Lo que Lean Startup todavía nos enseña sobre la inteligencia artificial generativa | Patricio Nyman | julio 2026

Comprender los problemas del mundo real sigue siendo lo primero

La comodidad es que estos modelos no son lo suficientemente buenos y la próxima versión salvará a estos pilotos. No. Si analizamos las razones por las que las empresas mueren, las mismas razones encabezan la lista. Después de revisar cientos de autopsias de nuevas empresas, CB Insights descubrió que El desajuste entre productos y mercados sigue siendo la principal causa del fracaso -Los fundadores pagan las cuentas creando algo que el mercado no necesita con urgencia. La historia termina con el dinero acabándose, pero la historia comienza sin que nadie tenga ningún problema.

Los pilotos de IA generativa enfrentan la misma desaparición. Para los investigadores del MIT estaba claro que el fracaso no se debía a un modelo débil. Son causados ​​por herramientas que están diseñadas para mostrar innovación en lugar de resolver el trabajo real de alguien.

La demostración que impresionó a la placa y la herramienta que sobrevivió el martes son dos productos diferentes. Uno está construido para verlo. El otro está diseñado para su uso.

Mucho antes de que el software tomara prestado el término, Toyota acuñó la palabra reparación. Buda aparece en el lugar ——Ve y echa un vistazo. No maneje el problema en una sala de conferencias; vaya a donde ocurre el trabajo y observe cómo falla.

Teresa Torres defiende los mismos argumentos a favor de los equipos de productos modernos en su trabajo sigue descubriendo: Puede encontrar oportunidades reales si se mantiene en estrecho contacto con clientes reales, sin admirar su hoja de ruta. Los equipos que están cruzando la división de la IA son los que amplían lo que la gente ya está haciendo. Los equipos que están en el lado equivocado son los que nunca salen de la sala.

elementos de acción

• Ve a ver el trabajo real. Antes de analizar una sola característica, siéntese con las personas que usarán el producto y dónde lo usarán.
• Nombra el trabajo antes de construirlo. Escriba una tarea específica que una persona real esté tratando de realizar; si no pueden, aún no tienes el producto.
• Elimine las hojas de ruta basadas en demostraciones. Deje de financiar proyectos que impresionen a la junta y comience a financiar proyectos que sobrevivan el martes.

recurso

Aprender rápido es mejor que entregar mucho

El bucle central es Emprendimiento ajustado Sólo tres palabras: construcción, medición y aprendizaje. No construir, transportar, celebrar. La mitad de medición y aprendizaje es donde se esconde el valor y la mitad que los equipos siguen recortando cuando los horarios son ajustados.

si Emprendimiento ajustado Asigne un nombre al bucle y el sprint de diseño le mostrará cómo ejecutarlo. El método de cinco días desarrollado por el equipo de Google Ventures sprint Convierta un problema real en un prototipo probado en una semana: mapee el problema el lunes, cree un prototipo realista el jueves y preséntelo a cinco clientes el viernes. Sabes si una idea es cierta antes de dedicar siquiera una cuarta parte del tiempo a construirla. Los mismos instintos que Lean, comprimidos en un calendario que puedes borrar.

Nada de esto es nuevo. Hace veinte años, Mary Poppendieck y Tom Poppendieck incorporaron la fabricación ajustada de Toyota al software. Desarrollo de software ajustado: kit de herramientas ágilse basa en la misma estructura: ampliar el aprendizaje, tomar decisiones tan tarde como lo permita la evidencia y tratar grandes cantidades de especificaciones iniciales como un desperdicio habitual.

Reese propuso la idea a las empresas emergentes. El equipo de Google Ventures lo resumió en una semana.

Cascada, el modelo de “planificarlo todo y luego construirlo todo” que estos libros pretenden enterrar ha muerto. La mayoría de las empresas simplemente no organizan funerales.

La IA generativa es lo mejor que le ha pasado a este ciclo en años. Reduce el costo y el tiempo de experimentación: un prototipo que solía tomar una semana de sprint toma una tarde, y una síntesis de investigación que tomó varios días toma una hora. Lean siempre quiere experimentos rápidos y baratos; las herramientas finalmente los permiten. Si se usa correctamente, la inteligencia artificial no lo tentará a saltarse el aprendizaje. Le brinda más beneficios porque puede realizar su próxima prueba hoy en lugar del próximo trimestre.

Un ciclismo más rápido solo es una ventaja si buscas resultados y pones barreras en torno a lo que ofrece.

Instale la barandilla primero. Los bucles que se ejecutan más rápido también fallan más rápido, por lo que la evaluación viene antes del botón de envío: comprobaciones automáticas, revisión manual de todo lo que llega al cliente, definición de bien antes de que se genere algo. Si se hacen bien, las barandillas no impedirán la velocidad. Te mantienen conectado a tierra sin chocar contra una pared.

Luego apunte a un resultado. Diez funciones entregadas es sólo un número vanidoso; La única pregunta que debe responder un experimento rápido es si las métricas reales han cambiado para alguien que realmente realiza un trabajo real: activaciones, retención, tiempo ahorrado, ingresos. Conecte el circuito a esto y la IA generativa se convertirá en el motor de aprendizaje más rápido que tenga. Vincúlelo a la cantidad y podrá automatizar la tediosa tarea de enviar artículos que nadie mide.

elementos de acción

• Realiza experimentos mínimos para enseñarte algo. Esta semana, analice esta idea en sus supuestos más peligrosos y pruébelos primero.
• Coloque la reseña frente al botón de envío. Comprobaciones automatizadas combinadas con comprobaciones manuales de todo lo relacionado con el cliente y configuraciones bien definidas antes de la producción.
• Mida los resultados, no la producción. Pregunte acerca de métricas reales sobre si están marcando una diferencia para personas reales, no sobre cuántas funciones ha lanzado.

recurso