LOOP-R · Ruta 01 · Diagnóstico
Aprende a identificar dónde trabaja la IA sin aprender nada en tu propio negocio. Termina con una cifra del trabajo repetido, tu nivel de madurez marcado y una instrucción vaga reescrita para que se pueda medir su resultado.
Clases
Termina sabiendo explicar en una frase por qué cada tarea que la IA hace hoy para ti empieza desde cero la próxima vez y qué falta para evitarlo.
Termina con una cifra propia: cuántas veces al mes se repite desde cero la misma tarea y cuántas podrían convertirse en una fila de registro.
Termina con tu nivel (del 1 al 5) marcado mediante señales observables, una clave de respuestas y el siguiente paso que tiene sentido.
Termina con una instrucción vaga reescrita con evidencia, una meta que diga «sin empeorar» y una hipótesis comprobable, preparada en cualquier chat de IA.
Ruta 01 · Clase 1 · fundamento
Al terminar esta clase, podrás mirar una tarea que la IA hace hoy y explicar en una frase por qué termina ahí y qué falta para que la próxima vez empiece mejor que la anterior.
Ya le has pedido a la IA cientos de propuestas, respuestas y textos. Cada uno quedó bastante bien. Aun así, la propuesta de hoy empieza exactamente en el mismo lugar que la primera: no se guardó nada de lo que funcionó. Esta clase le pone nombre al problema, porque sin nombre parece normal.
↓ desplázate para estudiar
Hoy, en la mayoría de los negocios, la IA trabaja en línea recta. Alguien escribe una solicitud — quienes trabajan con esto la llaman prompt —, la IA devuelve una respuesta, la persona ajusta lo necesario y la envía. Se acabó. La próxima vez empieza en el mismo punto: una nueva solicitud, una página en blanco, ningún recuerdo de la anterior.
Regina es dueña de una clínica estética y envía unas 200 propuestas al mes por WhatsApp. Para cada una, escribe algo como «prepara una propuesta de limpieza facial para la clienta que preguntó el precio». Recibe la propuesta, cambia dos frases y la envía. La clienta responde o desaparece. La propuesta número 201 nace sin saber nada de las 200 anteriores: ni cuáles recibieron respuesta ni cuáles acabaron en una venta.
No es que la IA haya hecho un mal trabajo. Todas las propuestas quedaron bien. El problema es otro: el recorrido tiene cuatro paradas y ninguna vuelta.
Hoy, en la clínica
200 propuestas al mes, cada una desde cero. Regina no sabe cuál de las 200 funcionó ni por qué, y la de mañana tampoco lo sabrá.
Con un ciclo
Las mismas 200 propuestas, cada una convertida en una fila de registro. Una decisión por semana, en una tarjeta de cinco líneas.
Resultado del ejemplo de referencia de LOOP-R (datos simulados, clínica ficticia): en 4 ciclos, 1 cambio comprobado con 300 envíos por versión, 1 idea descartada por una regla y 0 versiones peores en producción.
Un chat de IA funciona como un excelente asistente temporal que empieza de nuevo en cada turno: escribe muy bien y conoce el tema, pero ayer no estuvo aquí. No vio si la clienta respondió, si el lead concertó una visita o si volvió la consulta. Todo lo que ocurre después de la respuesta queda fuera de la conversación.
Marcos, agente inmobiliario, recibe unos 40 leads por semana a través del portal — un lead es alguien que pidió información pero aún no ha decidido. Él responde a cada uno con ayuda de la IA. Si un lead responde bien porque Marcos mencionó los metros cuadrados del balcón, eso enseña algo, pero solo a Marcos, si se da cuenta. Para la IA, el siguiente lead es el primero de su vida.
Por eso «usar mucho» no se convierte en «aprender». La cantidad de uso no cambia nada mientras nadie registre el resultado y lo incorpore a la siguiente solicitud. El resto del curso construye ese ciclo de retroalimentación.
Comprueba lo aprendido
Marcos usó la IA 160 veces este mes para responder a leads. ¿Qué sabe ahora sobre cuáles respuestas funcionaron?
