La Inteligencia Artificial suele ser buena encontrando argumentos para que una idea parezca viable. Si se le pide validar un proyecto, un lanzamiento o una estrategia, con frecuencia devuelve una respuesta razonable, amable y algo optimista. El problema es que muchas decisiones importantes no fracasan por falta de entusiasmo, sino por puntos ciegos que nadie quiso mirar a tiempo.
Ahí entra la técnica del premortem, un método pensado para hacer justo lo contrario: asumir que el proyecto ya ha fallado y trabajar hacia atrás para descubrir por qué. Aplicado a herramientas como Claude, este enfoque convierte a la IA en una especie de auditor incómodo, capaz de detectar riesgos antes de que se conviertan en pérdidas de tiempo, dinero o reputación.
Qué es un premortem y por qué funciona tan bien con IA
Un premortem es la versión preventiva de un postmortem. En lugar de analizar qué salió mal después de que un proyecto se hunde, se imagina que ya han pasado seis meses y que todo ha fracasado. Desde esa escena futura, el equipo reconstruye las causas del desastre.
La diferencia psicológica es importante. Preguntar “¿qué podría salir mal?” suele generar respuestas prudentes, vagas o demasiado educadas. En cambio, plantear “esto ya ha fallado, explica por qué” cambia el marco mental. La persona, o en este caso la IA, deja de proteger la idea y empieza a narrar su caída con más detalle.
En decisiones asistidas por Inteligencia Artificial, esta técnica resulta especialmente útil porque rompe una tendencia habitual de los modelos conversacionales: complacer al usuario. Si alguien pregunta si un plan es bueno, la IA puede encontrar razones para apoyarlo. Si se le obliga a asumir que el plan ha muerto, la conversación se vuelve más crítica, más específica y mucho más práctica.
La skill de premortem descrita para Claude se activa con instrucciones como “premortem esto”, “qué podría matar esto”, “prueba de estrés este plan”, “qué me estoy perdiendo aquí” o “hazle agujeros a esto”. No está pensada para cualquier consulta. Tiene sentido cuando hay un compromiso real: lanzar un producto, contratar a alguien, cambiar precios, entrar en una alianza, redefinir una estrategia o tomar una decisión donde equivocarse sale caro.
Del entusiasmo al informe de riesgos
El método empieza con una fase sencilla, pero necesaria: reunir contexto suficiente. Un premortem débil produce riesgos genéricos. Para que el análisis tenga valor, la IA necesita saber tres cosas: qué se está evaluando, a quién afecta y cómo se define el éxito.
Si falta alguno de esos elementos, la skill recomienda hacer una sola pregunta cada vez. No se trata de convertir el proceso en un formulario, sino de obtener el mínimo contexto útil. Por ejemplo, si el usuario solo dice que quiere lanzar un producto, Claude debería preguntar para quién es. Si ya conoce la audiencia, pero no el objetivo, debería preguntar cómo sería una victoria.
Una vez reunido el contexto, llega el encuadre central: han pasado seis meses y el plan ha fracasado. La instrucción debe ser explícita. Esa frase es la que cambia la dinámica de la respuesta. A partir de ahí, Claude genera una lista de razones reales por las que el proyecto podría haber muerto.
La clave está en que esas razones no sean consejos genéricos. No basta con decir “faltó marketing” o “hubo mala ejecución”. Un buen premortem debe señalar problemas concretos: el precio exigía aprobación interna y frenó la venta; la audiencia real no era la que se esperaba; el producto resolvía un dolor secundario; la preparación técnica tardaba el doble de lo previsto; los testimonios obtenidos no servían para vender futuras ediciones; o el retorno máximo no justificaba el esfuerzo.
Después, la skill propone analizar cada posible fallo en profundidad. Cada línea de riesgo se convierte en una pequeña historia: cómo empezó el problema, qué señales lo anticiparon, qué supuesto oculto lo hizo posible y qué podría haber observado el equipo antes de que fuera tarde. El resultado final no es solo una lista de miedos, sino un informe de trabajo.
