Ventas culpa a Marketing. Marketing culpa a Ventas. Este es el SLA que termina la guerra.

Todo líder de ingresos ha estado en una revisión de pipeline donde la misma conversación se repite como un guion. Ventas dice que los leads son basura. Marketing dice que Ventas nunca les da seguimiento. Ventas dice que sí dio seguimiento a los que valía la pena llamar. Marketing dice que Ventas no tiene idea de cómo se ve un lead calificado. Todos asienten. Alguien anota una tarea. Nada cambia. Dos semanas después, la misma conversación ocurre otra vez.

Esto no es un problema de personas. Es un problema de infraestructura. Los dos equipos operan con definiciones distintas, datos distintos y estructuras de incentivos distintas, sin ningún acuerdo escrito entre ellos. Un acuerdo de nivel de servicio, o SLA, es el documento que termina la discusión, no forzando la buena voluntad, sino haciendo las reglas del juego lo bastante explícitas como para que ambas partes puedan responder por ellas. Aquí está exactamente cómo construir uno que funcione.

Los datos dejan el costo de la inacción inusualmente claro. Sin embargo, en la práctica, solo una pequeña fracción de las empresas B2B SaaS ha formalizado por escrito la relación entre marketing y ventas. El resto opera con confianza, buena voluntad y offsites trimestrales, y nada de eso sobrevive a un número no cumplido. Lo que sigue es el plano operativo: cinco componentes de un SLA real entre ventas y marketing, cómo implementar cada uno y cómo se ve el flujo de trabajo compartido una vez que está funcionando.

Sección 1: Por qué existe el juego de culpas y por qué las buenas intenciones no lo arreglan

La desalineación entre ventas y marketing casi siempre se describe como un problema cultural. Ese encuadre es cómodo porque implica que la solución es una mejor relación: más comidas, más sesiones de planeación conjunta, más empatía. Ese encuadre también es incorrecto. La cultura es consecuencia de la estructura. Cuando dos equipos se miden con resultados distintos, sin definiciones compartidas y sin un acuerdo escrito de handoff, la fricción no es una falla de carácter. Es el resultado predecible de un sistema roto.

El desajuste de métricas en la raíz de toda pelea por el pipeline

A marketing se le suele medir por volumen de MQL. A ventas se le suele medir por deals cerrados. Cuando esas dos métricas divergen, y van a divergir, porque miden cosas distintas en puntos distintos de un funnel largo, ambos equipos tienen datos que prueban que el otro está fallando. Marketing puede mostrar una hoja de cálculo llena de leads generados. Ventas puede mostrar un pipeline lleno de leads que nunca tocó porque no cumplían su estándar informal de calidad. Ambos conjuntos de datos son correctos. Ninguno de los dos equipos miente. El sistema simplemente está diseñado para producir este resultado.

El resultado es lo que los practicantes llaman el cementerio de MQL: leads que superan el umbral de marketing, se asignan a un rep de ventas y luego mueren en silencio, sin seguimiento, sin motivo de rechazo y sin feedback a marketing sobre el porqué. Los practicantes de la industria han descrito este patrón sin rodeos: marketing bombea volumen, ventas queda sepultada en MQL basura y la confianza entre ambos equipos colapsa. El funnel parece progreso, pero el medio es un cementerio.

El problema de las definiciones es más grave de lo que la mayoría de los equipos admite

Pregúntale al VP de Marketing qué es un MQL. Luego pregúntale al VP de Ventas qué es un SQL. En la mayoría de las empresas por debajo de $30M ARR obtendrás dos respuestas distintas que no conectan. Marketing tiene un umbral de lead score. Ventas tiene una corazonada. Ninguna está escrita. Ninguna ha sido acordada por el otro equipo. Esta es la razón más importante por la que las tasas de conversión de MQL a SQL varían tan drásticamente entre empresas: dos compañías del mismo vertical pueden reportar tasas de conversión de 13 % y 42 %, ambas con exactitud, porque están midiendo cosas distintas.

La velocidad de respuesta al lead no es una preferencia: es una variable de ingresos

El problema del tiempo de seguimiento es igualmente estructural. La investigación del estudio Lead Response Management del MIT de 2007, replicada en repetidas ocasiones, encontró que las empresas que responden a un lead inbound dentro de los primeros cinco minutos tienen 100 veces más probabilidad de establecer contacto que las que esperan 30 minutos, y 21 veces más probabilidad de calificar ese lead. A pesar de que esos datos tienen dos décadas, un estudio de 2024 de RevenueHero sobre 1.000 empresas B2B SaaS encontró que el 63,5 % nunca respondió a una solicitud de demo, un resultado en realidad peor que la tasa de no respuesta de 23 % documentada por Harvard Business Review en 2011. El problema ha empeorado, no mejorado.

