El algoritmo de la hiperexpansión: cómo cuestionar, eliminar y acelerar para transformar una empresa
Jon McNeill revela el sistema operativo que conoció en Tesla y aplicó posteriormente en organizaciones como General Motors y Lululemon
Fuente principal: The Algorithm: The Hypergrowth Formula That Transformed Tesla, Lululemon, General Motors, and SpaceX, de Jon McNeill, publicado en 2026.
En 2015, Tesla se encontraba en una situación paradójica. Fabricaba automóviles que despertaban admiración, pero todavía era una compañía financieramente frágil. Necesitaba incrementar las ventas, ampliar la producción y mejorar el servicio al cliente sin disponer de los recursos de los grandes fabricantes tradicionales.
Fue entonces cuando Jon McNeill, un empresario que había creado y vendido varias compañías, comenzó a colaborar con Elon Musk. Su primera intervención no consistió en diseñar una campaña publicitaria ni en contratar más vendedores. Decidió recorrer personalmente el proceso comercial.
McNeill visitó ocho tiendas de Tesla, realizó pruebas de conducción y proporcionó una dirección de correo electrónico diferente en cada establecimiento. Después esperó que los vendedores se comunicaran con él.
Ninguno lo hizo.
Al revisar la información de la empresa, descubrió que aproximadamente cinco mil clientes potenciales habían probado un vehículo, pero no habían recibido seguimiento. Los trabajadores eran incentivados por generar pruebas de conducción, no por concretar las ventas. El sistema recompensaba el inicio del proceso, pero descuidaba su objetivo final.
McNeill tomó una decisión inmediata: suspender temporalmente las nuevas pruebas hasta que se contactara a las cinco mil personas pendientes. Las ventas aumentaron en pocos días.
Esta experiencia resume la filosofía de The Algorithm: antes de buscar más recursos, una empresa debe descubrir qué parte de su propio proceso está frenando los resultados.
No se trata de un algoritmo informático
A pesar de su título, el libro no presenta un programa computacional ni una fórmula matemática. El “algoritmo” es una secuencia de principios para resolver problemas operativos, acelerar el crecimiento y promover la innovación.
McNeill conoció este sistema durante los tres años en que trabajó como presidente de Tesla, entre 2015 y 2018. Posteriormente trató de aplicarlo en otras organizaciones y emprendimientos, así como desde los directorios de General Motors y Lululemon.
El método está compuesto por cinco pasos que deben ejecutarse en un orden específico:
| Orden | Principio |
|---|---|
| 1 | Cuestionar todos los requerimientos |
| 2 | Eliminar todos los pasos posibles |
| 3 | Simplificar y optimizar |
| 4 | Acelerar el tiempo del ciclo |
| 5 | Automatizar al final |
El orden constituye una parte esencial del método. Una empresa no debería optimizar un procedimiento que podría eliminarse ni automatizar un sistema innecesariamente complejo.
Automatizar un mal proceso no elimina sus problemas; solamente permite que los errores ocurran con mayor rapidez.
Primer paso: cuestionar todos los requerimientos
El algoritmo comienza con una pregunta sencilla: ¿por qué?
¿Por qué este procedimiento debe realizarse de esa manera? ¿Por qué se necesita esa autorización? ¿Por qué participan tantas personas? ¿Por qué una tarea tarda varios días? ¿Por qué el cliente debe desplazarse hasta una oficina?
En las organizaciones, muchas decisiones que originalmente tuvieron una justificación terminan transformándose en reglas permanentes. Con el tiempo, los trabajadores dejan de conocer su origen y responden: “Siempre lo hemos hecho así”.
Para McNeill, esa frase es una señal de alerta.
El autor no propone ignorar irresponsablemente todas las normas. Reconoce que las leyes, las exigencias de seguridad y las limitaciones físicas deben respetarse. Sin embargo, recomienda verificar si aquello que se presenta como obligatorio realmente lo es.
Un requerimiento puede ser una ley, pero también una recomendación, una costumbre, una preferencia de un proveedor o una decisión tomada años atrás bajo circunstancias diferentes.
Las organizaciones acumulan reglas con mayor facilidad de la que las eliminan. Por eso, la innovación comienza identificando cuáles todavía tienen sentido.
