El Colapso Autoinducido de la Biblia del Emprendimiento: Cuanto Más Sabes, Más Rápido Mueres

Todos están usando la misma estrategia, por lo que todos están fracasando.

Autor: Colossus

Traducido por: Deep潮 TechFlow

Deep潮 Introducción: Este artículo revela con datos del gobierno de EE. UU. una realidad incómoda: en los últimos 30 años, todos los libros de metodología emprendedora más vendidos —lean startup, desarrollo de clientes, canvas de modelos de negocio— no han demostrado, estadísticamente, mejorar la tasa de supervivencia de las startups.

El problema no necesariamente es que la metodología sea incorrecta, sino que cuando todos usan la misma estrategia, ésta pierde su ventaja competitiva.

Este argumento también aplica a los emprendedores en criptomonedas y Web3, y es especialmente relevante para quienes están leyendo diversas “Guías de emprendimiento Web3”.

Texto completo:

Cualquier método para construir una startup, una vez ampliamente difundido, lleva a los fundadores a buscar las mismas respuestas. Si todos siguen las mismas técnicas de éxito, terminarán creando empresas similares, sin diferenciación, y la mayoría fracasará. La realidad es que, cada vez que alguien insiste en enseñar una forma de construir una startup exitosa, deberías hacer algo diferente. Este paradoja, una vez entendida, es evidente, pero también señala la dirección a seguir.

Antes de que surgiera la nueva ola de “predicadores del emprendimiento” hace veinticinco años, la estrategia que reemplazaron —una mezcla ingenua de tácticas de Fortune 500 y pequeños negocios, planificación a cinco años y gestión diaria—, era, sinceramente, peor que inútil. Era una mezcla ingenua de estrategia corporativa y tácticas de negocio pequeño, con planificación a largo plazo y gestión cotidiana en paralelo. Pero para startups con alto potencial de crecimiento, la planificación a largo plazo carece de sentido: el futuro es impredecible, y centrarse solo en operaciones diarias expone a los fundadores a competidores más rápidos. La estrategia antigua fue diseñada para un mundo de mejoras graduales, no para la incertidumbre radical.

Las nuevas generaciones de predicadores ofrecen un enfoque diferente: intuitivo, razonable, con argumentos aparentemente sólidos, brindando a los fundadores un proceso paso a paso para construir en medio de la incertidumbre real. Steve Blank, en su “Método de las Cuatro Etapas” (2005), propuso el desarrollo de clientes, enseñando a los fundadores a tratar sus ideas de negocio como hipótesis falsables: salir, entrevistar a potenciales clientes, validar o refutar esas hipótesis antes de escribir código. Eric Ries, en “Lean Startup” (2011), basándose en esto, propuso el ciclo construir-medir-aprender: lanzar un producto mínimo viable, medir comportamientos reales, iterar rápidamente, en lugar de gastar tiempo perfeccionando un producto que nadie quiere. Osterwalder, en su Business Model Canvas (2008), proporcionó una herramienta para describir los nueve componentes clave del modelo de negocio y ajustar rápidamente cuando algo no funciona. El pensamiento de diseño —promovido por IDEO y la Stanford d.school— enfatiza empatía con el usuario final y prototipado rápido para detectar problemas lo antes posible. La teoría de inferencia de Saras Sarasvathy sugiere partir de las habilidades y redes del fundador, en lugar de diseñar un plan para alcanzar metas lejanas desde cero.

Estos predicadores buscan, conscientemente, establecer una ciencia del éxito emprendedor. Para 2012, Steve Blank afirmó que la National Science Foundation de EE. UU. estaba llamando a su marco de desarrollo de clientes como “el método científico del emprendimiento”, y que “ahora sabemos cómo reducir el fracaso de las startups”. La web de Lean Startup afirma que “Lean Startup proporciona un método científico para crear y gestionar startups”, y en la contraportada de su libro, Tim Brown, CEO de IDEO, dice que Ries “propuso un proceso científico que se puede aprender y replicar”. Osterwalder, en su tesis doctoral, afirma que el canvas de modelos de negocio se basa en la ciencia del diseño (predecesora del pensamiento de diseño).

La academia también investiga las startups, pero su ciencia se asemeja más a la antropología: describen la cultura del fundador y las prácticas de la empresa para entenderlas. La nueva generación de predicadores tiene una visión más práctica —como lo expresó el naturalista Robert Boyle en los albores de la ciencia moderna: “No me atrevo a llamarme verdaderamente naturalista, a menos que mis habilidades puedan hacer crecer mejores hierbas y flores en mi jardín”. En otras palabras, la ciencia debe buscar verdades fundamentales, pero también ser efectiva.

¿Es efectiva? Por supuesto, eso determina si puede llamarse ciencia. Y en cuanto a la predicación emprendedora, una cosa está clara: no ha funcionado.

