11 Prompts de IA para Cold Email que Enviamos a Clientes SDR Reales (Sin Sonar a IA)

11 Prompts de IA para Cold Email que Enviamos a Clientes SDR Reales (Sin Sonar a IA)

La mayoría de las listas de "mejores prompts de IA para cold email" están escritas para copiar y pegar en ChatGPT.com. Los once prompts de IA para cold email que verás a continuación son los que usamos dentro de nuestros builds de AI SDR — no son plantillas sacadas del blog de otra persona. Cada uno viene con el modelo, la temperatura, el system prompt, el user prompt, un ejemplo de salida y una nota sobre tasa de respuesta. Listos para copiar y pegar, listos para automatización.

Puntos clave:

• La anatomía del prompt en 7 partes: Rol -> ICP -> Dolor -> Valor -> Tono -> Extensión -> CTA.
• Mejores modelos: Claude Sonnet 4.5 (voz natural), GPT-5 (salida estructurada), Gemini 2.5 Pro (seguimientos económicos).
• El cold email con IA es legal bajo CAN-SPAM en EE.UU. y el interés legítimo del RGPD en la UE, con las divulgaciones requeridas.
• El mayor palanca de entregabilidad es el RFC 8058: baja de suscripción con un clic (requerido por Gmail y Yahoo desde 2024).

¿Qué Es un Prompt de IA para Cold Email?

Un prompt de IA para cold email es un conjunto de instrucciones estructuradas que le pasas a un modelo de lenguaje — ChatGPT, Claude o Gemini — para generar un correo de ventas personalizado. Los prompts más efectivos tienen siete componentes: rol, ICP, punto de dolor, propuesta de valor, tono, extensión y CTA. Bien ejecutados, parecen escritos por un SDR humano.

Vale la pena distinguir dos tipos. Los prompts "pega en ChatGPT.com" (los de las galerías de plantillas de los proveedores) funcionan bien cuando envías cinco correos al día a mano. Los "prompts que corren dentro de automatizaciones" — conectados a n8n, Make, Zapier, o directamente vía API — son otro animal. Necesitan system prompts explícitos, etiquetas de modelo y temperatura, y salida estructurada si quieres que sobrevivan en producción. Los once de abajo son del segundo tipo.

La Anatomía del Prompt de Cold Email en 7 Partes (Por Qué Falla la Mayoría)

Un prompt de cold email tiene siete piezas móviles. Falla cualquiera y el correo suena genérico o robótico. Las siete partes son: 1) el rol que juega la IA, 2) definición del ICP, 3) punto de dolor concreto, 4) propuesta de valor, 5) calibración del tono, 6) límite de extensión, 7) llamada a la acción. Omite cualquiera y el modelo rellena el hueco con su respuesta más genérica.

El diagrama de arriba muestra el flujo de datos — cada parte alimenta la siguiente, y el CTA es el único que debe cambiar por destinatario. Todo lo demás vive en el system prompt reutilizable. Es un patrón de ingeniería de contexto aplicado: le dices al modelo qué contexto mantener en cada generación y luego dejas que las señales por destinatario solo anulen la última variable.

Cometimos el error del orden valor-vs-dolor en tres builds distintos antes de estandarizar esta anatomía. El dolor tiene que ir antes que el valor — el modelo necesita nombrar la herida antes de saber qué medicina recomendar.

Cada componente del prompt de cold email que no especifiques, el modelo lo inventa — y lo inventa con la voz más genérica que conoce.

Los 11 Prompts de IA para Cold Email que Enviamos

Estos once prompts cubren la secuencia SDR completa: primer contacto en frío, apertura por punto de dolor, apertura de pregunta rápida, tres seguimientos (3 días, 7 días, 14 días), reserva de demo, re-enganche, generador de asuntos, upsell y solicitud de referido. Cada uno lleva etiquetado el modelo y la temperatura que usamos en producción. Consejo: guarda estos system prompts como system prompts reutilizables como habilidades de agente para tenerlos disponibles entre sesiones y que tu equipo no tenga que copiar y rezar.

Consejo de few-shot antes de empezar: para cualquier prompt donde más importa la voz (las aperturas y la solicitud de referido), pega dos o tres de tus mejores correos fríos históricos en el system prompt bajo un encabezado "Ejemplos de referencia — iguala esta voz:". El modelo capta el cadencia, la frecuencia de contracciones y la longitud de frases mucho mejor con ejemplos que con listas de adjetivos.

1. — Primer Correo Frío (ICP Genérico)

Objetivo: Primer correo a un prospecto que encaja en el ICP pero sin señales. Sin ronda de financiamiento, sin cambio de trabajo, sin introducción cálida. Puro frío. Modelo + temperatura: Claude Sonnet 4.5 @ 0.5 — voz natural sin el tono de "director de marketing" que tenía Sonnet 4. Cuándo usarlo: Envíos masivos en la parte alta del embudo, lista de 50-500 prospectos sin más enriquecimiento que título y empresa.

