Investigación: Cuando los prototipos no aportan ideas útiles

A medida que el mundo se ha vuelto más complejo, interconectado e inundado de datos, las empresas están inmersas en ecosistemas digitales cada vez más complejos. Este nuevo mundo abre nuevas posibilidades y nuevas formas de crear valor. Pero también significa que convertir las ideas en realidad -e incluso comprender lo que podría ser posible- requiere trabajar con un conjunto más amplio de actores y navegar por un paisaje más complejo de interdependencias. Los ecosistemas complejos conectan a una diversa gama de poderosos actores, todos ellos con sus propios modelos de negocio e intereses económicos en mente. Algunos ejemplos son los pagos móviles (bancos, comerciantes, fabricantes de teléfonos móviles, transportistas), edtech (escuelas, reguladores, proveedores de contenidos), agritech (startups de agritech, cuerpos de agronegocios, fabricantes de equipos, agricultores), AI (servicios en la nube, desarrolladores de AI, universidades, desarrolladores de aplicaciones) y Web3 (proveedores de blockchain, mineros, desarrolladores de aplicaciones, intercambios). Estos actores a menudo dependen unos de otros e interactúan de formas complejas y novedosas. Esta complejidad supone un gran reto para el desarrollo de nuevos productos y tecnologías radicales. Cuando no se sabe si un mercado es viable o si una idea tiene futuro, la sabiduría convencional -encarnada en marcos como el enfoque lean startup y ágil- consiste en construir un modelo de trabajo mínimo, o prototipo, y sacarlo al mundo para ver si resuena entre los clientes. La idea es mantenerse ajustado, minimizando la inversión innecesaria en características y funcionalidades para validar la oportunidad. Si el prototipo genera una reacción positiva, es probable que justifique un mayor perfeccionamiento y desarrollo. Si no, puede que decida pivotar o dedicar su esfuerzo a otra cosa. Cuando las ideas son sencillas y los productos pueden entregarse a un usuario potencial, los prototipos son una forma estupenda de obtener comentarios y validar las ideas, y la tracción es una buena señal de la viabilidad de una idea. Pero la triste verdad es que, cuando una empresa opera en ecosistemas complejos, esta lógica a menudo le defraudará. Su prototipo puede ver limitada su participación y generar pocos datos. Al final, puede que tenga suerte con un grand slam, pero lo más probable es que se encuentre sentado sobre un montón de comentarios tibios, sin una idea clara de por dónde seguir. La razón es que cuando los productos están integrados en ecosistemas, ya no se sostienen por sí solos. Eso significa que conseguir el valor de un producto novedoso exige navegar por complejas interdependencias tecnológicas y lograr la aceptación de socios y propietarios de plataformas, que pueden permitirse ser quisquillosos a la hora de gastar su tiempo y su dinero. La pregunta a la que se enfrentan los ejecutivos es, por tanto, crítica: ¿Cómo podemos determinar qué ideas perseguir y cuáles abandonar cuando nuestro método habitual de aprendizaje puede no funcionar? Estudiamos esta cuestión en el ámbito de la salud digital, un amplio ecosistema de empresas, tecnologías y servicios destinados a mejorar los resultados de los pacientes y reducir los costes mediante soluciones digitales. En Estados Unidos, la sanidad digital empezó a despegar en torno a 2010, espoleada por la Ley de Asistencia Sanitaria Asequible y la creciente ubicuidad de los teléfonos inteligentes, que ofrecían nuevas formas de conectar a médicos y pacientes. Pero aunque la promesa disruptiva general estaba clara, no lo estaba cuál era exactamente la oportunidad ni qué tipos de productos y servicios representaban ideas viables. Esto hizo que el aprendizaje fuera crítico. Para comprender cómo se enfrentaron las empresas a este reto, realizamos un seguimiento de cinco proyectos emprendedores a lo largo de seis años. Al estudiar un pequeño número de empresas durante un largo periodo de tiempo, pudimos rastrear el impacto de sus acciones individuales -por ejemplo, características específicas o conversaciones con los clientes- con minucioso detalle mientras buscaban combinaciones ganadoras de producto y