Un compañero de equipo de IA (AI teammate) es una IA a la que le encargas un trabajo completo, igual que se lo explicarías a un colega. No le das una pregunta tras otra. Lee los documentos y las herramientas de tu equipo, hace el trabajo paso a paso y te entrega algo que una persona puede revisar, aprobar y volver a usar.
Esa es la respuesta corta. La larga tiene que ver con la palabra "teammate" (compañero de equipo). Hoy la usan muchos productos. Algunos se refieren a un chatbot con un nombre simpático. Esta guía explica lo que la palabra debería significar, recorre de principio a fin un trabajo inspirado en un caso real y es honesta sobre dónde falla la comparación con un colega humano.
Si quieres entender qué permite a un compañero de IA trabajar entre herramientas, la guía de agentes de IA explica la base técnica con un encargo concreto. La de empleados de IA aclara los límites de compararlo con una contratación: qué trabajo delegar y qué decisiones y responsabilidades conservar.
¿Qué es un compañero de equipo de IA?
Un compañero de equipo de IA es una IA que asume una tarea y la lleva hasta un resultado utilizable. Tú dices lo que necesitas. Reúne lo que le hace falta de las herramientas que has conectado, avanza por los pasos y te da algo concreto: un informe, una hoja de cálculo, una presentación, un conjunto de borradores de correo, un registro actualizado.
Hay tres cosas que lo distinguen de la IA que la mayoría ya usa:
- Asume un trabajo, no una pregunta. Un chatbot responde y espera. Un compañero de equipo de IA recibe "prepara la campaña de contacto con partners de este mes" y hace la investigación, la lista corta y los borradores.
- Trabaja con la información de tu equipo. Lee el brief en Google Drive, el seguimiento en Sheets y la decisión en Slack. No tienes que pegarlo todo en una ventana de chat.
- Informa de lo que hace. Muestra lo que hizo, pregunta cuando falta algo importante y te deja a ti la última palabra.
No existe una definición oficial. Cada empresa pone los límites en un sitio distinto. Asana vende AI Teammates que trabajan dentro de su herramienta de proyectos. En noviembre de 2026 añadió AI Meetings, donde las tareas que salen de una reunión se pueden asignar a una persona o a un AI Teammate. El equipo de People Insights de Atlassian escribió en julio de 2026 que lo difícil de convertir la IA en un compañero de trabajo de verdad no era la IA en sí. Era darle acceso estable a los datos, las definiciones y la forma de trabajar del equipo.
La mayoría de los compañeros de equipo de IA se basan en agentes de IA. Un agente de IA es un software que puede planificar pasos y usar herramientas para alcanzar un objetivo. "Compañero de equipo" describe la relación de trabajo que lo rodea: quién le asigna el trabajo, a qué puede acceder, cómo informa y quién da el visto bueno.
Compañero de equipo de IA vs. asistente de IA vs. chatbot
Estas palabras se solapan. Esta es la diferencia práctica para un equipo de negocio.
| Chatbot | Asistente de IA | Compañero de equipo de IA | |
|---|---|---|---|
| Qué le das | Una pregunta | Una tarea dentro de una sola aplicación | Un trabajo con un resultado esperado |
| Qué sabe de tu trabajo | Lo que escribes | Lo que hay en esa aplicación | Los documentos y cuentas que el trabajo necesita |
| Qué recibes | Una respuesta | Una sugerencia dentro de esa aplicación | Trabajo terminado: archivos, borradores, páginas, actualizaciones |
| Quién puede reutilizar lo que funcionó | Nadie, salvo que guardes el prompt | Normalmente solo tú | Todo el equipo |
| Quién decide | Tú | Tú | Tú, en los puntos que elijas |
Ninguno es mejor en general. Para una respuesta rápida, usa un chatbot. Un compañero de equipo de IA merece la pena cuando un trabajo toca varias herramientas, te llevaría una tarde entera y se va a repetir.
¿Qué convierte algo en un "compañero de equipo"?
Piensa en qué hace útil a un colega nuevo. Os ponéis de acuerdo en lo que va a hacer. Conoce el contexto. Puedes ver lo que hizo. Puedes pararlo o cambiar el rumbo. Y cuando descubre una buena forma de hacer algo, el resto del equipo también puede aprovecharla.