Cuando alguien dice «quiero que la IA mejore», casi siempre piensa en escribir una mejor solicitud. Pero la mejora real no viene de la solicitud. Viene de seis ingredientes conectados en un ciclo: evidencia (lo que ocurrió, anotado), métrica (un número que indica si funcionó), memoria (donde se guarda lo que ya se probó), hipótesis (una idea de cambio, con un motivo), experimento (la idea probada frente a la versión actual), y evaluación (alguien determina cuál ganó, según el número).
Paulo gestiona el soporte de una pequeña empresa de software: 10.000 consultas al año. Para su equipo, los seis ingredientes quedan así. Evidencia: se anota el tema de cada consulta. Métrica: resuelta en el primer contacto, sí o no. Memoria: un lugar donde el equipo registra lo que ya probó en sus respuestas guardadas. Hipótesis: «si la respuesta sobre la contraseña incluye un enlace directo, volverá menos gente». Experimento: la mitad de las consultas sobre contraseñas recibe la nueva respuesta y la otra mitad, la anterior. Evaluación: gana la que tenga menos consultas que «volvieron en 7 días», no la opinión de quien escribió la respuesta.
Fíjate: ninguno de los seis consiste en «pedir con más insistencia». Si falta uno, el ciclo no se cierra: una hipótesis sin experimento es una suposición; un experimento sin memoria es un descubrimiento que se pierde la semana siguiente.
Antes de seguir, aquí va la antipromesa, desde la primera clase y sin esconderla: ningún ciclo de mejora garantiza que el número aumente. Quien promete eso vende suerte disfrazada de método. Un ciclo bien construido garantiza otra cosa, más modesta y más valiosa:
| Garantiza | No garantiza |
|---|---|
| Que una versión peor no sustituirá a la actual por sí sola. | Que la siguiente versión será mejor. |
| Que cada cambio quedará registrado y habrá una opción para volver atrás. | Que el registro tendrá algo útil cada semana. |
| Que el ciclo se ejecutará cada semana, de la misma manera. | Que cada ciclo producirá una buena idea. |
| Que el costo no superará el límite. | Que el costo compensará. |
Fíjate en que las cuatro garantías hablan del proceso, no del resultado. Puede parecer poco. Es precisamente lo que ninguna promesa de «IA que mejora sola» puede cumplir con honestidad, y lo que te permite dormir mientras el ciclo funciona: nada entra sin pruebas y todo lo que entró puede salir.
En el ejemplo de referencia de LOOP-R —una clínica ficticia como la de Regina, con datos simulados—, la tasa de respuesta a las propuestas pasó del 19,3 % al 29,3 % en una prueba con 300 envíos por versión. La conversión en ventas no cambió: 3,7 % frente a 3,0 %, una diferencia que puede deberse al azar. El ciclo no lo ocultó. Lo registró, y la persona decidió con los números a la vista. Para Regina, eso es lo importante: no una cifra prometida, sino una que puede comprobar.
Ningún ciclo garantiza que el número aumente. Garantiza que una versión peor no entre en producción por sí sola y que siempre se pueda volver atrás.
Practica ahora 0/3 feito
Lee un caso breve, responde tres preguntas y compara tus respuestas con la clave; después, haz una lista de cinco tareas propias. ~10 min.
Solo vas a leer y tomar notas: nada cambia en tu negocio hasta que lo apruebes y ninguna clienta recibirá nada. Si una respuesta tuya difiere de la clave, anota la diferencia: es el tipo de tema que conviene conversar con tu socio o socia.
El caso. Regina, dueña de una clínica estética, usa la IA para cinco tareas cada semana: (1) redactar propuestas de paquetes por WhatsApp; (2) responder «¿cuánto cuesta?» a quienes llegan por Instagram; (3) escribir el texto de la publicación del lunes; (4) resumir las reseñas de clientas en Google; (5) redactar recordatorios de citas. Ninguna registra qué ocurre después. Regina cree que la tarea 4 «ya es aprendizaje» porque la IA lee lo que dijeron las clientas.
Responde en papel o en el móvil:
1. Las cinco. Todas siguen el camino solicitud → respuesta → fin: ninguna tiene una fila que indique qué pasó después (¿respondieron a la propuesta?, ¿la publicación generó una cita?, ¿acudió la clienta a la cita recordada?).
