La variable oculta
En 1935, Einstein publicó un paper argumentando que la mecánica cuántica estaba incompleta. Decía que tenía que haber “variables ocultas” que explicaran el comportamiento aparentemente aleatorio de las partículas. Le tomó 30 años a John Bell demostrar que Einstein estaba equivocado: no hay variables ocultas. La aleatoriedad es real.
En ventas B2B pasa lo contrario. Todo el mundo acepta que el revenue es medio aleatorio (“es un juego de números”, “some deals just don’t close”) cuando en realidad sí hay variables ocultas. Están ahí, medibles, esperando que alguien se tome el trabajo de aislarlas.
Yo me dedico a eso.
Me llamo Nicolas Calderon. Soy físico cuántico de formación, cofundador de una agencia B2B, e investigador independiente en la intersección entre modelos de lenguaje y teoría de la información. Y la tesis que quiero compartir en este post es simple: el método científico no es solo el mejor framework para entender la naturaleza. Es el mejor framework para generar revenue.
El cruce de mundos
No dejé la física. La física me dejó a mí el aparato mental que uso todos los días para todo lo demás.
Pasé años midiendo sistemas que no puedes observar sin alterarlos, formulando hipótesis sobre fenómenos que desafían la intuición, diseñando experimentos donde el ruido es parte de la señal. Ese entrenamiento te deja algo que ningún bootcamp de growth puede darte: tolerancia a la incertidumbre y una obsesión metódica por distinguir lo que sabes de lo que crees que sabes.
Cuando empecé a trabajar en revenue B2B, noté algo que me resultaba familiar. Los equipos de ventas operan con creencias disfrazadas de estrategia. “Nuestro ICP son empresas de más de 50 empleados en SaaS.” ¿Por qué? “Porque ahí hemos vendido antes.” Eso no es un ICP. Eso es un sesgo de supervivencia.
En un laboratorio, eso se llama cherry-picking de datos. Y te rechazan el paper.
Hipótesis, no suposiciones
El método científico tiene cuatro pasos que cualquiera puede recitar y casi nadie aplica con disciplina: hipótesis, experimento, datos, iteración.
La diferencia entre una suposición y una hipótesis es falsabilidad. “Nuestro ICP son CMOs en empresas de e-commerce de más de 100 empleados” es una suposición. “Si enviamos una secuencia de 3 emails con un hook de micro-evento a CMOs de e-commerce entre 100 y 500 empleados, obtendremos un reply rate superior al 10% en 14 días” es una hipótesis. La primera te hace sentir seguro. La segunda te expone a estar equivocado. Y ahí es donde vive el aprendizaje.
En 3Pi, la agencia B2B que cofundé, cada campaña de outbound es un experimento. No en el sentido casual de “vamos a probar algo”. En el sentido de: hay una hipótesis escrita, hay variables controladas, hay una métrica de éxito definida antes de enviar el primer email, y hay un protocolo para interpretar los resultados que no depende de si nos gustó el outcome.
Cuando un experimento falla (y fallan seguido), no cambiamos la estrategia. Actualizamos la hipótesis. La diferencia parece semántica pero es operacional: cambiar la estrategia es un reset emocional. Actualizar la hipótesis es un paso más en un proceso acumulativo.
El laboratorio del outbound
Te doy un ejemplo concreto. Nuestra hipótesis activa en este momento es que un micro-evento virtual como gancho de outbound aumenta el reply rate comparado con pedir una reunión directa. La lógica: un evento gratuito de valor baja la barrera de entrada. No estás pidiendo tiempo, estás ofreciendo algo.
Es una hipótesis elegante. Pero elegante no significa correcta.
Para testearla, la estructura es la misma que usaría en un lab. Grupo de control: secuencias con CTA directo a reunión. Grupo experimental: secuencias con CTA a micro-evento. Misma vertical, mismo tamaño de empresa, misma cantidad de prospectos. Las variables que controlamos: copy, timing de envío, warm-up de dominios, deliverability. La métrica primaria: reply rate. Métricas secundarias: open rate, meetings booked, pipeline generado.
No es rocket science. Es ciencia regular aplicada con disciplina a un problema que la mayoría trata como arte.
Y esa es la trampa cognitiva más grande del revenue: la gente talentosa piensa que las ventas son un arte. Que hay un instinto, un don, un sexto sentido. Puede ser. Pero el instinto sin datos es superstición con buena autoestima.
Lo que ves cuando vienes de otro lado
Cuando tu formación es medir entrelazamiento cuántico en matrices de densidad, mirar una tabla de métricas de outbound es casi reconfortante. Los datos son ruidosos, sí. Pero son medibles. Puedes calcular significancia estadística. Puedes identificar confounders. Puedes diseñar controles.
Lo que la formación en física te da no es un superpoder misterioso. Es una cosa muy específica: la capacidad de no engañarte a ti mismo. Feynman lo dijo mejor que nadie: “The first principle is that you must not fool yourself, and you are the easiest person to fool.”
En revenue, la gente se engaña constantemente. Un deal se cierra y retroactivamente construyes la narrativa de por qué tu proceso funcionó. Tres deals se pierden y “el mercado está difícil”. Eso es razonamiento motivado. En un laboratorio, te entrenas para detectarlo en ti mismo antes de que contamine tus conclusiones.
