3 de noviembre de 2026Actualizado el Fathy Shalaby15 min de lectura
Customer discovery para ingenieros: un flujo de trabajo semanal ligero
Un flujo de customer discovery en siete pasos para product engineers: la decisión de la que partes, las preguntas que haces, cuántas conversaciones necesitas y cómo convertir lo que oyes en una incidencia que se pueda construir.
La customer discovery para ingenieros es el hábito de aprender sobre el problema y el contexto de un usuario antes de construir: preguntas a usuarios reales qué hicieron hace poco, separas lo que hicieron de lo que tú supones y pruebas el cambio más pequeño que podría demostrar que te equivocas. No significa convertirte en investigador a tiempo completo. Un product engineer puede hacerla en unos 30 minutos a la semana, junto con el sprint.
Cuando un equipo puede sacar un prototipo en una tarde, el recurso escaso muchas veces ya no es el código. Es la confianza en que el problema importa, en que el cambio encaja en el flujo de trabajo del usuario y en que el equipo sabrá si ayudó. El objetivo no es recopilar opiniones. Es reunir pruebas suficientes para tomar mejor una decisión concreta.
Ideas clave
El primer principio del customer development según Steve Blank: «There are no facts inside the building so get the heck outside» (Blank, 2009).
La mayoría de las funcionalidades de software fallan: los datos de uso de Pendo de 2019 mostraron que el 80 % de las funcionalidades se usan poco o nada, mientras que el 12 % genera el 80 % del uso diario (Pendo, 2019).
El handbook de PostHog incluye entre los rasgos de un mal product engineer tratar la investigación como «two weeks rather than two hours» (PostHog).
Habla de la vida del cliente en lugar de tu idea, y pregunta por hechos concretos del pasado en lugar de intenciones futuras: dos de las tres reglas de The Mom Test, de Rob Fitzpatrick (Unusual Ventures, 2024).
Un puñado de conversaciones descubre los pasos confusos y causas plausibles. No te dice cuán común es un problema; para eso usa analítica.
¿Qué es la customer discovery y por qué deberían hacerla los ingenieros?
La customer discovery es la parte del método de customer development de Steve Blank en la que pruebas con personas reales lo que crees sobre el problema de un cliente, antes de comprometerte con una solución. Blank plantea tres principios: dentro del edificio no hay hechos, solo tienes hipótesis sin probar, y esas hipótesis se prueban con experimentos con clientes potenciales. El orden importa. Primero hay que validar el problema y después si la solución lo resuelve ().
Blank escribía para fundadores de startups. El argumento para los ingenieros es la pérdida de información. La guía de PostHog para ingenieros sostiene que, cuando otra persona habla con los usuarios y lo convierte en tickets, los ingenieros reciben una versión higienizada de la verdad, filtrada por los sesgos de esa persona. Compara las entrevistas con usuarios con las pruebas automatizadas: una inversión a corto plazo que acelera la iteración porque te dice pronto si lo que construiste funciona (PostHog, 2024).
También hay un argumento de coste. Si el 80 % de las funcionalidades se usan poco o nada, como encontró Pendo en 2019 en los productos de sus clientes, el código más barato es el que aprendes a no escribir. Nuestro artículo sobre qué es un product engineer explica dónde encaja esto en el puesto.
¿En qué se diferencia la customer discovery de las pruebas de usabilidad o de la analítica?
Cada método responde a una pregunta distinta. La customer discovery para ingenieros se refiere sobre todo a la primera fila:
Método
Pregunta a la que responde
Qué obtienes
Esfuerzo habitual
Qué no te puede decir
Entrevista de customer discovery
¿Es real este problema y cómo lo resuelve la gente ahora?
Flujos de trabajo, soluciones alternativas, lenguaje, causas
20–60 min por conversación
Cuán común es el problema
Prueba de usabilidad
¿Puede la gente usar este diseño para completar una tarea?
Dónde la gente duda, malinterpreta o falla
5 usuarios encuentran cerca del 85 % de los problemas (NN/g, 2000)
Si valía la pena resolver el problema
Analítica de producto
¿Qué hace la gente y con qué frecuencia?
Funnels, abandonos, uso de funcionalidades
Minutos, una vez que existen los eventos
Por qué lo hacen
Rotación de soporte
¿Dónde falla hoy el producto para usuarios reales?
