Autor: Colossus
Compilado por: Deep Tide TechFlow
Guía de Deep Tide: Este artículo utiliza datos del gobierno de EE. UU. para revelar un hecho incómodo: en los últimos 30 años, todos los libros de metodología para startups más vendidos—Lean Startup, Desarrollo de Clientes, el Lienzo de Modelo de Negocio—estadísticamente no han ayudado en nada a mejorar la tasa de supervivencia de las startups.
El problema no es necesariamente que las metodologías en sí estén equivocadas, sino que una vez que todos usan las mismas tácticas, pierden su ventaja.
Este argumento también es válido para los emprendedores de cripto y Web3, y es especialmente relevante para quienes están leyendo varias "Guías para Emprender en Web3".
El texto completo es el siguiente:
Cualquier método para construir una startup, una vez que se difunde ampliamente, hace que los fundadores converjan en las mismas respuestas. Si todos siguen las mismas técnicas populares para startups, todos terminarán construyendo las mismas empresas, y sin diferenciación, la mayoría de estas empresas fracasarán. El hecho es que cada vez que alguien insiste en enseñar un método para construir una startup exitosa, deberías hacer algo diferente. Esta paradoja es evidente una vez que se piensa detenidamente, pero también contiene en sí misma la dirección a seguir.
Hace veinticinco años, antes de que surgiera la nueva ola de "evangelizadores de startups", el consejo que reemplazó era, francamente, peor que inútil. Ese consejo era una mezcla ingenua de estrategia de empresas Fortune 500 con tácticas de pequeños negocios, planificación quinquenal junto con gestión operativa diaria. Pero para las startups con alto potencial de crecimiento, la planificación a largo plazo carece de sentido—el futuro es impredecible, y centrarse en las operaciones diarias expone a los fundadores a competidores más rápidos. El antiguo consejo fue creado para un mundo de mejora gradual, no para una incertidumbre fundamental.
El consejo de la nueva generación de evangelizadores de startups era diferente: intuitivamente razonable, aparentemente bien fundamentado, ofrecía a los fundadores un proceso paso a paso para construir una empresa en medio de una incertidumbre real. Steve Blank en "The Four Steps to the Epiphany" (2005) propuso el método de desarrollo de clientes, enseñando a los fundadores a tratar las ideas de negocio como un conjunto de hipótesis falsables: sal, entrevista a clientes potenciales, valida o refuta tus hipótesis antes de escribir cualquier código. Eric Ries en "The Lean Startup" (2011) se basó en esto, proponiendo el ciclo construir-medir-aprender: lanza un producto mínimo viable, mide el comportamiento real de los usuarios, itera rápidamente, en lugar de perder el tiempo puliendo un producto que nadie quiere. El Business Model Canvas de Osterwalder (2008) proporcionó a los fundadores una herramienta para esbozar las nueve partes centrales de un modelo de negocio y pivotar rápidamente cuando algo no funcionaba. El Design Thinking—popularizado por IDEO y la d.school de Stanford—enfatiza la empatía con el usuario final y la creación rápida de prototipos para detectar problemas temprano. La teoría del Effectuation de Saras Sarasvathy sugiere partir de las habilidades y contactos del fundador, en lugar de hacer ingeniería inversa de un plan para lograr un objetivo grandioso.
Estos evangelizadores intentaron conscientemente establecer una ciencia del éxito en startups. Para 2012, Blank declaró que la National Science Foundation de EE. UU. estaba llamando su marco de desarrollo de clientes "el método científico para startups", y afirmó que "ahora sabemos cómo hacer fracasar menos a las startups". El sitio web de Lean Startup afirma que "Lean Startup proporciona un enfoque científico para crear y gestionar startups", y la contraportada de su libro cita al CEO de IDEO, Tim Brown, diciendo que Ries "propone un proceso científico que puede ser aprendido y replicado". Mientras tanto, Osterwalder en su tesis doctoral afirmó que el Business Model Canvas está enraizado en la ciencia del diseño (predecesora del design thinking).
Los departamentos de investigación académica sobre emprendimiento también estudiaban las startups, pero su ciencia se acercaba más a la antropología: describiendo la cultura de los fundadores y las prácticas de las startups para entenderlas. Los nuevos evangelizadores tenían una visión más práctica—la que Robert Boyle, el filósofo natural, articuló en los albores de la ciencia moderna: "No me atrevería a llamarme un verdadero naturalista, a menos que mi habilidad hiciera que mi jardín produjera mejores hierbas y flores". En otras palabras, la ciencia debería buscar la verdad fundamental, pero también debe ser efectiva.