Los investigadores describieron casi todo esto mucho antes de la IA actual. En 2004, un grupo liderado por Gary Klein y David Woods estudió qué hace falta para que cualquier sistema automatizado sea un buen "team player" (traducción: buen jugador de equipo). Concluyeron que todo esfuerzo conjunto necesita cuatro cosas. Aquí están en palabras sencillas, con lo que conviene buscar en un compañero de equipo de IA:
| Lo que necesita el trabajo en equipo | En palabras sencillas | Qué buscar |
|---|---|---|
| Un objetivo compartido | Los dos sabéis qué significa "terminado" | ¿Puedes encargarle un trabajo completo y no solo una pregunta? |
| Una base común | Los dos trabajáis con los mismos datos | ¿Lee tus documentos reales y te dice lo que ha entendido? |
| Previsibilidad | Puedes ver lo que está haciendo | ¿Puedes revisar cada paso después? |
| Capacidad de dirección | Puedes guiarlo | ¿Puedes corregirlo o pararlo, y limitar lo que tiene permitido hacer? |
Los equipos necesitan una cosa más en la que el artículo de 2004 no se centró: lo que una persona descubre debería ayudar a la siguiente. Esa es la parte que la mayoría de los productos de IA se saltan, y es donde "compañero de equipo" se gana el nombre.
La comparación también te ayuda a delegar mejor. Ethan Mollick, profesor de Wharton, lo explica en una entrevista de 2026: si conoces tu campo, puedes dar instrucciones a una IA y detectar sus errores igual que harías con un colega junior. También deja claro que la IA no es una persona.
YouTube · Simon Sinek
The AI Skills Nobody is Teaching (And Everyone Needs) | AI Expert Ethan Mollick (Las habilidades de IA que nadie enseña y que todos necesitan) · 16 de junio de 2026
Mollick dice que la IA "works enough like people" (traducción: funciona lo bastante como las personas) como para que el personal con experiencia pueda dirigirla y detectar sus errores, mientras que los perfiles junior a menudo todavía no saben juzgar el resultado.
Quédate con las dos mitades. Tratar a la IA como a un colega te ayuda a darle buenas instrucciones. No la hace responsable del resultado.
Un trabajo, del encargo al resultado
Así se ve en un trabajo real. La historia es un ejemplo. Las capturas de pantalla son de un espacio de trabajo de demostración de Okou con documentos de muestra.
Maya dirige el marketing de una empresa de software de 15 personas. Necesita cinco creadores para una campaña de tutoriales patrocinados. Todo lo que le daría a una nueva incorporación está en una carpeta de Google Drive: el posicionamiento del producto, la guía de marca, el brief de la campaña, notas de precios y un borrador de propuesta de colaboración. Hacerlo ella misma le llevaría un día.
Tú fijas el objetivo y revisas el resultado. Siempre que un paso necesita aprobación, la IA se detiene antes de darlo.
1. Encarga el trabajo
Maya escribe un brief corto, como lo haría para una persona. A quién va dirigida la campaña. Cómo es un buen creador. Necesita cinco. No se envía nada sin que ella lo revise.
Aquí es donde fallan la mayoría de los encargos, a personas o a una IA. "Búscame unos influencers" da un resultado vago con cualquiera. Di qué significa terminado, para quién es, cuándo lo necesitas y qué no se debe hacer.
2. Ponerse al día
Un buen compañero de equipo de IA lee antes de actuar. Maya dirige a Okou a la carpeta de Drive. Okou lee los cinco documentos y resume lo que dice cada uno, para que Maya pueda corregir cualquier suposición equivocada antes de empezar el trabajo de verdad.
Okou resume en una tabla los cinco documentos de la campaña y luego hace una pregunta antes de empezar a contactar. Haz clic en la imagen para verla a tamaño completo. Espacio de demostración con documentos de muestra.
La última fila de esa tabla es la que importa. Dice que la propuesta de colaboración es "a sponsored tutorial; fee, scope, and usage rights still need agreement" (traducción: un tutorial patrocinado; la tarifa, el alcance y los derechos de uso aún están por acordar). Esa sola línea cambia lo que deben decir los correos. Un correo que mencione una tarifa sería un error, por bien escrito que esté. Esto es lo que significa en la práctica "usar el contexto de tu equipo": los datos de tus documentos deciden lo que pasa después. También es la razón por la que Okou termina con una pregunta en lugar de adivinar.
