En una de las reuniones internas de Tesla, Elon Musk interrumpe una conversación bastante técnica con sus mejores ingenieros, donde están viendo diagramas, propuestas de mejora y de automatización. Lo que le presentan parece correcto: más eficiencia, más velocidad y más tecnología.

Pero entonces Musk interrumpe con una frase incómoda: “Estáis optimizando algo que no debería existir.”

Ese momento, que se repite en distintas formas dentro de Tesla y SpaceX, resume uno de los principios más importantes (y menos intuitivos) de las empresas hoy en día: antes de automatizar, hay que cuestionar. Y antes de mejorar, hay que eliminar.

De esa idea nace lo que Musk llama su “algoritmo de cinco pasos”. No es un algoritmo en sentido técnico sino una forma de pensar que se podría aplicar a cómo las empresas están aplicando inteligencia artificial.

El gran malentendido: automatizar no es mejorar

Durante años, la industria tecnológica ha estado obsesionada con una idea que, sobre el papel, parece incuestionable: automatizar procesos. La promesa es clara y muy atractiva: si conseguimos que una tarea se ejecute sin intervención humana, reducimos costes, eliminamos errores y aumentamos la velocidad. Sin embargo, esa lógica parte de una suposición silenciosa que rara vez se cuestiona: que el proceso que estamos automatizando ya es correcto.

Y ahí es donde empieza el problema: porque automatizar no es sinónimo de mejorar y, lo que es peor, automatizar un proceso defectuoso no lo corrige, sino que lo amplifica.

Tiene sentido: si un sistema tiene redundancias, pasos innecesarios o decisiones mal planteadas, introducir tecnología lo único que hace es ejecutar esos errores más rápido y a mayor escala. Lo que antes era ineficiente pero manejable pasa a convertirse en un problema estructural difícil de detectar y aún más difícil de revertir.

El error de Tesla: automatizar demasiado pronto

En la fase de producción del Model 3, la compañía apostó por una automatización masiva desde el inicio. La idea era construir una fábrica casi completamente robotizada, donde la intervención humana fuese mínima. Era una visión coherente con el relato de futuro que rodea a Tesla, pero en la práctica se convirtió en un cuello de botella.

Los procesos no estaban suficientemente depurados, había errores en el diseño y dependencias mal resueltas, y todo eso se automatizó sin cuestionarse. El resultado fue una cadena de producción rígida, difícil de ajustar, donde cada fallo se propagaba rápidamente por todo el sistema.

Musk lo reconoció después con bastante claridad: intentar automatizar demasiado pronto fue un error, pero aquí la importancia no es solo la autocrítica, sino la forma en que decidió sistematizar ese aprendizaje.

El algoritmo de los cinco pasos

A partir de esa experiencia empezó a insistir en un enfoque muy concreto, casi obsesivo, que hoy repite dentro de Tesla y SpaceX: un algoritmo de cinco pasos que no busca mejorar procesos, sino reconstruirlos desde la base.

Y lo más importante no son los pasos, sino el orden.

1. Cuestionar los requisitos

El primer paso es, probablemente, el más incómodo de todos: cuestionar los requisitos. En cualquier organización, los requisitos suelen asumirse como un punto de partida sólido, algo que no se discute porque ya ha sido validado en algún momento anterior.

Musk rompe con esa lógica de forma bastante directa al afirmar que “los requisitos son definitivamente tontos”. Lo que está diciendo, en el fondo, es que muchas de las condiciones sobre las que trabajamos no responden a una necesidad real, sino a inercias organizativas, decisiones pasadas o suposiciones que nunca se revisaron.

Si no cuestionas el punto de partida, todo lo que construyas después estará condicionado por un error inicial.

2. Eliminar de forma agresiva

El segundo paso es el más radical y, según él, el más importante: borrar todo aquello que no sea estrictamente necesario.