El caso de la fábrica de Tesla en China
McNeill relata que Tesla necesitaba fabricar y vender automóviles en China, el mercado automotor más grande del mundo. Sin embargo, los fabricantes extranjeros normalmente ingresaban mediante empresas conjuntas con socios locales.
Elon Musk no quería aceptar esa condición. Encargó a McNeill y al equipo de Tesla negociar la creación de una fábrica controlada totalmente por la compañía.
La exigencia parecía imposible de modificar porque importantes empresas internacionales ya habían aceptado trabajar con socios locales. No obstante, Tesla identificó los intereses estratégicos del Gobierno chino: creación de empleo, desarrollo de vehículos eléctricos, fabricación de baterías y crecimiento de las energías limpias.
Después de un largo proceso de negociación, China autorizó la instalación de una fábrica automotriz de propiedad completamente extranjera. La planta de Shanghái comenzó posteriormente a producir el Model 3.
Para McNeill, el caso demuestra que una condición ampliamente aceptada no siempre representa una limitación inmodificable. También enseña que cuestionar no significa limitarse a rechazar una norma: requiere comprender los intereses de la otra parte y construir una propuesta que permita modificarla.
Del automóvil de 300 piezas a una estructura simplificada
Uno de los casos más reveladores del libro se desarrolla en la planta de Tesla en Fremont. La empresa buscaba reducir drásticamente sus costos de fabricación.
Una parte importante del problema se encontraba en el taller de carrocería. Decenas de máquinas debían soldar cientos de componentes para construir la estructura del automóvil. La coordinación entre los robots generaba complejidad, retrasos y problemas de calidad.
McNeill preguntó si sería posible eliminar gran parte de ese proceso.
Al día siguiente, Doug Field, entonces responsable de ingeniería, colocó un automóvil de juguete sobre la mesa. Su estructura no estaba formada por cientos de piezas soldadas, sino por unas pocas secciones metálicas moldeadas.
La industria consideraba que fabricar grandes componentes mediante fundición era demasiado peligroso o técnicamente inviable. Sin embargo, los avances en materiales, robótica y maquinaria permitían volver a examinar esa creencia.
Tesla comenzó a experimentar hasta desarrollar grandes piezas fundidas. Según el relato de McNeill, la estructura que requería alrededor de 300 componentes pudo simplificarse hasta utilizar unas pocas piezas principales.
La innovación redujo proveedores, soldaduras, movimientos, máquinas y posibilidades de error.
La mejora decisiva no consistió en conseguir que 300 piezas avanzaran más rápido, sino en preguntarse por qué era necesario utilizar 300 piezas.
Segundo paso: eliminar todos los pasos posibles
Después de cuestionar los requerimientos, el algoritmo ordena eliminar.
Esta etapa parece evidente, pero pocas organizaciones la aplican con suficiente profundidad. Ante un proceso lento, la respuesta habitual consiste en contratar más trabajadores, incorporar controles o adquirir nueva tecnología. Cada solución añade nuevos elementos y aumenta la complejidad.
McNeill propone comenzar de manera opuesta: retirar pasos, aprobaciones, reuniones, documentos, movimientos y transferencias de responsabilidad.
Eliminar no significa recortar indiscriminadamente. Significa identificar si cada actividad produce un valor que el cliente necesita o si únicamente existe porque forma parte de la rutina organizacional.
La pregunta central sería: si retiramos este paso, ¿qué consecuencia concreta se produciría?
Si nadie puede explicar el daño, posiblemente la actividad no sea necesaria. Si la eliminación causa un problema, siempre puede recuperarse. McNeill sostiene que una organización debería experimentar cierta incomodidad durante esta etapa; si nunca necesita reincorporar algún elemento, probablemente no eliminó lo suficiente.
El peligro de las transferencias
Cada vez que una tarea pasa de una persona a otra, se consume tiempo y existe riesgo de pérdida de información. Estas transferencias son frecuentes en las empresas tradicionales.
Un cliente explica su problema a un empleado. Ese trabajador registra la información y la envía a otro departamento. Un supervisor la revisa antes de entregársela al especialista que finalmente realizará el trabajo. Si algo no quedó claro, el proceso debe retroceder.
