Hola, ¿Qué tal? Soy Ángel Alba, de Innolandia.es, y bienvenido a un nuevo episodio de el podcast «El día a día del innovador».
Hoy vamos con la segunda parte de la serie sobre innovación aumentada, de cómo podemos aplicar la inteligencia artificial generativa en procesos de innovación.
Si miras en Spotify o en YouTube, en el primer episodio hablamos de cómo aplicar la inteligencia artificial generativa en Design Thinking.
Hoy vamos a hablar de cómo aplicar la inteligencia artificial generativa en la parte más de proyectos.
Vamos a hablar de Lean Startup y más adelante hablaremos de cómo aplicarla en la gestión de proyectos y finalmente hablaremos de cómo aplicarla en la gestión del sistema de innovación.
Lo primero que tenemos que recordar, es qué es Lean Startup.
Lean Startup es un framework de trabajo, es un marco de trabajo creado por Eric Ries tomando diferentes fuentes, partiendo sobre todo de customer development, la metodología de customer development, desarrollo de clientes de Steve Blank más principios lean de producción de Toyota.
Y este framework está orientado a desarrollar productos y servicios, nosotros aplicamos también en procesos en entornos de alta incertidumbre donde el contexto es diferente, donde no podemos hacer planificación proyectiva, donde el riesgo suele ser bastante alto, y este framework se basa fundamentalmente en tres elementos.
El primer elemento, es la aplicación del método científico. Identificamos una serie de hipótesis. Esas son hipótesis para demostrar si son ciertas o no.
Lo que hacemos son experimentos aplicando el método científico.
Y una vez que cuando lo aplicamos sobre esas hipótesis para ver si nuestras ideas, nuestros productos y servicios o procesos tienen sentido, lo que obtenemos son aprendizajes validados, cosas que son verdad o cosas que son falsas en función del resultado del método científico.
Y todo esto lo hacemos con un contacto iterativo con el cliente, aprendiendo continuamente de ellos. Lean Startup es un framework de trabajo que nos permite desarrollar productos y servicios en entornos de alta incertidumbre basado en el método científico, aprendizaje validado, y la iteración continua con los clientes
Lean Startup, este marco de trabajo que te digo que viene a diferentes fuentes, a mí me gusta dividirlo en cuatro grandes bloques que tienen que ver también con el proceso de desarrollo que utilizan otros autores como Steve Blank o Ash Maurya, etcétera.
Lean Startup se compone por un lado del diseño de modelo de negocio, donde obtenemos esas hipótesis de riesgo de nuestras ideas, la fase de descubrimiento de clientes o encaje de problema solución, una tercera fase que es la evaluación de clientes o encaje de producto mercado, y finalmente la parte de escalado.
En estas fases, nosotros lo que tenemos que aprender a hacer es, por un lado, diseñar modelos de negocio, por otro lado, hacer experimentos que nos aplican en las diferentes fases, y por otro lado, a comunicar y vender nuestros productos y servicios.
Son los tres elementos.
Ya que tenemos claro cuáles son las áreas de trabajo de Lean Startup o los elementos clave de trabajo de Lean Startup, ahora vamos a ver los casos de uso, es decir, dónde puedo aplicar la inteligencia artificial generativa en Lean Startup, y te voy a contar dónde lo estamos haciendo nosotros con nuestros clientes o en nuestros propios proyectos, dónde estamos aplicando la inteligencia artificial generativa.
Diseño de modelo de negocio.
Primero, puedes utilizarlo para que te genere un modelo de negocio. En cualquiera de los formatos, el formato del Business Model Canvas de Alex Osterwalder o del link Asmas de Asma Uria y además son intercambiables.
Nosotros hemos probado para que te genere sobre una idea que tú le tienes que contar en detalle que te genere un modelo de negocio, que luego te lo pase al modelo de Asma Uria al link Canvas sin problemas.
Y donde tiene más interés, donde tiene mayor potencia es porque le pidas variaciones del modelo de negocio. Porque en el tiempo que nosotros de forma manual podemos generar, a lo mejor, un modelo de negocio, si tú le dices: «Quiero que me generes cinco modelos de negocio basados en cómo explotar el conocimiento de Inolandia», pues te los va a dar en un rato, te los va a dar en tres minutos, te lo vas a sacar.