Aquí introduce una idea que resulta especialmente interesante porque va en contra del instinto habitual en empresa: si no tienes que recuperar al menos un diez por ciento de lo que has eliminado, significa que no has eliminado suficiente. Es decir, el proceso correcto no es conservador, es agresivo.

Se trata de reducir el sistema al mínimo viable, asumir que te vas a equivocar en el recorte y luego reconstruir lo imprescindible. Este enfoque obliga a enfrentarse a la complejidad acumulada y a tomar decisiones que muchas veces son más organizativas que técnicas.

La idea de Musk es esta: cuando eliminas cosas en un proceso, no sabes exactamente qué es imprescindible y qué no. Si eliminas con demasiado cuidado, lo más probable es que dejes dentro muchas cosas inútiles “por si acaso”.

Entonces, propone eliminar de forma agresiva, es decir, quitar más de lo que crees necesario. Esto te lleva a que siempre te equivocas y tienes que volver a añadir algunas cosas.

Ahí está el punto importante: si después de eliminar no tienes que añadir nada de vuelta, significa que has sido demasiado conservador. Has quitado solo lo evidente y has dejado mucho “ruido” dentro del sistema.

En cambio, si eliminas mucho y luego tienes que recuperar, por ejemplo, un 10%, eso indica que realmente has simplificado el sistema al máximo.

3. Simplificar y optimizar (pero en el momento correcto)

Solo después de eliminar aparece el tercer paso: simplificar y optimizar. Y aquí es donde Musk introduce una crítica bastante directa a un perfil muy común en entornos tecnológicos: el del ingeniero brillante que optimiza sistemas con enorme precisión sin cuestionar si esos sistemas deberían existir.

Optimizar algo innecesario es, en el fondo, una forma sofisticada de desperdiciar recursos. Puede generar la sensación de progreso, porque los números mejoran y los sistemas funcionan más rápido, pero no resuelve el problema de fondo.

Por eso insiste en el orden: primero decides qué merece la pena mantener, y solo entonces inviertes en hacerlo mejor.

4. Acelerar sin amplificar errores

El cuarto paso consiste en acelerar el tiempo de ciclo, es decir, hacer que el sistema funcione más rápido. Pero en este punto el contexto ya ha cambiado completamente. No estás acelerando un proceso heredado, lleno de fricciones invisibles, sino un sistema que ha sido cuestionado, reducido y simplificado.

Acelerar en este momento no introduce riesgo, sino que amplifica un diseño que ya tiene sentido, precisamente porque hemos hecho los pasos anteriores. Es una diferencia sutil, pero clave, porque determina si la velocidad es una ventaja o un multiplicador de errores.

5. Automatizar al final, no al principio

Y finalmente llega el paso que intuitivamente muchas empresas colocan en primer lugar: automatizar.

Para Musk, la automatización es la consecuencia final de haber entendido el sistema, no el punto de partida. Automatizar implica rigidez, implica convertir un proceso en algo menos flexible y más difícil de modificar. Por eso debe hacerse cuando el sistema ya ha sido depurado.

Su propio error en Tesla fue invertir ese orden, intentar automatizar antes de haber eliminado y simplificado, y eso le obligó a dar marcha atrás en un momento especialmente delicado para la compañía.

La parte que casi nadie cuenta: volver atrás

Hay un elemento en este enfoque que lo hace especialmente interesante: no es un sistema perfecto, es un sistema iterativo.

Musk admite que él mismo cometió el error de hacer los pasos en el orden incorrecto. Automatizar primero, luego acelerar, después simplificar y finalmente eliminar. Es decir, recorrió el camino al revés y tuvo que deshacer lo construido.

Esta idea de “volver atrás” es fundamental porque conecta directamente con lo que está ocurriendo hoy en muchas empresas con la inteligencia artificial. Empiezan por el final. Implementan modelos, automatizan tareas, integran herramientas… y meses después descubren que el problema no estaba en la ejecución, sino en el diseño del proceso.