El algoritmo intenta acercar el conocimiento a la primera parte del proceso y reducir los intermediarios.
Esta idea apareció en la transformación del servicio técnico de Tesla. La empresa enfrentaba esperas de hasta treinta días para algunas reparaciones y calculaba que necesitaba construir cien nuevos centros de servicio. Aunque había reducido el costo proyectado de cada instalación, la expansión habría requerido aproximadamente 300 millones de dólares.
Musk rechazó la propuesta porque la empresa no disponía de ese dinero. El equipo tuvo que encontrar otra solución.
La reparación de veinte minutos que evitó gastar 300 millones de dólares
McNeill pidió a Chris Sullivan, gerente de un centro de servicio, que determinara qué porcentaje de los vehículos podía repararse en veinte minutos, aproximadamente el tiempo que un cliente tardaba en beber una taza de café.
Sullivan rediseñó el proceso. En lugar de colocar a un trabajador administrativo en la recepción, situó a un técnico experimentado en el primer contacto con el cliente. De esa manera, la persona con mayor conocimiento podía diagnosticar inmediatamente el problema y dirigir el automóvil hacia una de cuatro categorías según su complejidad.
Según el libro, aproximadamente el 80 % de las reparaciones podía resolverse en veinte minutos.
El resultado modificó la pregunta original. Tesla ya no necesitaba determinar cómo construir cien centros de servicio, sino cómo evitar que la mayoría de los automóviles tuviera que entrar en ellos.
La compañía desarrolló posteriormente un servicio móvil que llevaba la reparación hasta el domicilio del cliente.
Cuando una empresa no puede resolver un problema gastando más dinero, puede verse obligada a pensar de una manera más creativa.
En lugar de ampliar un sistema saturado, Tesla replanteó la necesidad del sistema. Eliminó instalaciones, desplazamientos, esperas e intermediarios, mientras mejoraba la experiencia del propietario.
Tercer paso: simplificar y optimizar
Una vez eliminadas las actividades innecesarias, llega el momento de simplificar aquello que permanece.
La diferencia es importante. Si una empresa intenta optimizar antes de eliminar, podría dedicar recursos a mejorar una actividad que no debería existir.
Simplificar significa reducir variaciones, aclarar responsabilidades, disminuir componentes y facilitar la comprensión del proceso. Optimizar consiste en mejorar el rendimiento de esa versión simplificada.
McNeill relaciona esta parte del método con la teoría de las restricciones de Eliyahu Goldratt, autor de La meta. De acuerdo con esta perspectiva, la velocidad de un sistema se encuentra limitada por su etapa más lenta.
En una fábrica, el cuello de botella puede identificarse observando dónde se acumula el inventario. En una tienda, puede encontrarse en las cajas donde esperan los clientes. En una institución educativa, podría estar en la demora para revisar o aprobar documentos.
Mejorar las áreas que no representan la restricción puede generar actividad, pero no necesariamente eleva el resultado total del sistema.
La prioridad debe concentrarse en el cuello de botella. Cuando este se soluciona, otra parte del proceso puede convertirse en la nueva limitación. La mejora continua consiste en repetir esta búsqueda.
Cuarto paso: acelerar el tiempo del ciclo
El tiempo de ciclo es el periodo que transcurre desde el inicio hasta la terminación de un proceso. Puede ser el tiempo necesario para fabricar un automóvil, atender una solicitud, desarrollar un producto o solucionar una avería.
Reducirlo produce varios beneficios. Permite atender a más clientes, detectar errores más rápidamente, disminuir inventarios, recuperar antes el dinero invertido y aprender con mayor velocidad.
McNeill considera que muchas empresas se concentran en la capacidad anual, pero no observan suficientemente la velocidad con la que circula cada unidad.
Una organización puede disponer de grandes instalaciones y muchos trabajadores, pero si cada tarea permanece detenida durante largos periodos esperando una aprobación, el sistema continuará siendo lento.
Para acelerar el ciclo, el libro recomienda observar cada espera, movimiento, acumulación y transferencia. La pregunta no es únicamente cuánto tarda el trabajador en realizar la actividad, sino cuánto tiempo permanece el producto o la solicitud sin recibir atención.
