Cómo confiar en una puntuación de IA

Pedirle a un modelo de lenguaje que califique un contacto, una llamada de ventas o un contrato toma una tarde. Lograr que un equipo de ventas confíe en esa puntuación, y actúe con ella, toma ingeniería. Sin ella, el primer resultado extraño termina el proyecto: alguien ve un contacto prometedor marcado como frío, y nadie vuelve a mirar las puntuaciones.

Hace poco construimos una plataforma de ventas asistida por IA que reúne el CRM, las transcripciones de llamadas, documentos, hojas de cálculo, chat y email en un solo lugar, y califica lo que importa. Estas son las piezas que hicieron que valiera la pena leer las puntuaciones.

1. Salidas estructuradas, no prosa

El modelo devuelve una estructura fija: una puntuación, las razones y la evidencia que usó, cada una en su propio campo. La prosa es para las personas. El software necesita campos que pueda validar, guardar y comparar.

2. Un respaldo determinista

Los modelos se demoran, devuelven algo mal formado o simplemente no están disponibles. Cuando pasa, una puntuación basada en reglas toma el lugar y queda marcada como tal. El equipo nunca ve un espacio vacío, y nunca confunde un respaldo con el criterio del modelo.

3. Revisión humana donde importa

Las puntuaciones que disparan una acción (mover un negocio, descartar un contacto) pasan primero por una persona. Sus correcciones se registran, y con el tiempo muestran dónde acierta el modelo y dónde no.

4. Trazabilidad

Cada puntuación guarda los datos que vio y el resultado que produjo. Cuando alguien pregunta “¿por qué este contacto es un 3?”, la respuesta está a un clic, no es una suposición.

5. Procedencia del modelo y de las instrucciones

Cada puntuación registra qué modelo y qué versión de las instrucciones la produjo. Cuando cambia cualquiera de los dos, puedes distinguir las puntuaciones viejas de las nuevas, y compararlas.

6. Pruebas de regresión

Un conjunto fijo de ejemplos reales, con puntuaciones acordadas por personas, corre antes de que cualquier cambio en el modelo o en las instrucciones salga a producción. Si la nueva versión discrepa en casos que antes acertaba, el cambio espera.