mercado. Al final de nuestro estudio, dos empresas habían dado en el clavo, dos se habían esforzado (y una había fracasado) y una había tropezado antes de recuperarse y aterrizar en una oportunidad viable. Nuestras conclusiones confirman que los prototipos fueron esenciales para refinar las tecnologías y poner a punto los productos. Pero cuando se trataba de la tarea más fundamental de entender qué ideas perseguir, las empresas ganadoras dieron la vuelta a la sabiduría convencional: Evitaron los prototipos desde el principio. Esto les permitió buscar más ampliamente y, paradójicamente, aprender más sobre el ecosistema. Luego, cuando tuvieron una idea clara de quiénes eran sus clientes alfa, se comprometieron a construir productos completos y personalizados. Aunque costoso, esto suscitó la inversión de los socios y generó así un aprendizaje más profundo sobre las tecnologías. Por último, cuando estas ideas iniciales no dieron resultado, no tuvieron miedo de desechar gran parte de lo que habían construido y seguir adelante en busca de mejores oportunidades. En general, nuestra investigación revela tres lecciones clave para identificar oportunidades en un mundo de ecosistemas digitales complejos. 1. Salga y aprenda, pero deje atrás los prototipos. La sabiduría convencional -promovida en marcos como el lean start-up y el ágil- es que la mejor manera de empezar a explorar una idea es con un prototipo de bajo coste. Esta lógica es doble. En primer lugar, cuando la incertidumbre en torno a la tecnología o la demanda del mercado es alta, lo mejor es minimizar los recursos comprometidos con cualquier idea u oportunidad, ya que se perderán si más tarde se revela que esta idea no es válida. En segundo lugar, la mejor forma de reducir esa incertidumbre -es decir, de comprender si merece la pena seguir adelante con una idea- es poner en manos de los clientes un prototipo mínimo viable para obtener sus comentarios y ver qué resuena. Lo que descubrimos fue que las empresas ganadoras en salud digital evitaron los prototipos al principio. En su lugar, empezaron entrevistando a pacientes, compartiendo ideas con colegas y observando clínicas y médicos. Uno de los fundadores comparó el proceso con una gira de escucha: En lugar de validar su solución o probar hipótesis específicas, intentaron trazar un mapa del panorama e identificar dónde estaban los problemas. Al hacerlo, desarrollaron una mejor comprensión de en qué parte del ecosistema había que estar y qué necesidades estaban sin cubrir. Comparemos dos de las empresas de nuestro estudio: Stardoc y Nudge (como es habitual en este tipo de investigación, nos referimos a las empresas utilizando seudónimos). Stardoc fue fundada por un médico de una consulta privada que quería una forma mejor de controlar a sus pacientes. A pesar de tener una idea clara para su producto, así como años de experiencia como médico en ejercicio, pasó tiempo hablando con otros médicos y tratando de observar el mundo desde la perspectiva del paciente (a menudo sentado literalmente en salas de espera). Al hacerlo, empezó a identificar consideraciones importantes que no habían sido evidentes al principio, como las distintas necesidades de los pacientes de cuidados intensivos frente a los que padecen enfermedades crónicas, así como la inquietud que sienten muchos pacientes a la hora de ponerse en contacto con sus médicos. En cambio, los dos fundadores de Nudge hicieron exactamente lo que se suele decir a los empresarios que hagan: Construyeron un prototipo para validar su idea y lo sacaron al mundo para recabar opiniones. Querían construir un servicio para ayudar a la gente a crear y mantener hábitos saludables. Utilizando herramientas de fácil acceso, crearon un prototipo que funcionaba y en pocas semanas ya estaba en la App Store de Apple; también presentaron este prototipo a posibles socios corporativos, y pronto consiguieron un acuerdo de distribución con una importante aseguradora. Por un momento, pareció que habían dado un gran golpe. Pero con el paso de los meses, se dieron cuenta de que los usuarios no se sentían atraídos por su aplicación. Tampoco su gran socio asegurador había invertido mucho; de hecho, más tarde se enterarían de que la suya