En numerosos procesos, el verdadero desperdicio no se encuentra en el tiempo de trabajo, sino en el tiempo de espera.
El caso de General Motors y el Hummer eléctrico
El libro presenta a General Motors como ejemplo de una gran organización que debía responder con mayor velocidad a la transición hacia los vehículos eléctricos.
Las empresas tradicionales suelen desarrollar nuevos automóviles mediante secuencias prolongadas. Cada departamento completa su trabajo antes de entregarlo al siguiente. Este modelo reduce ciertos riesgos, pero puede alargar los proyectos durante años.
Para desarrollar el Hummer eléctrico, GM formó un equipo con mayor autonomía, objetivos ambiciosos y capacidad para realizar actividades simultáneas. La organización cuestionó procedimientos, simplificó decisiones y aceleró etapas de diseño y desarrollo.
El caso demuestra que la velocidad no pertenece exclusivamente a las empresas emergentes. Una compañía centenaria también puede crear estructuras más ágiles cuando protege a un equipo de la burocracia habitual y le otorga responsabilidad directa sobre el resultado.
Sin embargo, esta estrategia plantea una pregunta importante: ¿puede toda la organización operar de esa manera o solamente algunos proyectos excepcionales?
Crear un equipo especial puede demostrar que el cambio es posible, pero la transformación real exige que sus aprendizajes se extiendan a los procesos ordinarios.
Quinto paso: automatizar al final
Esta es probablemente la recomendación más contraintuitiva del libro. En un periodo dominado por la inteligencia artificial, el software y la robótica, McNeill recomienda contener el impulso de automatizar inmediatamente.
Su argumento es claro: primero debemos comprender el proceso, eliminar lo innecesario, simplificarlo y comprobar que funciona. Solo después corresponde automatizarlo.
Cuando una empresa crea software demasiado pronto, incorpora sus suposiciones iniciales al código. Si posteriormente descubre que el procedimiento necesita cambiar, las modificaciones pueden resultar costosas.
McNeill lo compara con construir una vivienda mientras el arquitecto todavía modifica el diseño. Si el constructor levanta paredes y vierte los cimientos antes de terminar los planos, cualquier cambio posterior será difícil y costoso.
La automatización debe ser la culminación del aprendizaje, no su punto de partida.
Curbee: comenzar con Excel antes de desarrollar software
McNeill aplica este principio al caso de Curbee, un servicio de reparación móvil de automóviles.
El equipo podría haber comenzado construyendo una sofisticada plataforma digital para gestionar técnicos, rutas, repuestos, citas y facturación. En cambio, utilizó inicialmente herramientas sencillas: Excel para organizar los trabajos, formularios digitales para registrar información y mapas para programar las rutas.
Durante varios meses, los responsables operaron manualmente. Colocaban papeles en la pared, cambiaban las actividades de lugar, eliminaban pasos y aprendían cómo funcionaba realmente el servicio.
Solo cuando comprendieron el proceso comenzaron a automatizarlo. Después de aproximadamente dos años de aprendizaje, convirtieron la experiencia operativa en un servicio de software para concesionarios.
La enseñanza no es que las empresas deban rechazar la tecnología. Es que la tecnología debe consolidar un proceso aprendido, no ocultar un proceso que todavía nadie comprende.
Este principio es especialmente relevante en la actualidad. Una organización puede incorporar inteligencia artificial a sus operaciones y descubrir que solo ha automatizado formularios innecesarios, controles duplicados o decisiones deficientes.
Las tres condiciones culturales del algoritmo
McNeill considera que los cinco pasos operativos no son suficientes. Para que el método funcione, necesitan tres condiciones culturales.
La primera consiste en ampliar la definición del producto hasta incluir toda la experiencia del cliente.
La segunda es introducir urgencia y responsabilidad mediante la participación directa de los principales líderes.
La tercera consiste en utilizar personalmente el producto o servicio de la empresa, práctica conocida en el mundo tecnológico como eating your own dog food.
Estas tres condiciones conectan las operaciones con el cliente, la estrategia con la ejecución y la dirección con la realidad cotidiana.
