Si son de Costa Rica — y en realidad cualquier país centroamericano — han escuchado la siguiente frase:
“¡Qué montón de tráfico!”
La decimos cómo una queja, pero en realidad una queja es nuestra frustración sobre algo que está mal. Esta frase “qué montón de tráfico” ni expresa frustración, ni menciona lo que está mal. No es una queja, es una afirmación. Y no sólo es una afirmación, sino que es una afirmación subjetiva. Lo que es “un montón” de tráfico para mí es diferente que para la persona del carro de a la par.
En nuestra gran experiencia hablando con founders y futuros founders, cuando les preguntamos sobre cuál problema están resolviendo o cuál oportunidad están aprovechando para crear su startup hemos visto el mismo problema: la definición del problema no es clara, no es específica y no lleva a crear una buena solución.
Qué diferente sería si podemos comunicar el problema de tráfico de una manera más estructurada:
«Tengo muchas ganas de ir al taller para Founders en Caricaco, pero vivo del otro lado de la ciudad, tengo que estar de vuelta a las 5pm para recoger a mi hija y con la cantidad de tráfico no lo lograría.»
¿Es esto un problema logístico? ¿Falta de información? ¿Una oportunidad para una startup?
Depende de cómo lo definás, pero lo que es definitivo es que comunicarlo de esta manera te permite ver el problema real y la intención de la persona que tiene el problema.
¿Por qué importa esto para founders en la región?
Porque el 90% de las startups no fallan por falta de tecnología, sino porque resolvieron el problema equivocado — o mejor dicho, porque no definieron correctamente el problema que estaban intentando resolver.
En una región donde los recursos son limitados, definir bien el problema no es solo importante: es crucial. Y ahora tenemos una ventaja increíble que antes no teníamos: herramientas de AI que nos pueden ayudar a definir, explorar y validar más rápido los problemas y posibles soluciones.
¿Qué significa “definir bien un problema”?
Una buena definición de problema incluye tres componentes:
- Objetivo: ¿Qué se quiere lograr?
- Restricciones: ¿Qué limita lograrlo?
- Recursos: ¿Qué tenés disponible para resolverlo?
Esto aplica tanto a problemas personales («¿cómo llego a Caricaco sin comprometer mis responsabilidades como padre?») como a problemas de negocio («¿cómo reducimos de 15 a 5 horas el reporte mensual en Excel?»).
Es posible crear startups a partir de problemas personales (modelos de negocio B2C) así como a partir de problemas de negocio (modelos de negocio B2B).
En startups, además, hay que entender el problema desde el punto de vista del cliente. Entre más estudiés a tus clientes, mejor vas a poder definir el problema.
Tip: pensá como si fueras antropólogo: observá sus rutinas, dolores, frustraciones y cómo solucionan sus problemas durante el día.
Etapa #1: Tener claridad sobre el problema
Muchos founders corren a construir soluciones sin saber qué están resolviendo. Pero una startup no es una fábrica de ideas aleatorias, es una máquina de aprendizaje sobre cómo resolver un problema central.
Decidir qué problema atacar es decidir a qué futuro te vas a enfocar y la clave para una startup es enfoque.
Ejemplo: Un equipo cree que su problema es que no pueden hacer reportes de Excel a tiempo. Pero al definir bien el problema descubren que sí pueden… solo que nadie sabe cómo optimizarlo o automatizarlo y no han probado herramientas nuevas como ChatGPT o Make.
Pasos prácticos:
Paso 1: Escribí qué querés lograr (el objetivo).
Todos los meses tenemos que manipular unos Exceles para un reporte crucial que nos toma 15hrs. Hemos estado trabajando para bajar el tiempo a la mitad.
Paso 2: Listá qué cosas te limitan (restricciones).
La meta es que hacerlo con AI o automatizaciones.
Paso 3: Anotá qué tenés a mano (recursos).
Tenemos la versión Plus de ChatGPT que sabemos que puede manipular Exceles y hay posbilidad de usar un 15% del tiempo del equipo en capacitación en nuevas herramientas.
Paso 4: Usá un LLM como ChatGPT para generar una definición del problema más específica y que no tenga puntos ciegos que no estás viendo.
Usá este prompt en ChatGPT, Claude, Gemini, etc:
“Quiero que me ayudés a generar un “problem statement”. Debe incluir: objetivo, para quién se resuelve, restricciones y recursos disponibles. Haceme las preguntas necesarias para lograrlo. Al final devolveme el “problem statement en un sólo párrafo.”