El paralelismo con la inteligencia artificial

En el contexto actual, la presión por adoptar IA es enorme. Herramientas, copilotos, agentes, automatización de tareas. Todo apunta hacia la automatización como objetivo final, pero en muchos casos se está abordando sin haber pasado por los pasos previos.

No se cuestionan los procesos, no se eliminan redundancias, no se simplifica la lógica de trabajo. Simplemente se añade una capa de inteligencia artificial sobre estructuras que ya eran ineficientes.

Y entonces ¿Qué estamos viendo? Que se automatiza la burocracia, la ineficiencia y las decisiones que en su día estaban mal planteadas. E incluso se automatizan decisiones que tenían sentido y que no lo tienen precisamente en tiempos de IA.

Una forma distinta de entender la eficiencia

Lo que plantea este algoritmo, en el fondo, es una redefinición de lo que significa eficiencia. No se trata de hacer más rápido lo que ya hacemos, sino de decidir qué merece la pena hacer.

Y esa decisión es mucho más compleja porque implica cuestionar estructuras existentes, hábitos organizativos e incluso roles dentro de la empresa. Eliminar procesos no es solo una decisión técnica, es una decisión cultural, y en muchas empresas, esto es lo verdaderamente difícil.

Interpretación final: la trampa de la sofisticación

Hay una idea que atraviesa toda esta historia.

La tecnología permite hacer cosas cada vez más complejas. Pero eso no significa que debamos hacerlo. De hecho, muchas veces el avance real viene de eliminar complejidad, no de añadir sofisticación.

En ese orden, y, si algo falla, vuelve atrás.

Mi opinión: En un momento en el que la inteligencia artificial parece empujarnos a automatizar todo, este enfoque introduce una pausa necesaria. Porque quizá el problema no es cómo automatizar mejor.

Esto se ve con especial claridad en logística y cadena de suministro, donde la tentación de automatizar es constante. Sistemas de predicción de demanda, optimización de rutas, gestión automática de inventarios, algoritmos de planificación… todo apunta a una misma dirección: más datos, más modelos, más automatización. Pero rara vez se cuestiona el diseño original del sistema.

Muchas empresas intentan optimizar rutas sin preguntarse si la red logística tiene sentido: por ejemplo, automatizan la reposición de inventario sin revisar si están trabajando con demasiadas referencias, o implementan modelos de predicción cada vez más complejos sobre una demanda que en realidad está mal segmentada o mal entendida.

Ocurre exactamente lo que Musk describe: que automatiza complejidad innecesaria, decisiones que no deberían existir o se aceleran procesos que ya eran ineficientes desde el origen.

Otro ejemplo muy común es el de empresas que invierten en sistemas avanzados de planificación para mejorar la precisión del stock, cuando el problema real está en un catálogo sobredimensionado, en proveedores mal integrados o en una estructura de almacenes que responde a decisiones históricas, no a la realidad actual del negocio. En lugar de eliminar esa complejidad, se construyen capas de tecnología para gestionarla.

Aplicar el enfoque de Musk en este contexto implicaría algo mucho más incómodo: cuestionar la red, eliminar nodos, reducir referencias, simplificar flujos, aceptar que algunas decisiones pasadas ya no tienen sentido. Solo después de eso tendría sentido optimizar rutas, acelerar operaciones o introducir automatización.

El problema es que la automatización, por ejemplo en logística, tiene un efecto muy claro: escala lo que ya existe. Eso quiere decir que si el sistema es bueno, lo hace extraordinario, pero si el sistema es malo, lo hace inmanejable.

Por eso, en un momento donde la inteligencia artificial promete eficiencia en cada capa de la operación, la verdadera ventaja competitiva puede no estar en quién automatiza más, sino en quién ha tenido la disciplina de simplificar antes. Y eso no es un problema tecnológico sino de decisiones.