Bugs, confusión, solicitudes de funcionalidades
Unas horas por semana
Qué hacen los usuarios fuera de tu producto
Los métodos funcionan mejor juntos. La guía de GOV.UK sobre discovery enumera el análisis de analítica y registros de soporte junto con las entrevistas y la observación, para que llegues a cada conversación con una mejor pregunta (GOV.UK).
¿Cómo haces customer discovery como ingeniero, paso a paso?
Siete pasos. Los dos primeros llevan diez minutos y deciden si el resto será útil.
1. Empieza con una decisión que podrías cambiar
Antes de programar entrevistas, escribe la decisión que el equipo intenta tomar. Por ejemplo:
¿Deberíamos construir un flujo de edición masiva para este flujo de trabajo?
¿Qué paso del onboarding simplificamos primero?
¿Esta solicitud se debe a una funcionalidad que falta o a una configuración confusa?
¿Debería ser una funcionalidad del producto, un flujo de soporte o un servicio puntual?
Una buena pregunta de discovery tiene una posible respuesta que cambiaría lo que el equipo construye, mide o deja fuera a propósito. Si todas las respuestas llevan a la misma implementación, la pregunta de investigación es demasiado amplia.
Escribe la suposición actual junto a la decisión. Que sea sencilla: «Creemos que los equipos pequeños de soporte pierden tiempo porque copian el contexto del cliente entre herramientas». Así pruebas la suposición en lugar de pedir a los usuarios que aprueben la funcionalidad propuesta.
2. Elige un grupo acotado y una situación reciente
«Usuarios» suele ser demasiado amplio para una primera conversación útil. Elige personas que compartan un rol, un flujo de trabajo o una restricción relevantes y pregúntales por una ocasión reciente del problema, no por un futuro hipotético.
Rara vez necesitas contacto en frío. PostHog sugiere tres fuentes cuando ya tienes usuarios: la analítica para encontrar usuarios avanzados de funcionalidades relacionadas, ventas o customer success para clientes interesados, y soporte para quienes hacen preguntas o piden funcionalidades (PostHog, 2024). Mantén la petición pequeña. Teresa Torres recomienda pedir unos 20 minutos y decir exactamente cómo vas a usar ese tiempo (Product Talk).
En cada conversación, anota por qué esa persona pertenece al grupo. Si las personas tienen trabajos o casos de uso muy distintos, mantén sus pruebas separadas en lugar de promediarlas en un usuario ficticio.
3. Pregunta por lo que pasó, no por lo que podrían hacer
Las personas suelen intentar ser amables cuando responden preguntas hipotéticas. Esa amabilidad puede hacer que una idea débil suene más fuerte de lo que es. Rob Fitzpatrick, un programador al que empujaron a un puesto de cara al cliente en su primera empresa (The Mom Test), lo convirtió en tres reglas: habla de la vida del cliente en lugar de tu idea, pregunta por detalles concretos del pasado y habla menos y escucha más (Unusual Ventures, 2024).
Prueba con preguntas como estas:
«Cuéntame la última vez que necesitaste hacer esto.»
«¿Qué desencadenó la tarea y qué hiciste después?»
«¿Dónde te atascaste o cambiaste de herramienta?»
«¿Qué solución alternativa usaste?»
«¿Qué pasó porque tardó más o no funcionó?»
«¿Has intentado resolverlo de otra manera? ¿Qué pasó?»
«¿Quién más participó en la decisión?»
Evita empezar con «¿Usarías una funcionalidad que…?» o «¿Te gusta este prototipo?». Si enseñas un prototipo, primero aprende el flujo de trabajo actual. Luego pide a la persona que pruebe una tarea realista mientras observas dónde duda, qué ignora y qué espera que ocurra. Nuestra plantilla de entrevista con clientes incluye un guion completo.
4. Mantén separadas las observaciones y la interpretación
Después de la conversación, anota tres cosas distintas:
Registro
Ejemplo
Observación
El ingeniero copió un ID de cuenta del ticket a una segunda herramienta antes de reproducir el problema.
Interpretación
Puede que el traspaso entre soporte e ingeniería esté perdiendo contexto.
