Gobernanza de datos en marketing: lo que la IA puede usar y lo que no debería
La conversación sobre qué datos podía usar la IA en el contexto de marketing llegó tarde, como llegan casi siempre las conversaciones sobre límites: después de que un incidente hiciera visible que los límites eran necesarios. El incidente que la detonó fue la personalización de email que el cliente había percibido como invasiva, documentada en una entrada anterior de esta bitácora. Lo que ese incidente reveló no era solo un problema de presentación del dato, sino una pregunta más fundamental que el equipo nunca había respondido de forma explícita: ¿cuáles de los datos que la empresa tiene sobre sus clientes y prospectos es apropiado usar para personalización automatizada?
El marco que construí para responder esa pregunta organizaba los datos en 3 categorías según 2 dimensiones: si el cliente sabía que la empresa tenía ese dato, y si el cliente esperaba razonablemente que ese dato fuera usado para personalizar comunicaciones. La primera categoría eran los datos que el cliente había proporcionado de forma activa y sabía que serían usados: nombre, empresa, cargo, sector, solicitudes específicas hechas en conversaciones con el equipo. Esos datos eran apropiados para personalización en cualquier canal sin restricciones adicionales.
La segunda categoría eran los datos que el cliente sabía que la empresa podía tener pero que no esperaba necesariamente que fueran usados en comunicaciones de marketing: comportamiento de uso del producto, historial de tickets de soporte, frecuencia de acceso al sistema, funcionalidades usadas y no usadas. Esos datos eran apropiados para uso interno del equipo de customer success en sus conversaciones directas con el cliente, pero no para personalización automatizada de emails de marketing donde el cliente no espera ese nivel de visibilidad de su comportamiento específico.
La tercera categoría eran los datos inferidos por la IA a partir de otras fuentes: estimaciones de ingresos de la empresa del prospecto basadas en datos públicos, inferencias sobre el proceso de decisión basadas en el comportamiento de navegación, predicciones de intención de compra basadas en patrones de comportamiento. Esos datos no debían usarse para personalización de ningún tipo sin una capa explícita de verificación humana, porque la IA podía inferirlos incorrectamente y las consecuencias de una inferencia incorrecta podían ser más dañinas que la ausencia de personalización.
El marco de 3 categorías se convirtió en el criterio de decisión que el equipo consultaba antes de diseñar cualquier campaña con personalización basada en IA. No eliminó todos los casos ambiguos, que existen siempre en la aplicación de principios a situaciones específicas. Redujo significativamente la frecuencia de las decisiones de personalización que dependían del criterio individual no informado de cada miembro del equipo, reemplazándolo con un criterio compartido que el equipo podía aplicar de forma consistente sin necesidad de consulta al manager en cada caso.