Un límite que conviene conocer: en Okou, cada chat guarda su propio historial. Un chat nuevo empieza de cero salvo que le indiques un chat anterior. No se incorpora nada de tus otras conversaciones a tus espaldas. (Más sobre cómo mantener al día el contexto compartido en gestión del contexto de agentes de IA para la colaboración en equipo.)
3. Hacer el trabajo a la vista
Ahora viene el trabajo de verdad: encontrar candidatos, puntuarlos según el brief, crear una hoja de seguimiento y escribir un correo personalizado para cada uno. Cada paso aparece en el chat a medida que Okou avanza. El trabajo se ejecuta en la nube, así que sigue aunque Maya cierre el portátil.
Maya no necesita estar mirando. Probablemente no debería.
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund (Lo que viene para los flujos de trabajo con agentes de IA, con Andrew Ng de AI Fund) · 26 de marzo de 2024
Ng compara estar encima del trabajo de un agente con un jefe novato que delega una tarea y vuelve a preguntar cinco minutos después.
Las herramientas han cambiado mucho desde esa charla de 2024. El consejo no. Si algo no cuadra, Maya puede detener la ejecución o enviar una corrección mientras sigue en marcha ("descarta a quien ya trabaje con un competidor"). Okou la incorpora sin volver a empezar.
4. Parar y preguntar
Hay cosas que no deberían ocurrir solo porque la IA lo haya decidido: escribir a un desconocido, gastar dinero, cambiar registros de clientes, publicar. Un compañero de equipo de IA fiable no puede hacerlas si nadie se lo ha permitido.
Maya permitió a Okou guardar borradores en Gmail, pero no enviarlos. Si un trabajo necesita algo que no se ha permitido, la ejecución se pausa. Una persona ve exactamente qué se pide y decide si sí o no, y durante cuánto tiempo. (La guía de permisos de Okou tiene los detalles.)
Una solicitud de permiso indica la herramienta, la acción exacta y cuánto dura el acceso. No pasa nada hasta que una persona lo confirma.
Un consejo práctico: si un paso siempre debe quedar en manos de una persona, no permitas esa acción en absoluto. Permite el borrador, quédate con el envío. Escribimos más sobre esto en The AI Pause Debate Is Back. Your Business Needs the Final Say (Vuelve el debate sobre pausar la IA. Tu empresa necesita la última palabra).
5. Entregarlo
El trabajo termina con algo que Maya puede usar, no con un muro de texto en el chat. Una hoja de seguimiento con cinco creadores y por qué encaja cada uno. Un correo personalizado para cada uno, guardado como borrador en Gmail.
Los correos vuelven como borradores. No se envía nada hasta que una persona lo envía. Datos de ejemplo.
Maya reescribe una frase de apertura, descarta a un creador cuyo público es demasiado joven y envía cuatro. Esa es su parte del trabajo, y así debe ser.
6. Hacerlo reutilizable
Aquí es donde "compañero de equipo" se gana la palabra. El mes siguiente, Dev, compañero de Maya, necesita lo mismo para otro lanzamiento. Sin una forma de reutilizar el trabajo de Maya, empieza de cero y vuelve a aprenderlo todo.
En lugar de eso, Maya pide a Okou que guarde el trabajo como un flujo de trabajo (workflow). Un flujo de trabajo es una receta guardada: qué leer, qué pasos seguir, cómo debe ser el resultado y las reglas ("solo borradores, nunca mencionar una tarifa antes de acordar las condiciones"). Su nota sobre la edad del público no se guarda sola. La añade ella, porque una corrección solo se convierte en norma del equipo cuando alguien la pone por escrito.
Cuando Dev ejecuta el flujo de trabajo, usa su Gmail y sus permisos, no los de Maya. Compartir un flujo de trabajo comparte el método, no la bandeja de entrada ni el acceso de nadie. Y un flujo de trabajo no se ejecuta por sí solo. Si el equipo lo quiere cada mes sin tener que pedirlo, añade una automatización (automation): una programación, un responsable con nombre y un lugar al que enviar el resultado.
Un traspaso que la siguiente persona pueda auditar
La historia de Maya es ilustrativa. Para probar tú mismo el mismo traspaso, usa un pequeño documento de instrucciones de ejemplo con tres reglas obligatorias: el público debe ser de usuarios de negocio no técnicos; cada candidato necesita pruebas recientes de trabajo relevante; no se puede comprometer ningún honorario ni iniciar contactos antes de la revisión.