2. No. Leer reseñas es una solicitud que termina ahí, como las demás. Se convertiría en un ciclo si lo que leyó la IA generara una hipótesis («las clientas se quejan de la espera: si la propuesta indica cuánto dura la sesión, ¿responderán más?»), se probara frente a la versión actual y se registrara el resultado. Leer no es aprender; cambiar con pruebas, sí.
3. La mejor opción es la tarea más frecuente y con un resultado fácil de observar: las propuestas (1), con 200 al mes y respuestas en pocas horas. Cada fila podría incluir: fecha, versión de la propuesta, tipo de paquete, respondió (sí/no), reservó cita (sí/no), se quejó (sí/no). La tarea 3 (la publicación) también sirve, pero el resultado tarda más y es más difícil vincularlo con el texto.
Ahora puedes identificar, con una frase cada una, las tareas que terminan ahí, tanto en el caso de Regina como en tu negocio.
Resumen
Ruta 01 · Clase 2 · fundamento
Al terminar esta clase, podrás ponerle un número a cuántas veces al mes se repite desde cero la misma tarea en tu negocio y cuántas podrían convertirse en una fila de registro.
El volumen da sensación de experiencia. Diez mil consultas atendidas parecen diez mil lecciones. Pero si nadie anotó de qué trataban, esas diez mil valen lo mismo que la primera. Pagas el costo de repetir sin recibir el beneficio de aprender, y esa cuenta no aparece en ninguna factura.
↓ desplázate para estudiar
Paulo, responsable de soporte en una pequeña empresa de software, termina el año con 10.000 consultas atendidas. Cada una se resolvió bien, de una en una, con ayuda de la IA para redactar la respuesta. El equipo recibe elogios. Y nadie sabe que el 37 % de esas consultas —3.700— trata del mismo problema: una pantalla de contraseña que confunde a todo el mundo.
¿Por qué nadie lo vio? Porque cada consulta es una solicitud que termina ahí. Desde dentro de una consulta no se ve el conjunto. Solo quien mira el total —y para eso necesita completar en cada caso una columna «¿de qué se trataba?»— percibe que una de cada tres apunta a lo mismo.
Esta es la diferencia entre «atendimos mucho» y «aprendimos mucho». Las 10.000 consultas resueltas dejaron 10.000 clientes atendidos y ningún cambio en el producto. Una sola corrección de esa pantalla habría evitado 3.700 conversaciones. La información estuvo ahí todo el año; simplemente no quedó anotada.
Marcos, el agente inmobiliario, responde unos 40 contactos potenciales por semana: cerca de 160 al mes. Cada respuesta lleva unos seis minutos entre pedirla, ajustarla y enviarla. Son 16 horas al mes. No le parece caro porque la IA «lo hace rápido». Pero las 16 horas del mes que viene comprarán exactamente lo mismo que las de este mes: 160 respuestas aisladas, ninguna más inteligente que la anterior.
Compáralo con otro escenario que requiere el mismo tiempo: las mismas 160 respuestas, pero cada una deja una fila —fecha, tipo de inmueble, frase inicial utilizada, si respondió el contacto y si agendó una visita—. El esfuerzo por respuesta es igual. La diferencia es el rastro. En un caso solo queda el cansancio; en el otro, material para responder una pregunta que Marcos hoy no puede contestar: «¿Qué frase inicial consigue más citas?»
El costo de empezar de cero no es el tiempo: lo gastarías de todos modos. Es el aprendizaje que pasó por tus manos y no quedó registrado.
El volumen sin registro no es experiencia. Es la misma primera vez, repetida diez mil veces.
Durante años, la ventaja de una empresa fue «tener más datos que la competencia». Eso cambió. Hoy todos tienen acceso a la misma IA, igual de capaz. Si dos inmobiliarias usan el mismo chat, los mismos portales y trabajan en el mismo barrio, ¿qué las distingue? No es una solicitud mejor redactada: se copia en un día.
Lo que no se copia es el historial. Una inmobiliaria registra, por contacto, el canal, el tipo de inmueble, la respuesta enviada y lo que ocurrió. Después de seis meses tiene unas 1.000 filas para consultar antes de cambiar nada. La otra tiene 1.000 conversaciones perdidas en el WhatsApp de cada agente. La competencia puede copiar el texto; no puede copiar seis meses de «lo que ya probamos y cómo salió».