Si es efectiva o no, por supuesto, determina si merece ser llamada ciencia. Y una cosa que podemos decir con certeza sobre el evangelio de las startups es: no está funcionando.
¿Qué hemos aprendido realmente?
En ciencia, juzgamos si algo funciona mediante experimentos. Cuando la relatividad de Einstein fue ganando aceptación, otros físicos invirtieron tiempo y dinero diseñando experimentos para probar si sus predicciones eran precisas. Aprendimos en la escuela primaria que el método científico es la ciencia misma.
Sin embargo, debido a algún defecto en nuestra naturaleza humana, también tendemos a resistirnos a la idea de que "así es como se descubre la verdad". Nuestras mentes esperan evidencia, pero nuestros corazones necesitan que se les cuente una historia. Hay 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 puede darnos la verdad, la verdad real solo puede derivarse de otras cosas que sabemos que son verdaderas mediante principios lógicos, es decir, a partir de primeros principios. Aunque esto es estándar en matemáticas, en campos donde los datos son un poco más ruidosos o los fundamentos axiomáticos menos sólidos, puede llevar a conclusiones aparentemente atractivas pero absurdas.
Antes del siglo XVI, los médicos trataban a los pacientes usando los escritos del médico griego Galeno del siglo II. Galen creía que las enfermedades eran causadas por un desequilibrio de los cuatro humores—sangre, flema, bilis amarilla y bilis negra—y recomendaba terapias como sangrías, vómitos forzados y ventosas para restaurar el equilibrio. Los médicos siguieron estas terapias durante más de mil años, no porque funcionaran, sino porque la autoridad académica de los antiguos parecía superar con creces el valor de la observación contemporánea. Pero alrededor de 1500, el médico suizo Paracelso notó que las terapias de Galeno en realidad no mejoraban a los pacientes, y que algunas terapias—como usar mercurio para tratar la sífilis—funcionaban incluso si no tenían sentido dentro del marco de la teoría humoral. Paracelso comenzó a abogar por escuchar la evidencia, en lugar de someterse a una autoridad muerta hace mucho tiempo: "El paciente es tu libro de texto, la cama del enfermo es tu estudio". En 1527, incluso quemó públicamente los escritos de Galeno. Su visión tardó siglos en ser aceptada—casi trescientos años después, George Washington murió después de un tratamiento radical de sangría—porque la gente prefería creer en la historia ordenada y simple de Galen en lugar de enfrentar la realidad desordenada y compleja.
Paracelso partió de lo que funcionaba y retrocedió hasta la causa. Los pensadores de primeros principios primero asumen una "causa" y luego insisten en que funciona, sin importar los resultados. ¿Nuestros pensadores modernos de startups se parecen más a Paracelso, impulsados por la evidencia? ¿O se parecen más a Galen, sostenidos por la elegancia autoconsistente de su historia? En nombre de la ciencia, veamos la evidencia.
A continuación se muestran los datos oficiales del gobierno sobre la tasa de supervivencia de las startups en EE. UU. Cada línea muestra la probabilidad de supervivencia de las empresas fundadas en un año determinado. La primera línea rastrea la tasa de supervivencia a un año, la segunda a dos años, y así sucesivamente. El gráfico muestra que, desde 1995 hasta ahora, la proporción de empresas que sobreviven un año básicamente no ha cambiado. Lo mismo ocurre con las tasas de supervivencia a dos, cinco y diez años.
La nueva generación de evangelizadores ha existido el tiempo suficiente y es lo suficientemente conocida—los libros combinados han vendido millones de copias, se enseñan en casi todos los cursos universitarios de emprendimiento. Si fueran efectivos, se reflejaría en las estadísticas. Sin embargo, en los últimos treinta años, el progreso sistémico en hacer que las startups sobrevivan más fácilmente ha sido cero.
