Es una historia que escuchamos a diario: "Cerré mi negocio porque no tuve el financiamiento necesario" o "El SAT y los trámites me ahogaron". Si bien estas barreras son reales y dolorosas, la evidencia académica reciente sugiere una verdad más incómoda: muchas empresas mueren no por falta de recursos, sino por falta de gestión.

Diversos estudios empíricos en México y Latinoamérica han abonado a las causas respecto a la mortalidad empresarial. En el presente Blog, analizamos qué nos dicen los datos y por qué la productividad interna es la mejor defensa para los emprendedores en un entorno sumamente complejo.

1. El mito de la falta de dinero: ¿Causa o síntoma?

Es innegable que el acceso a capital es un obstáculo gigante al cual se deben enfrentar los emprendedores para poder operar, pero… ¿Es esto la causa del fracaso o el síntoma ante una deficiente gestión? La literatura confirma que la escasez de instrumentos financieros adaptados a las MIPYMES es uno de los determinantes más persistentes del cierre temprano de los emprendimientos (Aguirre & Moctezuma, 2024). De hecho, el apoyo financiero es la variable que más se correlaciona con el fracaso de empresas nacientes en América Latina (Cantú, Aguiñaga & Scheel, 2021).

Sin embargo, caer en el "Valle de la Muerte" (falta de dinero para seguir con el emprendimiento) a menudo es consecuencia de depender excesivamente de recursos propios y capital informal (Calderón, Díaz & Camaño, 2021) así como la falta de un plan estratégico robusto que contemple la falta de recursos financieros y cómo hacer frente a este escenario. Bajo estos escenarios el dinero se acaba más rápido cuando no hay eficiencia operativa.

2. El verdadero enemigo: La crisis de gestión y productividad

Aquí es donde la mayoría de los emprendedores pierden la batalla. Aunque culpemos al entorno, las deficiencias internas son las que pueden dejar vulnerables al negocio.

• Falta de planeación: Expertos identifican que la ausencia de planificación estratégica y profesionalización son causas centrales de la alta mortalidad (Guerrero, Marneou, Alvarado-Peña & Licandro, 2020). No saber a dónde vas es más peligroso que no tener dinero para llegar, aunque se ha demostrado que tener una planificación estratégica no asegura el éxito, sí es vital para mejor las probabilidades de seguir adelante.
• Déficit de competencias: Los equipos emprendedores a menudo carecen de pensamiento analítico, flexibilidad y orientación al cliente (Fuentes, Santiago & Temel, 2020; Gutiérrez & Baquero, 2017), herramientas esenciales para hacer frente a los retos diarios que un emprendimiento requiere.

3. Barreras Institucionales: Una carrera de obstáculos

Además, no podemos ignorar que emprender en México es un deporte extremo. La burocracia excesiva y la corrupción frenan incluso a las iniciativas incubadas (Guerrero et al., 2020). Además, las obligaciones fiscales pueden poner en desventaja crítica a los negocios que tienen bajo rendimiento (Hayes, Chawla & Kathawala, 2015). Volviéndose nuevamente clave la gestión y optimización del rendimiento.

Estudios en microempresas muestran que la regulación local afecta directamente la supervivencia (Morales, Salvatorio & Kim, 2017). Pero precisamente porque el entorno externo es difícil (Sánchez, Salazar & Schmitt, 2016), la eficiencia interna se vuelve no un lujo, sino una necesidad de supervivencia.

4. El factor humano y cultural

Finalmente, el emprendimiento en México tiene un componente sociocultural único. A menudo nace del autoempleo forzado, lo que conduce a proyectos con bajos rendimientos y alta vulnerabilidad (Hayes et al., 2015).

A esto se suma un problema crítico de confianza: encontrar personal confiable es una de las principales dificultades operativas reportadas por los empresarios (Molotla, Romualdo & Hernández, 2015). Sin un equipo sólido y una cultura de apoyo, escalar es casi imposible.

Profesionalizar para sobrevivir

La competencia es intensa y los cambios de mercado son inevitables (Chaires et al., 2024). No podemos controlar la economía nacional ni las tasas de interés, pero sí podemos controlar nuestra productividad, nuestros procesos y nuestra toma de decisiones basada en datos. La diferencia entre una empresa que cierra y una que crece suele estar en la capacidad de su líder para dejar de operar "por instinto" y empezar a gestionar con estrategia.

Seguramente conoces esta historia: vendes, facturas, compras, pagas renta, pagas nómina y al final del mes... parece que no queda nada para ti.

En el mundo de los negocios, existe una confusión común: vender mucho es igual a ser rentable. Pero la rentabilidad es otra cosa, es una métrica que nos indica cuánto beneficio real obtienes por cada peso que usaste.

