“Cómo Transformé mi Empresa Familiar (Sin Que Me Corran)”

Hoy entrevisté a Anuar Chapur, chief product and technology officer de The Palace Company, una de las cadenas hoteleras más grandes de México, con más de 15,000 trabajadores en siete países.

Es una empresa familiar de más de 40 años. Sus hermanos son los dueños. Y cuando decidió que había que cambiar cómo se hacía tecnología, su propia frase resume lo que pasó: si no fuera parte de la familia, lo habrían corrido.

Pasaron de gastar muchos millones al año en proyectos internos que nadie usaba a construir productos que impactan la experiencia de cientos de miles de huéspedes.

Hablamos de por qué desarrollar todo in house fue una locura, de cómo se convence a un CTO ex Booking de mudarse a Mérida, y de qué está pasando cuando 14,000 personas empiezan a construir sus propias soluciones con IA.

Estructura y Highlights Clave

Por Qué las Transformaciones Tardan Tanto

• Su respuesta a qué hizo posible la transformación es una sola palabra: el equipo
• El problema del huevo y la gallina: no puedes transformar una empresa sin el equipo adecuado, porque el resto de la organización no confía en un equipo sin las capacidades. Y ese equipo no quiere entrar a un entorno donde no hay confianza
• Por eso las transformaciones no son un proyecto con inicio y fin. Todos los días pasa algo que parece decir que no se confía en el equipo, y todos los días pasa algo que muestra lo contrario
• Su analogía: es como el juego de Mario. Te caes y retrocedes, pero no al punto inicial, sino a un nivel desde el que se vuelve más fácil

La Conversación con sus Hermanos

• Entró a tecnología hace tres o cuatro años para hacer más rápido lo que ya se creía que había que hacer: un sistema de reservaciones nuevo, una web nueva, una aplicación
• Se metió a cursos de coding y de Scrum, todo del lado del delivery, nada del lado de entender el problema
• Cuando lo que sí salía no daba resultado, las conversaciones cambiaron: dejen de asumir, entendamos el problema en profundidad
• El problema real que descubrieron: querían que los clientes reservaran sin llamar al call center, porque la empresa crecía y el call center de Miami tenía un espacio físico limitado
• Y una aplicación nueva no era la solución. Lo supieron después del research, y terminaron mejorando la página web que ya tenían
• Sus hermanos fueron las últimas personas que logró convencer, y dice que los sigue convenciendo. Les agradece la confianza después de tantas promesas rotas
• El apellido no ayudaba: ellos también se apellidan Chapur
• Lo que destrabó la tensión: dedicarle un día entero de reunión a hablar en profundidad de lo que había pasado, de los pequeños logros y de qué había fallado

Qué Generaba Más Fricción

• Que él no viniera del mundo de la tecnología y por lo tanto pareciera difícil de creer que entendiera qué se puede hacer
• Y que el equipo no tuviera contexto del negocio, lo que hacía parecer que los directores de ventas y operaciones ya sabían lo que el cliente necesitaba
• Su respuesta: efectivamente no diseña la arquitectura ni escribe el software, pero de lo que hablaba era de producto, donde sí tenía contexto de negocio por años en la empresa
• Y el análisis de datos, que hace que las conversaciones dejen de ser opiniones y percepciones
• Su diagnóstico del teléfono descompuesto: los directores sí entienden el negocio, pero lo comunican de una forma y no se escucha como lo quisieron expresar
• Su consejo para alguien en la misma posición: empezar por datos, siempre que sean objetivos y no una historia que alguien quiere contar

Marty Cagan y el Turning Point

• Un amigo le recomendó el podcast de Lenny con Marty Cagan hablando de Inspired
• Su primera reacción fue que eso era para empresas de tecnología, no para hoteleras familiares mexicanas
• Aun así se suscribió a su newsletter, siguió escuchando y leyó el libro. Por ese newsletter se enteró de un workshop en Nueva York sobre Transformed
• Estuvo a punto de cancelarlo. Fue, y ese fue el turning point
• La frase que más le impactó: outcomes sobre outputs
• Su traducción personal: para qué me levantaría a la oficina a terminar una aplicación que nadie usa. Si nadie la usa, no significa nada
• Lo que el taller y el libro le dieron y el podcast no: los fundamentos explicados de forma clara, y entender que son los mismos ya sea el producto físico o digital

