En septiembre de 2024, Matthew Gallagher lanzó una startup de telemedicina desde su casa en Los Ángeles. Tenía USD 20.000, cero empleados y más de una docena de herramientas de inteligencia artificial. En su primer año completo, Medvi facturó USD 401 millones, acumuló 250.000 clientes y alcanzó un margen neto del 16,2%. Hoy, con solo dos personas (él y su hermano), la empresa proyecta USD 1.800 millones en 2026.

Para dimensionar el dato, Hims and Hers, una de las empresas de telemedicina más grandes de EE.UU., reportó USD 2.400 millones en ingresos el año pasado con 2.442 empleados y un margen neto del 5,5%. Gallagher está operando con un margen casi tres veces mayor y un equipo de dos.

La historia es llamativa, pero lo interesante no es el número. Es la arquitectura de decisiones que la hizo posible.

No es la herramienta, es el diseño operativo

Gallagher usó ChatGPT, Claude y Grok para escribir código y textos. Midjourney y Runway para crear piezas publicitarias. ElevenLabs para comunicación por voz con clientes. Y construyó agentes de IA conectados entre sí para monitorear el rendimiento del negocio en tiempo real.

Pero la clave no fue la cantidad de herramientas. Fue cómo organizó lo que cada una hacía y, sobre todo, lo que él no iba a hacer.

Gallagher tercerizó todo lo regulado: médicos con licencia, procesamiento de recetas, cumplimiento farmacéutico, logística de envío y compliance legal. Lo delegó a empresas especializadas que ya tenían esa infraestructura resuelta. Lo que retuvo fue el control total sobre la relación con el cliente: marca, sitio web, publicidad, flujo de compra y servicio postventa.

Esa decisión es la que separa a un fundador que usa IA de uno que construye una operación con IA. No se trata de automatizar todo. Se trata de decidir qué automatizar, qué tercerizar y qué mantener bajo tu control directo.

Sistematizar antes de automatizar

La mayoría de las empresas que intentan incorporar agentes de IA cometen un error común: automatizan procesos que nunca definieron bien. Un análisis reciente publicado en Observer, basado en los primeros despliegues reales de IA agéntica en empresas, encontró que el principal cuello de botella no es el modelo de IA. Es la arquitectura de datos y la ausencia de una capa de gobernanza.

En palabras simples: si tus datos están desordenados, tu agente de IA va a amplificar el desorden. Si tu proceso de cobranza no tiene reglas claras antes de automatizarlo, el agente va a cobrar mal más rápido de lo que un humano lo haría.

Gallagher no empezó con IA. Empezó con un diseño claro de quién hace qué. Después conectó las herramientas.

Ese orden importa. Según el mismo análisis de Observer, los despliegues exitosos de IA agéntica reportan retornos promedio del 171%. Pero los que fallan no fallan poco. Fallan porque los errores se acumulan en silencio hasta que ya es caro corregirlos.

Qué puedes aplicar hoy (sin ser un unicornio)

No necesitas facturar mil millones para usar este enfoque. Las decisiones de diseño que hizo Gallagher son las mismas que puede tomar cualquier fundador o líder de operaciones:

  • Dibuja tu operación antes de automatizarla. Haz un mapa simple de quién hace qué en tu empresa. Identifica las tareas que siguen reglas claras y repetibles. Esas son las primeras candidatas para un agente.
  • Separa lo que debes controlar de lo que puedes delegar. Gallagher retuvo la relación con el cliente y tercerizó la operación regulada. En tu caso, tal vez lo que debes retener es la estrategia comercial y lo que puedes delegar es la cobranza, el seguimiento de clientes o la generación de reportes.
  • No automatices lo que no entiendes. Si no puedes explicar paso a paso cómo funciona un proceso, no le pidas a un agente de IA que lo ejecute. Primero documéntalo. Después automatízalo.
  • Empieza con un agente, no con diez. Gallagher empezó con herramientas individuales y fue conectándolas gradualmente. Un agente que gestiona tu cobranza o responde consultas frecuentes de clientes ya genera impacto real. Después escalas.
  • Prepárate para ser el respaldo. El chatbot de servicio al cliente de Medvi inventó precios de medicamentos que no existían. Gallagher tuvo que honrar esos precios y corregir el sistema. Cuando operas con pocos humanos y mucha IA, cada falla te llega directo. Eso no es un defecto del modelo, es una realidad operativa que requiere supervisión.

El modelo no es para todos (y eso está bien)

Analistas que han estudiado el fenómeno del "fundador-unicornio" señalan que este modelo funciona mejor en empresas de software o servicios digitales al consumidor, donde el producto se construye una vez y se actualiza periódicamente. Industrias con producción física, ciclos de venta enterprise o regulación compleja tienen restricciones que la IA aún no resuelve por sí sola.

Pero la lección de fondo aplica a cualquier empresa: la IA no reemplaza la claridad operativa. La amplifica. Si tu operación es clara, ordenada y tiene reglas definidas, un equipo de agentes puede hacer que dos personas operen como veinte. Si tu operación es confusa, la IA te va a mostrar exactamente qué tan confusa es.

El caso Medvi no es un manual para copiar. Es una señal de que las empresas que piensan primero en diseño operativo y después en herramientas son las que realmente capturan el valor de la inteligencia artificial.