Hoy vamos a medir el pulso de tu negocio con el indicador más honesto para un dueño: el ROE (Retorno On Equity), por sus siglas en inglés.

¿Qué es el ROE y por qué debe importarte?

El ROE anualizado es la métrica reina para saber si vale la pena comprar o no la caja (invertir o no en ese negocio).

Hagamos la prueba ahora mismo

No necesitas ser contador. Mira este ejemplo de una Cafetería para saber qué datos poner:

Interpretación: ¿Qué significa mi número?

• Positivo y Alto (>15%): ¡Felicidades! Tu dinero trabaja bien. Solo vigila no estar muy endeudado.
• Bajo (o menor a la inflación): Cuidado. Tu negocio podría estar "comiéndose" tu riqueza lentamente.
• Negativo: Alerta Roja. Estás perdiendo patrimonio. Necesitas intervención urgente.

La adopción de Inteligencia Artificial (IA) ya no es una visión futurista, sino una necesidad operativa. Sin embargo, para la pequeña y mediana empresa en México, este salto representa tanto un salvavidas como un reto monumental.

Beneficios Clave: Eficiencia y Competitividad

La adopción de IA en PyMEs se traduce en mejoras operativas concretas y nuevas capacidades comerciales. Estudios recientes demuestran que estas herramientas, aplicadas en automatización y personalización de servicios, elevan significativamente la eficiencia empresarial mediante analítica predictiva [1].

• Productividad: Al reducir tareas repetitivas y administrativas, la IA libera tiempo para actividades estratégicas [1].
• Manufactura: Mejora la predicción de fallas y el control de calidad, reduciendo paros no programados y pérdidas productivas [2].
• Impacto Medible: Implementaciones guiadas reportan aumentos operativos del 20–35% y reducciones de desperdicio de 15–25% [3].

Riesgos Principales: El Costo de la Innovación

No todo es positivo. La literatura identifica costos iniciales, transformación laboral y problemas de seguridad como retos recurrentes que pueden anular los beneficios si no se gestionan adecuadamente [1, 4].

• Incertidumbre del ROI: Las herramientas de datos requieren inversiones elevadas y el retorno no está garantizado sin procesos piloto claros [4].
• Brecha de Talento: La escasez de perfiles capacitados limita el uso efectivo y mantenimiento de las soluciones [4].
• Seguridad de Datos: Existe un alto riesgo de fugas o incumplimiento regulatorio si no existe una gobernanza de datos robusta [4].
• Dependencia Tecnológica: Adoptar soluciones cerradas ("Cajas Negras") sin capacidades internas genera dependencia y costos crecientes (Vendor lock-in) [4].

Contexto en México: Un Gigante de Pequeñas Partes

El perfil estructural de nuestra economía condiciona el impacto de la IA. En México, más del 99.8% de las empresas son MiPyMEs [6].

Sectores como servicios y comercio ofrecen vías rápidas de adopción (marketing, e-commerce), mientras que la falta de marcos regulatorios crea el riesgo de una "adopción fragmentada", donde las empresas invierten sin obtener beneficios sostenibles [8, 9].

Barreras de Implementación

Las PyMEs mexicanas enfrentan obstáculos prácticos que van más allá del dinero:

1. Infraestructura Insuficiente: Mala conectividad y sistemas legados (software obsoleto) limitan la analítica avanzada [4].
2. Falta de Liderazgo Digital: La ausencia de dirección estratégica para integrar IA en la cultura empresarial es la principal causa de abandono de proyectos [5].
3. Desconocimiento: Muchas empresas no saben qué soluciones convienen ni cómo medir su impacto real [5].

Recomendaciones Prácticas y el Rol del Aliado

Para maximizar beneficios, las PyMEs deben seguir un enfoque escalonado. Frameworks prescriptivos sugieren comenzar con soluciones de bajo costo y avanzar conforme crece la madurez digital [10].

No recorras este camino solo.
La evidencia académica es clara: la tecnología por sí sola no resuelve problemas de negocio. Requiere estrategia, limpieza de datos y procesos ordenados. En Punto de Reorden, fungimos como ese aliado estratégico que prepara tu terreno (Contabilidad y Procesos) para que la IA realmente florezca en tu empresa.

En la búsqueda de la eficiencia operativa, a menudo nos obsesionamos con optimizar máquinas y software, olvidando el activo más volátil: el tiempo humano. La evidencia actual sugiere que los horarios rígidos suelen reducir el bienestar y restringir la productividad en tareas cognitivas.