Los datos del gobierno cubren todas las startups estadounidenses, incluyendo restaurantes, tintorerías, bufetes de abogados y empresas de diseño de paisajes—no solo startups tecnológicas de alto crecimiento respaldadas por capital de riesgo. Los evangelizadores de startups no afirman que sus métodos se apliquen solo a empresas tipo Silicon Valley, pero estas técnicas suelen estar adaptadas a ese tipo de incertidumbre extrema que los fundadores están dispuestos a soportar solo si la recompensa potencial es lo suficientemente grande. Por lo tanto, tomamos una medida más específica: la proporción de startups estadounidenses respaldadas por capital de riesgo que completan una ronda de financiación inicial y luego completan rondas posteriores. Dada la forma en que funciona el capital de riesgo, podemos suponer razonablemente que la mayoría de las empresas que no completan rondas posteriores no sobreviven.
La línea sólida son los datos brutos; la línea punteada ajusta las empresas de ronda semilla recientes que aún podrían completar una ronda Serie A.
La fuerte caída en la proporción de empresas de ronda semilla que continúan completando rondas de financiación posteriores no respalda la afirmación de que las startups respaldadas por capital de riesgo se hayan vuelto más exitosas en los últimos 15 años. Si acaso, parecen fallar con más frecuencia. Por supuesto, el despliegue de capital de riesgo no está determinado únicamente por la calidad de las startups: el impacto de la pandemia de COVID-19, el fin de la era de tasas de interés cero, las necesidades de capital altamente concentradas de la IA, etc.
También se podría argumentar que el crecimiento en el volumen total de capital de riesgo ha inundado el mercado con más fundadores menos calificados, compensando cualquier mejora en la tasa de éxito. Pero en el gráfico siguiente, la caída en la tasa de éxito ocurre tanto durante períodos de crecimiento como de contracción en el número de empresas financiadas. Si un exceso de fundadores con habilidades insuficientes estaba arrastrando el promedio hacia abajo, la tasa de éxito debería haberse recuperado después de 2021, cuando el número de empresas financiadas cayó. Sin embargo, no lo hizo.
¿Pero el aumento en el número de fundadores no es en sí mismo un éxito? Intenta decirles eso a los emprendedores que siguieron el consejo de los evangelizadores y aún así fracasaron. Estas son personas reales, que apostaron su tiempo, ahorros y reputación; tienen derecho a saber a qué se enfrentan. Los principales inversores de riesgo quizás ganaron más dinero—ahora hay más unicornios que antes—pero eso se debe en parte a tiempos de salida más largos, y en parte porque la distribución de poder de las salidas significa matemáticamente que cuantas más empresas se lancen, mayor será la probabilidad de un éxito extremadamente grande. Para los fundadores, esto es un consuelo frío. El sistema quizás esté produciendo más premios gordos, pero no está mejorando las probabilidades para el emprendedor individual.
Debemos tomar en serio el hecho de que la nueva generación de evangelizadores no ha logrado hacer que las startups tengan más probabilidades de éxito. Los datos sugieren que, en el mejor de los casos, no han tenido ningún impacto. Hemos gastado un tiempo y un dinero incalculables en un marco de pensamiento que fundamentalmente no funciona.
Hacia una ciencia de las startups
Los evangelizadores afirmaban que nos estaban dando una ciencia de las startups, pero según sus propios criterios explícitos, no hemos progresado: no sabemos cómo hacer que las startups tengan más éxito. Boyle diría que si nuestro jardín aún no produce mejores hierbas o flores, entonces no hay ciencia. Esto es decepcionante y desconcertante. Dado el tiempo invertido, la adopción generalizada y el aparente nivel intelectual detrás de estas ideas, parece difícil imaginar que no hayan tenido ningún efecto. Sin embargo, los datos sugieren que realmente no hemos aprendido nada.
Si queremos construir una verdadera ciencia de las startups, necesitamos entender por qué. Hay tres posibilidades. Primera, quizás estas teorías simplemente están equivocadas. Segunda, quizás las teorías son tan obvias que sistematizarlas carece de sentido. Tercera, quizás una vez que todos usan la misma teoría, ya no brindan ninguna ventaja. Después de todo, la esencia de la estrategia es hacer cosas diferentes a las de la competencia.
