4.000 € y 8 semanas. Eso es lo que cuesta pasar de «no sé qué hacer con la IA» a tener datos reales para decidir

Llevo semanas diseñando un workshop de pensamiento estratégico para directores de marketing, ventas y comunicación. La idea es enseñar a usar LLMs no como generadores de contenido, sino como compañeros de pensamiento para decisiones de negocio reales.

Para prepararlo, construí un caso ficticio: una agencia de comunicación B2B con 45 personas, 4,8M€ de facturación y un problema que tiene cualquier agencia del sector ahora mismo — márgenes cayendo, clientes preguntando por IA y ninguna estrategia clara al respecto. Datos inventados, pero si trabajas en comunicación o marketing, probablemente te suene demasiado real.

Monté un workflow de cinco fases basado en autores que llevo años leyendo: Rumelt, Roger Martin, Porter, Kahneman, Mintzberg. Cada fase con un objetivo claro, un output esperado y — esto es clave — reglas que impiden al LLM saltar a soluciones sin haber hecho el trabajo previo.

Y luego lo ejecuté. Metí el caso, hice de CEO de la agencia ficticia, y dejé que el proceso hiciera su trabajo.

El resultado me voló la cabeza.

De pregunta vaga a experimento concreto en cinco fases

Voy a contaros lo que pasó, fase por fase, porque creo que ilustra algo que la mayoría de la gente no está viendo sobre los LLMs.

Fase 1 — Diagnosticar. Le planteé al sistema lo que me plantearía cualquier CEO de agencia: “Varios clientes me han preguntado cómo aplicamos IA y no sé qué hacer.” Pregunta legítima. Pero en vez de darme una respuesta, el sistema hizo lo que haría un buen consultor estratégico: preguntó. ¿Qué clientes exactamente, los grandes o los pequeños? ¿Cómo formularon la pregunta? ¿Estáis usando ya IA internamente?

Con esas tres preguntas, el problema pasó de ser “no tenemos estrategia de IA” a ser tres problemas distintos: un cliente grande usando la IA como palanca de negociación en una renovación, dos clientes medianos con curiosidad genuina, y un equipo que ya usa herramientas pero sin visibilidad ni estándares. Tres situaciones que requieren respuestas completamente diferentes.

Siguiendo a Rumelt: el diagnóstico no es el síntoma. Es la estructura del problema que hay debajo.

Fase 2 — Explorar. Roger Martin y Lafley lo reducen a dos preguntas: ¿dónde juegas y cómo ganas? El sistema generó cuatro opciones incompatibles entre sí. No “hacer un poco de todo”, sino elecciones reales: usar la IA como herramienta interna de margen (invisible para el cliente), convertirla en servicio nuevo (vendérsela), hacer un reposicionamiento completo (cambiar quiénes sois como agencia), o no hacer nada. Y cada opción venía con su mapa competitivo: dónde están ya los competidores, qué espacio queda libre, contra quién compites si eliges este camino.

Por cierto, la opción de no hacer nada la pedí yo. Porque es la opción más honesta y la que nadie pone sobre la mesa. Y el sistema la trató con el mismo rigor que las demás — incluyendo su coste real, que no es cero.

Fase 3 — Renunciar. Porter lo dice claro: la esencia de la estrategia es elegir qué NO hacer. Para cada opción, renuncias explícitas. ¿A qué clientes renuncias? ¿Qué servicios dejas de ofrecer? ¿Qué capacidades no desarrollas? ¿Cuál es el coste de equivocarte? Cuando ves las renuncias escritas negro sobre blanco, la opción que parecía obvia deja de serlo. Si tu plan estratégico no incluye renuncias, probablemente no es un plan estratégico.

Fase 4 — Cuestionar. Aquí es donde el sistema actúa como abogado del diablo. La opción más atractiva era el reposicionamiento — “somos la agencia B2B que opera con IA de forma nativa”. Suena a futuro, ¿no? Pues el sistema identificó tres supuestos implícitos que nadie había verbalizado. El más importante: “a los clientes B2B les importa cómo trabaja su agencia”. ¿Y si no? ¿Y si solo les importa qué les entregas? Si ese supuesto es falso, todo el reposicionamiento es marketing vacío.