Pide una tabla de seguimiento con estas columnas: candidato, pruebas del público, ejemplo reciente y fecha, encaje, incógnitas, enlace al borrador, responsable de revisión. Un candidato sin pruebas del público sigue siendo una pista sin verificar y queda fuera del número de candidatos que cumplen los requisitos. Un borrador sin enviar no es un socio contactado.
| Comprobación de revisión | Qué supera la revisión | Qué necesita corrección |
|---|---|---|
| Pruebas | Una fuente y una fecha respaldan la afirmación sobre el público | Un gran número de seguidores sustituye al encaje del público |
| Datos ausentes | El honorario se marca como desconocido | El borrador inventa un precio |
| Traspaso | Cada pregunta abierta tiene un responsable de revisión identificado | El siguiente colega debe adivinar qué queda por resolver |
| Reutilización | El workflow contiene la regla corregida | La corrección solo existe en el chat de Maya |
Antes de compartir el método, incluye deliberadamente a un candidato sin pruebas del público. Comprueba que el resultado señale la carencia en lugar de rellenarla. Después deja que un colega ejecute el workflow guardado con sus propias cuentas. Revisa por separado el nuevo resultado y el límite de acceso: compartir instrucciones no es compartir permisos. Es una comprobación de aceptación repetible, no una prueba de cliente documentada ni una promesa de un resultado concreto.
Dónde falla la comparación
Llamar compañero de equipo a una IA crea expectativas. Algunas son erróneas. Cinco que conviene tener presentes:
- No es responsable del resultado. Lo eres tú. "Lo hizo la IA" no convencerá a un cliente ni a tu jefe.
- No recuerda todo lo que le has dicho alguna vez. Sabe lo que hay en el chat, en los archivos y en las instrucciones guardadas que le das.
- Compartir un compañero de equipo no significa compartir cuentas. Varios colegas pueden usar el mismo compañero de equipo de IA y los mismos flujos de trabajo manteniendo sus propios accesos, chats y permisos.
- No aprende de una corrección si no la guardas. Arreglar el trabajo de hoy no arregla el del mes que viene. Actualizar el flujo de trabajo sí.
- Puede ser excelente en una tarea y equivocarse en otra parecida. Un estudio de 2023 con 758 consultores de BCG que usaban GPT-4 halló que la IA los hacía más rápidos y mejores en la mayoría de las tareas, pero peores en una que parecía igual de fácil. Los modelos actuales son mucho más potentes que los de 2023, así que no tomes esas cifras como actuales. La lección sigue en pie: desde fuera no puedes saber dónde flojea la IA. Alguien que conozca el trabajo tiene que revisarlo.
El nuevo riesgo: darle la razón a la IA sin darte cuenta
Hay un problema más sutil. Alex Tamkin, investigador de Anthropic, publicó sobre ello en octubre.
X · Alex Tamkin (@AlexTamkin) · 27 de octubre de 2026
"When experts delegate work to an agent, do they still make the key decisions?" (traducción: Cuando los expertos delegan trabajo en un agente, ¿siguen tomando ellos las decisiones clave?)
El estudio detrás de esa publicación pidió a 50 analistas de datos profesionales que hicieran un análisis realista con un agente de IA. En cada decisión clave, se lanzaba una moneda para fijar cuál de dos opciones razonables defendería el agente. Los analistas no lo sabían. Se quedaron con la opción del agente el 86% de las veces, cuando el azar daría un 50%. Después, más de la mitad dijo que la recomendación final les parecía más suya que del agente.
Es un solo estudio, con un tipo de tarea y un grupo de expertos. Pero encaja con lo que cabría esperar también de las personas: cuesta llevar la contraria a un colega seguro de sí mismo que ha hecho todo el trabajo de campo. Para Maya, la conclusión es sencilla. Decide las cuestiones importantes antes de leer el argumento de la IA. Ella ya había decidido "ninguna tarifa hasta acordar las condiciones" antes de recibir los borradores, así que revisaba los borradores según su regla, y no al revés.
