El “6 a 1” de cold calling contra email con AI: qué midió realmente el estudio de ValueSelling

ValueSelling Associates publicó el 11 de agosto de 2026 Cutting Through the Noise: Prospecting in the AI Era, una investigación realizada con Selling Power. Demand Gen Report retomó los resultados el 1 de septiembre con un titular difícil de ignorar: cold calling supera seis a uno al email escrito con AI. La cifra es real dentro del reporte; la interpretación rápida necesita freno.

El estudio encuestó a 153 líderes de ventas y representantes sobre las tácticas que consideran más eficaces para obtener tiempo en el calendario de un decisor. También comparó resultados con un estudio similar de 2018. Esa comparación aporta contexto sobre percepción y práctica comercial. No convierte la encuesta en una prueba controlada de reuniones, oportunidades o ingresos.

La postura de picos.Ai es sencilla: el reporte no declara muerto al cold email y tampoco concede una medalla automática al teléfono. Expone algo más incómodo para el mercado de AI outbound: producir texto personalizado es una actividad distinta de merecer una respuesta.

En la lista de métodos considerados más eficaces, las referencias de clientes quedaron primero con 74%. El cold calling realizado por un representante obtuvo 47%; LinkedIn, 40%; conferencias, 30%; introducciones de partners, 26%; y campañas de email, 24%. El email personalizado asistido por AI obtuvo 8%, mientras las llamadas con coaching de AI en vivo quedaron en 3%.

Dividir 47 entre 8 produce 5.875, redondeado por el reporte a seis veces. Pero 47% y 8% son proporciones de encuestados que seleccionaron o calificaron métodos, no tasas de conversión de dos campañas equivalentes. El estudio no dice que por cada reunión conseguida con email haya seis reuniones por teléfono, ni que una empresa deba mover seis veces más presupuesto al dialer.

Hay otra distinción que el titular comprime: el reporte separa campañas de email, con 24%, del email personalizado asistido por AI, con 8%. Eso impide leer el resultado como una comparación limpia entre teléfono y todo el canal email. La categoría AI quedó abajo; el correo, como método más amplio, no desapareció de la tabla.

Como hecho, el reporte documenta percepciones de 153 participantes y muestra que las tácticas lideradas por personas ocupan los primeros lugares. También registra continuidad: en 2018, referencias y cold calls obtuvieron 77% y 46%; en 2026, 74% y 47%. Para esa población, la preferencia declarada por esos dos métodos apenas cambió.

Como límite, el documento público no desglosa geografía, mezcla exacta entre líderes y reps, industria, tamaño de empresa ni fechas de levantamiento. Tampoco publica asignación aleatoria, exposición equivalente por canal o resultados observados de pipeline. Sin esos elementos, no puede aislar si la diferencia proviene del canal, la calidad de ejecución, el tipo de cuenta o la familiaridad de los encuestados con cada método.

Nuestra interpretación es que el estudio funciona como alerta de diseño, no como benchmark de conversión. Ayuda a cuestionar la inversión en automatización de copy cuando no existe una hipótesis comercial detrás. Para elegir canal en una operación concreta todavía hacen falta cohortes comparables, eventos del CRM y una ventana que permita observar oportunidades.

La misma investigación dice que 77% de los participantes cree que AI mejoró la efectividad de prospección de su equipo y solo 4% reporta una caída. Los usos más frecuentes están en preparación: 55% la usa para redactar emails, 55% para investigar prospectos, 46% para personalizar outreach y 43% para preparar notas de llamada.

Esos resultados conviven con el 8% del email asistido por AI. No son necesariamente contradictorios. Una herramienta puede reducir tiempo de investigación o mejorar consistencia sin que el canal redactado por AI se convierta en la táctica favorita para abrir una cuenta. Eficiencia operativa y eficacia comercial no son la misma variable.

También conviene separar asistencia de autonomía. El reporte no compara un humano que usa AI con uno que trabaja sin herramientas bajo condiciones iguales. Pregunta dónde se usa y qué se percibe como eficaz. Decir que AI no sirve sería tan excesivo como prometer que una variable de Clay y un párrafo generado bastan para producir pipeline.

