Lemkin cambió 10 vendedores por 20 agentes y 1,2 personas
Ricardo Argüello, 7 de septiembre de 2026
CEO & Fundador
Resumen general
Jason Lemkin, fundador de SaaStr, reemplazó un equipo de 10 vendedores por más de 20 agentes de IA gestionados por 1,2 personas. La parte que casi no circula es el costo real de la operación: cada agente pidió unos 30 días de entrenamiento intensivo al inicio, mantenimiento semanal, y una persona con el cargo explícito de responsable de la IA dedicándole cerca de una hora diaria.
- SaaStr pasó de 10 SDR y ejecutivos de cuenta a más de 20 agentes gestionados por 1,2 personas
- Amelia Ibarra, con el cargo de Chief AI Officer, dedica cerca de una hora diaria a la operación de los agentes
- Cada agente requirió unos 30 días de entrenamiento intensivo antes de servir, más mantenimiento semanal
- De los más de 20 agentes, cerca de 12 son los que la operación puede sostener de verdad
- Lemkin resume la lección diciendo que entrenar importa más que escoger el proveedor perfecto
Imagina que en vez de contratar diez vendedores contratas veinte pasantes que trabajan gratis y nunca duermen, pero cada uno necesita un mes de acompañamiento antes de servir para algo, y alguien tiene que revisarlos todos los días para siempre. El costo dejó de ser la nómina y pasó a ser la atención de una persona. Esa es la operación que armó SaaStr, contada con sus propios números.
Resumen generado con IA
Jason Lemkin tenía diez personas entre SDR y ejecutivos de cuenta en SaaStr. Hoy tiene más de veinte agentes de IA gestionados por el equivalente a 1,2 personas.
El titular se escribe solo. Y es la parte menos útil de la historia.
Lo que a mí me sirvió es lo que publicó después sobre cómo se sostiene eso, porque ahí están los números que nadie pone en una diapositiva de ventas.
Treinta días de entrenamiento por agente
Cada uno de esos agentes necesitó alrededor de treinta días de entrenamiento intensivo antes de servir para algo. No configuración. Entrenamiento: corregirlo, revisar su salida, decirle qué estuvo mal y por qué.
Después, mantenimiento semanal. Para siempre.
Lemkin lo resume así: entrenar importa más que escoger el proveedor perfecto. Treinta días por adelantado, todos los días.
Multiplica. Veinte agentes por treinta días de acompañamiento. Llamarle proyecto de tecnología se queda corto. Eso es incorporar una promoción entera de empleados nuevos, con la diferencia de que estos no aprenden solos viendo a los demás.
El cargo que hace que funcione
Amelia Ibarra tiene el cargo de Chief AI Officer en SaaStr y le dedica cerca de una hora diaria al conjunto: revisa qué reuniones se agendaron, mira la salida del agente de prospección, controla la calidad de las respuestas de soporte, lee los resúmenes de oportunidades.
Una hora al día, todos los días, de una persona con criterio.
Ese es el costo que casi ninguna empresa presupuesta cuando arma su caso de negocio. Se calcula el ahorro de nómina y se compara contra la licencia del software. La atención humana necesaria para que el sistema no se degrade no aparece en ninguna celda.
Y sin ese dueño, los agentes no explotan. Es peor: se degradan despacio, siguen respondiendo, y nadie se entera hasta que un cliente se queja de algo que pasa hace tres meses.
Sobre por qué esto es un rol y no un cargo escribimos en el maestro de agentes es un rol, no un cargo.
De veinte agentes, doce sostenibles
Este dato es el que me hizo confiar en el resto del relato.
SaaStr reconoce que de los más de veinte agentes, cerca de doce son los que la operación puede sostener de verdad con el mantenimiento disponible.
O sea que ocho están ahí, funcionando a medias, esperando atención que no llega.
Yo no lo leo como un fracaso. Pasa siempre y casi nadie lo publica. Cuando una empresa dice que tiene veinte agentes en producción, la pregunta útil es cuántos tienen dueño y presupuesto de atención. La respuesta honesta suele ser la mitad.