era sólo una de las 32 aplicaciones que había distribuido a sus clientes. Finalmente, tras seis meses de uso tibio y comentarios mínimos, Nudge retiró la aplicación y decidió pivotar. El contraste entre Nudge y Stardoc pone de relieve un inconveniente, a menudo subestimado, de la creación de prototipos en contextos ecosistémicos. Aunque Nudge llegó al mercado más rápido, cuando su prototipo no consiguió ganar tracción, sus ejecutivos se esforzaron por entender por qué. ¿Estaban en el mercado equivocado? ¿O simplemente su prototipo era demasiado tosco para captar la promesa de la idea? Por el contrario, al construir una comprensión más rica del panorama y de los usuarios antes de invertir nada en el desarrollo del producto, Stardoc aumentó la probabilidad de que se encontrara en un lugar atractivo y, al mismo tiempo, obtuvo el contexto necesario para comprender la reacción de los usuarios que recibió posteriormente. Al mismo tiempo, a los fundadores de Nudge también se les escapó la importante idea de que, al igual que ellos intentaban aprender si la salud digital podía funcionar y cómo, su socio también lo estaba haciendo, por lo que, en este sentido, la falta de inversión y apoyo mutuos debería haberse esperado: Para el socio, Nudge era el prototipo. 2. Una vez que tenga un cliente alfa, apueste todo. La segunda gran lección es qué hacer una vez que se ha identificado a un cliente alfa. Las metodologías Lean start-up y ágiles prevén una progresión gradual de prototipos de bajo coste y baja fidelidad a versiones de mayor coste y mayor fidelidad a medida que se perfecciona la idea. La idea es mantener la inversión baja mientras la incertidumbre es alta. Sin embargo, en contextos ecosistémicos, mantener la inversión baja es una forma segura de incitar a los clientes alfa a hacer lo mismo, exactamente la trampa en la que cayó Nudge. En su lugar, vimos que las empresas ganadoras iban a por todas, desarrollando contenidos especializados, personalizando el prototipo y colaborando estrechamente con los clientes para comprender y satisfacer sus necesidades específicas. Goodhealth, otra de las empresas con mejores resultados del estudio, es un ejemplo. La visión de sus fundadores era implicar más directamente a los pacientes en su propia atención sanitaria proporcionándoles formas de visualizar el impacto del cumplimiento del plan de cuidados en su salud. Los diabéticos, por ejemplo, podrían ver el impacto de una nueva medicación o de los cambios en la dieta en sus niveles diarios de insulina. Los clientes alfa de Goodhealth eran hospitales académicos: organizaciones que Goodhealth creía que estarían entusiasmadas con las nuevas tecnologías y abiertas a nuevas formas de mejorar los resultados de los pacientes. Una vez que sus fundadores identificaron a este cliente objetivo, se lanzaron a por todas, construyendo su plataforma de software, contratando entrenadores, desarrollando contenidos especializados (la empresa se centró inicialmente en las unidades de VIH e hipertensión) y realizando ensayos clínicos. Esta inversión inicial fue costosa pero valiosa. Facilitó la confianza con los clientes de los hospitales, convenciéndoles de que Goodhealth no se iría por la puerta grande a la primera señal de problemas. A su vez, los hospitales se mostraron más dispuestos a invertir sus propios recursos, integrando el prototipo en sus propias operaciones y formando al personal, generando así datos. Al mismo tiempo, al trabajar en la implantación con los hospitales surgieron nuevos problemas y realizaciones inesperadas, lo que ayudó a Goodhealth a avanzar más rápidamente en la curva de aprendizaje. Por el contrario, las empresas que evitaron grandes inversiones llegaron a estas realizaciones más lentamente y se vieron sorprendidas más a menudo por "incógnitas desconocidas" que descarrilaron la adopción más adelante. Emparejado con el primer argumento, el panorama que emerge de la salud digital difiere notablemente de nuestra comprensión típica de la creación de prototipos. En lugar de desarrollar prototipos ligeros, ponerlos en manos de los clientes y luego iterar y mejorar a medida que las ideas generan comentarios positivos, la estrategia ganadora consistió en evitar