null

Autore: Colossus

Tradotto da: Deep潮 TechFlow

Deep潮导读：Questo articolo usa i dati del governo degli Stati Uniti per svelare un fatto scomodo: negli ultimi 30 anni, tutti i bestseller delle metodologie imprenditoriali - lean startup, customer development, business model canvas - non hanno fornito alcun aiuto statistico all'aumento del tasso di sopravvivenza delle startup.

Il problema non è necessariamente che la metodologia sia sbagliata, ma che quando tutti usano lo stesso approccio, perde il suo vantaggio.

Questo argomento vale anche per gli imprenditori nel campo delle criptovalute e del Web3, e chi sta esaminando varie "guide imprenditoriali Web3" dovrebbe prestare particolarmente attenzione.

Il testo completo è il seguente:

Qualsiasi metodo per costruire una startup, una volta ampiamente diffuso, porterà i fondatori a convergere verso le stesse risposte. Se tutti seguono le stesse tecniche imprenditoriali di successo, alla fine tutti costruiranno aziende simili e senza differenziazione, e la maggior parte di queste aziende fallirà. La verità è che ogni volta che qualcuno insiste nel voler insegnare un metodo per costruire una startup di successo, dovresti fare esattamente l'opposto. Questa contraddizione diventa evidente una volta compresa, ma contiene anche la direzione verso cui andare.

Circa venticinque anni fa, prima che sorgesse una nuova ondata di "predicatori imprenditoriali", quel set di consigli imprenditoriali che sostituiva, a dire il vero, era peggiore che inutile. Quelli erano suggerimenti che mescolavano ingenuamente strategie delle 500 migliori aziende con tattiche per piccole imprese, pianificazione quinquennale e gestione delle operazioni quotidiane. Ma per le startup ad alta crescita, la pianificazione a lungo termine è priva di significato - il futuro è imprevedibile e concentrarsi sulle operazioni quotidiane espone i fondatori a concorrenti più rapidi. I vecchi consigli erano stati concepiti per un mondo di miglioramenti graduali, non per l'incertezza fondamentale.

I consigli della nuova generazione di predicatori imprenditoriali sono diversi: intuitivamente ragionevoli, apparentemente ben argomentati, forniscono ai fondatori un processo passo-passo per costruire aziende in una reale incertezza. Steve Blank nel (Quattro fasi dell'imprenditorialità) (2005) ha proposto il metodo di sviluppo del cliente, insegnando ai fondatori a considerare le idee imprenditoriali come un insieme di ipotesi falsificabili: esci, intervista i potenziali clienti, verifica o smentisci le tue ipotesi prima di scrivere qualsiasi codice. Eric Ries ha costruito su questo nel (Lean Startup) (2011), proponendo il ciclo costruire-misurare-apprendere: lancia un prodotto minimo viabile, misura il comportamento degli utenti reali, iterare rapidamente, piuttosto che sprecare tempo a perfezionare un prodotto che nessuno vuole. Il business model canvas di Osterwalder (2008) fornisce ai fondatori uno strumento per delineare i nove componenti chiave di un modello di business e per adattarsi rapidamente quando una parte non funziona. Il design thinking - promosso da IDEO e dalla Stanford d.school - enfatizza l'empatia per l'utente finale e i prototipi rapidi, in modo da identificare i problemi il prima possibile. La teoria del ragionamento degli effetti di Saras Sarasvathy suggerisce di partire dalle competenze e reti personali del fondatore, piuttosto che ingegnerizzare al contrario un piano per raggiungere obiettivi ambiziosi.

Questi predicatori cercano consapevolmente di stabilire una scienza del successo imprenditoriale. Nel 2012, Blank affermò che la National Science Foundation degli Stati Uniti stava definendo il suo framework di sviluppo del cliente come "il metodo scientifico per l'imprenditorialità" e affermava che "ora sappiamo come ridurre i fallimenti delle startup". Il sito web di Lean Startup dichiara "il Lean Startup fornisce un metodo scientifico per creare e gestire startup", e la retrocopertina del suo libro cita il CEO di IDEO, Tim Brown, dicendo che Ries "ha proposto un processo scientifico che può essere appreso e replicato". Allo stesso tempo, Osterwalder nel suo dottorato affermava che il business model canvas si basa sulla scienza del design (il predecessore del design thinking).