Hay un detalle que Lemkin cuenta y que no ayuda a ningún argumento: un vendedor renunció el día que instalaron el agente de inteligencia de negocios, porque el sistema expuso que no tenía actividad. Como lección de productividad sirve poco. Sirve para entender qué pasa cuando la medición aparece de golpe donde antes no había.
Cómo yo armaría la cuenta
Si estás evaluando agentes para tu operación comercial, agrega tres líneas al caso de negocio que probablemente no están.
Treinta días de entrenamiento por agente, valorados al costo de la persona que lo va a hacer. No es tiempo gratis.
Una hora diaria de una persona con criterio, permanente. Ponle nombre a esa persona antes de firmar nada. Si no puedes ponerle nombre, no arranques.
Y un tope realista: cuántos agentes puede sostener esa hora diaria. Si la respuesta son seis, empieza con seis y no con veinte, aunque la herramienta permita veinte.
Sobre la diferencia entre tener agentes y tener una operación con agentes escribimos en el directorio de agentes contra el organigrama.
Lemkin lo logró. Le funcionó. Y lo documentó con los costos incluidos, que es lo raro. Si vas a copiar la parte de los veinte agentes, copia también la de la hora diaria.
Pongámosle dueño y presupuesto de atención a tus agentesPreguntas Frecuentes
SaaStr opera con más de 20 agentes de IA en su motor comercial, gestionados por el equivalente a 1,2 personas, después de haber tenido un equipo de 10 SDR y ejecutivos de cuenta. De esos 20, la propia empresa reconoce que cerca de 12 son los que la operación puede sostener con el mantenimiento disponible.
Según la experiencia que publicó SaaStr, cada agente requiere alrededor de 30 días de entrenamiento intensivo antes de aportar valor, más mantenimiento semanal después. Jason Lemkin resume la lección diciendo que entrenar bien importa más que escoger el proveedor perfecto, porque el mismo proveedor rinde distinto según ese trabajo inicial.
Una persona con nombre y con tiempo asignado. En SaaStr el rol existe formalmente como Chief AI Officer y dedica cerca de una hora diaria a revisar reuniones agendadas, monitorear salida, controlar calidad del soporte y leer los resúmenes de oportunidades. Sin un dueño explícito, los agentes se degradan sin que nadie lo note.
Reduce el costo de nómina y lo cambia por otro costo, el de la atención de una persona con criterio, más el tiempo de entrenamiento inicial de cada agente. La cuenta puede salir muy favorable, pero la empresa que la hace esperando ahorro sin trabajo termina con agentes que funcionan mal y nadie que lo advierta.
Artículos Relacionados
Thomson Reuters entrenó su modelo por 450.000 dólares
El modelo legal propio de Thomson Reuters le ganó a GPT 5.4 y a Claude Sonnet 5 en su propio terreno. La corrida final de entrenamiento costó 450.000 dólares.
Anthropic dice que su mercado son 30 billones: tu nómina
El mercado direccionable que Anthropic le presenta a inversionistas no se mide en licencias de software. Se mide en el valor del trabajo humano que sustituye.
OpenAI mide su chip Jalapeño contra los racks de NVIDIA
OpenAI publicó los primeros resultados de Jalapeño: más throughput y menos latencia a la vez, con 40 a 60% menos consumo. Son sus propias mediciones.
Google entró al derecho y Harvey quedó de conector
Gemini Enterprise for Legal salió el 25 de agosto con Cleary, Freshfields y Weil. Harvey aparece adentro como integración MCP, no como competidor.
Porsche vendió su consultora y la alquila de vuelta
Porsche le vendió MHP a TCS por 320 millones de euros y firmó de vuelta una alianza de cinco años por 1.250 millones. Cuatro veces el precio de venta.
OpenAI le corta los modelos a Cursor por ser de Musk
OpenAI termina el contrato con Cursor el 12 de noviembre tras la compra de SpaceX. La cláusula de cambio de control estaba firmada desde antes y decidió todo.