Descubre cómo preparar a tu organización para la Edad de la IA
En la Conferencia de Martech de septiembre de 2025, Jessica Kao, directora de B2B GTM Transformation Advisory en Adobe, moderó un panel poderoso sobre una de las preguntas más difíciles que enfrentan las empresas hoy: ¿Cómo se alinea su organización para la Edad de AI?
Uniéndose a ella en el panel estaban:
- Verl Allen, CEO de Clarine.
- Julz James, director de GTM Systems, Fleetio.
- Ali Schwanke, fundador de Simple Strat.
- AJ Sedlak, Tecnología de Marketing y Gobernanza, Ford Motor Company.
Durante más de 40 minutos, el panel regresó una y otra vez a tres temas clave: calidad de datos, alineación organizacional y preparación cultural. El consenso fue claro: la IA no crea orden del caos. Si las organizaciones no evolucionan su cultura y sus estándares, la IA acelerará la disfunción, no la arreglará.
Los datos limpios ya no son opcionales
Allen marcó la pauta desde la perspectiva ejecutiva. Argumentó que las empresas deben construir una alineación en datos de alta calidad, estructurados y estandarizados dentro de los equipos y en todos los flujos de trabajo, aplicaciones y departamentos.
«Limpie los datos en, mejores resultados», advirtió Allen. «Si no, solo estamos acelerando el caos con AI».
Su énfasis:
- Compromiso con los estándares de metadatos para que el contexto se mueva con los datos.
- Cambios de cultura interfuncional- La calidad y la consistencia no pueden ser responsabilidad de un solo equipo.
- La realización de que múltiples sistemas y aplicaciones ahora tocan los mismos flujos de trabajo, exigiendo la responsabilidad compartida.
James estuvo de acuerdo del lado del operador. Los sistemas fragmentados, dijo, crean no solo ineficiencia sino también salidas sesgadas. «Datos malos en la mala experiencia del cliente», enfatizó. La precisión no es solo un problema técnico: afecta directamente la medición del ROI.
¿Cuándo son los datos ‘lo suficientemente buenos’?
Los especialistas en marketing no pueden esperar datos perfectos antes de usar AI. Schwanke lo comparó con comenzar una dieta: «Siempre hay un mañana. Nunca tendrás datos perfectos. La pregunta es: ¿Cuándo es lo suficientemente bueno para comenzar?«
Su marco: los tres CS:
- Contexto: ¿Para qué se utilizarán los datos?
- Consecuencia: ¿Qué pasa si estamos mal?
- Confianza: ¿Cómo probaremos y validaremos suposiciones?
Ella argumentó que los proyectos de IA son iterativos. La perfección es imposible, pero la confianza proviene de barandillas y pruebas. Kao agregó que las organizaciones deberían comparar la «Vigerial Vía frente a la nueva forma», no para probar la perfección sino para generar confianza en el impulso hacia adelante.
¿Qué bloquea la alineación de marketing?
Cuando la audiencia para la sesión respondió a una encuesta sobre los principales obstáculos para la alineación de marketing, las principales respuestas fueron:
- Equipos aislados.
- Calidad de datos.
- Resistencia al cambio.
Sedlak señaló que la alineación no se trata de intercambiar actualizaciones en las reuniones. Se trata de objetivos compartidos, prioridades compartidas y hojas de ruta conjuntas. De lo contrario, se acumula para la escalabilidad a largo plazo, mientras que el marketing se enfrenta a victorias rápidas, lo que lleva a la desconfianza.
Allen agregó que los incentivos desalineados profundizan la división. «Puede impulsar una construcción de varios años», dijo. «El marketing puede solo querer una solución liviana que puedan usar mañana. Sin confianza, ambas partes pierden».
James enfatizó que hoy todos -De las ventas a las finanzas, es más experto en tecnología que hace cinco años. El marketing puede redactar requisitos y, a veces, incluso lo pasar por alto por completo. Ese cambio exige más coordinación, no menos.
Schwanke cerró el bucle: el arma secreta es un documento de requisitos comerciales. Sin ella, la desalineación es inevitable.
Desglosando Silos: AI como función de forzamiento
Paradójicamente, la IA puede ser el mejor antídoto contra los silos. Kao observó: «La IA no reconoce los departamentos. Nos obliga a trabajar de manera cruzada».