Ese historial acumulado es el activo. No nace de una tecnología mejor: nace de una fila por ejecución, todos los días, sin excepción.
Ponte a prueba
Dos clínicas usan la misma IA, cobran los mismos precios y están en la misma calle. ¿Qué podría tener una que la otra no pueda copiar en un mes?
Todo el ciclo depende de un paso sencillo: registrar. El lugar donde ocurre es la hoja de registro : una hoja de cálculo común, con una fila por propuesta, respuesta o consulta, y una columna que casi todos olvidan: qué ocurrió después. Sin esa columna tienes un archivo de textos, no evidencia.
Para el equipo de soporte de Paulo, la fila queda así: fecha · tema de la consulta · respuesta guardada utilizada · resuelta en el primer contacto (sí/no) · volvió en 7 días (sí/no). Cinco columnas. La pregunta que antes exigía una semana de lectura («¿de qué se quejan más?») se convierte en un conteo de dos minutos.
Una verdad del método: el cuello de botella es la fuente de evidencia, no la IA. Si los datos viven en la cabeza del vendedor o están dispersos en conversaciones, el ciclo no tiene nada que leer; un ciclo sin evidencia es puro teatro. Y una advertencia desde el principio: 12 filas no forman un patrón. «Las propuestas del martes reciben más respuestas», con solo 12 propuestas, es azar disfrazado de descubrimiento. La regla del ciclo es afirmar que hay un patrón solo con 30 o más casos por grupo.
El soporte de Paulo, hoy
10.000 consultas al año, resueltas una por una. Responder «¿de qué se quejan más?» exige una semana de lectura, y nadie dispone de esa semana.
Con la hoja de registro
10.000 filas con la columna «tema» completa. La misma pregunta se responde con un conteo: el 37 % trata de un solo problema.
Resultado: las mismas 10.000 respuestas, el mismo esfuerzo por consulta y una columna más: ahora 3.700 consultas apuntan a una sola corrección del producto.
Practica ahora 0/4 completado
Termina con una frase escrita y dos números: cuántas veces al mes se realiza la tarea y cuántas quedaron sin registrar. ~10 min.
Es solo un conteo: nada cambia en tu negocio hasta que lo apruebes; no modificarás ninguna respuesta ni avisarás a nadie. Si contar todo parece demasiado, estima una semana y multiplica por cuatro: para esta clase basta con tener una idea aproximada.
Acabas de ponerle una cifra mensual a una sensación, y esa cifra es la primera línea del diagnóstico de tu negocio.
Resumen
Ruta 01 · Clase 3 · fundamento
Al terminar esta clase, podrás identificar en cuál de los cinco niveles de madurez está hoy tu negocio, con señales observables y no impresiones, y cuál es el único nivel siguiente que tiene sentido.
Todo el mundo que usa IA cree que está «avanzado», y casi todos están en el nivel 1. Sin una escala, compras una herramienta de nivel 4 para resolver un problema de nivel 1 y pagas por una puesta en escena. La escala de esta clase evita que tires ese dinero.
↓ desplázate para estudiar
El nivel 1 es donde está casi todo negocio, y no tiene nada de malo. La IA responde a una solicitud. Tú escribes, la IA entrega un texto, tú lo revisas y lo usas. Toda la inteligencia del proceso vive en tu cabeza: qué pedir, qué ajustar y qué enviar.
Regina, de la clínica, está en el nivel 1 puro. Las señales son fáciles de reconocer: cada uso empieza con ella escribiendo; el resultado de cada propuesta vive en su memoria y en ningún otro sitio; si se va de vacaciones, la IA «olvida» la clínica, porque nunca supo nada más que lo incluido en la solicitud del día.
El nivel 1 no es malo. Obtener mil buenas respuestas ya ahorra muchas horas. Solo no lo confundas con aprender: mil buenas respuestas siguen siendo mil primeras veces.
Responder bien mil veces es nivel 1. El nivel 1 no es un atraso; es el punto de partida de casi todos.