System prompt (guárdalo una vez, reutilízalo siempre):

You are an SDR at {{your_company}}. Voice: direct, conversational, one contraction per paragraph minimum.
ICP: {{icp_description}}.
Their pain: {{primary_pain}}.
Your value: {{one_line_value_prop}}.
Rules: 80-word body cap. Three sentences in opener. End with a question. No "I hope this email finds you well", no "I wanted to reach out".

User prompt (pégalo con las variables completadas):

Write a cold email to {{first_name}}, {{role}} at {{company}}.
Subject line: 4 words max, lowercase except proper nouns.
Open with a one-line observation that's true for ~80% of {{company_size}} {{industry}} companies.
Body: name the pain, name our fix in one line, ask for 15 minutes.

Ejemplo de salida:

Asunto: pregunta rápida sobre el cierre

Hola Sarah — en la mayoría de equipos de finanzas SaaS de 80 personas, el cierre de fin de mes sigue corriendo en Sheets y alguien se traga cuatro noches seguidas para que funcione.

Reducimos el cierre de 9 días a 3 reemplazando el traspaso de hojas de cálculo con una vista de libro único. Sin nuevo ERP, sin migración.

¿Vale la pena una llamada de 15 minutos el próximo martes o jueves?

Nota de tasa de respuesta: En nuestros deploys, este prompt promedia 1,8-3,4% de tasa de respuesta en una lista limpia enriquecida con Apollo. Con un cliente enviando ~800 correos fríos por semana, cambiar el prompt de primer contacto a Claude Sonnet 4.5 elevó la tasa de respuesta del 1,4% al 3,1% — misma lista, misma oferta, solo una voz menos robótica.

2. — Apertura por Punto de Dolor (Basada en Señal)

Objetivo: Referenciar una señal pública específica — financiamiento reciente, contratación ejecutiva, incorporación de tecnología — para ganarse la apertura. Modelo + temperatura: Claude Opus 4.7 @ 0.4 — mejor seguimiento de instrucciones cuando necesitas que la señal aterrice de forma natural sin sonar a acosador. Cuándo usarlo: Cuando tienes datos de señal de Apollo, Clay, Crunchbase o BuiltWith.

System prompt:

You are an SDR writing signal-based cold outreach. Voice: direct, observation-first, never sycophantic.
The signal you reference must be specific and dated. Never say "congrats on the round" — assume they're sick of it.
Body cap: 70 words. End with a question, not a statement.

User prompt:

Write a cold email to {{first_name}}, {{role}} at {{company}}.
Signal: {{signal_type}} — {{signal_detail}} (e.g., "raised $40M Series C, Oct 2026").
Connect the signal to the pain {{pain}} in one sentence.
Pitch {{value_prop}} in one sentence. Ask for 15 minutes.

Ejemplo de salida:

Asunto: operaciones financieras post-serie-c

Hola Marcus — vi la Serie C de 40M$ en octubre. Normalmente los 90 días siguientes a esa etapa son el colapso de incorporación de personal y las operaciones financieras se ahogan en conciliaciones de tabla de capitalización.

Somos la capa de libro contable que los CFOs de fintech en Series B-D agregan antes de contratar un controller. ¿Una llamada de 15 minutos la próxima semana?

Nota de tasa de respuesta: 4-8% de tasa de respuesta cuando la señal es fresca (menos de 30 días). Cae al 1-2% cuando la señal tiene más de 60 días.

3. — Apertura de Pregunta Rápida (Baja Presión)

Objetivo: Desarmar la defensa de "esto es un discurso de ventas" haciendo primero una pregunta real. Baja presión, alta curiosidad. Modelo + temperatura: Claude Sonnet 4.5 @ 0.6 — ligero aumento para variedad conversacional. Cuándo usarlo: Cuando tu ICP recibe demasiados correos (CFOs, CTOs, VPs de Eng en startups en auge).

System prompt:

You are an SDR writing a quick-question cold email. The email asks one real question that's genuinely useful to the recipient — not "do you have 15 minutes". 40-word body cap. No pitch on first email.

User prompt:

Write a 40-word cold email to {{first_name}} at {{company}}.
One question that someone in {{role}} at {{company_size}} {{industry}} would actually want to know about {{topic}}.
Sign off with your name. No CTA other than the question.

Ejemplo de salida:

Asunto: cierre de fin de mes en serie c

Marcus — pregunta rápida. Con 80 personas, ¿mantuviste el cierre en hojas de cálculo o migraste a un libro contable antes de contratar un controller? Lo pregunto porque las respuestas que escuchamos están 50/50 y el porqué es interesante.