los prototipos, aprender ampliamente a través de entrevistas y observaciones y luego -una vez identificado un cliente alfa- lanzarse de lleno a desarrollar un producto funcional para ese cliente prometedor, pero no probado. Lo que esto significa en términos prácticos es que los prototipos ligeros pueden no ser tan eficaces en contextos ecosistémicos. Todos los participantes en nuestro estudio querían que la salud digital funcionara. Pero sin modelos previos de cómo podría implantarse, no estaba claro cómo debería ser. Así pues, el diablo, y la promesa, residían en los detalles. ¿Quién pagaría estos nuevos productos de salud digital? ¿Cómo afectarían a las operaciones cotidianas? ¿Qué interoperabilidad se necesitaba con los sistemas y tecnologías existentes? Para las empresas a la vanguardia, la única forma eficaz de responder a estas preguntas era implantar realmente los productos. Invertir mucho por adelantado permitió a Goodhealth y a sus primeros clientes descubrir conjuntamente las respuestas. Por el contrario, limitar la inversión retrasó el aprendizaje. Como resultado, el concepto - asistencia sanitaria digital con mejores resultados a menor coste - seguía siendo prometedor pero no estaba probado. 3. Acepte las posibilidades combinatorias y no tenga miedo de buscar mejores oportunidades. La última idea sorprendente de nuestro estudio es que, a pesar de haber invertido tanto en el desarrollo de productos especializados para sus clientes alfa, las empresas ganadoras estaban dispuestas a abandonar a estos clientes cuando quedó claro que no eran viables. Y, contrariamente a lo que esperábamos, fueron en gran medida capaces de reconvertir sus inversiones iniciales para desarrollar nuevos productos para nuevos clientes - y prosperar mientras lo hacían. La lógica reside, inesperadamente, en la complejidad de los ecosistemas. Los ecosistemas son un reto porque introducen más actores y unas interdependencias más ricas. Esto dificulta la ejecución, porque hay más elementos que hay que hacer bien. Pero esta mayor complejidad también significa que hay más formas de configurar y reconfigurar los activos existentes, como los grandes compromisos adquiridos con los primeros clientes. Paradójicamente, esto significa que los pivotes pueden ser más fáciles que nunca. Las empresas ganadoras de nuestra muestra (incluidas Goodhealth y Stardoc) se toparon ambas con problemas y acabaron descubriendo que, a pesar de todo el entusiasmo por la salud digital, la mayoría de los agentes sanitarios estadounidenses no estaban dispuestos a pagar por productos que reducían el volumen de la atención prestada. Así pues, ambas pivotaron y lanzaron nuevos proyectos piloto con múltiples clientes nuevos. Al hacerlo, pudieron aprovechar todo lo que habían aprendido de sus clientes alfa iniciales. Esto les permitió ser más selectivos (pudieron evitar a los clientes poco prometedores) y aportar realmente valor con mayor rapidez. Por el contrario, las empresas con peores resultados habían evitado hacer grandes inversiones en clientes específicos y habían aprendido menos sobre el ecosistema. La esperanza era que mantenerse amplias mejoraría su atractivo para una gama más amplia de clientes, pero lo que en realidad significaba era que sus pivotes estaban menos informados y era más probable que condujeran a largos esfuerzos de ventas pero a menos acuerdos cerrados. También contaban con menos tecnología y funciones de producto sólidas que pudieran reutilizar y volver a desplegar, lo que significaba que a menudo volvían a empezar para cada nuevo cliente. Es hora de replantearse las cosas En general, nuestra investigación sugiere que debemos reconsiderar la lógica de emplear prototipos. Los prototipos ligeros -es decir, los productos mínimos viables- suelen ser fundamentales. Son útiles para validar que una tecnología funciona o para elaborar las características y la funcionalidad necesarias para atraer a un cliente determinado. Pero para la tarea más fundamental de comprender dónde situarse en un ecosistema, la sabiduría convencional de permanecer ligeros y esbeltos puede dejar a las empresas a oscuras.

Investigación: Cuando los prototipos no aportan ideas útiles

Resumen.

Partner Center