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

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 éxito sobre metodologías emprendedoras —lean startup, desarrollo de clientes, Business Model Canvas— no han demostrado mejorar las tasas de supervivencia de las startups desde un punto de vista estadístico.

El problema no necesariamente es que la metodología en sí 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 especialmente a quienes están revisando diversas «Guías de emprendimiento Web3».

El texto completo es el siguiente:

Cualquier método para construir una startup, una vez ampliamente difundido, lleva a los fundadores a buscar la misma respuesta. 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 empresas exitosas, 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, las recomendaciones que reemplazaron eran, sinceramente, aún peores. Era una mezcla ingenua de estrategias de las Fortune 500 y pequeñas empresas, con planificación a cinco años y gestión diaria 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 una competencia más rápida. Las recomendaciones antiguas estaban diseñadas para un mundo de mejoras graduales, no para la incertidumbre radical.

Las nuevas generaciones de predicadores ofrecen algo diferente: ideas intuitivas y razonables, con argumentos aparentemente sólidos, que proporcionan un proceso paso a paso para construir empresas en medio de la incertidumbre real. Steve Blank en «The Four Steps to the Epiphany» (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 sus suposiciones antes de escribir código. Eric Ries en «The Lean Startup» (2011) basó su método en un ciclo de construir-medir-aprender: lanzar un producto mínimo viable, medir el comportamiento real de los usuarios, iterar rápidamente en lugar de perfeccionar un producto que nadie quiere. Osterwalder en 2008 creó el Business Model Canvas, una herramienta para describir los nueve componentes clave del modelo de negocio y ajustarlos rápidamente si algo no funciona. El pensamiento de diseño, promovido por IDEO y Stanford, enfatiza la empatía con el usuario final y la creación rápida de prototipos para detectar problemas tempranamente. La teoría de inferencia de efectos 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 las fracasos en 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 copiar». Osterwalder, en su tesis doctoral, afirmó que el Business Model Canvas se basa en la ciencia del diseño (predecesor del pensamiento de diseño).

La academia también investiga las startups, pero su ciencia se asemeja más a la antropología: describen la cultura de los fundadores y las prácticas de las empresas para entenderlas. Los nuevos predicadores tienen una visión más práctica —como lo explicó el naturalista Robert Boyle en los albores de la ciencia moderna: «No me atrevo a llamarme naturalista genuino, a menos que mis habilidades puedan hacer crecer mejores hierbas y flores en mi jardín». En otras palabras, la ciencia debe buscar la verdad fundamental, pero también ser efectiva.

¿Es efectiva? Por supuesto, eso decide si merece llamarse ciencia. Y en cuanto a la predicación emprendedora, una cosa está clara: no funciona.

¿Qué hemos aprendido realmente?

En ciencia, evaluamos la efectividad mediante experimentos. Cuando la relatividad de Einstein fue aceptada, otros físicos invirtieron tiempo y dinero en diseñar experimentos para verificar sus predicciones. Desde la escuela 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 vieja 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 deducirse mediante principios lógicos a partir de lo que ya sabemos que es cierto, es decir, desde los primeros principios. Aunque esto es estándar en matemáticas, en campos con datos algo ruidosos o axiomas débiles, puede conducir a conclusiones aparentemente atractivas pero absurdas.

Antes del siglo XVI, los médicos trataban a los pacientes con los textos del galeno griego 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 fueran efectivas, sino porque la autoridad de los antiguos parecía mucho más valiosa que la observación moderna. Pero, alrededor de 1500, Paracelso notó que las terapias de Galeno en realidad no mejoraban a los pacientes, y que algunos tratamientos —como el uso de mercurio para la sífilis—, aunque sin sentido en el marco de la teoría de los humores, funcionaban. Paracelso empezó a escuchar la evidencia en lugar de obedecer a la autoridad pasada: «El paciente es tu libro de texto, la cama, tu laboratorio». En 1527, incluso quemó públicamente los textos de Galeno. Su visión tardó siglos en aceptarse —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.