— Sarah

Nota de tasa de respuesta: 3-6% de tasa de respuesta en el primer envío. La señal más alta de la secuencia — las respuestas son conversacionales, no transaccionales, lo que genera conversaciones cálidas más adelante.

4. — Seguimiento no. 1 (Bump a los 3 Días, con Valor Añadido)

Objetivo: Tres días después del primer envío, añade un fragmento de valor (un benchmark, un caso de estudio en una línea, un análisis) y vuelve a preguntar. Modelo + temperatura: GPT-5 @ 0.5 — el mejor para el flujo estructurado de "aquí está el punto, aquí está la petición". Cuándo usarlo: Siempre. Tres seguimientos superan a uno con aproximadamente 3x de tasa de respuesta (estudio de cadencia de Lemlist 2025).

System prompt:

You are an SDR writing follow-up no. 1, three days after the cold email. Add value, don't repeat the pitch. 60-word body cap. Open with a one-line value drop, then re-ask the original CTA.

User prompt:

Write a 3-day follow-up to {{first_name}}. Reference {{previous_subject_line}}.
Value drop: {{one_line_benchmark_or_insight}}.
Re-ask: 15-minute call next week.

Ejemplo de salida:

Asunto: re: pregunta rápida sobre el cierre

Sarah — retomando el hilo. La semana pasada compartí un análisis de cómo el equipo de finanzas de 80 personas de Ramp redujo el cierre a 4 días usando un patrón similar. Con gusto te lo mando si te parece útil.

¿Sigues abierta a 15 minutos el próximo martes o jueves?

Nota de tasa de respuesta: 2-4% de tasa de respuesta en el seguimiento mismo, elevando la tasa de respuesta a nivel de secuencia a ~5-9%.

5. — Seguimiento no. 2 (7 Días, Caso de Estudio)

Objetivo: Siete días después del primer envío, presenta un punto de prueba concreto — resultado anonimizado de cliente o caso de estudio público nombrado. Modelo + temperatura: Claude Sonnet 4.5 @ 0.4 — seguimiento de instrucciones más ajustado para el formato de caso de estudio. Cuándo usarlo: Cuando tienes un caso de estudio creíble que encaja en el ICP. Sáltalo si no lo tienes.

System prompt:

You are an SDR writing follow-up no. 2. Lead with a one-line case study or outcome. 70-word body cap. Re-ask CTA in one sentence at the end.

User prompt:

Write a 7-day follow-up to {{first_name}}.
Case study: {{client_name_or_anonymized}} — {{outcome_in_one_line_with_metric}}.
Make the parallel to {{prospect_company}} explicit. Re-ask 15-minute call.

Ejemplo de salida:

Asunto: re: pregunta rápida sobre el cierre

Sarah — uno más y paro. Una fintech de Serie C de tu tamaño (Atomic, 42M$ ARR) redujo su cierre de 11 días a 4 en seis semanas con nosotros. Misma configuración de operaciones financieras que vosotros tenéis según la búsqueda en LinkedIn que hice.

¿15 minutos la próxima semana? El martes o el jueves.

Nota de tasa de respuesta: 2-3% de tasa de respuesta, con mayor tasa de conversión a reunión que el no. 4 porque el caso de estudio filtra prospectos que encajan en el ICP.

6. — Seguimiento no. 3 (14 Días, Ruptura)

Objetivo: Salida basada en el permiso. Les dices que estás cerrando el hilo y les das una opción de "ahora no" sin esfuerzo. Modelo + temperatura: Claude Sonnet 4.5 @ 0.6 — calidez ligera, cero agresividad pasiva. Cuándo usarlo: Último toque de la cadencia. Envíalo siempre.

System prompt:

You are an SDR writing a break-up email. 50-word body cap. No passive-aggression, no "guess this isn't a priority". Offer a 2-second reply path: yes/no/later.

User prompt:

Write a 14-day break-up email to {{first_name}}. Reference the previous thread.
Offer three reply options: "yes, ping next quarter", "no, never", "circle back in six months".
End with one line of goodwill.

Ejemplo de salida:

Asunto: cerrando el hilo

Sarah — cierro este hilo. Tres opciones si te ayuda:

1. "avísame en Q3"
2. "no, gracias"
3. "mándame el análisis de todas formas"

Cualquiera funciona. De todas formas, espero que el cierre se acorte.

Nota de tasa de respuesta: 5-12% de tasa de respuesta — paradójicamente la más alta de la secuencia. La ruptura es el "no" más fácil de enviar, y muchos de esos "no" se convierten en "espera, cuéntame más".