Quizás las teorías en sí están equivocadas
Si estas teorías están fundamentalmente equivocadas, entonces a medida que se difundan, la tasa de éxito de las startups debería disminuir. Nuestros datos sugieren que, para las startups en general, esto no es cierto, y la tasa de fracaso de las empresas respaldadas por capital de riesgo parece haber aumentado por otras razones. Dejando los datos de lado, estas teorías no parecen estar equivocadas. Hablar con los clientes, experimentar e iterar constantemente, todo eso parece obviamente beneficioso. Pero la teoría de Galen tampoco le parecía equivocada a un médico en 1600. A menos que probemos estos marcos como probamos otras hipótesis científicas, no podemos saberlo con certeza.
Este es el estándar que Karl Popper estableció para la ciencia en "La lógica de la investigación científica": una teoría es científica si y solo si, en principio, puede ser probada como falsa. Tienes teorías, las pruebas. Si el experimento no las respalda, las descartas y pruebas otras cosas. Una teoría que no puede ser falsada no es una teoría en absoluto, es una creencia.
Pocos han intentado aplicar este estándar a la investigación sobre startups. Hay algunos ensayos controlados aleatorios, pero a menudo carecen de poder estadístico y definen "efectivo" como algo diferente del verdadero éxito de una startup. Dado que el capital de riesgo apuesta miles de millones de dólares cada año, sin mencionar los años que los fundadores invierten probando sus ideas, parece extraño que nadie se esfuerce seriamente en verificar si las técnicas que se enseñan a las startups realmente funcionan.
Pero los evangelizadores tienen pocos incentivos para probar sus teorías: ganan dinero e influencia vendiendo libros. Las aceleradoras de startups obtienen ganancias al enviar grandes cantidades de emprendedores a un embudo de distribución de poder, cosechando unos pocos casos de éxito anómalos. Los investigadores académicos también enfrentan sus propios incentivos distorsionados: probar que su teoría es incorrecta los dejaría sin financiación, sin ninguna recompensa compensatoria. Toda la industria tiene la estructura de lo que el físico Richard Feynman llamó "ciencia de culto cargo": un edificio que imita la forma de la ciencia pero no su sustancia, derivando reglas de anécdotas sin establecer causalidad fundamental. Solo porque algunas startups exitosas realizaron entrevistas con clientes no significa que tu startup también tendrá éxito si lo haces.
Pero a menos que admitamos que las respuestas existentes no son lo suficientemente buenas, no tendremos la motivación para buscar nuevas respuestas. Necesitamos experimentar para descubrir qué funciona y qué no. Esto será costoso, porque las startups son sujetos de prueba terribles. Es difícil obligar a una startup a hacer algo o no hacer algo (¿puedes evitar que un fundador itere, o hable con clientes, o pregunte a los usuarios qué diseño prefieren?), y cuando una empresa lucha por sobrevivir, llevar registros rigurosos suele ser de baja prioridad. Dentro de cada teoría también hay muchos matices que probar. En la práctica, estos experimentos podrían no hacerse bien. Pero si ese es el caso, entonces necesitamos admitir lo que diríamos sin dudar de cualquier otra teoría que no pueda ser falsada: esto no es ciencia, es pseudociencia.
Quizás las teorías son demasiado obvias
En cierto modo, los fundadores no necesitan aprender estas técnicas formalmente. Mucho antes de que Blank propusiera "desarrollo de clientes", los fundadores ya desarrollaban clientes hablando con ellos. Del mismo modo, construían productos mínimos viables y los iteraban antes de que Ries le pusiera un nombre. Diseñaban para el usuario antes de que alguien lo llamara "design thinking". Las reglas de cómo funciona los negocios suelen forzar estos comportamientos, y millones de personas de negocios reinventaron independientemente estas prácticas para resolver los problemas que enfrentaban a diario. Quizás estas teorías son obvias, y los evangelizadores simplemente pusieron vino nuevo en odres viejos.
Esto no es necesariamente malo. Tener teorías efectivas, incluso si son obvias, es el primer paso hacia teorías mejores. Contrario a Popper, los científicos no simplemente descartan una teoría prometedora en el momento en que es falsada; intentan mejorarla o ampliarla. El historiador y filósofo de la ciencia Thomas Kuhn argumentó poderosamente esto en "La estructura de las revoluciones científicas": más de 60 años después de que Newton publicara su teoría de la gravedad, sus predicciones sobre el movimiento de la Luna seguían siendo incorrectas, hasta que el matemático Alexis Clairaut reconoció que era un problema de tres cuerpos y lo corrigió. El estándar de Popper nos habría descartado a Newton. Pero eso no sucedió porque la teoría estaba suficientemente respaldada en otros aspectos. Kuhn argumenta que los científicos son obstinados dentro de un marco de creencias, al que llama paradigma. Porque proporciona una estructura sobre la cual los científicos pueden construir y mejorar, no abandonan fácilmente un paradigma a menos que se vean obligados. El paradigma proporciona un camino a seguir.