Il dipartimento di ricerca imprenditoriale nel mondo accademico studia anche le startup, ma la loro scienza è più vicina all'antropologia: descrivere la cultura dei fondatori e le pratiche delle startup per capirle. La nuova generazione di predicatori ha una visione più pratica - una visione espressa dal filosofo naturale Robert Boyle all'inizio della scienza moderna: "Non oserei definirmi un vero naturalista, a meno che le mie capacità non portino il mio giardino a produrre erbe e fiori migliori." In altre parole, la scienza dovrebbe cercare la verità fondamentale, ma deve anche essere efficace.

Se è efficace, naturalmente determina se merita di essere chiamato scienza. E riguardo all'imprenditorialità, una cosa di cui possiamo essere certi è che: non ha funzionato.

Cosa abbiamo veramente imparato?

Nella scienza, giudichiamo se qualcosa è efficace attraverso esperimenti. Quando la relatività di Einstein è stata gradualmente accettata, altri fisici hanno investito tempo e denaro progettando esperimenti per testare se le sue previsioni erano accurate. Lo abbiamo imparato alle scuole elementari, il metodo scientifico è la scienza stessa.

Tuttavia, a causa di un certo difetto nella nostra umanità, tendiamo anche a resistere all'idea che "la verità si scopre in questo modo". Le nostre menti si aspettano prove, ma i nostri cuori hanno bisogno di una storia. C'è una vecchia posizione filosofica - esplorata brillantemente da Steven Shapin e Simon Schaffer in (Leviatano e la pompa) (1985) - che sostiene che l'osservazione non può darci la verità, la vera verità può essere dedotta solo da altre cose che sappiamo essere vere, cioè a partire dai primi principi. Sebbene questo sia lo standard in matematica, in campi in cui i dati sono leggermente più rumorosi o le basi assiomatiche non sono così solide, può portare a conclusioni apparentemente seducenti ma in realtà ridicole.

Prima del sedicesimo secolo, i medici usavano le opere del medico greco Galeno del secondo secolo per curare i pazienti. Galeno credeva che le malattie fossero causate da uno squilibrio di quattro fluidi corporei - sangue, flemma, bile gialla e bile nera - e raccomandava terapie come il salasso, il vomito e le sanguisughe per ripristinare l'equilibrio. I medici seguirono queste terapie per oltre mille anni, non perché fossero efficaci, ma perché l'autorità accademica degli antichi sembrava superare di gran lunga il valore delle osservazioni contemporanee. Ma intorno al 1500, il medico svizzero Paracelso notò che le terapie di Galeno in realtà non miglioravano i pazienti, e alcune terapie - come il trattamento della sifilide con mercurio - non avevano alcun senso nemmeno all'interno del quadro teorico dei fluidi, ma funzionavano davvero. Paracelso iniziò a sostenere l'ascolto delle prove, piuttosto che l'obbedienza all'autorità ormai scomparsa: "Il paziente è il tuo libro di testo, il letto del paziente è la tua biblioteca." Nel 1527, bruciò pubblicamente le opere di Galeno. La sua visione impiegò secoli per essere accettata - quasi trecento anni dopo, George Washington morì a causa di un radicale trattamento di salasso - perché le persone tendevano a credere a storie ordinate e semplici come quelle di Galeno, piuttosto che affrontare la realtà confusa e complessa.

Paracelso partì da ciò che era efficace e scoprì le cause. I pensatori che lavorano per primi principi ipotizzano un "motivo" e poi affermano con fermezza che è efficace, indipendentemente dai risultati. I nostri moderni pensatori imprenditoriali sono più simili a Paracelso, spinti dalle prove? O più simili a Galeno, che mantiene la coerenza elegante della propria storia? In nome della scienza, diamo un'occhiata alle prove.

Di seguito sono riportati i dati ufficiali del governo sulla sopravvivenza delle startup americane. Ogni linea mostra la probabilità di sopravvivenza delle aziende costituite in un dato anno. La prima linea traccia il tasso di sopravvivenza di un anno, la seconda linea traccia il tasso di sopravvivenza di due anni, e così via. Il grafico mostra che, dal 1995 ad oggi, la percentuale di aziende sopravvissute per un anno è rimasta sostanzialmente invariata. Lo stesso vale per i tassi di sopravvivenza a due, cinque e dieci anni.

La nuova generazione di predicatori è esistita per un tempo sufficiente ed è abbastanza nota - i libri correlati hanno venduto milioni di copie e quasi tutti i corsi di imprenditorialità universitari li insegnano. Se fossero efficaci, i dati statistici lo rifletterebbero. Tuttavia, negli ultimi trenta anni, non ci sono stati progressi sistematici nel rendere le startup più facili da far sopravvivere.