¿Qué hemos aprendido realmente?

En ciencia, usamos experimentos para determinar si algo funciona. Cuando la relatividad de Einstein fue aceptada, otros físicos invirtieron tiempo y dinero en diseñar experimentos para verificar sus predicciones. Desde la primaria, aprendemos que el método científico es la ciencia misma.

Pero, por nuestra naturaleza, tendemos a resistir la idea de que la verdad se descubre así. Nuestro cerebro busca evidencia, pero nuestro corazón necesita una historia. Existe una antigua postura filosófica —explorada brillantemente por Steven Shapin y Simon Schaffer en “Leviathan and the Air-Pump” (1985)— que sostiene que la observación no nos da la verdad, sino que la verdadera verdad solo puede derivarse de otras cosas que ya consideramos verdaderas, mediante principios lógicos, partiendo de los primeros principios. Aunque esto es estándar en matemáticas, en campos con datos ruidosos o axiomas débiles, puede conducir a conclusiones aparentemente convincentes pero absurdas.

Antes del siglo XVI, los médicos trataban a los pacientes con las obras de Galeno, del siglo II. Galeno creía que las enfermedades eran causadas por un desequilibrio de los cuatro humores: sangre, flema, bilis amarilla y bilis negra, y recomendaba sangrías, eméticos y ventosas para restaurar ese equilibrio. Los médicos siguieron estas prácticas por más de mil años, no porque funcionaran, sino porque la autoridad académica de los antiguos parecía más valiosa que la observación moderna. Pero, hace unos 500 años, Paracelso notó que las terapias de Galeno no mejoraban a los pacientes, y algunas, como el uso de mercurio para la sífilis, aunque sin sentido en la teoría de los humores, sí funcionaban. Paracelso empezó a escuchar la evidencia, en lugar de obedecer la autoridad pasada: “El paciente es tu libro de texto, la cama, tu laboratorio”. En 1527, incluso quemó públicamente las obras de Galeno. Su visión fue aceptada solo después de siglos —casi 300 años después, George Washington murió tras una sangría radical— porque la gente prefería creer en historias ordenadas y simples como las de Galeno, en lugar de enfrentarse a la realidad caótica y compleja.

Paracelso partió de lo que funcionaba, y encontró la causa. Los pensadores que parten de primeros principios asumen una “causa” y afirman que funciona, pase lo que pase. Los modernos emprendedores, ¿son más como Paracelso, impulsados por evidencia? ¿O más como Galeno, manteniendo sus historias elegantes y coherentes? En nombre de la ciencia, veamos la evidencia.

Aquí están los datos oficiales del gobierno de EE. UU. sobre la supervivencia de startups. Cada línea muestra la probabilidad de que una empresa fundada en un año siga viva en diferentes plazos: un año, dos años, cinco, diez. El gráfico muestra que, desde 1995 hasta hoy, la proporción de startups que sobreviven un año no ha cambiado. Lo mismo para dos, cinco y diez años.

Las nuevas generaciones de predicadores llevan bastante tiempo y son ampliamente conocidas: sus libros suman millones de ejemplares, y casi todas las universidades enseñan sus métodos. Si fueran efectivos, los datos estadísticos lo reflejarían. Pero en los últimos 30 años, no ha habido progreso sistemático en facilitar la éxito de las startups.

Los datos gubernamentales incluyen toda clase de empresas en EE. UU.: restaurantes, tintorerías, bufetes de abogados, paisajismo, no solo las startups tecnológicas con alto potencial de crecimiento apoyadas por capital riesgo. Los predicadores no afirman que sus métodos solo sirvan en Silicon Valley, pero estas técnicas suelen adaptarse a entornos donde los fundadores están dispuestos a soportar una incertidumbre extrema, siempre que las posibles recompensas sean altas. Por eso, usamos un indicador más específico: la proporción de startups apoyadas por capital riesgo que, tras completar la primera ronda de financiación, logran seguir con rondas posteriores. Dado cómo funciona el capital riesgo, podemos suponer razonablemente que la mayoría de las que no logran más financiación no sobreviven.

La línea sólida muestra los datos originales; la línea punteada ajusta para las startups en semilla que aún podrían obtener la ronda A.

La caída en la proporción de startups en semilla que logran rondas posteriores no apoya la idea de que las startups financiadas por capital riesgo hayan mejorado en los últimos 15 años. Si algo ha cambiado, parece que fracasan con más frecuencia. Por supuesto, la inversión de riesgo no solo depende de la calidad de las startups: impactos como la pandemia, el fin de las tasas de interés cero, la alta demanda de capital en IA, etc.