Entonces, es súperimportante cuando trabajemos con inteligencia artificial generativa que lo utilices para abrirte alternativas, para abrirte diferentes alternativas a decirte: «Oye, puedo trabajar sobre este modelo de negocio, puedo trabajar con diferentes clientes, dame alternativas con diferentes clientes».
Entonces, juegas y es mucho más productivo. Otra herramienta dentro del diseño modelo de negocios que nosotros utilizamos mucho es la matriz CREA, que se utiliza dentro del marco de océanos azules, donde tú tienes que definir dentro de la curva de valor qué elementos vas a aumentar, cuáles vas a reducir, cuáles vas a crear y cuáles vas a eliminar.
Y está entrenado, ChatGPT, por ejemplo, está entrenado, sabe lo que es una matriz creada, de hecho, sabe lo que es una curva de valor, o sea, le puedes pedir la curva de valor de una industria y le puedes decir que te modifique curvas de valor.
Y de nuevo, tiene sentido cuando se lo pides en volumen. Cuando nosotros hicimos, por ejemplo, un proyecto con un cliente donde estuvimos trabajando en océanos azules y lo que le decíamos, mientras cada persona en equipo hacía un elemento, o sea, una curva de valor, ChatGPT hacía cinco.
Es un miembro más en el equipo que nos ayuda.
Identificar la hipótesis de riesgo.
Una vez que tenemos el diseño de modelo de negocio, lo siguiente que tenemos que hacer es identificar las hipótesis de riesgo que tiene ese modelo de negocio y también te lo hace, es decir, tú puedes cogerte sobre este modelo de negocio y decirle cuáles son las hipótesis de riesgo y no sólo te las puede sacar, sino que además te las puede valorar, le puede decir: «Si mis criterios son incertidumbre y criticidad, yo te doy el contexto en el que estoy trabajando y entonces tú me generas esa clasificación».
Por supuesto, nosotros luego lo tenemos que revisar.
Pero te da esa valoración y de priorización de hipótesis. Y además le puedes forzar a que te saque clasificadas por deseabilidad, deseabilidad de mercado, factibilidad tecnológica, viabilidad de negocio y que te las clasifique.
O una cosa que a mí me gusta hacer mucho es pedirle al menos una hipótesis de riesgo por cada una de las cajas del modelo de negocio.
Y entonces a partir de ahí pues va hacia abajo. Ya hemos visto que en un caso de uso de diseño de modelos de negocio con diferentes herramientas, ahora hemos visto sobre ese modelo de negocio cómo sacas las hipótesis.
Aplicar el ciclo del Learning Startup.
Y ahora vamos a aplicar el ciclo del Learning Startup, que es el siguiente caso de uso, que son hacer experimentos.
Y aquí tenemos un caso infinito, porque si recuerdas el ciclo Learning Startup se compone de tres fases: una primera fase de construir, es decir, tú tienes que diseñar el experimento, construyes el elemento que vas a testar, mides, realizas el experimento y al final aprendes y tomas decisiones.
Entonces, dentro de este proceso, ¿dónde están los casos de uso? Pues, el primer caso de uso es, efectivamente, diseñar el experimento. Además, puedes seguir la línea, diseñas el canvas, estudias las hipótesis de riesgo y le dices que para la prioritaria te diseñe un experimento.
Claro, tú le tienes que decir qué quieres que tenga el experimento, porque si no va a hacer lo que le dé la gana, ya lo sabemos.
Una cosa muy interesante que funciona es, que hemos probado nosotros, es, por ejemplo, con chat GPT+ que tiene visión artificial, le pego la plantilla mía de trabajo, lo que es una ficha de experimento, y digo que en función de esa plantilla me genere un experimento.
Es brutal lo que te saca o de diferentes experimentos lo puedes crear. Sobre ese experimento el siguiente paso es, hay que tener un plan de acción para ejecutar ese experimento, pues, lo mismo le dices sobre este experimento, genérame un plan de acción
Veremos en el próximo episodio cómo podemos utilizar ChatGPT para crear planes de scram, de desarrollo de proyectos.
Es muy bestia lo que puedes conseguir así, he trabajado con esto. Entonces le puedes pedir que te genere el plan de acción para poner en marcha este experimento con lista de acciones, responsables, duración estimada, entregables, se lo puedes pedir perfectamente y te lo hace.
Y el siguiente ejercicio que puedes hacer es analizar los resultados del experimento que has hecho
Aquí lo importante es que tengas los datos, es algo muy estúpido, pero es así, es decir, tú tienes que tener datos de gente interesada o de gente que se ha suscrito o algo, gente que se ha apuntado o incluso si tienes información cualitativa, sentido de entrevistas.
Puedes utilizar la función de subir documentación y a partir de ahí que te analice y que te ayude, tanto a sacar patrones con información desestructurada, cuando estás haciendo entrevista de polémica o entrevista de solución, sin ningún problema.
Por otro lado, puedes hacerlo para datos estructurados, cuando tú tengas un Excel donde has recogido a la gente que se te ha suscrito, a la gente que se ha apuntado y que tienes como un [inaudible], no sé qué, se lo puedes pasar.
Te sirve perfectamente para analizar esos datos.
Y el cuarto caso que puedes utilizar dentro de esta parte de experimentos es para definir las conclusiones, es decir, le das los datos, le dices que te lo analice y que te rellene tu ficha de conclusiones y cuáles serían los próximos pasos.
Porque si tú le das cuál es mi hipótesis, cuáles son los resultados que estoy obteniendo, puede hacer matching y te puede decir cómo vas
Y esto es lo que hemos visto en la parte de los experimentos, pero, claro, y la ejecución de los experimentos. ¿Podemos utilizar inteligencia artificial generativa para ejecución de experimentos? La respuesta es por supuesto que sí.
Algunos de los tipos de experimentos que nosotros hemos probado utilizando la IAG. Las entrevistas que ya te comenté en su momento cuando hablamos de Design Thinking. Las entrevistas, tanto de problema como de solución. Problema para identificar problemas, solución para test de concepto
¿Cómo lo puedes hacer? En primer lugar, le puedes pedir que te ayude a diseñar las entrevistas, qué preguntas, en base a qué, conceptos, con eso lo vas corrigiendo y le puedes pedir que te analice las entrevistas.
¿Cómo se analizan las entrevistas? Como comentamos en su momento, grábalas bien en audio, bien en vídeo, si tienes, puedes utilizar Red AI para transcribir, para cogerte las entrevistas en vídeo y ver el grado de engagement que tienes o puedes cogerte alguna herramienta de transcripción, que también las hay de inteligencia artificial que te lo transcribe, se lo chutas a Plexity ChatGPT, a la herramienta de inteligencia artificial y que te saque patrones, que te saque conclusiones.
De nuevo, lo importantees que tú es el que le tienes que decir qué es lo que buscas, qué tipo de cosas vas buscando y él te las va a encontrar.
Eso es un tipo de experimento, entrevistar el problema, entrevistar la solución, que están muy centrados en la fase de descubrimiento de clientes. Pero ahora también lo puedes utilizar cuando sales a la calle a vender, cuando saltamos a la fase de validación de clientes y aquí lo puedes utilizar para mil cosas, lo puedes utilizar para crear un prototipo de una landing para que la gente se registre.
Nosotros esto, por ejemplo, lo hicimos en un proyecto con la Universidad de Oxford donde creamos el prototipo con ChatGPT, con imágenes de ChatGPT de Dali y con texto redactado con ChatGPT.
Lo puedes utilizar para redactar el pitch de venta que vas a hacer, y si le das una vuelta puedes crear imágenes que puedan representar tu idea, puedes crear avatares de personas que cuenten tu idea, es decir, no eres tú, sino es un avatar el que cuenta tu idea, puedes desarrollar vídeos que expliquen tu idea también con inteligencia artificial o incluso puedes hacer demos de cómo funcionaría a través de ese vídeo.
Estos son diferentes casos de uso que nosotros estamos utilizando a día de hoy en Innolandia con nuestros clientes. Como te decía, en la innovación aumentada consiste en aplicar la inteligencia artificial en procesos de innovación y hemos visto que en Lean Startup puedes utilizar herramientas de inteligencia artificial generativa para diseñar modelos de negocio, para extraer hipótesis, para diseñar y analizar experimentos, el resultado de experimentos y para ejecutar determinados tipos de experimentos.
Tienes un campo inmenso donde puedes trabajar con estas herramienta. Y por supuesto estaremos encantados de echar tu mano si lo necesitas.
Y esto es todo lo que te quería contar por hoy, así es que muchas gracias por estar ahí y nos vemos en el próximo episodio.