En el nivel 2 aparece lo que quienes trabajan en el área llaman agente; en este curso, asistente con una sola función. Ya no dictas cada paso: le das un objetivo. Planifica, usa una herramienta (una agenda, una hoja de cálculo o WhatsApp) y entrega el resultado.
Marcos, el agente inmobiliario, tiene uno: el asistente lee el contacto que llegó por el portal, busca la propiedad en su hoja de cálculo, redacta la respuesta y propone dos horarios para una visita. Marcos solo revisa y aprueba. Es más que responder: ejecuta un objetivo de principio a fin.
El detalle engañoso: el asistente hace más cosas y aprende exactamente lo mismo que en el nivel 1: nada. Nadie anota si se realizó la visita. El nivel 2 amplía el alcance; no cierra el ciclo.
Ponte a prueba
Un asistente de soporte lee una consulta, busca la respuesta guardada adecuada y responde por su cuenta, sin que nadie anote si el cliente volvió. ¿Qué nivel es?
El nivel 3 es el primero en el que la empresa aprende. Cada ejecución se convierte en una fila; cada semana, alguien (o un asistente con esa función) revisa las filas, propone una hipótesis, prueba la nueva versión frente a la actual y decide según las cifras. Si gana con pruebas, se convierte en la versión oficial. Si no, se registra el resultado para que nadie vuelva a probarla sin saberlo.
En el ejemplo de referencia de LOOP-R (una clínica ficticia con datos simulados), el ciclo completó cuatro rondas entre febrero y julio. Una hipótesis —«empezar mencionando la reseña que dejó la clienta»— se probó con 300 propuestas por versión: la respuesta pasó del 19,3 % al 29,3 %, sin empeorar ninguna métrica vigilada (quejas, descuento); se aprobó en la tarjeta y se convirtió en la versión oficial. Otra, «hasta 80 palabras», subió casi lo mismo y se descartó según la regla. Ambas quedan en el historial.
Dentro del nivel 3 hay tres grados de autonomía. L0el ciclo solo sugiere; tú haces todo. L1apruebas cada cambio en una tarjeta de cinco líneas, como máximo una vez por semana. L2promueve por su cuenta, te avisa y mantiene el botón para volver atrás; solo se habilita después de que apruebes correctamente cinco cambios en L1. El curso configura el tuyo en L1.
Nivel 1 — Regina hoy
200 propuestas al mes. «¿La IA mejoró?». Nadie lo sabe y ni siquiera hay forma de responder.
Nivel 3 — con el ciclo
Las 200 propuestas se convierten en 200 filas. En cada ciclo se prueba una hipótesis en dos versiones y Regina recibe una tarjeta para decidir.
Resultado del ejemplo de referencia: en 4 ciclos, 2 hipótesis probadas con 300 envíos por versión, 1 aprobada y promovida, 1 descartada, y ningún cambio entró sin una tarjeta aprobada.
El nivel 4 es el sistema que observa su propio sistema de mejora: cuánto cuesta cada ciclo, cuántas hipótesis se convirtieron en versiones y qué asistente recibe más vetos. Parece magia, y aquí importa ser honestos: hoy, en el producto, este nivel solo informa. No rediseña nada por su cuenta. Un sistema que se modifica con pocos datos multiplica cada error de los niveles inferiores; por eso, el rediseño autónomo sigue siendo investigación, no un producto.
El nivel 5 abarca toda la empresa: cada área tiene su ciclo y otro ciclo superior conecta lo aprendido. El soporte de Paulo muestra el camino: consultas registradas → causa encontrada (la pantalla de contraseña) → respuesta nueva comparada con la anterior → texto de ayuda actualizado → cambio sugerido al producto. La atención deja de limitarse a responder y empieza a mejorar el producto. Pero eso solo existe porque, en la base, cada consulta se convirtió en una fila.
De ahí la regla: no se salta ningún nivel. Quien está en el nivel 1 y compra «nivel 5» compra teatro, porque el ciclo superior no tiene evidencia de la que aprender. Desde los niveles 1 y 2, el único siguiente nivel útil es el 3, que empieza con una columna más en la hoja de cálculo y una prueba con cifras.