Pregunta abierta
¿Ocurre con la frecuencia suficiente para justificar un panel de contexto compartido?
Esta separación importa. «Los usuarios necesitan un dashboard» es una solución propuesta, no una observación. Conserva las palabras reales de la persona cuando sean útiles y vincula cada conclusión con la nota, la llamada, el ticket o el artefacto que la respalda.
No conviertas una entrevista vívida en un compromiso de roadmap. Busca patrones repetidos en el grupo relevante y mantén visibles los contraejemplos. Si las pruebas son mixtas, es una razón para hacer una prueba más pequeña, no para esconder la incertidumbre. Nuestra guía sobre cómo analizar entrevistas con clientes cubre la síntesis de varias conversaciones.
5. Prueba el cambio más pequeño del que puedas aprender algo
La primera prueba no siempre necesita código de producción. Según el riesgo, el equipo podría:
cambiar una etiqueta o un valor por defecto y observar la finalización de la tarea;
hacer a mano un paso para unos pocos usuarios antes de automatizarlo;
mostrar un prototipo clicable en un escenario realista;
añadir un flujo de acceso anticipado claramente descrito;
instrumentar un flujo existente para ver dónde se detienen los usuarios.
Sé honesto sobre lo que hace la prueba. Una pantalla simulada puede comprobar si un flujo tiene sentido; no puede demostrar que el servicio subyacente sea fiable. Un registro es evidencia de interés, no prueba de valor repetido. Elige una prueba que corresponda a la incertidumbre que quieres reducir.
Antes de ejecutarla, nombra un resultado y una salvaguarda. «Más usuarios invitados completan la configuración» es un resultado; «las solicitudes a soporte no aumentan» puede ser una salvaguarda. Define la medida exacta antes de mirar los resultados.
6. Convierte lo aprendido en una incidencia que se pueda construir
Una buena entrega de discovery da a ingeniería el contexto suficiente para tomar una buena decisión de implementación sin fingir que todas las preguntas están respondidas. Incluye:
Usuario y situación: quién se encuentra con el problema y cuándo.
Pruebas: qué hicieron, dijeron o intentaron, con enlaces a la fuente.
Planteamiento del problema: el obstáculo en el flujo de trabajo del usuario, sin prescribir la interfaz.
Resultado deseado: qué debería volverse más fácil o más seguro.
No objetivos: qué no intentará resolver este cambio.
Criterios de aceptación: comportamiento observable que se pueda comprobar.
Preguntas abiertas: incertidumbres que podrían afectar al alcance.
Medida de éxito y salvaguarda: qué revisará el equipo después del lanzamiento.
Puede ser una incidencia breve para un cambio reversible, o un documento de requisitos de producto más completo cuando el trabajo tiene más dependencias, riesgo o coordinación.
7. Usa la IA para organizar las pruebas, no para inventarlas
Las herramientas de IA pueden agrupar notas de entrevistas, encontrar frases repetidas, redactar un primer resumen o convertir un planteamiento del problema verificado en opciones de criterios de aceptación. Mantén adjunto el material de origen. Revisa cada patrón que se afirme contra las notas originales y corrige los resúmenes que mezclen a personas distintas o den más certeza de la que dieron las entrevistas.
No le pidas a un modelo que fabrique citas de clientes, rellene huecos con un persona verosímil o decida qué segmento importa. El equipo sigue siendo responsable del criterio de producto. Un resumen generado es un mapa de las pruebas, no una prueba nueva; nuestra guía sobre la síntesis de investigación con IA muestra cómo comprobar uno.
¿Qué preguntas deberían hacer los ingenieros en una entrevista de customer discovery?
PostHog divide las entrevistas dirigidas por ingenieros en dos tipos: exploración del problema, que orienta qué construir a continuación, y validación de la solución, que funciona cuando alguien usa tu funcionalidad o ve una demo (PostHog, 2024). Usa esta tabla para que cada pregunta sea honesta:
Objetivo
Pregunta
Evita
Encontrar el flujo de trabajo real
«¿Puedes contarme cómo lo resolviste la última vez?»
«¿Cómo sueles hacer esto?»
Encontrar el coste
«¿Qué pasó porque tardó más?»
«¿Es un gran problema para ti?»