Algunos argumentarán que el aumento en la cantidad de capital riesgo ha atraído a más fundadores mediocres, reduciendo la tasa de éxito. Pero en el gráfico, la caída en éxito ocurre tanto en periodos de expansión como de contracción del número de startups financiadas. Si la sobreoferta de fundadores mediocres bajara la media, entonces cuando disminuyera el número de startups en 2021, la tasa de éxito debería subir. Pero no sucede.

¿No es en sí mismo un éxito que haya más fundadores? Pregúntale a los emprendedores que, siguiendo los consejos de los predicadores, fracasaron. Son personas reales que apostaron su tiempo, ahorros y reputación; tienen derecho a saber qué enfrentan. Los principales inversores de riesgo quizás hayan ganado más dinero —más unicornios que antes—, pero en parte porque las salidas toman más tiempo, y en parte porque la distribución de salidas en la práctica matemática implica que cuanto más startups se lanzan, mayor es la probabilidad de un éxito extraordinario. Para los fundadores, esto es un consuelo frío. El sistema puede generar más grandes éxitos, pero no mejora las probabilidades individuales.

Debemos aceptar un hecho: los nuevos predicadores no han logrado que las startups tengan más éxito. Los datos muestran que, en el mejor de los casos, no han tenido impacto alguno. Hemos invertido incontables horas y miles de millones en un marco de pensamiento que, en esencia, no funciona.

Hacia una ciencia del emprendimiento

Los predicadores afirman que nos están dando una ciencia del emprendimiento, pero, según sus propios estándares, no hemos avanzado: no sabemos cómo hacer que las startups tengan más éxito. Boyle diría que, si nuestro jardín no produce mejores hierbas o flores, no hay ciencia. Es decepcionante y confuso. Dado el tiempo invertido, la adopción generalizada y el nivel intelectual detrás de estas ideas, resulta difícil creer que sean inútiles. Pero los datos muestran que, en realidad, no hemos aprendido nada.

Si queremos construir una verdadera ciencia del emprendimiento, debemos entender por qué. Hay tres posibilidades: primero, que estas teorías sean fundamentalmente incorrectas; segundo, que sean tan evidentes que sistematizarlas carece de sentido; o tercero, que cuando todos usan la misma teoría, ésta deja de dar ventajas. Al fin y al cabo, la estrategia consiste en hacer cosas diferentes a los demás.

Quizá las teorías sean incorrectas

Si estas teorías son erróneas, su difusión debería reducir la tasa de éxito. Pero los datos muestran que, en general, no es así; y la tasa de fracaso de las startups apoyadas por capital riesgo parece haber aumentado por otras razones. Independientemente de los datos, estas teorías parecen no ser del todo incorrectas: hablar con clientes, hacer experimentos, iterar, parecen claramente útiles. Pero, en 1600, Galeno también parecía tener razón. Solo si sometemos estas ideas a pruebas similares a las de otras ciencias, podremos saber si son correctas o no.

Este es el estándar de Karl Popper en “La lógica de la investigación científica”: una teoría es científica solo si puede ser falsada. Tienes una hipótesis, la pruebas. Si los experimentos no la apoyan, la descartas y pruebas otra. Una teoría que no puede ser falsada no es ciencia, sino creencia.

Pocos intentan aplicar este estándar a la investigación emprendedora. Hay algunos ensayos controlados aleatorios, pero con poca potencia estadística, y definen “eficacia” en términos que no necesariamente reflejan el éxito real de una startup. Dado que el capital riesgo invierte decenas de miles de millones cada año, y los fundadores dedican años a sus ideas, sería lógico que alguien verificara si las técnicas que enseñan realmente funcionan. Pero no parece que nadie lo haga en serio.

Pero los predicadores tienen poco incentivo para probar sus teorías: ganan dinero vendiendo libros y acumulando influencia. Los aceleradores, al canalizar a muchos emprendedores por el embudo de Pareto, obtienen beneficios de unos pocos casos de éxito. Los académicos también enfrentan sesgos: demostrar que su teoría está equivocada puede costarles financiamiento, sin recompensas inmediatas. Todo el sistema funciona como la “ciencia de la mercancía” que Richard Feynman criticó: una estructura que imita la ciencia, pero sin su sustancia, derivando reglas de anécdotas sin establecer relaciones causales sólidas. Que algunos startups hayan hecho entrevistas a clientes no implica que todas las startups que las hagan tengan éxito.

Pero, a menos que aceptemos que las respuestas actuales son insuficientes, no tendremos motivación para buscar nuevas. Necesitamos experimentar para descubrir qué funciona y qué no. Esto será costoso, porque las startups no son buenos objetos de prueba. Es difícil forzar a una startup a hacer o no hacer algo (¿puedes impedir que un fundador itere, hable con clientes o pregunte a usuarios qué diseño prefieren?), y en medio de la lucha por sobrevivir, llevar registros rigurosos suele ser una prioridad baja. Cada teoría tiene matices que también hay que probar. En realidad, estos experimentos pueden ser imposibles de hacer bien. Pero si eso es así, debemos aceptar que, para cualquier teoría que no pueda ser falsada, no es ciencia, sino pseudociencia.

