> ## Content Index > Fetch the complete content index at: https://jonathancanales.com/llms.txt > Use this file to discover other available public pages before exploring further. # El plan perfecto es el que nunca empieza: experimentar en serio - URL: https://jonathancanales.com/experimentar-en-serio/ - Published: 2026-10-16T14:00:43.000Z - Updated: 2026-10-22T16:18:44.000Z - Description: Hay dos formas de enfrentar la IA en una empresa. La primera: esperar a tener el plan perfecto, el caso de uso perfecto, el momento perfecto. La segunda: probar algo chiquito este mes, ver qué pasa y ajustar. La primera se siente responsable. La segunda se siente improvisada. - Author: Jonathan Canales - Tags: Estrategia y decisiones El plan perfecto es el que nunca empieza: experimentar en serio 0:00 /445 1× [![Escucha en Spotify](https://jonathancanales.com/content/images/2026/10/image-ebade917.jpg)](https://open.spotify.com/show/5cVfvljDnEEZ322kIJEs9Q?ref=jonathancanales.com) [Leer en inglés →](https://jonathancanales.com/en/experimenting-for-real/) Hay dos formas de enfrentar la IA en una empresa. La primera: esperar a tener el plan perfecto, el caso de uso perfecto, el momento perfecto. La segunda: probar algo chiquito este mes, ver qué pasa y ajustar. La primera se siente responsable. La segunda se siente improvisada. Adivina cuál funciona. El artículo de Harvard Business Review del que viene esta serie cita un estudio de Stanford que debería colgarse en la pared de cada junta directiva: todos los proyectos exitosos de IA que examinaron usaban un enfoque iterativo, de prueba y aprendizaje, en lugar de la planeación tradicional en cascada. Todos. Y hay más: el 61% había tenido al menos un fracaso previo, y en ninguno de esos casos alguien fue castigado por fallar. ## De la certeza a la experimentación El segundo gran [cambio cultural](https://jonathancanales.com/cultura-lista-para-ia/) que proponen los autores es pasar de exigir certeza antes de actuar a convertir la experimentación en norma. No se trata de actuar a lo loco: el artículo es claro en que la ambigüedad no es excusa para la imprudencia. Se trata de un ciclo disciplinado: empezar chiquito, aprender rápido y usar la evidencia para decidir qué se amplía, qué se cambia y qué se detiene. ![Matraz de laboratorio con burbujas naranjas](https://jonathancanales.com/content/images/2026/10/hbr3-d1-g.png) La IA, bien usada, acelera ese ciclo: ayuda a detectar señales del mercado, resumir lo que dicen los clientes, generar opciones y simular escenarios antes de apostar. Lo que no hace es eliminar la incertidumbre. Quien espere a que desaparezca para moverse va a esperar mucho tiempo, y va a ver pasar a los que probaron primero. ## El dato incómodo sobre el permiso Aquí un número del artículo que duele: hoy solo la mitad de los empleados siente que se les anima a experimentar con ideas nuevas. Léelo otra vez. En la mitad de las empresas, la gente no siente permiso de probar. Y luego nos preguntamos por qué la transformación no despega. Los autores son directos: la experimentación es un comportamiento que se puede diseñar. Crece con dos cosas: permiso explícito y seguridad psicológica. Y agregan un matiz que me encanta porque es contraintuitivo: las barandas claras aceleran. En su trabajo con clientes encontraron que los equipos se mueven más rápido cuando entienden exactamente dónde tienen libertad y dónde no. Los límites bien puestos no frenan el experimento; le dan la confianza para correr dentro de ellos. ## El caso HubSpot El artículo describe lo que está haciendo HubSpot, y vale la pena porque es un menú copiable: agregaron "sé audaz, aprende rápido" a sus valores; hicieron 20 días de aprendizaje de IA para toda la empresa en 2025; dieron tiempo protegido para aprender; abrieron canales para compartir experimentos; y acortaron su ciclo de planeación de anual a sprints de seis semanas. El objetivo declarado