I dati governativi contano tutte le startup americane, comprese ristoranti, lavanderie, studi legali e aziende di design paesaggistico - e non solo le startup tecnologiche ad alta crescita supportate da venture capital. I predicatori imprenditoriali non affermano che il loro metodo si applica solo a società del tipo Silicon Valley, ma queste tecniche sono spesso progettate su misura per quelle aziende che sono disposte a sopportare un'incertezza estrema solo quando i ritorni potenziali sono sufficientemente elevati. Pertanto, adottiamo un indicatore di misura più mirato: la percentuale di startup americane supportate da venture capital che continuano a ottenere finanziamenti successivi dopo aver completato il primo round di finanziamento. Data la modalità di funzionamento dei venture capital, possiamo ragionevolmente presumere che la maggior parte delle aziende che non riescono a ottenere finanziamenti successivi non siano riuscite a sopravvivere.

Le linee solide rappresentano i dati originali; le linee tratteggiate sono un aggiustamento per le aziende in fase di seed recenti che potrebbero ancora completare un round di finanziamento A.

La percentuale di aziende in fase di seed che continuano a ottenere finanziamenti successivi è drasticamente diminuita, il che non supporta l'affermazione che le startup supportate da venture capital siano diventate più di successo negli ultimi 15 anni. Se ci sono stati cambiamenti, sembrano piuttosto aver fallito più frequentemente. Naturalmente, l'allocazione del venture capital non è determinata solo dalla qualità delle startup: l'impatto della pandemia di COVID-19, la fine dell'era dei tassi d'interesse nulli, la domanda di capitale concentrata nell'AI, ecc.

Si potrebbe anche sostenere che l'aumento del capitale di rischio ha portato sul mercato più imprenditori scarsamente qualificati, compensando qualsiasi aumento del tasso di successo. Ma nel grafico sottostante, il calo del tasso di successo si verifica sia durante i periodi di crescita che di contrazione del numero di aziende finanziate. Se ci fosse un eccesso di fondatori poco esperti che abbassano la media, allora dopo la diminuzione del numero di aziende finanziate nel 2021, il tasso di successo dovrebbe rimbalzare. Tuttavia, non è successo.

Ma non è forse un successo in sé l'aumento del numero di fondatori? Prova a dirlo a quegli imprenditori che hanno seguito i consigli dei predicatori e sono comunque falliti. Queste sono persone reali che hanno scommesso il loro tempo, risparmi e reputazione; hanno diritto a sapere a cosa stanno affrontando. I migliori investitori in venture capital potrebbero aver guadagnato più soldi - ci sono più unicorni oggi che in passato - ma parte di questo è dovuto al fatto che i tempi di uscita sono più lunghi, e parte è dovuta alla distribuzione di potenza che matematicamente implica che più aziende vengono avviate, più alta sarà la probabilità di un successo eccezionale. Per i fondatori, questo è un conforto freddo. Questo sistema potrebbe generare più vincitori, ma non ha migliorato le probabilità per gli imprenditori individuali.

Dobbiamo prendere sul serio il fatto che la nuova generazione di predicatori non è riuscita a rendere le startup più inclini al successo. I dati mostrano che, nel migliore dei casi, esse non hanno alcun impatto. Abbiamo speso un tempo e decine di miliardi di dollari su un quadro concettuale che fondamentalmente non funziona.

Verso una scienza dell'imprenditorialità.

I predicatori affermano di darci una scienza dell'imprenditorialità, ma non abbiamo fatto alcun progresso secondo i loro stessi criteri: non sappiamo come rendere le startup più di successo. Boyle direbbe che se il nostro giardino non ha ancora prodotto erbe o fiori migliori, non c'è scienza in questo. È deludente e confuso. Data la quantità di tempo investito, l'adozione diffusa e il livello intellettuale evidente dietro queste idee, sembra difficile immaginare che non abbiano avuto effetto. Tuttavia, i dati mostrano che in effetti non abbiamo imparato nulla.

Se vogliamo costruire una vera scienza dell'imprenditorialità, dobbiamo capire le cause. Ci sono tre possibilità. Prima, forse queste teorie sono del tutto sbagliate. Seconda, forse queste teorie sono così ovvie che sistematizzarle è privo di significato. Terza, forse una volta che tutti usano le stesse teorie, non portano più alcun vantaggio. Dopotutto, la natura della strategia è fare qualcosa di diverso dai concorrenti.

Forse la teoria stessa è sbagliata.