El producto no termina cuando sale de la fábrica
Una empresa suele definir su producto según lo que fabrica. Una automotriz produce vehículos; un restaurante prepara alimentos; un instituto dicta clases. Pero el cliente experimenta algo más amplio.
Para el propietario de un automóvil eléctrico, el producto también incluye la búsqueda de estaciones de carga, el financiamiento, el seguro, el mantenimiento, la aplicación móvil y la reventa. Un excelente vehículo puede generar una experiencia negativa si el cliente no encuentra dónde cargarlo o debe esperar semanas para repararlo.
Por eso, Tesla no se limitó a fabricar automóviles. Construyó cargadores, desarrolló servicios de reparación móvil, creó opciones de financiamiento y entró en el negocio de los seguros.
El cliente no distingue entre el producto y los problemas que debe enfrentar para utilizarlo. Para él, todo forma parte de la misma experiencia.
Esta ampliación puede mejorar la satisfacción y revelar nuevas fuentes de ingresos. Sin embargo, McNeill advierte que las empresas tampoco deberían expandirse hacia cualquier actividad. La extensión debe resolver un problema relevante para el cliente y fortalecer la adopción del producto principal.
Tesla y la oportunidad de los seguros
Antes de conducir un automóvil nuevo, el propietario necesita contratar un seguro. Para muchos clientes, este procedimiento resulta lento, costoso y poco transparente.
Tesla disponía de información generada por los sensores de sus vehículos: aceleraciones, frenadas, giros, distancias recorridas y otros patrones de conducción. McNeill comprendió que estos datos podían utilizarse para estimar el riesgo de manera más individualizada.
La empresa desarrolló un sistema de puntuación que permitía ajustar las primas según ciertos comportamientos. Con ello buscaba simplificar la compra para el cliente y, simultáneamente, crear ingresos recurrentes.
El ejemplo muestra cómo una empresa puede transformar un punto de fricción en un nuevo negocio. Pero también plantea interrogantes que el entusiasmo empresarial no debería ignorar: privacidad, transparencia algorítmica, uso de datos personales y posibilidad de que una medición incompleta perjudique injustamente a determinados conductores.
Una innovación puede mejorar la experiencia comercial y, al mismo tiempo, crear nuevos desafíos éticos y regulatorios.
General Motors y la pregunta que parecía extraña: ¿es divertido?
Cuando McNeill ingresó al directorio de General Motors, encontró una organización acostumbrada a priorizar la seguridad, los costos, la utilidad y la facilidad de fabricación. Todos eran criterios legítimos, pero no cubrían completamente la experiencia del usuario.
Durante el desarrollo de una nueva versión del Chevrolet Bolt, la empresa comenzó a considerar otra pregunta: ¿es divertido utilizar este automóvil?
El interrogante llevó a incorporar posibilidades de personalización y otros elementos orientados a la experiencia del conductor. La lección no es que la diversión deba reemplazar a la seguridad o la calidad, sino que el producto también posee una dimensión emocional.
Un cliente no compra únicamente una función. Compra facilidad, confianza, identidad, comodidad y, en algunos casos, entretenimiento.
Urgencia y responsabilidad desde la alta dirección
La segunda condición cultural es la participación frecuente de los líderes en los problemas principales.
En Tesla, los responsables debían informar semanalmente a Musk sobre dos o tres problemas críticos. No bastaba con explicar que estaban trabajando. Debían presentar avances, datos, dificultades y decisiones.
Esta frecuencia reducía la posibilidad de que los problemas permanecieran ocultos durante meses. También permitía que los equipos obtuvieran recursos y resolvieran obstáculos con rapidez.
La urgencia, bien utilizada, concentra la atención. Pero también puede convertirse en presión descontrolada si todo es declarado prioritario.
Cuando todas las tareas son urgentes, la organización deja de tener prioridades y comienza a trabajar permanentemente bajo estrés.
Por ello, la participación del máximo líder debe concentrarse en unos pocos asuntos decisivos. La responsabilidad no debería consistir en buscar culpables, sino en evitar que los problemas se diluyan dentro de la burocracia.