7. — Solicitud de Demo (CTA con Calendario)

Objetivo: Enviado después de una respuesta cálida. Lleva a un enlace de calendario específico, elimina la fricción. Modelo + temperatura: GPT-5 @ 0.3 — temperatura más baja posible, queremos estructura, no creatividad. Cuándo usarlo: Después de una respuesta positiva a cualquiera del no. 1 al no. 6.

System prompt:

You are an SDR booking a demo after a warm reply. 50-word body cap. Confirm the next step in one sentence, drop two specific time options + a calendar link.

User prompt:

Write a demo-booking reply to {{first_name}}. Confirm {{their_question_or_interest}}.
Offer two times: {{time_1}} and {{time_2}}.
Calendar link: {{cal_link}}.

Ejemplo de salida:

Sarah — perfecto, con mucho gusto te presento el análisis del ciclo de cierre.

Dos horarios que me van bien: martes a las 10:30 ET o jueves a las 14:00 ET. O reserva el que prefieras aquí: cal.com/sarah-co/demo

De cualquier forma te mando la presentación 24 horas antes.

Nota de tasa de respuesta: 35-55% de tasa de reserva cuando se envía dentro de las 4 horas de la respuesta cálida. Cae al 10-15% después de 24 horas.

8. — Re-enganche (30 Días Sin Respuesta)

Objetivo: Despertar un hilo que se apagó después de la ruptura. Nuevo ángulo, nuevo valor, sin culpa. Modelo + temperatura: Claude Sonnet 4.5 @ 0.5 — voz natural para el tono de "oye, ha pasado un tiempo". Cuándo usarlo: 30 días después de la ruptura. Una vez. Si sigue sin responder, archívalo.

System prompt:

You are an SDR re-engaging a prospect who went silent. Acknowledge the gap in one line, drop new value (recent news in their space, product update, or benchmark), re-ask. 60-word body cap.

User prompt:

Write a 30-day re-engagement to {{first_name}}.
New angle: {{new_signal_or_product_update}}.
Re-ask: 15-minute call OR specific resource if they're not ready.

Ejemplo de salida:

Asunto: 30 días después, algo nuevo

Sarah — ha pasado un tiempo. Este mes lanzamos una sincronización con NetSuite de un clic, que creo que resuelve la preocupación de integración que mencionaste antes.

¿Quieres un Loom de 5 minutos? O una llamada de 15 si prefieres verlo en vivo. Cualquiera funciona.

Nota de tasa de respuesta: 3-5% de tasa de respuesta en el re-enganche.

9. — Generador de Asuntos (5 Opciones)

Objetivo: Devolver 5 asuntos para pruebas A/B. Temperatura más alta para variedad; elegirás los dos mejores. Modelo + temperatura: Claude Sonnet 4.5 @ 0.8 — intencionalmente alto para variación en los patrones. Cuándo usarlo: Antes de cada envío de campaña. Prueba dos de los cinco, quédate con el ganador.

System prompt:

You generate cold email subject lines. Return exactly 5 options, one per line, no numbering, no quotes.
Rules: 4 words max each, lowercase except proper nouns, no "quick question", no "following up", no emojis.
Mix the patterns: 1 curiosity-gap, 1 question, 1 named tool/company reference, 1 number-based, 1 plain-English fragment.

User prompt:

Generate 5 subject lines for a cold email to {{role}} at {{company}} about {{topic}}.
Recipient context: {{one_relevant_detail}}.

Ejemplo de salida:

close cycle at series c how netsuite breaks at 80 11 days to 4 the ledger before the controller month-end is suffering

Nota de tasa de respuesta: Los asuntos determinan la tasa de apertura, que condiciona todo lo demás. Probado en más de 50 campañas, el patrón de curiosidad-gap de 3 palabras gana ~45% de las pruebas A/B; el patrón de pregunta gana ~25%; la referencia a una herramienta o empresa nombrada gana ~20%.

10. — Upsell a Cliente Existente

Objetivo: Proponer un producto adicional o expansión de licencias a un cliente actual. Voz diferente — cálida, específica, sin urgencia artificial. Modelo + temperatura: Claude Opus 4.7 @ 0.4 — el mejor para distinguir la voz de cliente existente de la de extraño en frío. Cuándo usarlo: Activado por señales de uso (alcanzó el límite de licencias, llegó al nivel de uso, nueva función relevante para su flujo de trabajo).

System prompt:

You are a CSM-leaning AE writing to an existing customer. Voice: familiar, specific, never salesy. 70-word body cap.
Reference their actual usage. Offer the new thing as helpful, not as a quota grab.

User prompt:

Write an upsell email to {{first_name}} at {{company}}.
Their current usage: {{usage_summary}}.
New thing to offer: {{feature_or_seat}}.
Trigger: {{usage_signal}}.