Se queste teorie sono del tutto sbagliate, allora con la loro diffusione, il tasso di successo delle startup dovrebbe diminuire. I nostri dati mostrano che questo non è il caso per le startup nel complesso, mentre il tasso di fallimento delle aziende supportate da venture capital sembra essere aumentato per altre ragioni. A prescindere dai dati, queste teorie non sembrano essere sbagliate. Parlare con i clienti, condurre esperimenti e iterare continuamente appaiono ovviamente utili. Ma nemmeno le teorie di Galeno apparivano errate agli occhi dei medici del 1600. A meno che non testiamo questi quadri come faremmo con altre ipotesi scientifiche, non potremo saperlo con certezza.

Questo è lo standard che Karl Popper ha stabilito per la scienza in (La logica della scoperta scientifica): una teoria è scientifica se e solo se è in linea di principio falsificabile. Hai teorie, le testi. Se gli esperimenti non supportano le tue teorie, le abbandoni e provi qualcos'altro. Una teoria che non può essere falsificata non è affatto una teoria, ma una forma di fede.

Pochi hanno cercato di applicare questo standard alla ricerca imprenditoriale. Ci sono pochi esperimenti controllati randomizzati, ma spesso mancano di potere statistico e definiscono "efficace" come qualcosa di diverso dal vero successo delle startup. Dato che i venture capital scommettono decine di miliardi di dollari ogni anno, per non parlare degli anni di tempo che i fondatori investono nel provare le loro idee, sembra strano che nessuno si sforzi seriamente di verificare se le tecniche insegnate alle startup siano veramente efficaci.

Ma i predicatori hanno poco incentivo a testare le loro teorie: guadagnano vendendo libri e accumulando influenza. Gli acceleratori di startup guadagnano profitto inviando grandi gruppi di imprenditori attraverso un imbuto di potenza, raccogliendo pochi casi di successo eccezionali. Anche i ricercatori accademici affrontano i propri incentivi distorti: dimostrare che la propria teoria è errata può far perdere loro finanziamenti, senza alcun ritorno compensativo. L'intero settore ha una struttura di ciò che il fisico Richard Feynman ha definito "scientismo del culto delle merci": un edificio che imita la forma della scienza ma non ha sostanza, deducendo regole da aneddoti senza stabilire relazioni causali fondamentali. Solo perché poche startup di successo hanno condotto interviste con i clienti, non significa che la tua startup avrà successo se lo farà.

Tuttavia, a meno che non riconosciamo che le risposte attuali non sono abbastanza buone, non avremo l'incentivo a cercare nuove risposte. Abbiamo bisogno di esperimenti per scoprire cosa è efficace e cosa non lo è. Questo sarà costoso, poiché le startup sono pessimi soggetti di test. È difficile costringere una startup a fare qualcosa o non fare qualcosa (puoi fermare un fondatore dall'iterare, parlare con i clienti o chiedere agli utenti quale design preferiscano?), e quando l'azienda sta lottando per la sopravvivenza, mantenere registri rigorosi è di solito una priorità bassa. Ogni teoria ha anche un sacco di sfumature interne che devono essere testate. In realtà, questi esperimenti potrebbero non essere nemmeno realizzabili. Ma se così fosse, dovremmo ammettere che, per qualsiasi altra teoria che non può essere falsificata, diremmo senza esitazione: non è scienza, è pseudoscienza.

Forse la teoria è troppo ovvia.

In un certo senso, i fondatori non hanno bisogno di apprendere formalmente queste tecniche. Prima che Blank introducesse il "customer development", i fondatori stavano già sviluppando clienti parlando con loro. Allo stesso modo, stavano già costruendo prodotti minimi viabili e iterando su di essi prima che Ries desse un nome a questa pratica. Stavano già progettando prodotti per gli utenti prima che qualcuno parlasse di "design thinking". Le leggi operative del business costringono spesso a queste azioni, e milioni di professionisti hanno reinventato indipendentemente queste pratiche per risolvere i problemi che affrontano ogni giorno. Forse queste teorie sono ovvie, e i predicatori non fanno altro che imbottigliare il vecchio vino in nuove bottiglie.

Questo non è necessariamente un male. Avere una teoria efficace, anche se ovvia, è il primo passo verso una teoria migliore. A differenza di Popper, gli scienziati non abbandonano semplicemente una teoria promettente nel momento in cui viene falsificata; cercano di migliorarla o ampliarla. Questo è stato chiarito con forza dallo storico e filosofo della scienza Thomas Kuhn in (La struttura delle rivoluzioni scientifiche): oltre 60 anni dopo che Newton pubblicò la teoria della gravitazione, le sue previsioni sul moto della Luna erano ancora errate, fino a quando il matematico Alexis Clairaut non si rese conto che si trattava di un problema a tre corpi e lo corresse. Gli standard di Popper ci avrebbero portato ad abbandonare Newton. Ma ciò non è accaduto, perché quella teoria era supportata in modo adeguato in altri ambiti. Kuhn sostiene che gli scienziati siano testardi all'interno di un insieme di credenze, che lui chiama paradigma. Poiché fornisce una struttura che consente agli scienziati di costruire e migliorare su teorie esistenti, non abbandonano facilmente un paradigma, a meno che non sia assolutamente necessario. Il paradigma fornisce una via da seguire.