El Work Trend Index 2026 de Microsoft muestra que la gente lo intuye. En una encuesta a 20.000 personas que usan IA en el trabajo en 10 países (de febrero a abril de 2026), el 86% dijo que trata lo que produce la IA como un punto de partida y que se mantiene "stay responsible for the thinking" (traducción: responsable de pensar). Revisar el trabajo de la IA (50%) y el pensamiento crítico (46%) encabezaron la lista de capacidades que ahora importan más. Eso es lo que la gente dice, no lo que siempre hace. El estudio anterior recuerda esa distancia.
El argumento de "compañeros de equipo de IA en lugar de contrataciones"
También verás compañeros de equipo de IA vendidos como una forma de ahorrarse contrataciones.
X · Vasco Calais Pedro (@justvasco) · 7 de octubre de 2026
"We built Spinnable with 21 AI teammates and ONLY 5 humans" (traducción: Construimos Spinnable con 21 compañeros de equipo de IA y SOLO 5 personas)
Pedro es el fundador de Spinnable y esta es una publicación de lanzamiento, así que léela como marketing. Aun así, refleja bien cómo se está vendiendo la idea: compañeros de equipo de IA contados como plantilla.
El problema de contar así es este. Alguien tiene que seguir fijando el objetivo, mantener la información al día, revisar el trabajo y decidir cuándo cambia el método. Cinco personas trabajando con 21 compañeros de equipo de IA son en realidad cinco personas gestionando mucho trabajo delegado. Puede ser un gran intercambio. No son 26 colegas.
El informe de 2026 de Microsoft plantea las preguntas que todo equipo tendrá que responder: quién revisa el trabajo de los agentes, quién puede cambiar los flujos de trabajo que ejecutan y cómo se comparte un buen resultado con todos los demás. En Okou, las respuestas tienen dónde vivir. La persona que inicia un trabajo revisa lo que vuelve. Los métodos del equipo cambian cuando alguien edita el flujo de trabajo compartido. El trabajo recurrente se ejecuta como una automatización con un responsable con nombre.
¿Qué puede asumir un compañero de equipo de IA?
Una prueba sencilla: si le darías el trabajo a una nueva incorporación capaz, con un brief claro y acceso a las herramientas adecuadas, un compañero de equipo de IA probablemente puede hacer la primera versión.
- Fundadores y responsables de operaciones: un informe semanal sacado de tus herramientas de negocio, las opiniones de clientes y las cifras, con enlaces, bloqueos y quién se encarga de qué.
- Marketing: un resumen de resultados de campaña con próximos pasos sugeridos, o una investigación de partners con borradores de contacto.
- Ventas: un informe previo a una reunión a partir de correos anteriores, notas de llamadas y el CRM, más un borrador de seguimiento y una actualización del CRM que tú apruebas.
- Customer success: un resumen del problema y el historial de un cliente, con un borrador de respuesta para que lo revise el responsable de la cuenta.
- Chief of staff: una única actualización para la dirección recopilada de varios canales.
- Consultores y agencias: un dosier de investigación para un cliente, entregado en la plantilla del cliente.
Tienen tres cosas en común. Tocan varias herramientas. Terminan en algo concreto. Y una persona puede revisar el resultado rápidamente. Para más ideas, consulta 20 ejemplos de agentes de IA para trabajo real.
¿Cuánto deberías delegar?
Elige qué puede hacer la IA antes de decidir cuándo se ejecuta. Empieza con borradores y amplía el acceso solo cuando el trabajo lo justifique.
Elige primero el límite de acción. Una programación puede iniciar cualquiera de los dos esquemas; no añade permisos.
- Borrador para revisión. La IA prepara. Una persona envía, publica o comparte. Empieza aquí con todo lo que vayan a ver los clientes.
- Actuar con aprobación. La IA hace el trabajo, y todo lo que no tiene permitido espera a una persona. Útil para cambios de presupuesto y actualizaciones del CRM.
- Añadir una programación. Una automatización inicia el flujo de trabajo guardado, con un responsable con nombre. Mantiene los mismos límites de acción y aprobación. Una actualización del equipo los lunes por la mañana es un buen primer caso.
Si un borrador todavía necesita muchas correcciones, mejora el brief antes de permitir más acciones. Programarlo es una decisión aparte.
Cómo saber si un producto es de verdad un compañero de equipo de IA
Cualquiera puede usar la etiqueta. En una demo o una prueba, pregunta:
- Objetivo compartido: ¿Puedo encargarle un trabajo completo y recibir trabajo terminado?
