiperglobales Claro Lo vital es que aunque estés en la fase dos, tengas gobierno, tengas estructura y tengas un responsable claro Entonces, ¿qué significa todo esto a nivel de métricas? ¿Cómo le demostramos al financiero que estar en esa fase dos es rentable? Ahí es donde entran las cuatro dimensiones fundamentales que el COE tiene que monitorear siempre. La primera es la adopción. Pero ojo, no hablamos de cuánta gente hace login por las mañanas Eso es una métrica de vanidad total Exacto. Hablamos de la calidad real de los datos que introducen en el sistema. La segunda dimensión es el rendimiento del negocio. Es decir, este sistema acelera el túnel de ventas, reduce los costes de operar Ajá. Métricas de negocio puras y duras Eso es. La tercera es la calidad técnica. Aquí medimos si los despliegues se hacen sin errores y si logramos reducir los famosos bugs o fallos en producción. Y la cuarta, la más importante para mí, la satisfacción del cliente Desde que lo captas hasta que lo retienes, ¿no? Si mejoramos su experiencia o no. Y bueno, al medir todo esto, queda clarísimo si el costo total de propiedad, el TCO, está justificado por el retorno de inversión Y fíjate, el informe señala que estructurar un COE básico puede costar entre cincuenta mil y cien mil dólares al año Y aquí hace un apunte brillante sobre mercados con presupuestos más ajustados, como por ejemplo el ecosistema de pymes en España o todo el mercado de Latinoamérica Es que es vital entender esto Te dice que si tienes presupuestos ajustados, el COE no es un lujo corporativo de empresa gigante, es un chaleco salvavidas. Si tienes poco dinero, precisamente no puedes permitirte el lujo de desperdiciarlo en desarrollos duplicados o herramientas que nadie adopta Es supervivencia pura. Por eso la falta de presupuesto es, irónicamente, la mayor razón para tener un COE. Y por eso la adopción es un trabajo cultural continuo. Tienes que impulsar a tus empleados a usar recursos gratuitos como Trailhead y apoyarse en la comunidad Qué viaje hemos dado hoy, de verdad. Para resumir un poco el tremendo valor de este análisis a fondo, eh, partimos de la absoluta ironía de querer usar inteligencia artificial de vanguardia en bases de datos que parecen de 1998 Una contradicción enorme Vimos que el CRM fragmentado y los datos huérfanos solo provocan alucinaciones en los algoritmos. Y descubrimos que la cura real es montar este centro de excelencia, un equipo de Avengers respaldado por recursos humanos que usa sandboxes para no destruir el trabajo diario Y que avanza midiendo resultados reales en base a esas fases y dimensiones. Es, en definitiva, un replanteamiento total de cómo entendemos la tecnología corporativa. Totalmente. Y mira, para cerrar, creo que debemos detenernos en una reflexión un poco más filosófica, pero muy pragmática, que emana de todo esto. A ver, cuéntame. Sabemos a ciencia cierta que los modelos de IA se entrenan basándose en comportamientos pasados y en datos históricos. Sí. Por lo tanto, si conectas una IA generativa a un ecosistema CRM lleno de deuda técnica, lleno de procesos que nunca se documentaron y de decisiones que se tomaron bajo el radar, pues la IA va a aprender exactamente de todo eso. La pregunta es: ¿qué tipo de cultura corporativa artificial estamos creando? Uf, es una perspectiva francamente escalofriante si te paras a pensarlo. Lo es, lo es. Si no implementamos un centro de excelencia hoy mismo, dejar que una inteligencia artificial asimile todo el caos orgánico de una empresa no va a generar orden por arte de magia. No, claro que no. Lo único que vamos a conseguir es automatizar nuestra propia ineficiencia, pero a una velocidad y con una fuerza destructiva que nunca antes habíamos visto en la historia de los negocios. Madre mía, automatizar el caos organizativo a la velocidad de la luz. Menuda advertencia para terminar. Es, desde luego, un pensamiento superprovocativo que obliga a cualquier directivo a reflexionar seriamente sobre si su empresa está realmente lista para sobrevivir a esta revolución tecnológica. Muchísimas gracias a todos por acompañarnos en este análisis a fondo, por cuestionar las cosas con nosotros y por intentar entender no solo qué pasa, sino por qué pasa. Nos escuchamos en el próximo análisis