Efectos en la Productividad: Lo que dicen los números

Contrario al miedo de "si no los veo, no trabajan", los estudios experimentales hallan efectos positivos sustanciales cuando la flexibilidad se gestiona con protocolos claros.

• Efecto Causal: Un experimento aleatorizado de 9 meses con un día de "smart-working" reportó aumentos en productividad y bienestar, especialmente marcados en mujeres [2].
• Consistencia: Una revisión meta-analítica encontró una correlación significativa (r ≈ 0.596) entre arreglos flexibles y mejor desempeño [3].
• Percepción: En el sector tecnológico, la productividad autopercibida aumentó durante esquemas flexibles, aunque surgieron retos de conectividad [4].

La Otra Cara de la Moneda: Riesgos y Límites

La flexibilidad no es mágica; es una herramienta que requiere calibración. Sin procesos adecuados, puede generar costos ocultos.

Recomendaciones para el Empresario Mexicano

Implementar flexibilidad requiere estructura. Basado en la evidencia, proponemos este protocolo de actuación:

1. Diseña un Piloto: No cambies toda la empresa de golpe. Prueba con un equipo durante 6 meses y mide resultados [2].
2. Establece Horas Núcleo: Define un bloque (ej. 10:00 AM - 1:00 PM) donde todos deben estar disponibles para sincronización, dejando el resto a elección [6, 7].
3. Inversión Tecnológica: Asegura acceso remoto seguro y soporte IT; es la barrera número uno para el éxito del modelo [8].
4. Formación a Líderes: Capacita a tus mandos en gestión por objetivos. El liderazgo es el factor que modera el éxito o fracaso del modelo [9].

Medir y controlar es la clave

Aplicando estos pasos con medición continua, las organizaciones pueden transformar horarios rígidos en una ventaja competitiva real, sin sacrificar la coordinación ni la equidad operativa.

Si alguna vez has escuchado a un gerente decir "esta es la opción más óptima" o "debemos optimizar al 100% la operación", has sido testigo de un fenómeno que va más allá de un simple error gramatical. Es un síntoma de una desconexión profunda entre la ciencia matemática y la realidad empresarial.

Aunque la Investigación de Operaciones (OR) nació como un "lenguaje global para la estrategia de negocios", en la práctica actual sufrimos una erosión semántica. Lo que en las empresas llaman "optimizar" suele ser apenas una mejora incremental o una aplicación intuitiva de herramientas, mientras que los académicos, encerrados en su torre de marfil, a menudo resuelven problemas que nadie tiene.

Hoy no vamos a simplificar las cosas. Vamos a profundizar en la Racionalidad Limitada, los Errores Tipo III y la Incertidumbre para entender por qué tu empresa no necesita soluciones perfectas, sino soluciones ecológicamente racionales.

1. La Gran Muralla: El Abismo entre el Modelo y tu Piso de Venta

Para un matemático, un óptimo es un absoluto: es la solución que maximiza o minimiza exactamente una función objetivo dentro de un modelo formal. Sin embargo, la literatura académica lleva décadas advirtiendo sobre una "brecha de implementación" que separa este ideal de la realidad.

El problema radica en el alcance del modelo. Un óptimo matemático asume que el modelo captura el 100% del problema de decisión. Pero la realidad operativa tiene "física omitida", procedimientos humanos ocultos y restricciones no documentadas que el modelo ignora por conveniencia.

Esta desconexión lleva a lo que Collins llama Errores Tipo III: resolver con precisión exquisita el problema equivocado. Los académicos a menudo construyen modelos con supuestos restrictivos —como "tiempo de entrega cero" o "utilidad humana perfecta"— creando soluciones que son teóricamente óptimas pero prácticamente inútiles. Como resultado, muchos gerentes han dejado de leer journals de investigación porque sienten que la academia no habla su idioma ni resuelve sus dolores reales.

2. Racionalidad Limitada: Cuando el cerebro dice "Basta"

Si la optimización pura es tan esquiva, ¿cómo toman decisiones los gerentes? La respuesta yace en la teoría de la Racionalidad Limitada de Herbert Simon.

Simon demostró que los humanos no somos "optimizadores racionales" porque operamos bajo tres restricciones fatales: capacidad cognitiva limitada, información incompleta y tiempo finito. Intentar evaluar todas las alternativas posibles para encontrar la mejor es computacionalmente intratable para el cerebro humano.

En su lugar, practicamos el "Satisficing" (una mezcla de satisfacer y suficiente). No buscamos la mejor opción absoluta; buscamos la primera opción que cumpla con un "nivel de aspiración" aceptable.