La investigación sobre startups no tiene un paradigma. O tiene demasiados paradigmas, ninguno lo suficientemente convincente como para unificar el campo. Esto significa que aquellos que piensan en el emprendimiento como una ciencia no tienen una guía común sobre qué problemas vale la pena resolver, qué significan las observaciones o cómo mejorar teorías que no son del todo correctas. Sin un paradigma, los investigadores simplemente dan vueltas en círculos, hablando unos sobre otros. Para que el emprendimiento se convierta en una ciencia, necesita un paradigma dominante: un marco común lo suficientemente convincente como para organizar el esfuerzo colectivo. Este es un problema más difícil que simplemente decidir probar teorías, porque para que un conjunto de ideas se convierta en un paradigma, debe responder algunas preguntas abiertas urgentes. No podemos lograr esto de la nada, pero deberíamos alentar a más personas a intentarlo.
Quizás las teorías se anulan a sí mismas
La economía nos dice que si estás haciendo lo mismo que todos los demás—vendiendo el mismo producto a los mismos clientes, fabricando con los mismos procesos de producción y los mismos proveedores—la competencia directa llevará tus ganancias a cero. Este concepto es la piedra angular de la estrategia comercial, desde la teoría de la "reflexividad" de George Soros—donde las creencias de los participantes del mercado cambian el mercado mismo, erosionando la ventaja que intentan explotar—hasta el argumento schumpeteriano de Peter Thiel de que "la competencia es un juego de perdedores". Michael Porter codificó esto en su seminal "Competitive Strategy" como la necesidad de encontrar posiciones de mercado desocupadas. Kim Chan Mauborgne llevó esta idea un paso más allá en su "Blue Ocean Strategy", argumentando que las empresas deberían crear espacios de mercado completamente sin competencia, en lugar de competir en campos existentes.
Sin embargo, si todos usan el mismo método para construir sus empresas, generalmente competirán de frente. Si cada fundador entrevista clientes, todos convergerán en las mismas respuestas. Si cada equipo lanza un producto mínimo viable e itera, todos iterarán hacia el mismo producto final. El éxito en un mercado competitivo debe ser relativo, lo que significa que lo que funciona debe ser diferente de lo que todos los demás están haciendo.
La reducción al absurdo hace esto evidente: si existiera un diagrama de flujo que garantizara el éxito de una startup, la gente produciría en masa startups exitosas las 24 horas del día. Sería una máquina de dinero perpetuo. Pero en un entorno competitivo, una afluencia tan masiva de nuevas empresas haría que la mayoría fracasara. La premisa que debe estar equivocada es: que tal diagrama de flujo pueda existir.
Hay una analogía precisa en la teoría evolutiva. En 1973, el biólogo evolutivo Leigh Van Valen propuso lo que llamó la Hipótesis de la Reina Roja: en cualquier ecosistema, cuando una especie evoluciona una ventaja a expensas de otra, la especie en desventaja evolucionará para contrarrestar esa mejora. El nombre proviene de "A través del espejo" de Lewis Carroll, donde la Reina Roja le dice a Alicia: "Hace falta todo el correr que una pueda hacer para permanecer en el mismo sitio". Las especies deben innovar constantemente con una multitud de estrategias diversas solo para sobrevivir a las estrategias innovadoras de sus competidores.
Del mismo modo, cuando los nuevos métodos para startups son adoptados rápidamente por todos, nadie gana una ventaja relativa y la tasa de éxito se mantiene plana. Para ganar, una startup debe desarrollar estrategias novedosas y diferenciadas, y construir barreras sostenibles contra la imitación antes de que la competencia se ponga al día. Esto a menudo significa que la estrategia ganadora se desarrolla internamente (en lugar de encontrarse en publicaciones públicas que cualquiera puede leer) o es tan contraintuitiva que a nadie se le ocurriría copiarla.
Esto suena como algo difícil sobre lo cual construir una ciencia......
