Optimización y heurística: cómo elegir qué medir en tu startup

La historia detrás de la optimización irrelevante

En una experiencia que ilustra los límites de la optimización algorítmica, Ties Petersen narra cómo, mientras trabajaba por salario mínimo en un supermercado, abordó la tarea mundana de barrer los pisos como un reto computacional. Para ello, modeló el supermercado como una grilla de nodos y codificó en C++ un algoritmo heurístico de recocido simulado (simulated annealing) para hallar la ruta de limpieza más eficiente. Sin embargo, en el proceso, se enfrentó con un desafío central: optimizar la métrica equivocada puede llevar a resultados ineficaces e incluso contraproducentes.

La elección del objetivo: ¿Qué optimizas realmente?

El aprendizaje clave es cómo la definición de la **función de costo** —es decir, aquello que decide qué es “óptimo”— tiene consecuencias profundas. En el caso del supermercado, podía minimizar la distancia recorrida, pero ignorar otros factores relevantes, como la comodidad, la repetición o el flujo de los clientes. Esta reflexión es especialmente relevante en startups tecnológicas, donde la aplicación de algoritmos para escalar operaciones (ya sea machine learning, procesos de negocio o experiencia usuario) suele enfocarse en métricas de corto alcance, como tiempo de sesión, clics o coste operativo, dejando fuera impactos más amplios o estratégicos.

Heurísticas, metas y consecuencias no intencionadas

Al modelar tareas de negocio —desde recorridos en almacenes a modelos de recomendación o flujos usuario—, la elección de la heurística o métrica a optimizar puede convertirse en una trampa. Algoritmos aparentemente imparciales pueden amplificar sesgos o forzar a los equipos a perseguir objetivos desconectados del verdadero valor para el usuario o el negocio. Casos como redes sociales que maximizan el tiempo de pantalla o startups que optimizan solo para crecimiento rápido ilustran este riesgo. La mejor práctica: reevaluar periódicamente qué objetivos se están priorizando y alinear constantemente los modelos algorítmicos y de negocio con los resultados deseados en el largo plazo.

Preguntas que pueden cambiar tu modelo de negocio

• ¿Qué objetivo está realmente optimizando tu algoritmo o proceso clave?
• ¿Ese objetivo está alineado con la misión y el valor a largo plazo de tu startup?
• ¿Hay métricas de éxito que olvidaste considerar porque son difíciles de medir?
• ¿Qué pasa si tu algoritmo tiene éxito… pero en la métrica equivocada?

Conclusión

La historia de Petersen es un recordatorio práctico para founders: la tecnología es tan útil como la calidad de las preguntas que guía su diseño. Antes de automatizar u optimizar, reflexiona: ¿estás maximizando el factor correcto? Revisar y redefinir las métricas puede ser la diferencia entre crecer de forma exponencial… o perder de vista lo esencial en tu negocio.

Fuentes

1. https://tiespetersen.substack.com/p/i-got-paid-minimum-wage-to-solve (fuente original)
2. https://open.substack.com/pub/tiespetersen/p/i-got-paid-minimum-wage-to-solve?comments=true (fuente adicional)

Artículos relacionados:

¿Qué sabe Coca-Cola de termodinámica?  Ser emprendedor: 3 historias reales que te harán explotar la mente CEO de Fundadoras asegura que Business Festival permitirá vivir una experiencia transformadora Emma Lafoz: emprendiendo desde el diseño inclusivo con un proyecto de consciencia social Pharu y su desafío de llevar el analytics a la cultura latinoamericana