El Peligro Oculto: La Trampa de la Mediocridad Reactiva

Sin embargo, el satisficing no es una panacea. Tiene un lado oscuro. Estudios sobre gerentes de admisiones universitarias mostraron que, bajo presión de tiempo y sobrecarga de datos, el satisficing degenera en una gestión puramente reactiva ("apagar fuegos").

Cuando los gerentes "satisfacen" demasiado, priorizan la intuición sobre los datos y se conforman con soluciones subóptimas simplemente porque son familiares, perpetuando ineficiencias estructurales. El peligro es creer que estás gestionando bien, cuando en realidad solo estás sobreviviendo a la complejidad.

3. La Brújula Estratégica: Riesgo vs. Incertidumbre

Entonces, ¿cuándo debemos usar matemáticas pesadas para optimizar y cuándo debemos confiar en la heurística del satisficing? La ciencia nos da una regla de oro basada en el entorno: Riesgo vs. Incertidumbre.

• Entornos de Riesgo (Risk): Aquí conocemos las alternativas, las consecuencias y las probabilidades (como en un juego de ruleta o una línea de producción automatizada).
  Estrategia: OPTIMIZAR. En estos casos, los modelos matemáticos complejos superan a la intuición humana porque tienen menos sesgo y pueden procesar todas las variables.
• Entornos de Incertidumbre (Uncertainty): No conocemos todas las alternativas ni las consecuencias futuras (como lanzar un producto innovador o predecir una crisis post-pandemia).
  Estrategia: HEURÍSTICA (Satisficing). Curiosamente, aquí los modelos complejos fallan por "sobreajuste" (overfitting): intentan explicar el ruido pasado en lugar de predecir el futuro.

Esto se conoce como el Trade-off de Sesgo-Varianza: los modelos de optimización complejos tienen baja predisposición (bias) pero alta varianza (fallan ante cambios nuevos), mientras que las heurísticas simples son más robustas y estables ante lo desconocido.

4. Propuestas Viables: ¿Cómo navegar esta complejidad?

Si la optimización pura es peligrosa y el satisficing puede ser mediocre, ¿qué debe hacer una PyME moderna para no quedarse atrás? La literatura sugiere tres caminos híbridos para cerrar la brecha:

A. Optimización Robusta y "Conjuntos Casi-Óptimos"

En lugar de buscar obsesivamente el pico más alto (el óptimo único), debemos buscar "mesetas altas". La ciencia sugiere generar conjuntos de soluciones casi-óptimas (near-optimal sets). Esto nos da opciones matemáticas que son "suficientemente buenas" (dentro del 95-99% del óptimo) pero que permiten a los ingenieros elegir la que sea más segura, mantenible o fácil de implementar, incorporando así criterios que el modelo ignoró.

B. Métodos "Human-in-the-loop"

No entregues una "caja negra" matemática. Utiliza flujos de trabajo iterativos donde el algoritmo sugiere y el humano refina. Esto permite capturar las preferencias tácitas y las restricciones políticas de la organización, convirtiendo una solución matemáticamente ajena en una estrategia operativa propia y confiable.

C. Escaneo Mixto (Mixed Scanning)

Adopta una estrategia de "caja de herramientas adaptativa". Utiliza satisficing para las decisiones rutinarias o de bajo impacto (ahorrando recursos cognitivos) y reserva la optimización rigurosa para las decisiones críticas y estructurales donde los datos son claros. Es una asignación estratégica de tu capacidad analítica.

Hacia una Racionalidad Ecológica

Dejemos de buscar "lo más óptimo". Es un término redundante y una meta peligrosa que a menudo esconde una falta de entendimiento profundo de tu negocio. La verdadera ventaja competitiva no está en tener el modelo matemático más complejo, sino en tener la sabiduría estratégica para saber cuándo optimizar y cuándo satisfacer.

En Punto de Reorden, apoyamos a las organizaciones a superar la "fantasía de optimización" que se rompe al primer contacto con la realidad. Apoyamos en el diseño de sistemas ecológicamente racionales: estructuras que combinan la potencia de los datos con la flexibilidad que tu operación diaria exige.

No se trata de bajar la vara y conformarse con "lo que sea". Se trata de elevar la inteligencia de tu organización para buscar la robustez sobre la perfección teórica. Porque al final del día, una solución subóptima que se implementa y genera dinero vale infinitamente más que un óptimo matemático que se queda, inmaculado y estéril, en una hoja de cálculo.

En las escuelas de negocios tradicionales, a menudo se nos enseña bajo el supuesto de la economía neoclásica: el gerente es un ser puramente racional, un "Homo Economicus". Según esta teoría, ante cualquier decisión, el gerente tiene un sistema de preferencias completo y consistente, conoce todas las alternativas disponibles y realiza cálculos complejos para elegir siempre la opción que maximiza matemáticamente el valor.