Utilizar el propio producto
La tercera condición cultural invita a los líderes a experimentar personalmente aquello que venden.
McNeill recuerda que descubrió la falla en el seguimiento comercial de Tesla porque realizó pruebas de conducción como un cliente común. Ningún informe le había mostrado con la misma claridad que nadie se comunicaba después de la visita.
En Tesla, los empleados podían llevar vehículos a sus hogares, conducirlos y remitir observaciones. Los diseñadores también utilizaban automóviles de la competencia para identificar características superiores.
McNeill afirma que dedicaba alrededor del 20 % de su tiempo a recorrer distintos momentos de la experiencia del cliente. Esta cercanía generaba un circuito rápido de retroalimentación.
Un directivo que solamente conoce la empresa mediante presentaciones corre el riesgo de administrar una versión filtrada de la realidad.
Los indicadores son necesarios, pero no sustituyen completamente la experiencia directa. Una presentación puede informar que el tiempo promedio de espera es aceptable, mientras un recorrido por la tienda revela clientes frustrados y productos desordenados.
La visita secreta a Lululemon
McNeill relata que acordó con Celeste Burgoyne, ejecutiva de Lululemon, realizar visitas no anunciadas a las tiendas de la otra empresa. De ese modo, los trabajadores no podían preparar artificialmente la operación para recibir a un alto directivo.
Durante una visita a la tienda principal de Lululemon en Nueva York, McNeill encontró prendas desordenadas, pocos colaboradores atendiendo al público y una larga fila en las cajas. Descubrió que gran parte del personal se encontraba en la parte posterior preparando pedidos del comercio electrónico.
El problema no era simplemente la falta de trabajadores. El modelo de asignación de personal no reflejaba correctamente la demanda, los pedidos digitales competían con la atención presencial y el gerente no estaba reaccionando ante lo que sucedía en la sala.
McNeill informó sus observaciones y, según el libro, la dirección respondió con rapidez.
El caso demuestra que los canales de venta no funcionan de manera independiente. Una decisión destinada a fortalecer el comercio electrónico puede perjudicar la experiencia de quienes visitan la tienda.
Optimizar un área por separado puede trasladar el problema hacia otra parte de la organización.
La pregunta que descubre problemas ocultos
Durante sus visitas, McNeill suele preguntar a los trabajadores: “Si tú dirigieras esta empresa, ¿qué cambiarías?”.
La pregunta reconoce que quienes realizan diariamente el trabajo suelen conocer problemas que no aparecen en los informes gerenciales. También pueden poseer soluciones que nunca han comunicado porque nadie les preguntó o porque la jerarquía desalentó su participación.
En una tienda cercana a París, un gerente sugirió mostrar semanalmente la posición de cada establecimiento en relación con las metas de ventas. La propuesta se convirtió en una clasificación interna que, según McNeill, incentivó la competencia y la creatividad.
Este tipo de práctica puede generar motivación, pero debe administrarse cuidadosamente. Una competencia mal diseñada podría promover comportamientos poco colaborativos o provocar que los equipos busquen mejorar el indicador sin mejorar realmente el servicio.
La medición debe orientar el desempeño, no sustituirlo.
La gran fortaleza del libro
El principal valor de The Algorithm es su insistencia en observar los procesos desde la realidad y no desde la costumbre.
McNeill no propone comenzar con grandes discursos sobre innovación. Recomienda caminar por la fábrica, recorrer la tienda, utilizar la aplicación, seguir el trayecto del cliente y localizar los lugares donde se acumulan el trabajo, la espera o la frustración.
Su método también corrige un error frecuente: creer que mejorar significa agregar. Las empresas agregan formularios, reuniones, sistemas, supervisores y tecnologías. El algoritmo obliga a preguntar primero qué puede retirarse.
La complejidad suele crecer silenciosamente; la simplicidad necesita una decisión consciente.
Otro aporte importante es el orden de las acciones. Cuestionar antes de eliminar, eliminar antes de simplificar, simplificar antes de acelerar y automatizar solamente al final es una secuencia coherente para evitar inversiones prematuras.
Los límites de la fórmula de la hiperexpansión
El libro presenta casos atractivos, pero debe leerse con espíritu crítico.