Practica ahora 0/3 completado
Lee el caso, marca el nivel de cada persona, consulta las respuestas y luego marca las señales que corresponden a tu negocio para identificar tu nivel. ~12 min.
Es un diagnóstico en papel: nada cambia en tu negocio hasta que lo apruebes y nadie tiene que conocer el resultado. Si dudas entre dos niveles, marca el más bajo: el siguiente paso es el mismo y equivocarte por abajo no cuesta nada.
El caso. Regina le pide cada propuesta a la IA y la ajusta a mano; el resultado queda en su cabeza. Marcos tiene un asistente que lee el contacto, consulta la hoja de inmuebles y propone una visita por su cuenta; nadie anota si la visita ocurrió. Paulo registra cada consulta con el tema y «¿resuelta en el primer contacto?», prueba una respuesta nueva frente a la anterior cada mes y decide con una tarjeta. Los tres dicen estar «muy avanzados en IA».
Responde:
1. Regina: nivel 1 (responde). Marcos: nivel 2 (ejecuta un objetivo; no mide). Paulo: nivel 3 (una fila por ejecución, una prueba con cifras y una decisión registrada).
2. Regina y Marcos empatan en costo: ambos necesitan el mismo paso, una columna de resultado por ejecución («¿respondió?», «¿se realizó la visita?»). Marcos tiene una ventaja: su asistente ya produce ejecuciones estandarizadas, así que la fila es más fácil de completar. Para Paulo el siguiente paso es otro: mantener el ciclo constante y vigilar el costo por hipótesis promovida.
3. Cómo interpretar las señales. Solo A: nivel 1. B sin C: nivel 2. C + D + E: nivel 3. F además de C-D-E: nivel 4 (informar). G: nivel 5. Si marcaste C sin D, estás entre los niveles 2 y 3: tienes evidencia, pero falta experimentar. Es la situación más común de quienes empezaron a registrar. Si marcaste B y G sin C, desconfía: sin una fila por ejecución, el «ciclo entre áreas» es solo una impresión.
Acabas de ponerle un número a tu nivel con señales que cualquier persona del equipo puede comprobar, y señalaste el único nivel siguiente.
Resumen
Ruta 01 · Clase 4 · fundamento
Al terminar esta clase, podrás tomar una instrucción vaga («mejora», «sé más persuasivo») y reescribirla con evidencia, una meta numérica, un «sin empeorar» y una hipótesis comprobable, usando cualquier chat de IA.
Es lo primero que casi todos hacen: abren el asistente y escriben «analiza tu trabajo y mejora cada vez». Parece una orden inteligente. Pero no tiene cifras, datos ni forma de saber si funcionó, y el asistente responderá que sí, que mejoró. Esta clase sustituye esa frase por una solicitud que se puede comprobar.
↓ desplázate para estudiar
Paulo, del equipo de soporte, escribió esto en el asistente que responde consultas: «analiza tus respuestas y mejora continuamente». Un mes después, preguntó si había mejorado. El asistente respondió que sí, con seguridad. No había forma de saber si era cierto, y eso hace peligrosa la frase: produce una sensación de mejora sin mejorar nada.
Faltan tres preguntas que la frase no responde. ¿Mejor en relación con qué (qué versión?). ¿Medido por quién (el propio asistente, que tiene motivos para decir que mejoró?). ¿Comparado cómo (¿con qué y con cuántos casos?). Sin evidencia registrada, una cifra y una versión anterior, «mejoró» es solo la respuesta esperada a la pregunta.
No es una limitación de la IA, sino de la solicitud. La frase central de este curso existe para sustituir exactamente ese hábito:
No le pidas a la IA que mejore. Haz que cada ejecución produzca evidencia, que cada evidencia genere una hipótesis y que cada hipótesis se convierta en un experimento. Solo lo que se compruebe pasa a la siguiente versión.
El primer cambio es sustituir «mejorar» por «de X a Y, sin empeorar Z». Para Regina: «tasa de respuesta a las propuestas del 20 % al 30 %, sin empeorar las quejas ni el descuento medio». Para Marcos: «citas para visitas del 20 % al 30 %, sin empeorar las visitas a las que el cliente no se presenta». La parte «sin empeorar» tiene un nombre: límite de control —y no es un adorno.
