Productos que Lanzamos: Cuántos Fallaron, Por Qué, y el Medio Aburrido

Los founders nos siguen pidiendo benchmarks. Aquí está el agregado honesto del historial de engagements de Wavect: aproximadamente 10-15% de los productos que lanzamos escalaron, alrededor del 50-60% aterrizaron en el medio aburrido (mantuvieron ingresos, nunca despuntaron), alrededor del 20-25% se cerraron en los 18 meses tras el launch, y aproximadamente 5-10% nunca alcanzaron MVP. Ninguno de esos números es único nuestro. Están cerca de lo que reporta cada builder honesto. Planifica para el medio.

Los conteos exactos son aproximados. Tratamos cada engagement como un producto, incluso cuando lanzamos varias iteraciones. Lo que importa es la distribución, no el headcount.

¿Cómo se ve realmente la distribución de outcomes?

Aquí está el desglose aproximado entre productos que Wavect ha lanzado para founders y operadores desde 2020. Bandas, no conteos exactos, porque los outcomes cambian con los años (un producto estable hoy puede escalar el siguiente trimestre, un scaler puede caer).

La conclusión no es la banda 10-15% de scalers. La conclusión es el 50-60% del medio aburrido. La mayoría de founders apunta al outcome scaler y presupuesta como si el medio no existiera. Así es como un producto saludable acaba cerrado por no tener forma de VC.

Por qué el medio aburrido es el plan realista

El medio aburrido no es fallo. Es el outcome por defecto para un producto lanzado competentemente en un mercado real. Los founders que pre-planean para él (mantienen equity, burn modesto, distribución que encaja con el tamaño del negocio) se quedan con su empresa. Los founders que planean solo para el outcome scaler se ven atrapados cuando llega el mes 14 y la curva es lineal, no exponencial.

Hemos visto ambos. Los que sobrevivieron al medio aburrido fueron los que mantuvieron el burn por debajo de los ingresos mensuales desde el mes 6 o 9 en adelante, independientemente de lo que dijera el deck.

"El medio aburrido no es un outcome de fallo. Es el outcome para el que construyes, para que el outcome scaler sea el upside en lugar del único camino de supervivencia."

¿Por qué fallan realmente los productos lanzados?

A lo largo del 20-25% que lanzamos y luego cerramos, las razones se agrupan en seis o siete modos de fallo recurrentes. Casi nunca la causa es "el código era malo". El código se lanzó. El producto se lanzó. Algo más se rompió.

1. Sin PMF. El mercado era más pequeño que el deck, o la disposición a pagar era menor, o la alternativa (spreadsheet, status quo, herramienta gratuita) era lo bastante buena. Causa única más común.
2. Bandwidth del founder colapsó. Solo founder, trabajo de día, segundo hijo, divorcio, salud. El producto necesita un dueño full-time, y ya no hay dueño full-time.
3. Canal de distribución equivocado. Construyeron un SaaS B2B, luego intentaron venderlo vía ads pagados. Construyeron una app de consumidor, luego intentaron venderla vía enterprise sales. El producto estaba bien, el GTM estaba equivocado.
4. Explosión regulatoria. Crypto, fintech, health. Las reglas cambiaron (o se hicieron cumplir) a mitad del build o post-launch. Hemos visto esto en Web3 específicamente, y en un par de productos fintech-adyacentes.
5. El capital se agotó. La ronda puente no cerró. Caja cero antes de ingresos. Eso es lo que pasó con nuestro caso de estudio Hyperstate AI: lanzado, se quedó sin financiación después del launch, no un fallo de producto o tech. El producto estaba vivo y funcionando.
6. Explosión de scope. Construyeron la versión 1, luego la versión 2 se infló. El producto se fragmentó en demasiadas user personas y verticales. Para el mes 12, ningún segmento único de usuario estaba feliz.
7. Split de co-founders. Dos founders, desacuerdo, disputa de equity, uno se va. El producto se atasca, luego se cierra.
8. Founder-market fit equivocado. El founder perdió interés. No es un fallo moral, solo uno honesto. Los productos sin un dueño obsesionado mueren.

Hemos construido productos que tocaron varios de estos. Offlinery es un producto en medio de encontrar su segmento. Scramble Pay y LivLive lanzaron y siguen operando. Hemos lanzado productos Web3 reales a través de ciclos reales. Algunos siguen corriendo, otros no. El patrón de arriba es lo que vemos.

¿Qué controla realmente Wavect?

Respuesta honesta: calidad del código, velocidad de ship, decisiones de arquitectura, disciplina SDLC. Eso es aproximadamente el 30-40% del outcome en una lectura generosa. Todo lo demás (mercado, founder, capital, distribución, regulación, timing) está fuera del scope de ingeniería.

Le decimos esto a cada founder en descubrimiento. Podemos construir el producto correctamente. No podemos hacer que el mercado exista. Cuando el mercado es marginal, lo decimos. A veces aún lo construimos porque el founder quiere averiguarlo, y eso es justo. Solo entra con los ojos abiertos.

¿Cómo deberían usar los founders este benchmark?

• Presupuesta para el medio aburrido. Planea un camino donde la empresa sobreviva con ingresos modestos sin capital follow-on. Si no puedes, el producto es frágil por diseño.
• Trata el riesgo regulatorio y de capital como primario. No secundario. Cierran más productos que la tecnología.
• Decide quién es dueño del producto después del launch. El Día 1 post-launch es cuando la mayoría de productos mueren silenciosamente. La ownership no es solo código, es roadmap, soporte, distribución, retención.
• Sé escéptico con agencias que solo muestran case studies de scaler. Cualquiera con un portfolio real ha lanzado productos que murieron. Si no te muestran el medio y los fallos, el portfolio es curado, no honesto.
• Considera un fractional cofounder o fractional CTO para los primeros 12-18 meses. Más barato que un hire equivocado, más rápido que construir una organización de ingeniería interna para un producto no probado.

¿Esta distribución coincide con el resto de la industria?

Aproximadamente, sí. Los números industria-wide de mortalidad de startups (CB Insights, datos de alumni de Y Combinator, reportes de aceleradoras regionales) se agrupan en bandas similares. Las grandes diferencias son filtro (las aceleradoras ven menos "nunca lanzaron" porque criban a la entrada) y supervivencia (los datasets más viejos pierden los productos que se cerraron 18 meses después). Nuestros números no son mejores que la industria. Tampoco son significativamente peores. Son lo que parece lanzar software en un mercado real.