- Base común: ¿Lee los documentos reales de mi equipo y me dice lo que ha entendido y lo que falta?
- Previsibilidad: ¿Puedo ver cada paso y revisarlo después?
- Capacidad de dirección: ¿Puedo corregirlo o pararlo a mitad del trabajo? ¿Puedo permitir una acción (guardar un borrador) y bloquear otra (enviarlo)?
- Reutilización: ¿Puede un colega ejecutar lo que funcionó, con sus propias cuentas, sin usar mi acceso?
Si la mayoría de las respuestas son no, tienes un asistente capaz. Puede que sea todo lo que necesitas. Simplemente no es un compañero de equipo.
Dónde encaja Okou
Okou es un compañero de equipo de IA creado para este tipo de encargo. La documentación de Okou lo resume en tres pasos: describes lo que necesitas, Okou reúne el contexto y hace el trabajo, y tú revisas el resultado y construyes sobre él.
En la práctica, todo se reduce a unos cuantos hábitos que has visto en la historia de Maya. Okou lee los correos, documentos y registros que el trabajo necesita, y contrasta los datos con su origen. Okou elige un formato pensado para la siguiente persona: un mensaje corto para una actualización rápida, un documento para los detalles que hay que revisar, una presentación para guiar a un grupo en una decisión. Y cuando algo funciona, el equipo lo guarda como un flujo de trabajo que todos pueden ejecutar con su propio acceso. Puedes usar Okou en la aplicación web o mencionando a @Okou en Slack.
La prueba más justa es un trabajo real en el que normalmente pasarías una tarde. Mantenlo en "borrador para revisión" y mira con atención lo que vuelve. Para ver cómo funciona esto en todo un equipo, lee La colaboración en equipo con IA se rompe en el traspaso.
Preguntas frecuentes
¿Qué hace un compañero de equipo de IA?
Asume un trabajo que de otro modo harías a mano, como investigar posibles clientes, preparar un informe semanal o redactar mensajes de contacto, y lo lleva a cabo con tus herramientas conectadas. Muestra sus pasos, solo hace lo que le has permitido y te entrega trabajo terminado para que lo revises.
¿Un compañero de equipo de IA es lo mismo que un agente de IA?
Casi. "Agente de IA" es la tecnología: software que planifica pasos y usa herramientas para alcanzar un objetivo. "Compañero de equipo de IA" es la forma en que un equipo trabaja con él: quién le asigna el trabajo, a qué puede acceder, cómo informa, quién aprueba el resultado y si otros pueden reutilizar lo que funcionó. La mayoría de los compañeros de equipo de IA son agentes. No todos los agentes funcionan como un compañero de equipo.
¿Un compañero de trabajo de IA es lo mismo que un compañero de equipo de IA?
En la práctica, sí. Compañero de trabajo de IA, compañero virtual, colega digital y compañero de equipo de IA son nombres de marketing para una IA que trabaja junto a las personas. Ninguno tiene una definición oficial. Juzga los productos por lo que hacen: terminar trabajo real, usar la información de tu equipo, dejarte ver y guiar el trabajo, y mantenerte al mando de las decisiones.
¿Un compañero de equipo de IA sustituirá a mis empleados?
Asume tareas, no responsabilidad. Puede encargarse de investigar, redactar y reunir información. Alguien tiene que seguir fijando el objetivo, dar acceso, revisar el trabajo y responder del resultado. La mayoría de los equipos pequeños lo usan para hacer más con las personas que ya tienen.
¿Cómo doy acceso a mis herramientas a un compañero de equipo de IA de forma segura?
Dale solo lo que el trabajo necesita. Conecta únicamente las herramientas implicadas. Permite acciones concretas en lugar de todo, por ejemplo guardar borradores de correo pero no enviarlos. Usa límites de tiempo para cualquier cosa que cambie datos o gaste dinero. Empieza cada trabajo nuevo en modo solo borradores.
¿Cuál es un buen primer trabajo para un compañero de equipo de IA?
Elige algo que se repita, tenga varios pasos y sea fácil de revisar. Una actualización semanal del equipo, puntuar nuevos leads o investigar y redactar correos para una lista corta de contactos funcionan bien. Mantenlo en borrador para revisión, compara el resultado con lo que habrías hecho tú y guárdalo como flujo de trabajo antes de programarlo.