Si esto fuera cierto, el fracaso empresarial sería una anomalía estadística. Sin embargo, en el mundo real, empresas sólidas toman decisiones desastrosas todos los días. ¿Por qué? Porque el "Homo Economicus" no existe. Quien dirige tu empresa no es una calculadora optimizadora; es un ser humano biológico intentando sobrevivir a la complejidad, que en la mayoría de los casos desconoce el mercado.

Hoy exploraremos cómo la Racionalidad Limitada no solo explica los errores de cálculo, sino que es el caldo de cultivo invisible para problemas estructurales como el nepotismo y el abuso de poder.

1. El Colapso del Modelo Neoclásico: Bienvenido a la Racionalidad Limitada

Herbert Simon, en su crítica seminal a la teoría económica, introdujo una distinción crucial. Mientras el "Hombre Económico" maximiza, el "Hombre Administrativo" (el gerente real) simplemente satisface.

La Racionalidad Limitada postula que la capacidad de la mente humana para formular y resolver problemas complejos es muy pequeña en comparación con la magnitud de los problemas reales. Operamos bajo tres restricciones fatales:

• Información incompleta o imperfecta.
• Capacidad de procesamiento de datos limitada.
• Tiempo finito para decidir.

Debido a esto, el cerebro abandona la búsqueda de la "solución óptima" (la mejor de todas las posibles) y se conforma con una "solución satisfactoria": la primera opción que, según la experiencia, el sentir, y la intuición resuelve el problema. Sin embargo, estas "soluciones", solo lo ocultan, no lo resuelven.

2. El Oportunismo como "Ley del Mínimo Esfuerzo"

Si el cerebro humano no puede optimizar debido a sus limitaciones, ¿por qué parece tan eficiente para maximizar su propio beneficio (nepotismo, amiguismo)?

La respuesta yace en la economía cognitiva: El egoísmo es un atajo.

Alinear las decisiones con los objetivos complejos de la empresa a largo plazo requiere un esfuerzo computacional masivo y costoso para el cerebro (analizar mercado, comparar 50 candidatos, proyectar flujos, etc.). En cambio, satisfacer el interés personal inmediato es una señal biológica fuerte, clara y fácil de procesar.

El gerente que contrata a su primo no está ejecutando un plan maestro de corrupción; está sucumbiendo a una heurística de "Disponibilidad y Afecto".

• Evaluar a un desconocido es incertidumbre (dolor cognitivo).
• Contratar al familiar es certeza (alivio cognitivo).

El nepotismo, bajo esta lente científica, es la forma más primitiva de satisficing. El gerente "satisface" la necesidad de cubrir la vacante utilizando el camino de menor resistencia mental. El cerebro elige optimizar su comodidad inmediata porque es incapaz de procesar el costo futuro que esto tendrá para la organización.

3. Víctimas de la Niebla Informativa

Esta debilidad cognitiva nos lleva directamente a la Teoría de la Agencia de Jensen y Meckling. El problema no es solo que el Agente (gerente) quiera maximizar su utilidad a costa del Principal (dueño), sino que la Racionalidad Limitada del dueño se lo permite.

El abuso de poder florece en la "niebla" de la información imperfecta. Como el dueño no tiene la capacidad cognitiva ni el tiempo para monitorear cada acción (asimetría de información), se crea un espacio de discrecionalidad.

El gerente aprovecha este "punto ciego" no porque sea un genio del mal, sino porque es un oportunista racionalmente limitado. Aprovecha la falta de controles para incurrir en Costos de Agencia (nepotismo, improductividad, desvío de recursos, etc.) porque es la forma más fácil de obtener valor sin esfuerzo. Optimiza su bienestar personal precisamente porque el sistema no le obliga a optimizar el de la empresa.

4. La Solución: Ingeniería de Procesos y Datos como Prótesis Cognitivas

Reconocer que somos racionalmente limitados no es una derrota; es el primer paso para la solución. Si no podemos confiar en el cerebro desnudo para optimizar, necesitamos herramientas externas que lo hagan por nosotros.

La calidad de una decisión organizacional es función directa de la calidad de la información disponible y de cómo esta se procesa.