Esa disciplina epistémica es lo más valioso que traje de la física al mundo del revenue. No es un framework. No es una metodología con nombre propio. Es un hábito mental: antes de celebrar o lamentar un resultado, pregúntate si tu diseño experimental realmente permite concluir lo que estás concluyendo.
El mismo problema en diferentes dominios
La gente asume que física cuántica, inteligencia artificial y revenue B2B son campos desconectados. Para mí son el mismo problema visto desde tres ángulos: ¿cómo funciona este sistema y cómo lo comprimo en algo que puedo entender y manipular?
En mi investigación independiente, trabajo en algo llamado la Entropy-Compression Law. En términos simples: descubrí que la entropía de von Neumann (una medida de entrelazamiento que viene de la mecánica cuántica) predice cuánto puedes comprimir los pesos de un modelo de lenguaje. Un LLM como GPT-2, tratado como objeto físico, sigue leyes cuantificables de compresibilidad. R cuadrado de 0.90. Validado en 408 matrices, tres modelos distintos. Todo corriendo en un M1, sin cluster de GPUs.
¿Qué tiene que ver esto con ventas? Más de lo que parece. El core de esa investigación es aprender a medir la complejidad interna de un sistema para saber dónde se puede simplificar sin perder lo esencial. Eso es exactamente lo que haces cuando diseñas un proceso de revenue: tienes un sistema complejo (mercado, prospectos, canales, mensajes, timing) y necesitas encontrar las variables que capturan la mayor parte de la varianza con la menor cantidad de recursos.
La entropía de un weight matrix y el reply rate de una campaña de outbound son, en cierto sentido, la misma pregunta: ¿cuánta información está concentrada en qué partes del sistema?
Los agentes como instrumentos de laboratorio
Otra pieza de este rompecabezas es Claude Offices, un framework open-source que construí para crear equipos de agentes de AI especializados. Cada agente tiene lo que llamo un “Soul”: una identidad persistente modelada sobre un experto real del dominio. Un agente de copywriting no “escribe copy”. Opera como David Ogilvy aplicando principios específicos de persuasión con claim verification. Un agente de traducción no “traduce”. Opera como Eugene Nida aplicando teoría de equivalencia dinámica.
El framework fuerza un pipeline de 2 rondas: producción y crítica. Ningún entregable sale sin que los agentes se critiquen mutuamente y reescriban basándose en la crítica. Es peer review automatizado.
¿De dónde salió esa idea? Del proceso de publicación científica. Escribes un paper, lo sometes a revisión de pares, recibes críticas, reescribes, vuelves a someter. Es un proceso que existe porque los humanos somos malos juzgando nuestro propio trabajo. Los agentes tienen el mismo problema. Un LLM que genera y evalúa su propio output sin fricción externa produce texto que suena bien pero no resiste escrutinio. La estructura de crítica cruzada es un transplante directo del método científico a la ingeniería de agentes.
Y después uso esos mismos agentes para operar el outbound de 3Pi. La oficina de copywriting genera los emails. La oficina de outbound-ops organiza las campañas semanales. El laboratorio construye los instrumentos, y los instrumentos operan el laboratorio. Es un loop que se retroalimenta.
El blog como transferencia de conocimiento
También escribo un blog de física cuántica en español. Se llama ALEPH (por el Borges, no por el hebreo). Son 36 capítulos que van desde la doble rendija hasta criptografía cuántica. Cada uno revisado con un agente editorial que aplica el estilo Feynman: si no puedes explicarlo simple, no lo entiendes.
¿Por qué un físico que hace revenue dedica cientos de horas a enseñar mecánica cuántica gratis en internet?
Porque enseñar es la forma más honesta de auditar tu propio entendimiento. Si no puedo explicar el principio de incertidumbre a alguien sin formación en física, entonces no lo entiendo lo suficiente. Y si no entiendo las herramientas conceptuales que uso para pensar sobre el revenue, entonces estoy operando con un framework que no domino.
El blog no es un hobby que vive al lado de mi trabajo en B2B. Es el mantenimiento de la máquina que genera las ideas.
La tesis
No soy un marketer que sabe de ciencia. No soy un científico que hace marketing. Soy alguien que descubrió que la misma disciplina intelectual sirve para publicar un paper sobre la geometría interna de un transformer y para diseñar una campaña de cold email que convierte.
La pregunta siempre es la misma: ¿qué creo que es verdad, cómo puedo diseñar un experimento que me demuestre si estoy equivocado, y qué hago con la respuesta?
El revenue no necesita más “best practices”. Best practices son la versión corporativa de “así siempre se ha hecho”. Lo que necesita son hipótesis, experimentos controlados, y la honestidad intelectual de abandonar una idea cuando los datos dicen que no funciona.
Eso es lo que hago. Es lo que construyo. Y la evidencia, hasta ahora, no lo ha falsificado.
Si esto te resuena
No voy a pedirte que agendes una llamada ni que te suscribas a nada. Pero si eres founder o revenue leader y algo de esto te hizo pensar “yo también sospecho que hay una forma más rigurosa de hacer esto”, me interesa la conversación. Escríbeme. No para venderte algo, sino porque las mejores hipótesis nacen cuando se cruzan perspectivas que normalmente no se encuentran.
La partícula no elige un estado hasta que alguien la observa. Yo tampoco. Gracias por mirar.