La semana pasada publiqué una sola línea sobre el nuevo modelo Fable y no paró de moverse. La línea era simple: Fable es el primer modelo que se comporta como si te dijera, sé lo que estoy haciendo, no te metas por favor. Reunió 131.709 impresiones y 784 reacciones, y los comentarios se convirtieron en una discusión sobre si la IA de verdad puede sacar el trabajo adelante sola. Debajo del ruido estaba la pregunta que sí me importa, como alguien que vende cada semana. Si el modelo por fin tiene la seguridad para actuar sin que lo lleven de la mano, el AI SDR que todos siguen vendiéndonos, es real ahora, o sigue siendo una demo vestida para un vídeo de lanzamiento?
Dirijo Growth Cab, la consultora GTM que fundé, y el outbound para mí no es teoría. Lo hago yo, lo hace mi equipo, y construimos las herramientas que usamos. Así que esto no es la reseña de un producto que vi una vez. Es lo que aprendí al confiar trabajo real de prospección a un AI SDR construido sobre esta nueva clase de modelos, incluidas las partes que todavía me avergüenzan.
in
“Fable is the first model to go like: Bro I know what I'm doing. Stay out of it please. That confidence makes sense when you see how Anthropic shipped it.”
Qué es de verdad un AI SDR hoy
Un AI SDR es software que hace el trabajo de un sales development rep. Elige las cuentas que vale la pena perseguir, investiga cada una, escribe el primer mensaje, gestiona el seguimiento e intenta agendar la reunión. La categoría lleva dos años viviendo en las diapositivas. Durante casi todo ese tiempo fue un mail merge con una página de marketing muy segura de sí misma, y cualquiera que hiciera outbound de verdad sentía el hueco en una semana. Los mensajes eran genéricos, la segmentación era perezosa, y todo producía volumen que ningún comprador serio respondería nunca.
Lo que cambió no es la carcasa de software. Es el modelo que hay debajo. Los modelos de la clase Fable investigan como un analista y toman las pequeñas decisiones que antes requerían a una persona. Esa sola mejora es la razón por la que el AI SDR pasó de ser un truco de fiesta a algo que de verdad mantengo en el pipeline.
Por qué el salto del modelo es toda la historia
Este es el flujo que me convenció. Construimos una skill sobre Claude que toma un contacto objetivo y hace investigación profunda de la empresa, lee cómo describen su propio producto, encuentra el evento detonante que vale la pena mencionar y redacta un primer mensaje que solo tiene sentido para esa persona. Si mandaras el mismo mensaje a otra empresa se caería, y ese es justo el punto. Una relevancia tan específica era imposible cuando el modelo no podía sostener suficiente contexto ni razonar sobre él.
Las herramientas antiguas fallaban porque no podían decidir nada. Rellenaban una plantilla. Un buen SDR es sobre todo una secuencia de pequeñas decisiones: vale esta cuenta el esfuerzo, qué le importa de verdad a esta persona, es el momento adecuado, qué digo para merecer una respuesta. Los nuevos modelos aciertan suficientes de esas decisiones como para que el resultado deje de leerse como spam. Ese es el desbloqueo real, y es la razón por la que un founder que descartó esta categoría el año pasado debería volver a mirarla.
Las tres tareas que le confío al AI SDR
No dejo que lleve toda la maquinaria. Le doy las tres tareas que hace mejor que un humano cansado a las 8 de la mañana.
Una, la investigación. Lee la cuenta, la persona, las noticias recientes y el stack tecnológico más rápido de lo que yo abro las pestañas, y me entrega contexto que habría saltado. Dos, el primer borrador. Escribe un primer mensaje lo bastante específico para enviar tras una edición rápida, lo que elimina el impuesto de la página en blanco que mata la constancia en silencio. Tres, la memoria del seguimiento. Registra quién quedó en silencio, qué se dijo y cuándo volver a tocar, para que nada se cuele por las grietas entre reuniones.
Solo esas tres me devolvieron las dos horas de preparación manual que había delante de cada buen día de outbound. Es un número real, y se repite cada mañana.
Dónde el AI SDR todavía se rompe
Ahora la parte honesta, porque los vídeos de lanzamiento nunca te la van a contar. Tres cosas todavía se rompen, y dos están escritas en la economía del asunto.
Primero, coste y límites. La razón por la que el resultado por fin es bueno es que corre sobre el mejor modelo disponible, y el mejor modelo es caro y está limitado a propósito. Mi propio post bromeaba con ello: puedes quemar el límite semanal en un puñado de prompts y luego quedarte en timeout durante días. Apunta un AI SDR totalmente autónomo a una lista grande y te encuentras ese muro rápido. La calidad a escala cuesta dinero de verdad, y quien promete volumen personalizado ilimitado por una tarifa baja y fija está bajando el modelo en silencio para que le salgan las cuentas.
Segundo, el criterio de cuándo callarse. El modelo es bueno decidiendo qué decir y flojo decidiendo si decir algo. Escribirá un mensaje seguro y bien documentado a una cuenta que cualquier rep con experiencia se saltaría. Dejado solo optimiza por actividad, y la actividad contra la lista equivocada es como quemas dominio y reputación al mismo tiempo.
Tercero, la conversación real. El AI SDR puede abrir un hilo. Todavía no sabe sostener el intercambio humano y desordenado que convierte una respuesta en una reunión agendada, leer la duda detrás de una contestación corta, o saber cuándo soltar el pitch y simplemente ser útil. En el momento en que una persona real responde con algo inesperado, hace falta un humano que tome el volante.
Cómo lo llevo de verdad
Así que la configuración que me funciona no es un robot que sustituye al equipo. Es el AI SDR haciendo investigación, borradores y memoria del seguimiento, mientras un humano es dueño de la lista objetivo y de cada conversación en vivo. El modelo aporta la seguridad de la que bromeaba mi post viejo. Yo aporto el criterio sobre dónde apuntarlo. Esa división del trabajo agenda reuniones de las que estoy orgulloso, y lo hace sin las dos horas de trabajo sucio.
Si estás evaluando una de estas herramientas, ponla a prueba contra esa línea. Pídele que prospecte diez cuentas y lee lo que produce. Si los mensajes se podrían haber enviado a cualquiera, el modelo de debajo es demasiado débil o el proveedor lo bajó para ahorrar. Si cada mensaje pertenece claramente a una sola empresa, tienes delante lo de verdad, y vale la pena construir alrededor.
Tu jugada
Todo el debate debajo de ese post sobre Fable se reducía a un instinto: la gente quiere saber si por fin puede confiar en la IA para sacar el trabajo. Para la prospección la respuesta es un sí prudente, siempre que mantengas humanos el criterio y las conversaciones. Empieza por la investigación y los borradores esta semana y mide el tiempo de preparación que recuperas.
Cada día desgloso una jugada de revenue con IA como esta en The Revenue AI Brief, la newsletter diaria para operadores B2B, incluidos los prompts exactos detrás de nuestra skill de prospección. Deja tu email de trabajo abajo y la edición de mañana te llega a la bandeja. Y si crees que me equivoco sobre dónde se rompe el AI SDR, dímelo en LinkedIn. Respondo a todo.