Solo dejá que tu LLM te entreviste. Revisá la versión final con tu versión del problema.
**Nota: no te saltés el paso de salir a observar, entender y hablar con tus (posibles) clientes. Es importantísimo. Los LLMs nos pueden ayudar a enriquecer nuestro trabajo, pero no pueden ir a entrevistar clientes por vos.
Etapa #2: AI como tu nueva compañera de exploración de soluciones
Los LLMs (AI) son una herramienta espectacular para analizar ideas, conceptos y problemas desde diferentes puntos de vista. Los LLMs son por definición, excelentes imitadores, y pueden imitar diferentes tipos de personas muy bien — para nuestro beneficio.
ChatGPT, o cualquier LLM, te puede ayudar a generar ideas desde el punto de vista del cliente que definás, del experto técnico, del inversionista, o de cualquier otro rol que querás. Con esto vas a tener feedback de tus posibles soluciones que vean diferentes puntos ciegos que podás tener.
Ejemplo: Si definís que tu cliente meta son mamás con jornada flexible que viven fuera de la ciudad, podés pedirle a tu LLM:
“Dame 5 soluciones posibles para este problema desde el punto de vista de esta clienta”.
Y después:
- “Ahora analizalo como si fueras un CTO co-founder”,
- “Ahora como si fueras un socio de Caricaco VC revisando propuestas de inversión”,
- “Ahora escribime una nueva versión de la solución con todos esos insights”.
Esto lo podés hacer con todas las ideas y exploraciones que querás — o bueno hasta que se te acabe el límite de tu plan. De igual manera vas a tener muchísimo feedback, muy bueno y muy rápido.
**Nota: no tomés lo que te diga tu LLM como santa palabra — lo estamos usando como compañero de exploración, como guía para ver otros puntos de vista y no cómo el último experto que nos va a salvar el proyecto. Es más un catalizador para despertar ideas y ponernos a pensar.
Etapa #3: Prototipar con AI (la magia)
Nunca has necesitado un equipo técnico para validar si una solución puede funcionar. Siempre hemos podido crear MVPs o prototipo en papel o con herramientas low-code o no-code, pero hoy con AI podemos hacerlo sin tener que aprender herramientas nuevas y con alta fidelidad.
El stack tecnológico de AI de ChatGPT (u otro LLMs) + Lovable o Cursor o Make hacen posible tener un prototipo en minutos — ¡sólo usando lenguaje natural!
Prototipar con AI permite que tu ciclo de aprendizaje sea más corto y barato. Y eso es lo que te va a acercar más rápido a Product-Market Fit.
Ejemplo: La verdadera magia de las herramientas de AI está en cómo las usamos en combinación. Antes de entrar a Lovable o cualquier herramientas de desarrollo con AI, usá tu LLM de preferencia y decile que te ayude a pedirle lo que necesitás.
Si no somos personas técnicas, incluso puede ser difícil saber qué pedir en lenguaje natural para lograr lo que queremos.
Tomá una de las soluciones que tu LLM te dio en el punto anterior y pedile lo siguiente:
“Actuando como mi CTO experto en desarrollo back y front-end ayudame a hacer un plan para pedirle a Lovable un prototipo de esta solución, paso a paso.”
Y listo, ahora tenés el texto que podés copiar y pegar en tu herramienta de preferencia para crear tu prototipo.
¡Crear el prototipo no es el final!
Ese prototipo es valioso sólo en cuanto te pueda dar feedback real de tus posibles clientes.
Mostrale el prototipo a tu cliente meta, registrá los insights y volvé a las herramientas de AI para mejorar y acercarte a un producto que sea funcional y por el que podás cobrar. Iterá rápido y con feedback real.
El problema correcto vale más que mil ideas
Tener una idea no te convierte en founder. Aprender a identificar y definir problemas reales, sí. Hoy podés hacer eso mejor y más rápido con ayuda de AI.
No subestimés lo poderoso que puede ser conversar con tu cliente y todavía más si podés apoyar las conversaciones reales con ChatGPT actuando como tu cliente.
Si tenés una idea para tu próxima startup, primero comprobá si ya definiste el problema correcto. Y si no lo has hecho, empezá hoy con estos ejercicios.
Cuando tengás una versión inicial de tu producto, interactuando con clientes y consiguiendo tracción ¡queremos saber de vos!