Sin un límite de control, cualquier meta se convierte en un objetivo aislado y el asistente aprende a hacer trampa: pide «más clics» y redacta un título sensacionalista; pide «menos tiempo por consulta» y el equipo de Paulo empieza a cerrarlas rápido sin resolverlas; pide «más respuestas» y los mensajes empiezan a provocar «deja de enviarme esto», que cuenta como respuesta. Una meta sin «sin empeorar» es el error más silencioso de esta ruta, porque la cifra sube mientras el negocio empeora.
Dos precauciones sobre la cifra. Primero, elige una métrica a la que el cliente responda rápido —tasa de respuesta, citas— y vigila una métrica económica (conversión, margen) como límite de control. Segundo, es casi imposible demostrar metas cercanas al 3 % en un negocio pequeño: demostrar 3 % → 5 % exige unas 1.500 ejecuciones por versión, lo que a 200 al mes lleva 15 meses. Demostrar 20 % → 30 % exige unas 300 por versión. Empieza por algo que puedas demostrar.
El segundo cambio es sustituir «idea» por hipótesis. La hipótesis tiene una estructura fija: SI [un solo cambio] ENTONCES [efecto esperado en la meta] PORQUE [motivo]. En el ejemplo de referencia de LOOP-R, la clínica ficticia escribió: «SI la propuesta tiene hasta 80 palabras, ENTONCES la tasa de respuesta sube del 19 % a cerca del 30 %, PORQUE las propuestas largas de WhatsApp no se leen hasta el final. Cambio: solo la extensión».
La parte más difícil es la última: un solo cambio. Marcos quiere «acortar el texto, cambiar el tono y enviarlo por la mañana»: tres cambios a la vez. Si funciona, no sabrá cuál funcionó; si falla, no sabrá cuál lo perjudicó. Son tres hipótesis, que se prueban de una en una o se dejan anotadas para después.
Para Regina sirve la misma estructura: «SI la propuesta empieza mencionando la reseña que dejó la clienta, ENTONCES más clientes responden, PORQUE reconocen que el mensaje se escribió para ellas». De hecho, esa fue la hipótesis que se promovió en el ejemplo. Una buena hipótesis también te protege: si falla, sabes exactamente qué descartar y qué anotar para que nadie vuelva a probarla sin querer.
Observa qué pasó con la instrucción vaga de Paulo después de aplicar estos dos cambios:
Instrucción vaga
«Asistente, responde mejor las consultas y sigue mejorando con el tiempo».
Solicitud comprobable
«Registra cada consulta (tema, respuesta utilizada, ¿resuelta en el primer contacto?). Meta: subir del 50 % al 65 % las resoluciones en el primer contacto, sin empeorar las reaperturas en 7 días. Hipótesis: SI la respuesta sobre contraseñas incluye el enlace directo, ENTONCES menos personas vuelven PORQUE el cliente se pierde en la pantalla. Prueba: la mitad con cada versión, unas 170 por versión».
Resultado: la primera no produce nada comprobable; la segunda produce un registro, una cifra objetivo, un límite de control y una prueba con una cantidad definida: cuatro cosas para conversar con un socio.
El tercer cambio es separar a quien propone de quien evalúa. Quien evalúa solo puede responder una de estas tres cosas: B ganó con margen, A sigue, o cantidad insuficiente: sigue probando. La tercera respuesta es la más frecuente y debe ser aceptable, porque la alternativa es promover el azar. Esos «300 por versión» tienen un nombre: cantidad necesaria para demostrarlo —y se calcula antes de la prueba, no después.
Aquí aparece el segundo error silencioso: detener la prueba a la mitad porque la nueva versión «va ganando». Marcos, con 40 contactos por semana, necesita unas 15 semanas para llegar a 300 por versión. En la semana 2, la nueva tiene 12 respuestas de 40 frente a 7 de 40 de la anterior, y quiere promoverla. Doce frente a siete de 40 es justo el tipo de diferencia que aparece y desaparece por azar. Solo se detiene antes si cae un límite de control. Nunca por una ventaja parcial.
Ponte a prueba
Semana 2 de la prueba: la nueva versión recibe 12 respuestas de 40 y la anterior, 7 de 40. ¿Qué debe responder quien evalúa?