Quizá las teorías sean demasiado evidentes

En cierto sentido, los fundadores no necesitan aprender formalmente estas técnicas. Antes de que Steve Blank propusiera el “desarrollo de clientes”, los fundadores ya conversaban con clientes. Antes de que Ries nombrara el proceso, ya construían productos mínimos viables y los iteraban. Antes de que existiera el “pensamiento de diseño”, ya diseñaban productos para usuarios. La lógica del negocio suele forzar estas conductas, y millones de empresarios las han reinventado independientemente para resolver sus problemas diarios. Quizá estas teorías sean evidentes, y los predicadores solo las hayan envasado de nuevo.

Eso no es necesariamente malo. Tener teorías efectivas, aunque sean evidentes, es un primer paso hacia mejores teorías. A diferencia de Popper, los científicos no abandonan una teoría en el momento en que es falsada; intentan mejorarla o ampliarla. Thomas Kuhn, en “La estructura de las revoluciones científicas”, ilustra esto con el ejemplo de Newton: su teoría de la gravedad predice incorrectamente el movimiento lunar durante más de 60 años, hasta que Alexis Clairaut reconoce que es un problema de tres cuerpos y lo corrige. La norma de Popper sería que Newton fuera descartado, pero no ocurrió así, porque la teoría tenía un respaldo sólido en otros aspectos. Kuhn llama a esto un paradigma: un marco de creencias que permite a los científicos construir y mejorar sobre lo existente, sin abandonarlo a la primera dificultad. El paradigma proporciona un camino a seguir.

La investigación en emprendimiento no tiene un paradigma dominante. O tiene demasiados, y ninguno logra unificar el campo. Esto significa que quienes ven el emprendimiento como ciencia carecen de una guía común para decidir qué problemas investigar, qué significa una observación, o cómo mejorar teorías incompletas. Sin un paradigma, los investigadores solo divagan. Para que el emprendimiento sea una ciencia, necesita un paradigma principal: un marco convincente que organice esfuerzos colectivos. Esto es más difícil que simplemente decidir qué hipótesis probar, porque una idea debe responder a preguntas abiertas y urgentes. No podemos lograrlo de la nada, pero debemos alentar a más a intentarlo.

Quizá las teorías sean autocontradictorias

La economía nos dice que si haces lo mismo que todos los demás —vender a los mismos clientes, con los mismos productos, en las mismas formas— la competencia te reducirá las ganancias a cero. Este concepto es la base de la estrategia empresarial: desde la “reflexividad” de George Soros —que las creencias de los participantes cambian el mercado, erosionando sus ventajas— hasta la idea de Peter Thiel de que “la competencia es para los perdedores”. Michael Porter, en su “Estrategia competitiva”, formalizó esto como la necesidad de buscar un nicho sin competencia. Kim y Mauborgne, en “La estrategia del océano azul”, llevan esto más lejos: crear mercados sin competencia, en lugar de pelear en los existentes.

Pero si todos usan la misma estrategia para construir sus empresas, competirán directamente. Si todos entrevistan a clientes, todos llegarán a respuestas similares. Si todos lanzan productos mínimos y los mejoran, terminarán con productos iguales. En un mercado competitivo, el éxito es relativo, y las prácticas efectivas deben diferenciarse de las de los demás.

La prueba por reducción al absurdo es clara: si existiera un proceso que garantizara el éxito, todos lo usarían y surgirían startups exitosas en masa. Sería una máquina de hacer dinero perpetua. Pero en realidad, la competencia genera muchas startups fallidas. La premisa falsa sería que tal proceso puede existir.

La teoría de la evolución ofrece un paralelo: en 1973, Leigh Van Valen propuso la “hipótesis de la Reina Roja”: en cualquier ecosistema, cuando una especie evoluciona para obtener ventaja a costa de otra, la especie en desventaja también debe evolucionar para mantenerse en la carrera. El nombre viene de “A través del espejo” de Lewis Carroll, donde la Reina Roja le dice a Alicia: “Corre todo lo que puedas, solo para mantenerte en el mismo lugar”. Las especies deben innovar continuamente para sobrevivir en un entorno competitivo.

De modo similar, cuando todos adoptan rápidamente nuevas técnicas emprendedoras, no hay ventaja relativa, y la tasa de éxito se mantiene plana. Para ganar, las startups deben desarrollar estrategias novedosas y crear barreras de imitación sostenibles antes de que los competidores las igualen. Esto suele significar que las estrategias ganadoras son o bien internas y secretas, o tan originales que nadie las copia.

Esto hace que sea difícil construir una ciencia…