Partiendo de lo que funciona, Paracelso encontró las causas. Los pensadores desde primeros principios primero suponen una causa y luego afirman que funciona, pase lo que pase. Los modernos en emprendimiento parecen más Paracelso, ¿guiados por la evidencia? ¿O más Galeno, manteniendo su relato elegante y coherente? 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 determinado siga viva en diferentes plazos. La primera línea rastrea la supervivencia a un año, la segunda a dos años, y así sucesivamente. La gráfica 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 enfoques. Si fueran efectivos, los datos estadísticos lo reflejarían. Pero en los últimos treinta años, no ha habido progreso sistemático en facilitar la supervivencia de las startups.

Los datos oficiales incluyen todas las startups en EE. UU.: restaurantes, tintorerías, bufetes de abogados, paisajismo, no solo las tecnológicas con alto potencial de crecimiento y respaldo de capital riesgo. Los predicadores no afirman que sus métodos solo sirvan en Silicon Valley, pero estas técnicas suelen estar diseñadas para contextos 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, logran seguir con rondas posteriores. Dado cómo funciona el capital riesgo, podemos suponer razonablemente que la mayoría de las que no logran financiamiento posterior no sobreviven.

La línea sólida es la data original; la línea punteada ajusta para las startups en semilla que aún podrían obtener la ronda A en el corto plazo.

La caída rápida en la proporción de startups en semilla que logran financiamiento posterior no apoya la idea de que las startups apoyadas por capital riesgo hayan mejorado en los últimos 15 años. Si algo ha cambiado, parece que las startups fracasan más a menudo. 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 fundadores menos calificados, reduciendo la tasa de éxito. Pero en el gráfico, la tasa de éxito cae tanto en periodos de expansión como de contracción del número de startups financiadas. Si la sobreoferta de fundadores inexpertos fuera la causa, en 2021, cuando disminuyó el número de startups, la tasa de éxito debería haber subido. Pero no fue así.

¿No es en sí mismo un éxito que haya más fundadores? ¿Qué decir a quienes, siguiendo las predicaciones, fracasaron? Son personas reales, que apostaron su tiempo, ahorros y reputación; tienen derecho a saber qué enfrentan. Los principales inversores quizás ganen 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 matemática de colas significa que cuantas más startups se lanzan, mayor es la probabilidad de un éxito extremo. 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 mucho tiempo y miles de millones en un marco de pensamiento que, en esencia, no funciona.

Hacia una ciencia del emprendimiento

Los predicadores afirman que nos dan 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 ha producido mejores hierbas o flores, no hay ciencia. Es decepcionante y confuso. Dado el tiempo invertido, la adopción generalizada y el evidente nivel intelectual detrás de estas ideas, resulta difícil imaginar 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. Primera: quizás estas teorías son simplemente incorrectas. Segunda: quizás son demasiado evidentes como para sistematizarlas. Tercera: quizás, 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.

Quizás las teorías mismas sean incorrectas

Si estas teorías son erróneas, su difusión debería reducir las tasas de éxito. Pero los datos muestran que, en general, las startups no han empeorado, y las apoyadas por capital riesgo parecen fracasar más por otras razones. Independientemente de los datos, estas teorías parecen plausibles: hablar con clientes, experimentar y iterar claramente ayuda. Pero, en 1600, la teoría de Galeno tampoco parecía equivocada. A menos que sometamos estos marcos a pruebas similares a las de otras ciencias, no podemos estar seguros.

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 en emprendimiento. 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 las inversiones en riesgo mueven decenas de miles de millones cada año, y los fundadores dedican años a sus ideas, es extraño que nadie verifique seriamente si las técnicas que enseñan realmente funcionan.

Pero los predicadores tienen poco incentivo para probar sus teorías: ganan dinero vendiendo libros y acumulando influencia. Los aceleradores, que colocan a muchos emprendedores en el embudo de colas de Pareto, obtienen beneficios de unos pocos casos de éxito extremo. Los académicos también enfrentan sesgos: demostrar que su teoría está equivocada puede costarles financiamiento, sin recompensas inmediatas. Todo el sistema funciona como una «ciencia de fachada», una estructura que imita a la ciencia —como la criticó Richard Feynman—, basada en anécdotas y reglas derivadas sin establecer relaciones causales sólidas. Que algunos startups hayan hecho entrevistas a clientes no significa que esa técnica garantice el 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, registrar datos con rigor suele ser una prioridad baja. Cada teoría tiene matices que también deben probarse. En realidad, estos experimentos pueden ser imposibles de hacer bien. Pero si eso es así, debemos aceptar que, para cualquier teoría no falsable, esto no es ciencia, sino pseudociencia.