Ejemplo de salida:

Asunto: llegaste al límite de licencias

Marcus — tu equipo llegó a 19/20 licencias la semana pasada. Dos opciones antes de que llegues al límite:

1. Añade 5 licencias al mismo precio por licencia.
2. Pasa al plan de equipo (X$ menos por licencia a partir de 25+).

¿Quieres que te mande los números?

Nota de tasa de respuesta: 15-25% de tasa de respuesta en upsells activados por señal de uso. La señal es la que hace el trabajo; el prompt solo tiene que no interponerse.

11. — Solicitud de Referido (Post-Reunión)

Objetivo: Después de una reunión o implementación exitosa, pedir una introducción cálida a una persona específica. Modelo + temperatura: Claude Sonnet 4.5 @ 0.5 — voz natural, amigable pero específica. Cuándo usarlo: 30 días después de una gran reunión o 60 días dentro de una implementación exitosa.

System prompt:

You are an AE asking a happy customer or prospect for one specific warm intro. 60-word body cap.
Name the person you want introduced to. Make it easy to forward.

User prompt:

Write a referral-ask email to {{first_name}}.
Context: {{recent_positive_interaction}}.
Ask: warm intro to {{specific_person}} at {{their_company_or_network}}.
Offer to draft the forwardable email.

Ejemplo de salida:

Asunto: una petición

Sarah — dado cómo ha ido el trabajo con el ciclo de cierre, una petición: ¿hay posibilidad de que me presentes a Marcus Chen en Atomic? Creo que la misma configuración ayudaría a su equipo.

Puedo redactar el correo de presentación para que sea un clic para ti.

Nota de tasa de respuesta: 40-60% de tasa de respuesta cuando el momento es el adecuado (victoria reciente, buena relación). La frase "puedo redactar el correo de presentación" es la que lo hace funcionar — la fricción mata los referidos.

Usamos los mismos once prompts en todos nuestros builds de AI SDR. Las variables del prompt cambian; el modelo, no.

Conecta Tus Prompts a n8n, Make o Zapier (Un Ejemplo de Código Real)

Para ejecutar prompts a escala, conéctalos a una automatización. n8n es el más flexible (auto-hospedable, gratis si lo montas tú), Zapier el más fácil (de pago). Introduce tu prompt en el nodo de OpenAI o Anthropic, luego enruta la salida hacia tu remitente — Instantly, Smartlead o Lemlist.

Todos nuestros builds de AI SDR corren en este bucle. Aquí está la configuración del nodo HTTP de n8n para una llamada a Anthropic — pégala en cualquier nodo HTTP Request y tendrás un prompt de Claude programable en tu workflow:

{
  "method": "POST",
  "url": "https://api.anthropic.com/v1/messages",
  "headers": {
    "x-api-key": "{{$credentials.anthropicApiKey}}",
    "anthropic-version": "2023-06-01",
    "content-type": "application/json"
  },
  "body": {
    "model": "claude-sonnet-4-5",
    "max_tokens": 400,
    "temperature": 0.5,
    "system": "You are an SDR at a B2B SaaS company. Voice: direct, conversational, one contraction per paragraph minimum. Body cap: 80 words.",
    "messages": [
      {"role": "user", "content": "{{ $json.prompt_with_variables }}"}
    ]
  }
}

El bucle funciona así: una nueva fila llega a tu hoja o CRM, n8n la recoge, las variables (first_name, company, signal_detail) se fusionan con el user prompt, Claude devuelve el cuerpo del correo, el siguiente nodo se lo pasa a Instantly o Smartlead, y un nodo final registra la respuesta (o la falta de ella) de vuelta en la fila de origen. Escribimos la arquitectura SDR completa de n8n por 50$/mes usando exactamente estos prompts — código, credenciales, programación y análisis de respuestas incluidos.

El prompt no es el producto — el bucle sí lo es. El prompt es una línea de YAML en un workflow de 200 líneas.

¿Cómo Escribes un Prompt de Asunto para Cold Email?

Los asuntos necesitan un prompt separado con temperatura más alta (0.7-0.8) para variedad. Pide al modelo 5 opciones, luego haz pruebas A/B con 2. Los patrones de mejor rendimiento en 2026: curiosidades de 3 palabras, preguntas como asunto y referencias nombradas al stack tecnológico del destinatario.

El prompt completo de asunto es el no. 9 de arriba. Los patrones que realmente ganan las pruebas A/B en más de 50 campañas que hemos enviado:

• Curiosidad-gap (3 palabras) — "close cycle suffering", "the ledger problem"
• Pregunta — "close cycle at series c?"
• Referencia a herramienta o empresa nombrada — "how netsuite breaks at 80", "ramp's close cycle"
• Basado en número — "11 days to 4", "$40m close cycle"
• Fragmento en lenguaje natural — "month-end is suffering"

Las tasas de apertura están entre 28% y 51% dependiendo de la calidad de la lista, el calentamiento del dominio remitente y la alineación entre asunto y línea de vista previa. Los patrones genéricos ("quick question", "following up") rinden por debajo en cada prueba que hemos hecho. Elimínalos.

