English

Prohíbele a la IA simular especificidad

La jugada más letal del cold email con IA es fingir especificidad.

Una línea como "me encantó tu publicación reciente" se lee como lo que es: un token de mail merge disfrazado de investigación. Los destinatarios ya vieron diez mil iguales. El saludo falso-personal no solo no ayuda: señala activamente que ningún humano los miró antes de darle a enviar, y arruina tu tasa de respuesta. Cuando dejas que un modelo de lenguaje escriba tu prospección, su instinto es simular la apariencia de investigación: cálida, con pinta de específica y completamente hueca.

Por qué la especificidad simulada sale mal

Un modelo es un completador fluido de patrones. Pídele "escribe un cold email personalizado" y producirá algo con la forma de la personalización — una referencia admirativa, un detalle plausible — sin ningún anclaje en un hecho real sobre el destinatario. Inventa el ancla. Y las anclas inventadas son peores que ninguna, porque caen en el valle inquietante: lo bastante específicas para reclamar familiaridad, lo bastante vagas para delatar la mentira. "Tu trabajo en el sector es impresionante" es una señal. También lo es un detalle dicho con seguridad pero equivocado, que no solo es débil sino una mina de credibilidad.

La lectura del destinatario es instantánea: esto es automatizado, y quien lo envió o no revisó o no le importa tergiversar. En cualquier caso, borrar.

La solución: un ancla real, o no está listo

Prohíbele al modelo inventar anclas. Haz la regla explícita y conviértela en un control:

Rule: Every email must cite ONE real, verifiable observation about the
recipient — a launch, a hire, a funding round, a public commit pattern,
a talk, a specific article claim.

If no such anchor is provided, DO NOT invent one. Output:
  "NO ANCHOR — draft not ready. Gather one of: [suggested sources]"
and stop. Do not write the email.

Ahora "no hay ancla real" produce una alerta, no un cumplido fabricado. El flujo se invierte: en lugar de que el modelo finja familiaridad, te dice que vayas a conseguir el ancla primero. Tú (o un paso de investigación) aportas un hecho verificable, y recién entonces se escribe el borrador en torno a él.

Movidas avanzadas

• Aporta las anclas, no las pidas. Pon la observación verificada en el prompt como dato. El trabajo del modelo es escribir en torno a un hecho que ya confías, nunca conseguirlo.
• Haz el ancla falsable. Una buena ancla nombra algo específico (una fecha, un repo, una afirmación) que el destinatario pueda confirmar como cierto. La alabanza vaga falla esta prueba a propósito.
• Ponlo como control en el pipeline. Si automatizas la prospección, trata "sin ancla" como un freno duro que deriva a una tarea de investigación, no como una advertencia suave que el modelo puede ignorar.
• Prefiere un correo con ancla real sobre cien con anclas fingidas. El volumen con especificidad falsa entrena al destinatario a ignorarte. Un mensaje bien anclado se gana la respuesta.

Recursos

• CAN-SPAM Act compliance guide — U.S. FTC
• OpenAI — Prompt engineering guide
• Anthropic — Reducing hallucinations
• GDPR — texto oficial (UE)