Para blindar tu empresa, debes implementar sistemas que contrarresten la naturaleza humana:

• Sistemas de Información (Data Science): Reduce la incertidumbre y la asimetría de información. Cuando los datos de rendimiento son públicos y claros, se disipa la "niebla" donde se esconde el oportunismo. El gerente ya no puede justificar decisiones basadas en "intuición" o amiguismo.
• Estandarización de Procesos (Ingeniería): Elimina la discrecionalidad. Al tener perfiles de puesto y rúbricas de evaluación rígidas, obligas al cerebro a evaluar la competencia técnica por encima de la cercanía afectiva.
• Alineación de Incentivos: Según Jensen y Meckling, debes vincular la riqueza del agente a la del principal. El gerente debe ganar más solo si la empresa es realmente rentable (y no solo por ventas brutas o antigüedad), su cálculo racional interno cambiará: contratar a su primo incompetente se volverá "caro" para su propio bolsillo.

Tu empresa no necesita gerentes perfectos, porque no existen. Necesita sistemas perfectibles. La próxima vez que te enfrentes a una decisión crítica, pregúntate: ¿Estoy optimizando realmente, o solo estoy tomando el atajo cognitivo que más me conviene?

En Punto de Reorden, confiamos en la buena estructura, no solo en la experiencia y sentir de los equipos de trabajo. Transformamos organizaciones limitadas en maquinarias optimizadas a través de datos y disciplina financiera.

En junio de 2026, en plena Copa del Mundo celebrada en Norteamérica, una playera rosa con la imagen de la Virgen de Guadalupe se convirtió en el fenómeno viral del verano mexicano. No fue Nike, ni Adidas, ni la playera oficial de la Selección. Fue "La Guadalupana", una pieza de edición limitada lanzada por Atlética, la histórica marca deportiva jalisciense. La prenda se agotó en días, inundó TikTok e Instagram con contenido orgánico y fue descrita por medios especializados como un golpe maestro de relevancia cultural (AmericaRetail, 2026).

Pero hay un detalle que transforma esta historia de éxito en un caso de estudio sobre lo que puede salir mal cuando la operación no acompaña a la estrategia: cada diseño de la colección se limitó a únicamente 500 piezas a nivel mundial (FashionNetwork México, 2026). Quinientas unidades para un producto que se volvió viral entre más de 130 millones de mexicanos, durante el evento deportivo más grande del planeta, en casa.

¿Cómo es posible que una empresa haga todo bien en términos de diseño, narrativa y posicionamiento, y aún así termine con un problema reputacional? La respuesta está en la cadena de suministro y, más profundamente, en el modelo de toma de decisiones que caracteriza a las empresas familiares mexicanas.

1. Lo que hicieron bien: una clase magistral de marketing cultural

Antes de señalar las áreas de oportunidad, hay que reconocer lo que Atlética ejecutó de forma impecable. La colección Norteamérica 2026 fue una apuesta arriesgada y brillante que alineó al menos cuatro factores estratégicos simultáneamente.

Primero, el tiempo: lanzar su producto, durante la Copa del Mundo 2026, con México como sede, garantizaba la máxima atención mediática posible. Segundo, la conexión cultural: la Virgen de Guadalupe no es solo un símbolo religioso en México, es un elemento identitario que trasciende credos y clases sociales. Tercero, la estética: el uso del rosa mexicano, un color que rara vez se había utilizado en jerseys deportivos, rompió con la estética convencional del fútbol y captó la atención del público de moda a través de la tendencia. Cuarto, la narrativa familiar: la dirección creativa a cargo de Cristóbal Martínez, nieto del fundador de Atlética, añadió una capa de autenticidad y legado que las marcas multinacionales simplemente no pueden replicar (Elle México, 2026).

El resultado fue devastadoramente eficaz: la playera se apoderó de las redes sociales, generó contenido orgánico masivo y se posicionó como un objeto de deseo cultural. Los inventarios en línea y tiendas físicas se vaciaron en tiempo récord (AmericaRetail, 2026). Hasta aquí, el marketing hizo un 10 de 10.

2. El punto de quiebre: El problema del "vendedor de periódicos"

Aquí entra la ciencia. El dilema que enfrentó Atlética tiene nombre y apellido en la literatura de ingeniería de sistema e investigación de operaciones, se llama el Modelo del Newsvendor por su nombre en inglés (Arrow, Harris & Marschak, 1951). Este modelo clásico de gestión de inventarios plantea la pregunta fundamental: ¿cuánto producir cuando la demanda es incierta?

El modelo establece que toda decisión de inventario implica un balance entre dos costos: el costo de sobrestock (producir de más y quedarse con inventario sin vender) y el costo de sub-stock (producir de menos y perder ventas). La solución óptima es una cantidad que equilibre ambos riesgos en función de la distribución esperada de la demanda (Khouja, 1999).