no es acertar siempre: es reducir la incertidumbre sobre la marcha. ![Gráfica de barras crecientes con la barra más alta en naranja](https://jonathancanales.com/content/images/2026/10/hbr3-d2-g.png) ¿Resultados? El artículo reporta dos: su equipo de reclutamiento metió IA en el proceso de contratación y redujo 10 días el tiempo para contratar, y sus flujos de marketing con IA mejoraron 82% las conversiones de correo. Nota el patrón: ninguno de los dos resultados vino de un plan maestro. Vinieron de equipos experimentando sobre procesos reales. ## El sesgo a favor de esperar Vale la pena nombrar por qué esperar se siente tan bien: posponer una decisión no genera un error visible, mientras que actuar sí puede. El error por acción tiene fecha y culpable; el costo de no actuar se reparte en silencio entre todos los meses siguientes. Por eso las organizaciones cómodas con la cascada no son tontas: están optimizando para no equivocarse en público, no para aprender. El problema es que la IA cambia demasiado rápido como para que esa optimización salga barata. ## Qué es un "experimento" en un negocio normal En una empresa chica, un experimento no necesita laboratorio ni nombre en inglés. Es esto: una hipótesis chiquita ("si usamos IA para X, pasará Y"), un plazo corto (dos a cuatro semanas), una medida acordada antes de empezar, y una decisión al final: escalar, ajustar o matar. Lo importante es que las cuatro partes existan. Sin hipótesis es capricho; sin medida es anécdota; sin decisión final es un piloto zombie, de esos que caminan meses sin saber si están vivos. Y el fracaso: aquí es donde la cultura se delata. Si la persona que propuso un experimento que no funcionó recibe burla, castigo o el clásico "ya ves, te lo dije", aprendiste algo valiosísimo: en tu empresa no se experimenta, se sobrevive. El estudio de Stanford que cita el artículo encontró éxito precisamente donde fallar no costaba la reputación. ## El ritmo importa más que el tamaño Si tuviera que resumir el caso HubSpot en una idea para un negocio chico sería esta: lo poderoso no fue ningún experimento individual, fue el ritmo. Pasar de planeación anual a ciclos de seis semanas significa que en el tiempo que antes dedicabas a discutir el plan ahora haces ocho rondas de prueba. El competidor que te gana no es el que acertó a la primera; es el que para cuando tú terminas de planear ya falló tres veces y aprendió cuatro. ## Qué hacer esta semana - Elige un proceso molesto y define un experimento de dos semanas con hipótesis, medida y fecha de decisión. Escríbelo en cinco líneas; si necesitas más, es demasiado grande. - Pon la baranda por escrito: qué sí puede tocar el experimento y qué no (datos de clientes, dinero, marca). Vas a ver que la gente se mueve más rápido con límites claros que con libertad total. - En la siguiente junta, pregunta por un experimento que falló. Si no hay ninguno, no estás experimentando: estás esperando. ## Preguntas para hacerte ¿Cuándo fue la última vez que alguien de mi equipo me trajo una idea que no le pidieron? ![Calendario con un día marcado en naranja](https://jonathancanales.com/content/images/2026/10/hbr3-d3-g.png) ¿Qué le pasó a la última persona que intentó algo nuevo y no salió? ¿Cuántos pilotos tengo vivos ahorita y cuándo decido sobre cada uno? ## En resumen La certeza total no va a llegar, y mientras la esperas tu competencia ya hizo tres rondas de prueba. Experimentar en serio no es apostar a ciegas: es hipótesis chiquita, medida honesta, barandas claras y decisiones puntuales. Eso, y que fallar bien no cueste la reputación de nadie. Fuente: "There's No Such Thing as an AI-Ready Culture", Sarah Jensen Clayton, Michael Welch y Khoi Tu (Korn Ferry), Harvard Business Review, 5 de octubre de 2026\. [https://hbr.org/2026/10/theres-no-such-thing-as-an-ai-ready-culture](https://hbr.org/2026/10/theres-no-such-thing-as-an-ai-ready-culture?ref=jonathancanales.com)