Sinimex presenta un entrenador con IA para ventas corporativas que verifica las afirmaciones con la documentación

Sinimex ha presentado un prototipo de entrenador con IA para ventas B2B. La herramienta enseña a los comerciales a negociar, a gestionar objeciones y a no exagerar las prestaciones del producto. El sistema ya está en fase de pruebas: tras cambiar de arquitectura ganó bastante estabilidad, y el equipo confía en que el entrenamiento periódico eleve al menos un 15% las solicitudes de propuestas comerciales.

Del fracaso al simulador La idea nace de un problema habitual en las ventas B2B.

Un comercial novato puede llevar con soltura la primera parte de una reunión y perderse cuando el cliente empieza a plantear preguntas incómodas sobre el producto, la documentación y las ventajas de cambiar de proveedor. En la venta al consumidor ese error todavía se puede encajar, pero en el segmento corporativo cada reunión fallida supone un lead perdido, tiempo del equipo y dinero. Para las empresas con ciclos de venta largos, un tropiezo así resulta especialmente doloroso y caro.

Por eso Sinimex optó por construir un simulador de negociaciones en lugar de un simple chatbot. El entrenador debe acompañar al comercial durante todo el ciclo de la conversación, desde el saludo hasta el cierre de los siguientes pasos, plantear objeciones realistas y ofrecer feedback al terminar. Para entrenarlo se usaron dos tipos principales de datos: guiones de visitas con objetivos y objeciones típicas, y documentación del producto en PDF, para que el agente se apoye en hechos y no en «sensaciones».

Una arquitectura bajo control El equipo probó tres enfoques.

Descartó el esquema de un solo agente por la saturación del contexto: en conversaciones largas, el modelo perdía el hilo y seguía peor las instrucciones. El enfoque multiagente clásico tampoco encajó: es flexible, pero se parece demasiado a una caja negra en la que cuesta entender por qué un agente pasó una tarea a otro y en qué punto surgió el error. Al final se decantaron por el sequential prompting: una cadena de pasos acotados con salida controlada en JSON y prompts separados para cada fase de la conversación.

selección del prompt según la fase de la conversación generación de varias versiones de la réplica elección de la mejor respuesta por parte de un agente independiente envío de la réplica final al comercial Aun así, la primera versión del sistema fracasó: solo 2 de 8 diálogos se consideraron exitosos. El equipo añadió entonces un segundo agente «editor» que elige la mejor opción entre varias respuestas generadas. Este pipeline en dos etapas aligeró el prompt principal y dio al modelo más variedad sin perder el control.

En la segunda iteración, el resultado subió a 7 diálogos exitosos de 8, y las respuestas sonaban más naturales. Ese fue el punto de inflexión del proyecto.

Detector de invenciones El siguiente paso fue complicar la simulación.

El entrenador incorporó niveles de dificultad: en el fácil, el cliente virtual es más complaciente; en el medio, exige argumentos; y en el difícil, examina con lupa cada afirmación del comercial. Fue aquí donde se añadió RAG, para que el agente pudiera consultar la documentación y detectar promesas sin respaldo. De lo contrario, el entrenador se creería cualquier promesa del comercial o discutiría sin apoyarse en hechos.

El flujo funciona así: el comercial hace una afirmación sobre el producto, el sistema aísla la tesis concreta, localiza mediante búsqueda vectorial el fragmento relevante de la documentación y pasa la afirmación junto con ese fragmento al modelo para que emita un veredicto. Si el comercial asegura, por ejemplo, que la versión en la nube del producto soporta 500 usuarios simultáneos, pero la documentación solo recoge datos de una prueba con dos, el agente no le da la razón automáticamente y señala la discrepancia con tacto. Según el equipo, cada prompt se reescribió de media unas 12 veces para lograr este comportamiento.

Qué significa

El proyecto de Sinimex muestra que los agentes de IA corporativos evolucionan cada vez más desde los «chats inteligentes» hacia simuladores aplicados con lógica verificable. Si este formato confirma las previsiones de crecimiento de ofertas y de conversión a pilotos, la IA podrá asumir en las ventas B2B el papel de entrenador permanente, disponible en cualquier momento y apoyado en documentos en lugar de en la improvisación. Para los departamentos comerciales internos, esto ya ha dejado de ser un experimento por el mero hecho de experimentar: es una herramienta potencial para escalar la formación.