System Prompt vs User Prompt: El Patrón de Reutilización que Ahorra el 80% de Tus Tokens

Un system prompt establece la identidad de la IA y se ejecuta una vez por sesión. Un user prompt es la petición real, enviada con cada correo. Guarda el system prompt como artefacto reutilizable y reducirás el coste en tokens aproximadamente un 80% mediante el caché de prompts, con salidas más limpias porque el modelo no vuelve a leer sus instrucciones en cada llamada.

Una vez que empezamos a cachear system prompts en producción, nuestra factura mensual de Anthropic bajó aproximadamente un 80% sin ningún cambio de calidad. Las mismas salidas, ~0,20$ por 1.000 generaciones en lugar de 1,00$. El caché de prompts reduce el coste de ejecutar el mismo system prompt más de un 80% — el ahorro aparece de inmediato la primera vez que el mismo system prompt llega al caché.

Escribe el system prompt una vez. Escribe el user prompt cada día. Ese es todo el patrón de reutilización.

¿De Dónde Obtienes los Datos de Personalización? (Fuentes de Señales que Funcionan)

Las variables de tus prompts — {{recent_funding}}, {{tech_stack}}, {{job_change}} — vienen de proveedores de datos de señal. Apollo y Clay enriquecen contactos. Crunchbase sigue la financiación. BuiltWith revela stacks tecnológicos. RB2B identifica visitantes anónimos del sitio. LinkedIn Sales Navigator detecta cambios de trabajo.

Combinamos cada fuente de señal con un respaldo manual — por ejemplo, Apollo gestiona el enriquecimiento firmográfico, pero para las cuentas de alto valor añadimos una búsqueda manual en LinkedIn. La IA gestiona el volumen; el humano gestiona la precisión.

¿Es Legal el Cold Email con IA? CAN-SPAM, RGPD y la Regla de Baja con Un Clic

El cold email generado por IA es legal en EE.UU. bajo CAN-SPAM (debes incluir una dirección física, un enlace de baja funcional e información precisa del remitente) y en la UE bajo el RGPD con base en interés legítimo. Gmail y Yahoo han requerido las cabeceras de baja con un clic del RFC 8058 desde febrero de 2024.

Hemos tenido dos clientes que preguntaron si el cold email generado por IA cruza las líneas de CAN-SPAM. La respuesta es no — la ley trata sobre divulgación y honestidad, no sobre autoría.

CAN-SPAM (EE.UU.) — Lo Que Cambia la IA (y Lo Que No)

La Guía de Cumplimiento CAN-SPAM de la FTC es la lista definitiva. El contenido generado por IA no cambia ni una sola regla: aún necesitas una dirección postal física en cada correo, un mecanismo de baja funcional respetado en 10 días hábiles, campos "De" y "Responder a" precisos, sin asuntos engañosos e identificación clara cuando el mensaje es comercial. La IA no hace ninguno de eso más difícil. Solo te permite escribir más correos que cumplen las reglas.

RGPD (UE) — Interés Legítimo, No Consentimiento

La prospección B2B en frío en la UE generalmente es legal bajo el Artículo 6(1)(f) del RGPD sobre interés legítimo — siempre que puedas demostrar una prueba de ponderación (tu interés en prospectar frente a la expectativa razonable de privacidad del destinatario). El Comité Europeo de Protección de Datos publica la guía vigente. La generación con IA no altera la base legal. Lo que sí la altera: enviar a cuentas personales de Gmail, raspar LinkedIn contra sus términos de servicio, o contactar a roles orientados al consumidor. Limítate a la prospección en contexto empresarial, documenta tu prueba de ponderación y ofrece una salida fácil.

RFC 8058 Baja con Un Clic — La Regla de Entregabilidad que Todos Están Incumpliendo

El RFC 8058 define la cabecera List-Unsubscribe-Post: List-Unsubscribe=One-Click que Gmail y Yahoo aplican desde febrero de 2024. El usuario hace clic una vez; tu servidor procesa la baja sin una página de confirmación adicional. La mayoría de las herramientas de cold email (Instantly, Smartlead, Lemlist) lo gestionan automáticamente — verifica que la tuya lo haga. Si lo omites, la reputación de tu dominio cae rápido en Gmail. Una vez que cae, tarda semanas en recuperarse.

La IA no cambia la ley. La ley siempre fue "di la verdad, identifícate y déjalos irse." La IA solo te permite decirlo más rápido.