El valor está en el plan revisado
La parte más útil de un premortem no es descubrir que algo puede salir mal. Eso cualquier equipo lo sabe. El valor está en convertir el miedo en una acción concreta antes de ejecutar.
Por eso la síntesis final debe responder a cinco preguntas. Cuál es el fallo más probable. Cuál es el más peligroso. Qué supuesto oculto no se ha cuestionado. Qué cambios harían el plan más resistente. Y qué lista de comprobación debe completarse antes de lanzar.
Un ejemplo sencillo: alguien quiere lanzar un taller de 297 dólares para directores de marketing en empresas de 10 a 50 empleados. Un análisis superficial diría que la idea puede funcionar si el contenido es bueno. Un premortem puede detectar algo más incómodo: quizá esos directores necesitan aprobación para pagar formación, quizá el mensaje está demasiado centrado en una herramienta, quizá los compradores reales serán autónomos y no responsables de equipo, o quizá el ingreso máximo no compensa cinco semanas de preparación.
La revisión accionable no sería “mejora el marketing”. Sería algo más concreto: lanzar primero una sesión piloto de menor precio con 20 personas, comprobar quién compra realmente, medir qué objeciones aparecen y rediseñar el taller completo en función de esa evidencia. Esa es la diferencia entre una crítica útil y una opinión más.
La skill también plantea generar dos entregables: un informe visual en HTML y una transcripción completa en Markdown. El informe resume los hallazgos principales y presenta cada modo de fallo como una tarjeta, con gravedad, probabilidad, señales tempranas y medidas de prevención. La transcripción conserva todo el razonamiento para revisar después cómo se llegó a cada conclusión.
Una herramienta contra la complacencia
El auge de los agentes de IA ha traído una paradoja. Las empresas y profesionales quieren herramientas que aceleren decisiones, pero una decisión acelerada sin pensamiento crítico puede salir más cara que una decisión lenta. El premortem funciona como contrapeso: obliga a detenerse antes de ejecutar y a mirar el proyecto desde el futuro en el que ya salió mal.
No sustituye a la experiencia, al conocimiento del mercado ni a los datos reales. Tampoco sirve para ideas demasiado vagas. Si todavía no hay plan, audiencia ni objetivo, primero hay que definirlos. Pero cuando existe una decisión concreta y margen para corregir, el premortem puede ahorrar semanas de trabajo mal enfocado.
La técnica también puede cambiar la relación con la Inteligencia Artificial. En lugar de usar Claude o cualquier otro modelo como generador de validación, se le puede pedir que actúe como una herramienta de presión estratégica. No para destruir una idea, sino para hacerla más resistente.
El buen uso de la IA no consiste solo en producir más rápido. También consiste en pensar mejor antes de producir. Y pocas preguntas son tan útiles como esta: “han pasado seis meses, esto ha fracasado, ¿qué ocurrió exactamente?”.
Preguntas frecuentes
¿Qué es un premortem?
Un premortem es una técnica de análisis que imagina que un proyecto ya ha fracasado y trabaja hacia atrás para identificar las causas antes de ejecutarlo.
¿Para qué sirve usar un premortem con Claude?
Sirve para forzar una respuesta menos complaciente y más crítica. Claude deja de validar la idea y empieza a buscar riesgos, supuestos ocultos y señales de fallo.
¿Cuándo conviene hacer un premortem?
Conviene antes de lanzamientos, contrataciones, cambios de precio, alianzas, productos nuevos o decisiones donde equivocarse tenga un coste alto.
¿Qué información hace falta para que funcione?
Como mínimo, hay que saber qué se está evaluando, a quién afecta y cómo se define el éxito. Sin ese contexto, el premortem tiende a producir riesgos demasiado genéricos.
vía: LinkedIN