Volvamos al ejemplo de referencia. En el segundo ciclo, la hipótesis «hasta 80 palabras» se probó con 300 propuestas por versión: las respuestas pasaron del 19,3 % al 29,7 %, diez puntos, con una cantidad suficiente para demostrarlo. Aun así, no se promovió. El límite de control de «quejas» marcó 6 frente a 1, y la tolerancia acordada era cero. Se aplicó la regla escrita; la versión quedó fuera y todo se registró.
Luego viene la segunda lección, tan importante como la primera: la regla estaba mal calibrada. Seis quejas frente a una entre 300 son ruido; pueden deberse al azar. La tolerancia cero para un evento poco frecuente descarta buenas ideas por mala suerte. El equipo ajustó la tolerancia al 1 % en las pruebas siguientes y guardó en el historial la hipótesis descartada junto con el motivo. En el cuarto ciclo, «empezar mencionando la reseña de la clienta» subió del 19,3 % al 29,3 %, respetó los límites de control y se convirtió en la versión oficial. La conversión en ventas no cambió, y también quedó anotado.
La misma regla se aplica a Paulo: si suben las resoluciones en el primer contacto y también las reaperturas en 7 días, A sigue. El sistema no promueve algo porque parezca mejor; en L1, tú lo apruebas en la tarjeta con las cifras delante.
Error frecuente
Promover porque parece mejor. La nueva propuesta «es claramente más bonita», la tasa subió la primera semana y se convierte en la oficial. Ocurre porque el ojo confunde gusto con resultado y una buena semana con un patrón. Para evitarlo: ninguna versión se hace oficial sin un veredicto con la cantidad necesaria y los límites de control revisados; la decisión pasa por tu tarjeta, no por la impresión de quien redactó la propuesta.
Practica ahora 0/4 completado
Termina con un texto de cuatro partes —evidencia, una meta con «sin empeorar», una hipótesis SI-ENTONCES-PORQUE y una prueba— generado en un chat de IA a partir de una instrucción vaga de tu negocio. ~10 min.
Solo vas a escribir una solicitud en un chat: nada cambia en tu negocio hasta que lo apruebes y de aquí no se envía ninguna respuesta a clientes. Si la respuesta incluye cifras que no diste, bórralas y vuelve a pedirla añadiendo «no inventes cifras».
Esta solicitud está lista para pegar en un chat de IA: solo sustituyes los fragmentos entre < >; el resto se deja igual.
Tenho um assistente de IA que realiza esta tarefa no meu negócio: <descreve la tarea; por ejemplo, responder contactos de un portal inmobiliario>. La instrucción que le di hoy era vaga: «<pega la instrucción vaga; por ejemplo, sé más persuasivo y sigue mejorando>». La cifra actual que conozco es: <por ejemplo, responde el 20 % de los contactos, o «no lo sé»>. Reescribe la instrucción en cuatro partes, sin inventar cifras que no te di: 1. EVIDENCIA: qué registrar por ejecución, una fila a la vez, en un máximo de 5 columnas (una debe ser «qué ocurrió después»). 2. META: con el formato «de X a Y, sin empeorar Z», usando solo la cifra que indiqué. Si dije «no lo sé», explica que la primera tarea es medir durante 2 semanas y sugiere qué medir. 3. HIPÓTESIS: una frase «SI [un solo cambio] ENTONCES [efecto en la meta] PORQUE [motivo]». 4. PRUEBA: cómo dividir en dos versiones (actual y nueva) y cuántas ejecuciones por versión reunir antes de decidir (para metas entre 20 % y 30 %, usa unas 300 por versión). Termina enumerando lo que NO puede cambiar sin mi aprobación.
Qué deberías ver: una respuesta con cuatro secciones numeradas; una META con «sin empeorar»; una HIPÓTESIS con UN solo cambio; una PRUEBA con la cantidad por versión; y una lista breve de lo que queda fuera. Si la hipótesis incluye dos o tres cambios, responde: «separa en una hipótesis por cambio».
Acabas de convertir una orden vaga en una solicitud comprobable, con un registro, una cifra objetivo, un límite de control y una prueba.
Resumen