En una de sus intervenciones más citadas, el inversor y pensador empresarial Charlie Munger explicaba que uno de sus trucos favoritos para resolver problemas es el “proceso de inversión”. La idea es simple: en lugar de preguntarse cómo alcanzar el éxito, conviene preguntarse primero qué cosas provocarían el fracaso. Este cambio de perspectiva, aparentemente trivial, puede transformar la forma en la que los directivos toman decisiones y gestionan proyectos tecnológicos.
En el mundo empresarial solemos enfocarnos en objetivos positivos: crecer, innovar, vender más o mejorar la productividad. Sin embargo, muchas iniciativas fracasan no porque la estrategia fuese mala en sí misma, sino porque no se identificaron a tiempo los errores críticos que podían aparecer. El pensamiento inverso obliga a analizar primero esos errores.
Por ejemplo, en lugar de preguntarse “¿cómo hacer que este proyecto funcione?”, el directivo se pregunta: “¿qué tendría que ocurrir para que este proyecto fracasara?”. Las respuestas suelen ser sorprendentemente claras. En un proyecto empresarial o tecnológico, los factores de fracaso suelen repetirse: objetivos mal definidos, falta de datos fiables, escasa integración con los procesos existentes o ausencia de seguimiento.
Este enfoque resulta especialmente útil cuando hablamos de inteligencia artificial aplicada a empresa. Muchas organizaciones quieren incorporar IA para mejorar ventas, optimizar procesos o automatizar tareas, pero los proyectos no siempre generan el valor esperado. Si se aplica el pensamiento inverso desde el principio, es más fácil detectar los riesgos.
Algunas preguntas útiles podrían ser:
- ¿Qué haría que nuestro proyecto de IA fuese inútil para el negocio?
- ¿Qué errores podrían provocar que la inversión no genere retorno?
- ¿Qué decisiones podrían crear dependencia tecnológica o costes innecesarios?
Cuando se plantean estas preguntas, suelen aparecer problemas muy concretos: datasets de baja calidad, modelos demasiado complejos para el problema real, falta de formación del equipo o expectativas poco realistas sobre lo que la IA puede hacer.
Este tipo de análisis también se utiliza en metodologías modernas de gestión de riesgos. En ingeniería de software, por ejemplo, se realizan ejercicios de “premortem”, donde el equipo imagina que el proyecto ya ha fracasado y trata de explicar por qué. En ciberseguridad, algo similar ocurre con el llamado red teaming, donde especialistas intentan encontrar vulnerabilidades antes de que lo haga un atacante real.
Para un gerente, el valor de este enfoque es claro: reduce la probabilidad de cometer errores previsibles. Pensar al revés no sustituye a la planificación estratégica, pero la complementa. Permite identificar puntos débiles antes de invertir recursos y diseñar procesos más sólidos.