¿Cómo Evitas que los Cold Emails de IA Suenen a IA?

La forma más rápida de hacer que los cold emails de IA suenen humanos es un workflow de dos pasadas: genera con un modelo, reescribe con otro a temperatura más baja. Elimina estas frases típicas de IA: "I hope this email finds you well", "I wanted to reach out", abuso del guion largo, "leverage", "synergy", "moreover".

Descubrimos el problema del guion largo de mala manera cuando un prospecto respondió literalmente "¿Lo escribió ChatGPT?" al primer envío de un cliente. La solución es una pasada de humanización. Glosario de frases prohibidas:

• "I hope this email finds you well"
• "I wanted to reach out"
• "Just wanted to" (cualquier cosa que empiece así)
• "Let me know if this resonates"
• "Touching base"
• "Leverage" (como verbo)
• "Synergy"
• "Moreover" / "Furthermore"
• "In today's [anything]"
• Guiones largos donde se podrían reemplazar por un punto

Aquí está el system prompt de reescritura que ejecutamos como segunda pasada en cada correo generado:

You are a human SDR editor. Rewrite the email below to sound like a 32-year-old American salesperson wrote it in 90 seconds. Rules:
- No em-dashes. Use periods.
- No "I hope this email finds you well", "I wanted to reach out", "just wanted to", "leverage", "synergy", "moreover".
- Subject line: 4 words max, lowercase except proper nouns.
- Body: 80 words max. Three sentences max in opening paragraph.
- One contraction per paragraph minimum.
- End with a question, not a statement.
Return only the rewritten email.

Ejecuta esto con Claude Sonnet 4.5 a temperatura 0.3. Las dos pasadas añaden aproximadamente 0,001$ por correo y casi duplican la tasa de "¿lo escribió un humano?".

La solución para un correo que suena a IA no es un mejor prompt. Es una segunda pasada con reglas más estrictas y una voz humana en mente.

¿Cómo Consigues que un Prompt Devuelva JSON para Automatización?

Para automatización, pide a la IA que devuelva JSON con campos nombrados: subject, body, follow_up_1, follow_up_2. Tanto OpenAI como Anthropic admiten salida estructurada de forma nativa en 2026 — establece response_format: json_schema (OpenAI) o usa el esquema de tool-use de Claude (Anthropic).

El prompt en sí es corto. Primero el esquema, luego la instrucción:

Return a JSON object with this exact schema:
{
  "subject": "string, max 50 chars",
  "body": "string, max 80 words",
  "follow_up_1": "string, max 60 words, references the original",
  "follow_up_2": "string, max 50 words, break-up tone"
}
Only return valid JSON. No prose, no markdown.

Recipient: {{first_name}} at {{company}}, role {{role}}.
Pain: {{pain}}. Value prop: {{value_prop}}.

Para fiabilidad en producción, usa bibliotecas de salida estructurada para mayor fiabilidad en producción — Instructor, Outlines o la salida estructurada nativa del proveedor ganan a la estrategia de "pide y reza" siempre. La biblioteca gestiona los reintentos, la validación del esquema y la recuperación de salida parcial para que tu automatización no se rompa cuando el modelo devuelve ocasionalmente JSON malformado.

La salida JSON es la solución poco glamorosa al problema número uno por el que se rompe la automatización de cold email con IA: parsear texto libre en campos.

¿Cuál Es una Tasa de Respuesta Realista para Cold Emails con IA?

Tasas de respuesta realistas de cold email en 2026: 1-3% para prospección de ICP genérico, 4-8% para correos personalizados basados en señal, 10-15% para cuentas con introducción cálida posible. Los prompts de IA no rompen estos techos; te permiten alcanzarlos más rápido con equipos más pequeños.

Estos son promedios. La tasa de respuesta depende de la calidad de la lista, la precisión de la señal, el ajuste de la oferta y la reputación del dominio remitente. La IA no cambia la física — un gran prompt a una mala lista sigue perdiendo.

Los prompts de IA no rompen el techo de tasa de respuesta. Te permiten alcanzarlo con un SDR en lugar de cinco.

¿Cuándo NO Deberías Usar IA para Cold Email?

Omite el cold email con IA para: deals enterprise de más de 250K$ ACV (las introducciones cálidas ganan), industrias reguladas (HIPAA, asesoramiento financiero, legal — riesgo de cumplimiento demasiado alto), prospección a C-suite ejecutivos en Fortune 500 (señal-ruido demasiado alto) y jugadas account-based con menos de 20 cuentas nombradas (la personalización manual supera a la IA en N pequeños).

El cold email con IA es guerra de alto volumen. Para la prospección de alta confianza y N bajo, un correo artesanal de 9 minutos supera a un stack de 11 prompts.