El problema es que Atlética fijó su producción en 500 piezas por diseño (FashionNetwork México, 2026), una cantidad que, implícitamente, asume que el costo de sobrestock es infinitamente mayor al costo de sub-stock. En otras palabras: la decisión revela que la empresa temía mucho más quedarse con inventario que perder ventas. Como veremos más adelante, este sesgo tiene una explicación que va más allá del cálculo numérico.

3. Las consecuencias en cascada

Cuando un producto viral se queda sin stock, las consecuencias no se limitan a las ventas perdidas del día. Se desencadena una serie de efectos que un profesional del área puede identificar facilmente.

Ventas perdidas directas. La demanda de "La Guadalupana" superó la oferta por órdenes de magnitud. La respuesta del público rebasó todas las expectativas de la marca (Bienestar y Moda, 2026). Atlética se vio forzada a realizar un restock de emergencia en la Ciudad de México, una maniobra logística reactiva que evidencia la ausencia de un plan de contingencia previo.

Erosión de la lealtad de marca. Un estudio publicado en el Journal of the Academy of Marketing Science demostró que los consumidores experimentan un afecto negativo particularmente intenso cuando un la falta de inventario es inesperado (Kim, Spann & Hann, 2023). En el caso de "La Guadalupana", miles de consumidores descubrieron la playera a través de redes sociales, desarrollaron un deseo de compra inmediato y chocaron con un muro de "Agotado". El cambio entre el deseo del producto a la negativa de poderlo obtener transforma a un potencial evangelista de marca en un cliente frustrado.

Mercado informal y copias. Cuando un producto viral no está disponible, el mercado informal llena el vacío. En TikTok, aparecieron rápidamente versiones no oficiales y alternativas de otros fabricantes. La industria de la moda pierde anualmente más de 26 mil millones de euros por ventas de productos falsificados (Statista, 2020), y la falta de inventarios de productos de alta demanda son uno de los detonantes documentados de la proliferación de copias (Hietanen et al., 2018; Grossman & Shapiro, 1988).

Efecto Látigo. Lee, Padmanabhan y Whang (1997), en su artículo seminal publicado en el MIT Sloan Management Review, documentaron cómo las variaciones de demanda mal gestionadas generan síntomas característicos: inventario insuficiente, mal servicio al cliente por productos no disponibles y costos elevados por correcciones de emergencia. El restock de Atlética en CDMX es la manifestación textual de todos estos síntomas.

4. El eslabón culpable: la gestión empírica de la empresa familiar mexicana

Hasta aquí, uno podría argumentar que se trató de un error de cálculo puntual. Pero la evidencia sugiere algo más profundo: un patrón estructural de toma de decisiones vinculado a la naturaleza de empresa familiar de Atlética.

Atlética es, documentalmente, una empresa familiar. Fue fundada en 1994 por José Martínez Ramírez como parte de Grupo Jomar, un conglomerado textil de San Miguel El Alto, Jalisco. Un artículo académico publicado en SciELO en 2026 documenta que Jomar, "al ser una empresa familiar, no resistió la sucesión" y que las empresas del grupo se fragmentaron entre los hijos del fundador (Chávez y Maza, 2015, citados en SciELO, 2026). La marca fue adquirida en 2019 por José Martínez Ramírez hijo bajo Grupo MAG (El CEO, 2025). Hoy, la tercera generación lidera la dirección creativa (Coolhuntermx, 2026). Es una empresa familiar de tercera generación, precisamente el punto donde la literatura señala que las tensiones entre gestión empírica y profesionalización se vuelven críticas.

La literatura confirma el patrón. Una investigación sobre empresas familiares manufactureras en Querétaro encontró que estas organizaciones dan menos importancia a los procesos de planeación, control y administración y muestran un comportamiento de inversión más conservador (Decisiones Gerenciales en Empresas Familiares, ResearchGate, 2020). Otro estudio documenta cómo en empresas familiares mexicanas la gestión ha sido a través de "la experiencia" y la "intuición" y que el fundador participa en áreas clave "a partir de su experiencia laboral", no de modelos analíticos y métodos que permitan identificar áreas de oportunidad (SciELO México, 2022), este efecto, en la mayoría de los casos se da por ignorancia de los fundadores y por miedo a perder "el control" de su empresa. La profesionalización en estas organizaciones implica precisamente la transformación de un funcionamiento intuitivo y empírico a uno, sistemático, analítico y profesional, apoyado en procesos claros de toma de decisiones con argumentos cuantitativos (Consultores OC, 2020).