La personalización visible suele quedarse en la superficie: nombre, cargo, noticia, tecnología detectada y una frase que demuestra que el modelo leyó el sitio. El prospecto puede reconocer el esfuerzo y aun así no encontrar una razón para contestar. La relevancia depende de una relación defendible entre señal, problema, prioridad y oferta.

La escala agrava el error. Si una hipótesis mediocre tarda segundos en convertirse en miles de mensajes correctos gramaticalmente, el sistema optimizó producción, no aprendizaje. Más campos enriquecidos tampoco rescatan una lista donde la persona no posee el problema o la empresa nunca debió entrar.

Por eso picos.Ai trata el texto como una capa del sistema. Antes vienen la definición de cuenta, exclusiones, procedencia del dato, señal y fecha. Después vienen validación humana, infraestructura, secuencia, routing de respuestas y conexión con oportunidades. El email es el punto visible; el criterio se construye antes.

Primero, en investigación verificable: resumir fuentes públicas, extraer señales con fecha y detectar contradicciones para revisión. La salida debe conservar URL y evidencia. Una inferencia como “está contratando SDRs, quizá prioriza capacidad comercial” puede probarse; una afirmación como “necesita outbound” solo adivina con buena puntuación.

Segundo, en preparación de conversación. El reporte muestra que construir notas de llamada ya es un uso relevante, pero el coaching durante la conversación quedó al final de las tácticas evaluadas. Un equipo puede usar AI para sintetizar cuenta, mapear roles, anticipar objeciones y recuperar evidencia sin dejar que el modelo improvise hechos frente al comprador.

Tercero, en control de calidad y operación: detectar variables rotas, clasificar replies, respetar supresiones, señalar duplicados y devolver outcomes al CRM. Son tareas menos fotogénicas que generar quinientas líneas de apertura. También son las que evitan contactar dos veces a la misma cuenta o perder una referencia real entre respuestas automáticas.

Una cuenta no debería recibir cuatro canales repitiendo el mismo pitch. El email puede presentar una señal y dejar contexto verificable. LinkedIn puede confirmar rol o aportar una observación pública. La llamada puede explorar el problema en tiempo real. Una referencia puede reducir la distancia de confianza. Cada toque necesita un trabajo distinto y una regla de salida común.

El propio reporte señala otra tendencia: la respuesta más frecuente pasó de uno a cinco toques en 2018 a seis a diez en 2026, y la proporción que requiere once o más casi se duplicó. Es percepción reportada, no licencia para insistir once veces. La consecuencia razonable es coordinar canales y medir fatiga, no programar una persecución multicanal con otro nombre.

Para una cohorte nueva, define de antemano qué canal inicia, qué evento habilita el siguiente, qué cuenta como respuesta y cuándo cesa todo contacto. Si la persona responde por email, la llamada no debe seguir como si cada herramienta viviera en su propia empresa. La sofisticación aparece en el estado compartido, no en acumular botones de enviar.

No copies el 47% como forecast. Selecciona cuentas con el mismo ICP, señal y periodo; asigna tratamientos comparables; registra canal, secuencia, persona, timestamp y estado; y conecta respuestas, reuniones y oportunidades con account_id. Separa actividad de resultado: diales y entregados explican exposición, mientras reuniones realizadas y oportunidades explican avance comercial.

Una prueba puede comparar email solo contra email más llamada, siempre que la unidad sea la cuenta y se controle la contaminación. Otra puede evaluar si las notas de llamada preparadas con AI mejoran un resultado de conversación sin cambiar lista u oferta. En ambos casos, fija la métrica y la ventana antes de mirar el dashboard.

picos.Ai puede integrar Clay, Instantly, Smartlead y el CRM para que AI prepare contexto, cada canal respete el mismo estado y el reporte llegue hasta pipeline. El objetivo no es demostrar que el correo gana una discusión contra el teléfono. Es descubrir qué combinación abre conversaciones pertinentes sin convertir automatización en ruido mejor redactado.