Encontrar el esfuerzo existente
«¿Qué has probado ya? ¿Cuánto costó?»
«¿Pagarías por una solución?»
Encontrar la frecuencia
«¿Cuándo fue la última vez? ¿Y antes de esa?»
«¿Con qué frecuencia pasa esto?» (las respuestas tienden a inflarse)
Validar una solución
«¿Puedes enseñarme cómo lo estás usando ahora?»
«¿Te gusta?»
Profundizar
«¿Qué quieres decir con eso?» «¿Por qué es importante?»
Explicar tu producto en plena entrevista
Haz una pregunta cada vez. Cuando un usuario proponga una solución, pregunta qué problema le resolvería y luego explora ese problema.
¿Cuántas entrevistas de customer discovery necesitas?
Depende de lo que vayas a decidir. Hay tres referencias y miden cosas distintas:
Encontrar un modelo de negocio: las clases universitarias de Blank exigen que los equipos hablen con 100 clientes o beneficiarios en 10 semanas (Blank, 2020). Eso es para equipos que buscan un negocio entero, no para ajustar una funcionalidad.
Elegir dónde enfocarse dentro de un producto: PostHog dice que un puñado de entrevistas puede ser todo lo que necesitas, sin una muestra estadísticamente significativa (PostHog, 2024).
Encontrar problemas de usabilidad en un diseño: el análisis de Jakob Nielsen de 2000 concluyó que 5 usuarios descubren cerca del 85 % de los problemas de usabilidad, y recomienda 3 rondas de 5 en lugar de 1 ronda de 15 (NN/g, 2000). Esa cifra es para pruebas de usabilidad, no para entrevistas sobre el problema.
En un producto en marcha, la cadencia importa más que el tamaño del lote. Teresa Torres recomienda que la mayoría de los equipos de producto entrevisten al menos a un cliente cada semana (Product Talk), y Blank defiende integrar la customer discovery continua en el ADN de la empresa (Blank, 2014). Nuestra guía sobre la continuous discovery explica cómo mantener el hábito.
La duración de la entrevista importa menos que el enfoque. GOV.UK dice que las entrevistas en profundidad van de 30 minutos a 2 horas (GOV.UK); para una sola decisión de producto, suelen bastar de 20 a 30 minutos sobre una historia reciente.
¿Cómo es un ciclo semanal de discovery de 30 minutos?
Para un equipo pequeño de product engineering, una cadencia ligera puede ser así:
Cinco minutos: elegir una decisión y enunciar la suposición actual.
Diez minutos: revisar una o dos conversaciones con clientes, tickets o grabaciones de sesiones recientes.
Diez minutos: separar observaciones, interpretaciones y preguntas abiertas.
Cinco minutos: elegir la prueba más pequeña siguiente y asignar un responsable.
Si las pruebas no respaldan un cambio, registra eso también. «Lo comprobamos y todavía no lo sabemos» es más útil que convertir en silencio una suposición en alcance.
Ejemplo práctico: una solicitud de edición masiva
Este ejemplo es ilustrativo. Supongamos que un equipo de cuatro ingenieros registra 12 solicitudes de edición masiva en un trimestre. En lugar de construir una pantalla de edición masiva de tres semanas, un ingeniero dedica dos semanas a hablar con 5 de los solicitantes, 20 minutos cada uno: unos 100 minutos de llamadas.
Cuatro de los 5 describen la misma solución alternativa: exportar a CSV, editar en una hoja de cálculo y reimportar, aproximadamente 25 minutos por semana cada uno. Su verdadero dolor es que la reimportación falla por una sola fila defectuosa y empiezan de cero. El quinto quiere edición masiva para una tarea de permisos sin relación, así que esa prueba queda aparte.
El equipo lanza en 3 días errores de importación a nivel de fila tras un feature flag. Resultado: la proporción de intentos de importación que terminan sin reiniciar. Salvaguarda: los tickets de soporte relacionados con la importación no suben. La pantalla de edición masiva se queda en el backlog, con las 5 conversaciones enlazadas como pruebas para quien la reabra.
¿Cuándo no ayuda la customer discovery?