La ricerca imprenditoriale non ha un paradigma. O meglio, ha troppi paradigmi, nessuno dei quali è sufficientemente convincente da unire l'intero campo. Ciò significa che chi pensa all'imprenditorialità come a una scienza non ha una guida comune per orientarsi su quali problemi valga la pena risolvere, cosa significhi osservare o come migliorare teorie che non sono del tutto corrette. Senza un paradigma, i ricercatori si muovono a tentoni, parlando ognuno per conto proprio. Perché l'imprenditorialità diventi una scienza, è necessario un paradigma dominante: un insieme di idee sufficientemente convincente da organizzare sforzi collettivi attorno a un quadro comune. Questa è una questione più difficile rispetto a una semplice decisione di testare teorie, perché affinché un insieme di idee diventi un paradigma, deve rispondere ad alcune urgenti domande aperte. Non possiamo realizzarlo dal nulla, ma dovremmo incoraggiare più persone a provare.

Forse la teoria si auto-smentisce.

L'economia ci insegna che se stai facendo la stessa cosa di tutti gli altri - vendendo gli stessi prodotti agli stessi clienti, utilizzando gli stessi processi produttivi e gli stessi fornitori - la concorrenza porterà i tuoi profitti verso lo zero. Questo concetto è il fondamento della strategia commerciale, dalla teoria della "riflessività" di George Soros - le credenze dei partecipanti al mercato cambiano il mercato stesso, erodendo i vantaggi che cercano di sfruttare - all'affermazione schumpeteriana di Peter Thiel "la concorrenza è un gioco per perdenti". Michael Porter nel suo (Competitive Strategy) pionieristico ha codificato ciò come la necessità di cercare posizioni di mercato non occupate. Kim, Mauborgne e René M. Boidin nel loro (Blue Ocean Strategy) hanno portato questo concetto ulteriormente avanti, sostenendo che le aziende dovrebbero creare spazi di mercato completamente privi di concorrenza, piuttosto che competere nei settori esistenti.

Tuttavia, se tutti stanno costruendo le loro aziende allo stesso modo, di solito competono direttamente. Se ogni fondatore sta intervistando i clienti, tutti si ridurranno alle stesse risposte. Se ogni team sta rilasciando un prodotto minimo viabile e iterando, tutti itereranno verso lo stesso prodotto finale. Il successo in un mercato competitivo deve essere relativo, il che significa che le pratiche efficaci devono essere diverse da quelle che tutti gli altri stanno facendo.

L'argomento per assurdo rende tutto ciò evidente: se esistesse un diagramma di flusso che garantisse il successo delle startup, le persone produrrebbero in massa startup di successo tutto il giorno. Sarebbe una macchina da soldi perpetua. Ma in un ambiente competitivo, un così ampio numero di nuove aziende porta a un gran numero di fallimenti. La premessa errata deve essere che un tale diagramma di flusso possa esistere.

C'è un'analogia precisa nella teoria evolutiva. Nel 1973, il biologo evoluzionista Leigh Van Valen propose quella che chiamò l'ipotesi della Regina Rossa: in qualsiasi ecosistema, quando una specie evolve a spese di un'altra, la specie svantaggiata evolverà per compensare questo miglioramento. Questo nome deriva da (Alice nel Paese delle Meraviglie) di Lewis Carroll, dove la Regina Rossa dice ad Alice: "Devi correre il più veloce possibile per rimanere nello stesso posto." Le specie devono costantemente innovare con molte strategie diverse per sopravvivere all'innovazione dei concorrenti.

Allo stesso modo, quando nuovi approcci imprenditoriali vengono rapidamente adottati da tutti, nessuno ottiene un vantaggio relativo e il tasso di successo rimane piatto. Per vincere, le startup devono sviluppare strategie di differenziazione innovative e costruire barriere alla copia sostenibili prima che i concorrenti possano raggiungerle. Questo spesso implica che le strategie vincenti siano interne (e non trovate in pubblicazioni pubbliche leggibili da chiunque) o così uniche che nessuno penserebbe di copiarle.

Questo suona come una cosa molto difficile da stabilire scientificamente...