El mecanismo causal: la aversión a la pérdida amplificada. La familia Martínez vivió la decadencia de Atlética durante más de una década. Perdió el contrato de la Selección Mexicana ante Nike por apenas un millón de dólares de diferencia (Expansión, 2011), perdió equipos de la Liga MX y perdió relevancia de mercado. Esa experiencia traumática genera lo que Kahneman y Tversky (1979) denominaron loss aversion: la tendencia a ponderar las pérdidas potenciales mucho más que las ganancias equivalentes. Para el relanzamiento, la experiencia que dominó la decisión fue "no produzcamos de más, mejor nos quedamos cortos que con exceso de inventario". Producir 500 piezas no fue un cálculo de demanda: fue un reflejo de autoprotección emocional disfrazado de estrategia de escasez.

Esto conecta directamente con la Racionalidad Limitada de Herbert Simon (1979), que analizamos en un artículo anterior de este blog. El gerente racionalmente limitado no optimiza; satisface. Busca la primera opción que cumple con su nivel de comprensión y aspiración mínimo. En este caso, la aspiración era "no nos quedemos con inventario sobrante como en los años de declive". Y esa aspiración, moldeada por la experiencia y no por los datos, fue cumplida. El problema es que la aspiración era la equivocada.

5. Estrategias que pudieron evitar el problema

Señalar el error sin proponer soluciones sería un ejercicio incompleto. La literatura de gestión de cadena de suministro ofrece herramientas concretas que Atlética y cualquier empresa en una situación similar podría implementar.

Modelo Quick Response (QR). En lugar de comprometer toda la producción en un único lote de 500 piezas, la estrategia óptima es una producción por etapas: un lote limitado inicial (el "drop" de coleccionista) acompañado de capacidad pre-negociada con proveedores para fabricar lotes adicionales en 48 a 72 horas si la demanda supera un umbral predefinido. Fisher y Raman (1996) demostraron que la respuesta rápida basada en señales tempranas de demanda reduce significativamente los costos de la incertidumbre.

Pre-orders y Waitlist como sensores de demanda. Antes del lanzamiento, abrir un registro de interés habría funcionado como un pronóstico en tiempo real. La cantidad de registros previos al drop es un indicador directo de la demanda latente y permite ajustar la producción antes de que sea tarde.

Social Listening como variable del modelo de demanda. El volumen de menciones en TikTok e Instagram previo al lanzamiento era una señal clara de que la demanda iba a superar cualquier pronóstico conservador. Incorporar datos de redes sociales como variable en los modelos de pronóstico es una práctica cada vez más documentada en la literatura de supply chain (Spinnaker SCA, 2025).

Línea escalonada: edición de colección más línea accesible. Mantener las 500 piezas como "colección premium" numerada, pero tener una versión "inspired by" de precio y tiraje mayor. Esta estrategia permite capitalizar la exclusividad sin abandonar al mercado masivo.

Protección proactiva de diseño industrial. Con la demanda insatisfecha, el mercado informal fue el primer beneficiario. Un registro preventivo de diseño industrial y un monitoreo activo de marketplaces habría protegido tanto los ingresos como la integridad de marca.

6. La lección de fondo

El caso de "La Guadalupana" de Atlética es, en esencia, la historia de una empresa que ejecutó brillantemente la mitad de su cadena de valor (diseño, marketing y narrativa) pero no tenía la infraestructura operativa para capitalizar su propio éxito. No es un caso aislado: es el patrón recurrente de las empresas familiares mexicanas que operan con la experiencia del fundador como brújula principal y que, cuando el mercado responde de maneras que la experiencia no puede anticipar, se quedan sin herramientas para reaccionar.

La solución no es eliminar la intuición, el conocimiento del mercado ni el legado familiar. Estos son activos invaluables que las grandes corporaciones gastarían millones en intentar replicar. La solución es complementar esa intuición con modelos analíticos, procesos estandarizados de planeación de demanda y una cadena de suministro diseñada para responder a la incertidumbre. En otras palabras: profesionalizar la operación.

La próxima vez que una empresa lance un producto con potencial de volverse viral, la pregunta no debería ser "¿cuántas piezas creo que voy a vender?". La pregunta debería ser: "Si esto funciona mejor de lo que imagino, ¿estoy preparado para responder?"

En Punto de Reorden ayudamos a las empresas a cerrar exactamente esta brecha: integramos modelos de pronóstico de demanda, diseño de cadenas de suministro con capacidad de respuesta rápida y marcos de toma de decisiones basados en datos (no en corazonadas) para que cuando tu producto se vuelva viral, tu operación esté lista para capitalizarlo. Si tu empresa depende de la experiencia para decidir cuánto producir, cuánto comprar o cuánto inventariar, hablemos antes de que el mercado te lo cobre.