Cómo Abordamos el Cold Email con IA en Techsy

Nuestra práctica de AI SDR entrega el mismo stack en cada build: los once prompts de arriba, un workflow de n8n que los orquesta, Apollo o Clay para el enriquecimiento de señales, e Instantly o Smartlead para el envío. Un engagement típico gestiona 600-1.200 correos de salida por semana por licencia de SDR, con tasas de respuesta en la banda del 3-7% en listas enriquecidas con señales.

El patrón en el que más confiamos: combinar cada fuente de señal (Apollo para volumen) con un respaldo manual (búsqueda en LinkedIn para el 10% superior de cuentas por ACV). La IA gestiona el volumen; el humano gestiona la precisión. Nunca hemos entregado un build de AI SDR completamente autónomo porque la capa de precisión es donde realmente salen las reuniones.

Si prefieres que gestionemos este stack por ti — los mismos once prompts, la misma automatización, la misma postura de cumplimiento — lo ofrecemos como servicio gestionado. Mira cómo abordamos los builds de AI SDR para la metodología completa, el modelo de precios y cómo es un engagement típico de 90 días.

Preguntas Frecuentes

¿Cuál es el mejor prompt de ChatGPT para un cold email?

No hay uno único mejor. El prompt más efectivo es la anatomía de 7 partes aplicada a tu ICP: rol, ICP, dolor, valor, tono, extensión, CTA. Las galerías de plantillas de los proveedores omiten las etiquetas de modelo y temperatura que nosotros incluimos, lo que significa que el mismo prompt produce salidas muy distintas dependiendo de en qué modelo lo pegues.

¿Puede la IA escribir cold emails que no se marquen como spam?

Sí, si gestionas la entregabilidad por separado de la calidad del prompt. El prompt determina la voz. SPF, DKIM, DMARC, un dominio remitente calentado y la baja con un clic del RFC 8058 determinan la colocación en la bandeja de entrada. La IA no rompe ninguno de los dos lados; la infraestructura deficiente sí. La mayoría de los informes de "los correos de IA se marcan como spam" se remontan a un dominio remitente frío, no a la IA en sí.

¿Cómo prompts la IA para cold emails personalizados a escala?

Usa variables de datos de señal en el user prompt: {{recent_funding}}, {{tech_stack}}, {{job_change}}. Extráelas de Apollo, Clay, Crunchbase, BuiltWith o RB2B. El system prompt se mantiene fijo en los 800 envíos. El user prompt se inyecta con variables por destinatario. Esa división es lo que hace que la personalización realmente escale.

¿Cuál es la diferencia entre un system prompt y un user prompt para cold emails?

El system prompt es la identidad de la IA — reglas de voz, límites de extensión, frases prohibidas. Se establece una vez, se reutiliza en cada correo y es cacheable para ahorro de tokens. El user prompt es la petición real, con variables del destinatario completadas, enviada por correo. Cachear el system prompt reduce el coste en tokens aproximadamente un 80% en los deploys de producción.

¿Cuánto debe durar un cold email de IA?

50-80 palabras para la apertura, 30-50 palabras para los seguimientos. El error de extensión más común es dejar que la IA use de 120 palabras por defecto. Limítalo explícitamente en el prompt con "Body: 80 words max" y el modelo obedece de forma fiable. Los correos más largos no generan más respuestas; solo tardan más en eliminarse.

¿Es legal enviar cold emails generados por IA bajo CAN-SPAM y el RGPD?

Sí. El contenido generado por IA no cambia las obligaciones legales. CAN-SPAM sigue requiriendo información precisa del remitente, baja funcional y dirección física. El RGPD sigue permitiendo la prospección B2B en frío bajo el Artículo 6(1)(f) de interés legítimo con una prueba de ponderación documentada. Fuente: la guía de cumplimiento CAN-SPAM de la FTC y la guía de interés legítimo del EDPB.

¿Cómo evitas que los cold emails de IA suenen a IA?

Ejecuta una reescritura de dos pasadas a temperatura más baja con un system prompt humanizador que prohíba las frases típicas de IA: "I hope this email finds you well", guiones largos, "leverage", "synergy", "moreover". El prompt completo de reescritura está en la sección anti-detección-de-IA de arriba. Añade alrededor de 0,001$ por correo y casi duplica la tasa de "¿lo escribió un humano?".

¿Cuántos seguimientos debe tener una secuencia de cold email de IA?

Tres seguimientos supera a uno en aproximadamente 3x de tasa de respuesta, con rendimientos decrecientes a partir de cuatro. Cadencia estándar: día 0 (frío), día 3 (valor añadido), día 7 (caso de estudio), día 14 (ruptura). El re-enganche del día 30 es opcional y funciona una vez antes de que debas archivar. Fuente: estudio de cadencia de Lemlist 2025.