Quizás las teorías sean demasiado evidentes

En cierto modo, los fundadores no necesitan aprender formalmente estas técnicas. Antes de que Steve Blank propusiera el «desarrollo de clientes», los fundadores ya conversaban con clientes para entenderlos. Antes de que Ries llamara a esa práctica «lean startup», ya construían productos mínimos viables y los iteraban. Antes de que se hablara de «pensamiento de diseño», ya diseñaban productos para los usuarios. La lógica del negocio suele forzar estas conductas, y millones de empresarios las han reinventado independientemente para resolver sus problemas diarios. Quizás estas teorías sean evidentes, y los predicadores solo las envasan en envases nuevos.

Pero esto 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 prometedora en el momento en que es falsada; intentan mejorarla o ampliarla. Thomas Kuhn en «La estructura de las revoluciones científicas» ilustra esto: después de que Newton propuso la ley de la gravitación, durante más de 60 años, sus predicciones sobre el movimiento lunar fueron incorrectas, hasta que Alexis Clairaut reconoció que era un problema de tres cuerpos y lo corrigió. La norma de Popper nos llevaría a desechar a Newton, pero eso no ocurrió, porque la teoría tenía un respaldo sólido en otros aspectos. Kuhn argumenta que los científicos son resistentes a cambiar de paradigma, una estructura que permite construir y mejorar sobre la base de teorías existentes. Solo cuando la anomalía es demasiado grande, abandonan el paradigma. El paradigma, en definitiva, proporciona un camino para avanzar.

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

Quizás 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 condiciones— la competencia te llevará a obtener ganancias nulas. Este concepto es la base de la estrategia empresarial: desde la «reflexividad» de George Soros —que las creencias de los participantes en el mercado cambian el mercado mismo, erosionando ventajas— hasta la idea de Peter Thiel de que «la competencia es para perdedores». Michael Porter en su «Estrategia competitiva» formalizó esto como la búsqueda de un nicho de mercado sin competencia. Kim y Mauborgne en «La estrategia del océano azul» llevaron esto más lejos, proponiendo crear mercados sin competencia en lugar de pelear en los existentes.

Pero si todos usan las mismas técnicas para construir sus empresas, competirán directamente. Si todos entrevistan a clientes, llegarán a respuestas similares. Si todos lanzan productos mínimos y los iteran, terminarán con productos iguales. El éxito en mercados competitivos debe ser relativo, por lo que las prácticas efectivas deben diferenciarse de las de los demás.

La prueba por reductio ad absurdum es clara: si existiera un proceso garantizado para el éxito, todos lo usarían y crearían startups exitosas a granel. Sería una máquina de hacer dinero perpetua. Pero en un entorno competitivo, la aparición masiva de nuevas startups genera que la mayoría fracase. La premisa incorrecta sería pensar que tal proceso puede existir.

La teoría de la evolución ofrece una analogía precisa. En 1973, el biólogo Leigh Van Valen propuso la «hipótesis de la Reina Roja»: en cualquier ecosistema, cuando una especie evoluciona para obtener ventajas a costa de otra, la especie en desventaja evoluciona para contrarrestar esa ventaja. El nombre proviene de «Alicia en el país de las maravillas», donde la Reina Roja le dice a Alicia: «Corre todo lo que puedas, solo así te mantendrás en el mismo lugar». Las especies deben innovar continuamente con estrategias diversas para sobrevivir en medio de la competencia.

De modo similar, cuando todos adoptan rápidamente nuevas metodologías emprendedoras, no hay ventajas relativas, y las tasas de éxito permanecen planas. Para ganar, las startups deben desarrollar estrategias diferenciadas y crear barreras sostenibles a la imitación antes de que los competidores las igualen. Esto suele significar que las estrategias ganadoras sean internas (no en publicaciones abiertas) o tan singulares que nadie piense en copiarlas.

Esto hace que sea muy difícil construir una ciencia…