Kahneman tiene razón: la confianza que sientes en una idea no es buena guía de su calidad.

Fase 5 — Experimentar. Mintzberg lleva décadas insistiendo: la estrategia no solo se diseña, también emerge de lo que aprendes haciendo. La decisión final no fue elegir una opción. Fue diseñar la forma más barata de probar si la estrategia tiene sentido antes de comprometerse. Un piloto de ocho semanas: dos cuentas, cuatro personas, workflows estandarizados de IA en producción de contenidos. Con línea base medida antes de empezar, tres señales de seguimiento (tiempo por entregable, calidad percibida, adopción real del equipo) y criterios explícitos de mantener, ajustar o revertir.

4.000€ y 8 semanas. Ese era el coste del experimento. La frase con la que arranqué este artículo.

Lo que me enseñó esta ejecución

Llevo tiempo trabajando con LLMs y me sigo sorprendiendo. Pero no por lo que “saben” — sino por lo que te obligan a pensar cuando los configuras bien. Hay tres cosas que me parecen especialmente potentes.

El sistema no te deja saltar. Si pides soluciones sin haber diagnosticado, te lo señala. Si planteas una opción sin renuncias, te las pide. Si eliges una favorita, te cuestiona el supuesto que hay detrás. No es que el LLM sea más listo que tú — es que no tiene la prisa ni el sesgo de confirmación que tú tienes cuando estás metido en el problema.

Las preguntas que hace son mejores que las respuestas que da. En serio. Tres preguntas al principio cambiaron completamente el encuadre del problema. La mayoría de consultores (y la mayoría de directivos, siendo honestos) habrían empezado directamente por la solución.

La respuesta final es accionable, no teórica. No termina con “deberíais considerar implementar una estrategia de IA alineada con vuestro propósito”. Termina con: coge a estas personas, estas cuentas, mide esto durante ocho semanas, y decide con datos. Eso es lo que diferencia un buen proceso de pensamiento de un deck bonito que nadie ejecuta.

La trampa que hay que evitar

Oye, y esto es importante. Porque es exactamente lo que voy a trabajar en el workshop.

El sistema no decide por ti. No te dice “la opción C es la correcta”. Te estructura el pensamiento, te abre opciones, te hace visibles los trade-offs. Pero la decisión es tuya.

Y ahí está la trampa más peligrosa de usar LLMs para decisiones de negocio: que dejes de pensar por tu cuenta. Que la estructura bien presentada funcione como sustituto del juicio en vez de como apoyo. Un output bien escrito no es un output correcto. Y un framework sofisticado no arregla una pregunta mal planteada.

En mi opinión, el valor real no está en la respuesta del LLM. Está en el proceso que te obliga a recorrer antes de llegar a ella. Diagnosticar antes de solucionar. Explorar antes de elegir. Renunciar antes de comprometerte. Cuestionar antes de ejecutar. Experimentar antes de escalar.

Por qué esto importa si eres director de marketing, ventas o comunicación

La mayoría de directivos que conozco usan los LLMs para dos cosas: generar texto y responder preguntas. Es decir, los usan como una máquina de escribir sofisticada o como un Google mejorado.

Pero hay un tercer uso que casi nadie está explorando: usarlos como compañero de pensamiento. No para que piensen por ti — sino para que te obliguen a pensar mejor. Con estructura, con rigor, con las preguntas que no te estás haciendo porque estás demasiado dentro del problema.

Yo lo probé con un caso ficticio de una agencia de comunicación. Pero el proceso funciona igual con cualquier decisión estratégica que tengas encima de la mesa: si entras en un mercado nuevo, si cambias tu modelo de pricing, si reorganizas el equipo, si decides qué hacer con la IA en tu empresa (meta, lo sé).

4.000€ y 8 semanas. Eso fue lo que salió de un proceso que empezó con “no sé qué hacer”. Si esa transición — de duda vaga a experimento concreto — no te parece valiosa, probablemente no necesitas lo que estoy contando.

Pero si te has visto alguna vez dando vueltas a una decisión sin avanzar, quizá lo que te falta no es más información. Es un mejor proceso para pensar.