Esto no se debe a que los reps de ventas sean flojos. Se debe a que nadie ha escrito un tiempo de respuesta acordado, lo ha instrumentado en el CRM ni ha creado accountability sobre él. Los reps de ventas dedican solo cerca del 30 % de su jornada a vender de verdad; el resto se va en administración, investigación y actualizaciones del CRM. Sin un SLA formal, el seguimiento lento permanece invisible hasta que se pierde un deal.

El ciclo de feedback suele faltar por completo

La última brecha estructural es el ciclo de feedback de ventas de vuelta hacia marketing. Cuando un rep de ventas rechaza un MQL, es decir, decide no perseguirlo, el motivo casi nunca regresa al equipo de marketing en un formato utilizable. No hay un campo obligatorio en el CRM que capture por qué se rechazó el lead. Marketing, por lo tanto, no puede ajustar segmentación, mensajes ni criterios de scoring porque no tiene ninguna señal sobre lo que ventas está viendo. Este es un problema de datos resoluble disfrazado de problema de personas.

Sección 2: El framework de SLA de cinco componentes

Un SLA entre ventas y marketing es un documento escrito, ratificado por ambos equipos y su liderazgo, que especifica cinco cosas: una definición de ICP compartida, criterios acordados de MQL y SQL, compromisos de tiempo de seguimiento de leads, una cadencia estructurada de ciclo de feedback y un dashboard compartido que ambos equipos puedan ver en tiempo real. Cada componente es operativo, no aspiracional. Así se construye cada uno.

Componente 1: definición de ICP compartida

La definición de ICP es el cimiento sobre el que se construye todo lo demás. Debe ser lo bastante específica como para excluir. Una declaración de ICP sólida para una empresa B2B SaaS que atiende al mercado objetivo de VANDFORT podría decir: "Empresas B2B SaaS con $5M a $30M ARR, con sede en Norteamérica, con un VP de Ventas o VP de Revenue Operations dedicado, que operan HubSpot o Salesforce como su CRM y muestran indicadores de inversión reciente en GTM". Cada palabra de esa definición descalifica a alguien. De eso se trata.

La definición de ICP debe redactarse de forma conjunta, no entregada a marketing por ventas ni entregada a ventas por marketing. Ambos equipos llevan datos a la conversación: marketing aporta datos de conversión por fuente de lead y por segmento, y ventas aporta patrones de closed-won y closed-lost del CRM. El resultado es un documento de una página que vive en el CRM como definición de referencia, revisado y actualizado trimestralmente conforme evoluciona el mercado. Este es el cimiento de tu infraestructura de GTM Operations.

Componente 2: criterios acordados de MQL y SQL

Las definiciones de MQL y SQL deben escribirse en términos que ambos equipos acepten, no en términos de un número de lead score que solo entiende el sistema de automatización de marketing. Una definición de MQL viable exige tanto ajuste firmográfico, es decir, que la cuenta coincida con el ICP, como señales de comportamiento, como una visita a la página de precios, una solicitud de demo o interacción repetida con contenido de alta intención. Un lead que descarga un whitepaper desde una empresa que no coincide con el ICP no es un MQL. Un lead que lo descarga desde una empresa que sí coincide y luego visita la página de precios dos veces, sí lo es.

El umbral de SQL debe ser el punto en el que un rep de ventas ha tenido una conversación de calificación y ha confirmado: existe un dolor real, el prospecto tiene autoridad o acceso claro a la autoridad, hay un plazo realista para decidir y el presupuesto está presente o es accesible. Los criterios estilo BANT siguen funcionando aquí, con la salvedad de que en la compra de SaaS moderna el presupuesto suele ser lo último que se confirma, no lo primero. Incorpora flexibilidad a la definición de SQL en torno al presupuesto, manteniendo firmes los otros tres criterios.

Componente 3: SLA de tiempo de seguimiento de leads

Los compromisos de tiempo de seguimiento deben escalonarse según la señal de intención del lead, no aplicarse de forma uniforme. Un prospecto que envía una solicitud de demo no es lo mismo que un prospecto que descargó un activo de contenido hace tres semanas. El SLA debe reflejar esa diferencia de forma explícita. Las empresas con un SLA formal de tiempo de respuesta responden en menos de 15 minutos a casi el doble de tasa que las empresas sin él, 54,9 % frente a 29,5 %, lo que significa que el acto de escribir el compromiso cambia el comportamiento de forma significativa incluso antes de añadir cualquier herramienta.