En primer lugar, gran parte de la evidencia procede de las experiencias personales del autor. Son historias valiosas, pero no constituyen por sí mismas una demostración científica de que el algoritmo funcione en cualquier empresa o sector.
En segundo lugar, resulta difícil atribuir el crecimiento de Tesla, SpaceX, Lululemon o General Motors exclusivamente a esta fórmula. En sus resultados también influyeron el acceso al capital, el talento, la tecnología, las condiciones del mercado, las decisiones gubernamentales, la fortaleza de las marcas y numerosos factores externos.
En tercer lugar, cuestionar todas las reglas puede estimular la innovación, pero también puede debilitar controles importantes. Algunas normas existen para proteger a los trabajadores, consumidores, inversionistas y comunidades. La pregunta “¿por qué?” debe aplicarse para comprender una regulación, no para asumir automáticamente que representa un obstáculo inútil.
Finalmente, la urgencia permanente puede producir velocidad, pero también agotamiento, miedo, errores y rotación de personal. El propio McNeill cuenta que dejó Tesla cuando el trabajo comenzó a afectar su personalidad y su vida familiar.
La velocidad constituye una ventaja solamente mientras no destruya la calidad, la seguridad ni a las personas responsables de sostenerla.
Una herramienta aplicable a la administración de operaciones
Para estudiantes y profesionales de Administración de Operaciones, el libro ofrece un método de diagnóstico particularmente útil.
Ante cualquier proceso, puede trazarse la ruta completa seguida por el producto, la información o el cliente. Después se analiza cada etapa:
| Análisis | Pregunta |
|---|---|
| Requerimiento | ¿Por qué debe hacerse? |
| Eliminación | ¿Qué ocurriría si lo retiramos? |
| Simplificación | ¿Cómo puede realizarse con menos recursos o variaciones? |
| Ciclo | ¿Dónde se acumulan el trabajo y las esperas? |
| Automatización | ¿El proceso ya está suficientemente comprendido y estabilizado? |
| Cliente | ¿Cómo afecta esta etapa a su experiencia? |
| Responsabilidad | ¿Quién debe resolver el problema y cuándo informará el avance? |
| Verificación | ¿Los líderes han experimentado personalmente el proceso? |
Este análisis podría aplicarse a la atención en un supermercado, la recepción de pacientes, la aprobación de créditos, la distribución de productos o la matrícula de estudiantes.
Por ejemplo, si una tienda tiene largas filas, la solución no debería comenzar necesariamente con la compra de cajas automáticas. Primero habría que comprender por qué se forma la espera, qué actividades realiza el cajero, qué pasos podrían eliminarse y si el problema se encuentra realmente en las cajas o en otra parte del sistema.
Conclusión: innovar también significa dejar de hacer
The Algorithm presenta la hiperexpansión como el resultado de una organización capaz de cuestionarse constantemente.
Su enseñanza principal no consiste en imitar la personalidad de Elon Musk ni en trasladar mecánicamente las prácticas de Tesla a cualquier empresa. Consiste en desarrollar una cultura donde las personas puedan identificar restricciones, desafiar costumbres y proponer soluciones sin quedar atrapadas en la frase “siempre se ha hecho así”.
El algoritmo no promete que todas las empresas se convertirán en Tesla ni que cada eliminación producirá una innovación. Pero ofrece una secuencia poderosa para examinar las operaciones:
Cuestionar antes de aceptar. Eliminar antes de agregar. Simplificar antes de acelerar. Comprender antes de automatizar.
A estas decisiones debe añadirse una obligación fundamental: observar el resultado desde la perspectiva del cliente. Una empresa puede cumplir perfectamente sus procedimientos internos y, al mismo tiempo, crear una experiencia frustrante.
El verdadero crecimiento no surge de trabajar cada vez más dentro del mismo sistema. En ocasiones aparece cuando alguien se atreve a preguntar si ese sistema sigue siendo necesario.
Las organizaciones del futuro no serán necesariamente las que acumulen más procesos o tecnologías, sino aquellas que aprendan más rápido qué deben conservar, qué deben transformar y, especialmente, qué deben dejar de hacer.
