Dharmesh Shah, de HubSpot: deja de buscar casos de uso de IA y empieza por los problemas que te cuestan dinero

¿Qué plantea Dharmesh Shah?

El 21 de octubre de 2026, Dharmesh Shah, cofundador y CTO de HubSpot, publicó en su newsletter Simple.ai una columna con una tesis que va contra la corriente del mercado: deja de buscar «casos de uso de IA» y empieza por los problemas que de verdad te cuestan tiempo o dinero.

Su punto es que las listas genéricas de casos de uso no generan adopción. Lo que mueve a una persona o a una empresa a usar IA es un problema concreto y caro. Lo resume así: «The more a problem costs you, the more motivated you are to solve it».

¿Por qué los casos de uso genéricos no funcionan?

Shah argumenta que leer sobre IA no produce el momento de claridad que hace falta para adoptarla. Ese momento llega cuando aplicas la herramienta a algo propio. Por eso propone dos condiciones previas:

• Uso frecuente: usar a diario un asistente como ChatGPT o Claude es, para el autor, el mínimo indispensable para desarrollar intuición sobre dónde ayuda y dónde no.
• Problemas reales: la IA rinde cuando se apunta a algo que ya duele, no a una demostración.

Usa a HubSpot como ejemplo: una empresa con cientos de vendedores se entusiasma con una herramienta que resuelve su problema de pipeline mucho más que una persona que solo la prueba por curiosidad. Las empresas, escribe, son fábricas de problemas.

¿Cuál es el marco que propone?

Para encontrar los problemas correctos, Shah sugiere mirar hacia adentro con cuatro categorías:

1. Repetición: tareas que haces cada semana casi de la misma forma.
2. Rechazo: tareas tediosas o intimidantes que postergas.
3. Deseo: cosas que harías si tuvieras más tiempo.
4. Primeras veces: cualquier tarea nueva que empiezas en el computador es una oportunidad para probar primero con IA.

Si la introspección no basta, agrega una prueba simple: qué le delegarías a un asistente muy capaz. Y para los problemas que la IA no puede resolver sola, recomienda usarla como compañera de discusión.

¿Cómo se traduce esto a un equipo comercial?

La columna está escrita en clave personal, pero el marco aplica directo a marketing, ventas y customer success. Llevado a un equipo de ingresos:

• Repetición: preparación de reuniones, resúmenes de llamadas, actualización de etapas en el CRM y reportes semanales de pipeline.
• Rechazo: limpieza de datos, seguimiento de cuentas inactivas y documentación de procesos que nadie quiere escribir.
• Deseo: investigar cuentas objetivo antes de cada contacto o revisar todas las llamadas perdidas, no solo una muestra.
• Primeras veces: un nuevo segmento, una nueva oferta o un nuevo mercado son buenos momentos para que la IA haga el primer borrador.

¿Qué significa para empresas B2B en Chile y Latinoamérica?

En Chile y el resto de Latinoamérica vemos con frecuencia el patrón contrario al que propone Shah: se compra una licencia de IA o se activan agentes en el CRM y después se busca en qué usarlos. El resultado suele ser adopción baja y un piloto que nadie puede defender ante el directorio.

El enfoque por problemas obliga a algo más útil: cuantificar el costo actual. Cuántas horas semanales pierde un ejecutivo en tareas administrativas, cuántos leads quedan sin seguimiento o cuánto tarda el equipo en preparar el forecast. Con esa línea base, la conversación sobre IA deja de ser de moda y pasa a ser de retorno, algo especialmente relevante para equipos comerciales chicos de la región, donde cada hora de un vendedor pesa más.

¿Dónde se queda corta la tesis?

Hay dos matices. Primero, el autor tiene intereses comerciales: la columna promociona su propio producto de briefing diario y es cofundador de HubSpot, que vende agentes de IA. Eso no invalida el marco, pero conviene leerlo con ese contexto. Segundo, el enfoque individual no resuelve por sí solo la adopción en una organización: sin datos ordenados en el CRM, criterios compartidos y alguien responsable de medir, cada persona termina resolviendo su problema de forma aislada y los aprendizajes no escalan.

Nuestra lectura editorial

Este texto es el análisis de Revenue Hub sobre la columna de Dharmesh Shah, no una reproducción de ella. Coincidimos con el orden que propone: primero el problema y su costo, después la herramienta. Para un líder comercial, la recomendación práctica es convertir las cuatro categorías de Shah en un inventario de equipo, priorizar por costo y medir antes y después. Te recomendamos leer la columna original de Dharmesh Shah en Simple.ai, en inglés.