La discovery no siempre es la forma más barata de aprender. El propio handbook de PostHog es tajante: sus fundadores pivotaron 5 veces a pesar de recibir comentarios positivos sobre las ideas nuevas casi siempre, y sostiene que lanzar directamente suele ser la mejor forma de validar una idea (PostHog).
Lanza primero y habla después cuando:
el cambio es pequeño, reversible y puede ir tras un feature flag;
el problema está bien definido, como un bug reproducible;
puedes medir el uso directamente tras el lanzamiento.
Habla primero cuando el cambio sea caro, difícil de revertir, toque datos o facturación, o cuando todavía no sepas quién es el usuario. En ambos casos, haz un seguimiento tras el lanzamiento para ver si se usa y por qué.
La discovery también falla cuando recoge la señal equivocada. Los cumplidos, las listas de deseos y los «seguro que lo usaría» son baratos. La lección de Blank en su propia carrera: incluso una opinión inteligente es solo una suposición hasta que alguien fuera del edificio la confirma (Blank, 2009).
Errores comunes en la customer discovery para ingenieros
Vender en lugar de escuchar. Si te pasas la llamada explicando tu arquitectura, no aprendes nada de la suya.
Entrevistar a quien sea más fácil de alcanzar. Los compañeros y los usuarios avanzados amistosos son útiles, pero no son todo tu mercado.
Anotar la solución, no el problema. «Necesita una API» es una suposición; «copia 40 filas a mano cada lunes» es una prueba.
Tratar el número de solicitudes como demanda. Doce solicitudes pueden esconder tres problemas distintos.
Saltarse el seguimiento. Si nadie comprueba si el cambio lanzado funcionó, el ciclo nunca se cierra.
Dónde encaja Specky
Specky incorpora llamadas con clientes, feedback, Slack, Jira y analítica a un Product Graph y luego redacta specs y tickets con citas en línea a las pruebas, de modo que la incidencia del paso 6 enlaza con las conversaciones que la respaldan. Su servidor MCP da a los agentes de código el mismo contexto de producto. Para ver cómo encaja con el rol de PM técnico o product engineer, consulta product management para PM técnicos.
Preguntas frecuentes
¿Qué es la customer discovery, en pocas palabras?
La customer discovery consiste en hablar con clientes reales o potenciales para comprobar si existe el problema que planeas resolver, cómo lo gestionan hoy y si importa lo bastante como para cambiar. Viene del método de customer development de Steve Blank. Pruebas primero el problema y luego la solución, y tratas como hipótesis todo lo que creías antes de esas conversaciones.
¿Deberían los ingenieros hablar con los clientes o dejárselo a los product managers?
Ambos. Un PM o un fundador puede ser dueño del plan de investigación, pero los ingenieros que se unen a las llamadas oyen contexto que los tickets pierden y pueden preguntar por restricciones que solo ellos entienden. PostHog sostiene que los ingenieros que solo reciben tickets obtienen una versión filtrada de la verdad. Empieza uniéndote a una llamada por semana o asumiendo una rotación de soporte.
¿Cuál es la diferencia entre customer discovery y product discovery?
La customer discovery se centra en el cliente y el problema: quién lo tiene, cómo lo resuelve hoy y cuánto le cuesta. La product discovery es más amplia e incluye probar soluciones en cuanto a usabilidad, viabilidad técnica y viabilidad de negocio antes de la entrega. Para un fundador en solitario se solapan casi por completo. La guía del proceso de product discovery cubre la secuencia más amplia.
¿Cuánto debe durar una entrevista de customer discovery?
Entre veinte y treinta minutos bastan para una historia reciente sobre un problema. La guía de GOV.UK sitúa las entrevistas en profundidad entre 30 minutos y 2 horas; las sesiones más largas dan más detalle, pero son más difíciles de conseguir. Teresa Torres sugiere pedir a los participantes unos 20 minutos, lo que facilita que clientes ocupados digan que sí.
¿Puede la IA realizar entrevistas de customer discovery?
La IA puede transcribir, resumir y, con herramientas pensadas para ello, realizar entrevistas estructuradas. No puede decidir qué problema importa, notar lo que un cliente evitó decir ni responsabilizarse de la decisión de producto. Trata la salida de la IA como un primer borrador, comprueba las citas contra la fuente y deja a una persona responsable de interpretar lo que los clientes quisieron decir.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing