Salil Darji, asesor de startups de IA, señala los errores que los fundadores detectan demasiado tarde

Los asesores de startups de IA detectan cada vez con más frecuencia la misma brecha: los fundadores prometen demasiado al mercado, pero no llegan a demostrar su valor ni siquiera en un caso de uso acotado. Según el mentor Salil Darji, sobreviven los equipos que encuentran antes que los demás un problema concreto, mantienen el foco y construyen el negocio sobre una economía real, no los que más ruido hacen.

El foco importa más que la ambición

Darji explica que las empresas jóvenes de IA empiezan demasiado pronto a pensar en términos de «mercado enorme» y de «escalar en todas direcciones». En la práctica, el equipo entra a la vez en varios sectores, intenta contentar a distintos tipos de clientes y acumula una larga lista de funciones antes de haber demostrado el valor de una sola. El resultado: los esfuerzos se dispersan, el producto pierde nitidez y los propios fundadores ya no saben explicar con claridad qué hacen mejor que los demás.

El problema también afecta a la confianza. Cuando una startup no es capaz de formular un caso de uso concreto, a inversores y socios les cuesta más creer que el equipo sabe priorizar. Un foco estrecho al principio, en cambio, hace el negocio más comprensible: permite validar la demanda con más facilidad, recoger feedback más rápido, estimar con más precisión el ciclo de venta y ver antes dónde aparecen los ingresos de verdad. En la fase inicial, esto suele pesar más que una lista llamativa de líneas de negocio futuras.

El pitch deck no es el producto

Otro error habitual es convertir el pitch deck en el objetivo principal. Darji observa que muchos equipos se apresuran a preparar una presentación atractiva para una aceleradora, un concurso o una reunión con inversores, pero se saltan el trabajo más duro: entender qué problema resuelven, por qué su enfoque es mejor que las alternativas y cómo va a funcionar la economía del negocio. En esa situación, las diapositivas dan una sensación de progreso, pero no sustituyen el trabajo real sobre el modelo.

«El pitch deck no es el objetivo final; lo que importa es el camino hasta él».

Si el fundador recorre ese camino con honestidad, la presentación surge casi como un efecto secundario. Ya incluye respuestas a las preguntas incómodas: quiénes son los competidores reales, cuándo llegará el primer dólar de ingresos, cómo será la implantación, cuánto dura el ciclo de venta y dónde corre la empresa el riesgo de equivocarse.

A esto se suma otra dificultad: los consejos de distintos mentores y programas a menudo se contradicen. Por eso al fundador no le basta con acumular recomendaciones: tiene que aprender a filtrarlas y quedarse solo con las que encajan con su mercado y su estrategia.

Lo que de verdad está en juego con la IA

Una de las tesis más pragmáticas de Darji es esta: la IA es, ante todo, computación, no magia. Este enfoque cambia la perspectiva. En lugar de perseguir el modelo de moda o la enésima interfaz de chat, propone buscar tareas de predicción concretas: qué se puede pronosticar, qué señal se puede extraer de los datos y dónde aportará un beneficio tangible al cliente. De ahí su interés por sectores menos saturados, como la construcción, la educación, la monitorización ambiental y otros nichos donde hay menos competencia y el valor práctico puede ser mayor.

Al mismo tiempo, Darji ve las próximas grandes oportunidades en los agentes, pero también en la personalización. En su opinión, los servicios de IA saldrán ganando si empiezan a entender mejor el contexto del usuario: qué sabe ya, qué estilo de explicación le funciona, qué noticias ha visto, con quién se comunica y cómo toma decisiones. Pero aquí surgen también cuestiones de privacidad, de volumen de datos recopilados y de control por parte de la persona.

• Empezar con un solo problema para un solo público
• Buscar sectores infravalorados, no los mercados más ruidosos
• Calcular el camino hacia los ingresos antes de dibujar un mercado enorme
• Recopilar solo los datos sin los que el producto no funciona

Un riesgo aparte es la economía del propio mercado de la IA. Darji advierte de que muchas empresas parecen sobrevaloradas y de que sus ingresos todavía no están a la altura de las expectativas de los inversores. Si el mercado se corrige, quienes mejor lo soportarán no serán los actores más mediáticos, sino los equipos con un producto claro, márgenes reales y disciplina en el manejo de datos. Su enfoque en proyectos educativos es revelador: primero eliminar los datos personales y comprobar qué resultado se puede obtener sin accesos innecesarios, y solo después hacer más compleja la infraestructura del sistema y de protección.

Qué significa esto

Para los fundadores, la señal es sencilla: se acaba rápidamente la época en la que una startup de IA podía venderse solo con un relato sobre la «revolución». Ganarán los equipos que acoten el problema, calculen su unit economics, traten los datos con cuidado y usen la IA como herramienta para resolver un problema concreto, no como adorno para el pitch ante inversores.