Los panelistas describieron pasos prácticos:
- Cambiar de las herramientas al pensamiento sistémico. James describió pasar de «solo trapeadores» a «sistemas GTM», alineando ventas, TI, finanzas y CX en torno a plataformas compartidas.
- Evolucionar habilidades de habilidades. Sedlak argumentó que los líderes de MOPS deben ir más allá de empujar con botones y comprender cómo funcionan e integrar los sistemas. «Ahí es donde desbloqueas el poder, resolviendo problemas creativamente».
- Introducir nuevos roles. Allen destacó el surgimiento del director de datos como un puente entre este y marketing. Este rol «no es de árbitro, pero garantiza que las decisiones tengan implicaciones de datos y contexto en toda la organización».
Precurtar versus viajes posteriores a la compra
Las preguntas y respuestas de la audiencia se volvieron prácticas: ¿están alineados los viajes previos a la compra y después de la compra en una sola herramienta?
Schwanke’s Take: No crea que todos los proveedores prometen visibilidad de extremo a extremo. «Cuando una plataforma promete todo a todos, no es cierto. Concéntrese en el Datos mínimos viables Necesita a través del viaje, luego sistemas de ingeniería inversa para entregarlo «.
Ese enfoque de pensamiento de sistemas, comienza con los resultados, no las características de la herramienta, obtuvo un amplio acuerdo.
Basura en: ¿Los humanos lo escondieron antes de Ai?
Otra pregunta hizo si los humanos cubrieron los malos datos antes de la IA. James respondió sin rodeos: «Sí». Los humanos verificaron manualmente las hojas de cálculo, las listas fregadas y los datos validados antes de las campañas. Con IA, esas barandillas desaparecen a menos que el sistema esté capacitado y monitoreado.
Su consejo es exigir temprano la validación humana en el circuito, luego liberar la IA cuando se demuestre la confianza. «Al principio, consulte cada correo electrónico. Una vez que sepa que no es alucinante, déjalo rasgar».
Opciones de IA a prueba de futuro
Kao planteó un problema crítico con visión de futuro: ¿Cómo evitamos crear nuevos silos comprando demasiadas herramientas de IA?
Su predicción: los agentes de IA pronto necesitarán interoperabilidad. Los especialistas en marketing deben elegir plataformas con apertura y estándares, o correr el riesgo de recrear la fragmentación de hoy mañana.
Schwanke reformuló el desafío como liderazgo: «Hemos logrado personas durante décadas. La IA no está ‘establecida y olvida’. Es como administrar empleados robóticos.
Sedlak extendió la metáfora: las organizaciones deben ejecutar «revisiones de empleados de IA». Los líderes deben exigir la explicación, evaluar la calidad de la decisión y monitorear continuamente los resultados, tal como lo harían con el personal humano.
Control de sesión clave para los líderes
- Los estándares de datos no son opcionales. Sin metadatos, contexto e higiene, AI acelera el caos.
- La perfección es imposible: la confianza es suficiente. Use marcos como los tres CS para saber cuándo avanzar.
- La alineación requiere objetivos compartidos. Deja de construir en silos; Las hojas de ruta deben cruzarlo, marketing, ventas y finanzas.
- Los documentos de requisitos comerciales son un arma secreta. La claridad evita las construcciones y la desconfianza.
- La IA rompe los silos, pero solo si los líderes adoptan el pensamiento de sistemas. Las operaciones de marketing deben evolucionar al liderazgo de sistemas GTM.
- Los nuevos roles importan. El director de datos puede cerrar las prioridades de marketing de él y de marketing.
- PROFURADO DEL FUTURO con interoperabilidad. Elija herramientas que puedan conectarse con otros en un ecosistema de IA agente.
- Trate la IA como empleados. Establezca expectativas, monitoree el rendimiento y revise las salidas regularmente.
El resultado final
La adopción de AI ya no es un proyecto de marketing; Es una transformación empresarial. La calidad de los datos, la alineación y la preparación cultural, no solo las herramientas, decidirán quién gana.
Como advirtió Allen, «si no establecemos estándares y contexto, solo estamos acelerando el caos». Schwanke reformuló esto, argumentando que AI no es una caja negra sino un nuevo tipo de fuerza laboral, una que necesita liderazgo, responsabilidad y confianza.
Las organizaciones que reconocen este cambio, se alinean en torno a los resultados comerciales y a los sistemas a prueba de futuro no solo sobrevivirán a la edad de IA, sino que lo liderarán.