Componente 4: cadencia del ciclo de feedback

El SLA debe especificar una cadencia fija de reuniones entre el liderazgo de marketing y el de ventas, no como un ritual opcional de alineación, sino como una obligación contractual del acuerdo. Una sesión quincenal de 45 minutos es suficiente para la mayoría de las empresas en el rango de $8M a $30M ARR. La agenda es fija: revisar volumen de MQL frente al objetivo, revisar la tasa de conversión de MQL a SQL frente al baseline, exponer los tres principales motivos de rechazo de las dos semanas previas y acordar cualquier ajuste de definiciones. Esta cadencia es lo que convierte al SLA en un sistema vivo y no en un documento que se firma una vez y se ignora.

Componente 5: dashboard compartido

Ambos equipos necesitan ver los mismos números en tiempo real, no en reportes separados construidos por sus respectivas personas de ops que producen cifras distintas según cómo se extrajeron los datos. El dashboard compartido debe mostrar: MQL creados frente al objetivo (por fuente), tasa de conversión de MQL a SQL (por fuente, para que la atribución sea visible), tiempo promedio de seguimiento frente al SLA (por rep), motivos de rechazo por categoría y pipeline originado por marketing como porcentaje del pipeline total. Esta es precisamente la clase de infraestructura de Revenue Intelligence que convierte la alineación de una intención en una condición operativa medible.

Sección 3: Implementación, construir el SLA en seis pasos

Sección 4: El flujo de trabajo operativo, cómo se ve el SLA en marcha

Un SLA vale lo que vale el proceso que gobierna. Este es el flujo de trabajo operativo que hace que los cinco componentes anteriores funcionen como un sistema y no como un conjunto de compromisos aspiracionales.

Sección 5: Cómo contarle esta historia a tu board

Un SLA entre ventas y marketing no es solo una herramienta operativa. Es una narrativa a nivel de board sobre cómo estás construyendo un motor de ingresos repetible y escalable. Estos son los tres marcos con los que los inversionistas y miembros del board suelen evaluar este trabajo.

Sección 6: La brecha que el SLA no puede cerrar por sí solo

Un SLA entre ventas y marketing resuelve el problema del handoff. No resuelve el problema más amplio de la arquitectura de GTM. Las empresas que implementan un SLA sólido a menudo descubren, en el proceso, otros tres problemas que el SLA saca a la luz pero no puede arreglar por sí mismo.

El primero es un lead scoring que nunca fue validado. La mayoría de las empresas opera modelos de lead scoring construidos hace años por alguien que ya no trabaja ahí, nunca actualizados contra datos reales de closed-won, y que producen puntajes sin relación estadística alguna con la probabilidad de compra. El SLA exige un umbral de MQL válido, lo que exige un modelo de scoring válido, lo que exige volver a los datos y reconstruir el modelo contra resultados. Esto es trabajo de GTM Operations, no una conversación.

El segundo es una lógica de territorios y routing que no refleja el ICP. Si tienes reps de ventas cubriendo territorios definidos por geografía, pero tu ICP se define por tamaño de empresa y stack tecnológico, tus reglas de routing están creando brechas de cobertura de forma sistemática. Los mejores leads pueden estar llegando a los reps equivocados, o a ningún rep. Esto sale a la luz de inmediato cuando empiezas a medir la conversión de MQL a SQL por rep contra la fuente de lead, y exige repensar la lógica de routing, no solo el SLA.

El tercero es que el ejercicio de definición de ICP casi siempre revela preguntas fundamentales sobre en qué segmentos estás ganando realmente, en cuáles estás perdiendo y por qué. Esas preguntas merecen respuestas rigurosas, no intuición, antes de que publiques una definición de ICP compartida a la que ambos equipos van a rendir cuentas. Un GTM Audit adecuado es el proceso estructurado para responderlas: examina los datos de tu CRM, tus patrones de closed-won y closed-lost, tu lógica de scoring actual y tu proceso de handoff, y produce un diagnóstico priorizado en lugar de una lista de suposiciones.

El SLA es el lugar correcto para empezar. El GTM Audit es lo que asegura que el SLA se construya sobre un cimiento que aguante.