Prueba tu idea redactada por IA con personas reales en ChatGPT antes de construirla
Un fundador preingresos puede hacer una primera validación con personas reales de un concepto redactado por IA desde un cliente de IA, pero debe probar la suposición más arriesgada, no demostrar la disposición a pagar.
Tienes un concepto redactado por IA, un prototipo básico y ningún ingreso. El siguiente paso es una pequeña validación con personas reales que puede detener la idea antes de que pierdas semanas construyéndola.
Si le pides a un cliente de IA que valide una idea de startup, te entregará un plan. Lo que falta es una persona real: evidencia antes de construir, no halagos.
Ejecuta la validación desde tu cliente de IA
El 24 de septiembre de 2026, UserTesting anunció que sus servidores de Model Context Protocol para las plataformas UserTesting y User Interviews están disponibles.
Los nuevos servidores MCP de UserTesting y User Interviews están en Early Access y permiten a los equipos encontrar participantes, configurar estudios y validar conceptos creados por IA dentro de ChatGPT, Claude, Figma Make, Gemini y otras aplicaciones compatibles con Model Context Protocol, respaldados por una base de más de siete millones de personas en 34 países.
La integración MCP de User Interviews funciona con cualquier herramienta de IA que soporte Model Context Protocol, incluyendo Claude, ChatGPT y Cursor.
Funciona como un proceso completo de investigación donde un asistente de IA configura proyectos, recluta participantes y muestra datos de sesiones.
En User Interviews, la gestión de proyectos, la configuración de equipos y las herramientas de análisis siguen estando disponibles solo en la aplicación, no a través de MCP.
La integración MCP de User Interviews no utiliza datos de clientes para entrenar modelos de IA de terceros y emplea autenticación OAuth vinculada a los permisos existentes de la organización.
Para un fundador preingresos, el movimiento útil es tratar los servidores MCP como una herramienta de validación de clientes. Puedes hablar con clientes potenciales antes de construir un producto o contratar un equipo de investigación. El cliente de IA se encarga de la configuración, y los participantes reales aportan la evidencia.
- Nombra la suposición más arriesgada.
- Define criterios de éxito/fallo antes de reclutar.
- Elige una prueba de usabilidad o una entrevista.
- Ejecuta el estudio MCP desde ChatGPT o Claude.
- Revisa las sesiones en busca de evidencia.
- Registra lo que no responde, especialmente la disposición a pagar.
Prueba la suposición más arriesgada antes de construir
Nombra la suposición más arriesgada en una sola frase: una persona de tu grupo objetivo usará esto por un dolor específico, no porque la idea suene inteligente. Di ese dolor con claridad, o no estás listo para probar.
Supongamos que tienes una herramienta que ayuda a las personas a programar llamadas. La suposición más arriesgada puede ser que profesionales ocupados la dejen gestionar su calendario. Cuando el riesgo real es si confían en ella con su tiempo, prueba eso, no la pantalla de onboarding.
Define criterios de éxito/fallo antes de reclutar. Decide qué evidencia te haría detener, pivotar o continuar. Un umbral útil es conductual: la suposición sobrevive si un participante completa la acción central sin tu ayuda, y falla si requiere una explicación larga. Escríbelo donde lo verás después de las sesiones. Fija el umbral escrito y el plan hasta la primera sesión.
Elige el formato que se ajuste al riesgo. Una prueba de usabilidad conviene para una acción central poco clara. Una entrevista conviene para un problema que aún no has nombrado. Elige un formato claro antes de reclutar: entrevistas para ese problema inicial, pruebas de usabilidad para un flujo básico que necesita un punto de quiebre. Mantén la conversación enfocada; una mezcla larga y difusa de formatos ensuciará la evidencia.
Ejecuta un estudio de usuario desde el cliente de IA. Pídele que reclute usuarios de prueba, cree el estudio y muestre datos de sesiones. Mantén la tarea pequeña: una sola acción central, un perfil de participante claro y una pregunta clara. Quieres un plan de estudio, no una conclusión ni una presentación. Empieza con un estudio, no con un programa de investigación.
Trata el interés cortés como una señal, no como prueba de demanda. La gente será amable con un fundador, y esa amabilidad no es evidencia de compra. El entusiasmo vago no es suficiente; sigue buscando.
Convierte las sesiones en un registro honesto
Escucha lo que la gente hace, no lo que dice que podría hacer. Anota dónde dudan, piden aclaración o abandonan la tarea. Un clip corto de confusión es más útil que un elogio largo.
Mantén las notas vinculadas a la suposición. Una nota útil es que el participante dudó en el paso de permisos. Una nota menos útil es que parecía entusiasmado. Señala el momento, o descarta la nota.
Registra lo que la prueba no responde. Una sesión corta puede mostrar confusión o interés. No puede demostrar disposición a pagar, precios ni retención a largo plazo. Coloca esa limitación junto al resultado para que tu próxima decisión se mantenga honesta.
Coloca el resultado en un registro simple: suposición, evidencia, decisión y lo que sigue siendo desconocido. Ese registro es el artefacto que mostrarás a un futuro cofundador, inversor o a tu yo futuro cuando la idea empiece a sonar mejor que la evidencia.