Lo que Encontró al Llegar

• La estrategia era desarrollar todo in house, con la idea de eventualmente venderlo como SaaS a otros hoteles
• Eso los llevó a construir su propio CRM, su propio PMS (el sistema core de un hotel), su propio procesador de pagos conectado directo al banco
• Su veredicto: era una locura, porque se dedicaban a hacer cosas que ya existían
• El cambio de chip: contratar lo que existe y no reinventar la rueda. HubSpot para CRM, Opera Cloud para PMS, Adyen para pagos
• Y construir ellos solo lo que es único, lo que va encima de esos sistemas
• Todavía pagan por esos pecados. Siguen cargando cosas que nunca debieron haber hecho, como el reloj checador de entrada del personal
• Cuánto estaban quemando: muchos millones al año, sin contar el costo de oportunidad
• El detalle que lo hace peor: lo que reemplazaban ya había madurado y funcionaba, aunque la pantalla no fuera bonita

El Punto de Quiebre

• Dos proyectos enormes casi al mismo tiempo, con muchas noches de desvelo y mucho compromiso del equipo
• Cuando se liberó, la versión anterior era mejor. Hicieron un esfuerzo extremo para quedar peor
• Era una plataforma de ventas para agencias de viajes, así que todas las agencias se quejaban y afectaba las ventas
• Lo que aprendió: que algo esté bien en Figma, que se apruebe en la empresa y que parezca necesario no significa que sea lo correcto
• Y qué sacó el proyecto adelante: contrataciones clave de gente que entendió el problema en profundidad

De Fábrica de Software a Equipos de Producto

• El cambio no es que los ingenieros tengan más o menos contexto que la gente de negocio, es que conocen lo que se puede hacer con la tecnología
• Y eso importa más que nunca porque se mueve demasiado rápido
• Su argumento sobre por qué son trabajos de tiempo completo: nadie esperaría que quien diseña Instagram además sea manager de otra cosa
• Su ejemplo con diseño: si al diseñador solo le dices que sabe usar Figma y le pasas una pantalla dibujada en una servilleta, no le estás sacando valor
• Su rechazo a los handoffs: implican poca colaboración. Tienen que estar sentados juntos, viendo la pantalla del otro
• Cambió hasta el espacio físico, además de los perfiles de puesto
• Cómo cambió el rol de los líderes: un líder de diseño ya no mete las manos para sacar las cosas, ahora vela porque cada diseñador funcione en su equipo y construye un design system
• El resultado: cambió el 90% del equipo. Mucha gente entró y otra salió, unos por decisión propia y otros no
• Su matiz sobre eso: era la misma silla y la misma oficina, pero la empresa y la forma ya habían cambiado

Contratar en Mérida

• Le tomó dos años encontrar al CTO adecuado, entrevistando semanalmente con headhunter especializado
• Su regla: contratar lento, y no contratar por desesperación
• El componente ético que agrega: si la persona se va a mudar, elegir mal no es solo tu problema. Las dudas se resuelven antes
• Qué convenció a David, su CTO, que venía de Booking y de Ámsterdam: la forma en que piensan que la tecnología puede impactar la experiencia del cliente
• Su punto: es fácil pensar que un hotel solo necesita wifi, licencias y computadoras. Eso es IT y es importante, pero es otra cosa
• Su método con candidatos: ven a conocer Mérida y al equipo, y cuando veamos que fluye hacemos la oferta
• Quiénes se mudan sin problema: gente joven, o con hijos muy chicos, o con hijos ya grandes. Lo difícil es la edad intermedia
• El dato que lo respalda: el corporativo de 1,000 personas se mudó de Cancún a Mérida y la gente está contenta

Cómo se Mide el Valor

• No hay una métrica que dé toda la certeza. Pero sí usan métricas
• Una de sus primeras aplicaciones de IA, hace unos dos años: analizar todos los comentarios de las encuestas de huéspedes con Amazon Bedrock y Power BI
• Los categorizan por tema y subtema y analizan el sentimiento, para saber si el problema es del restaurante y, dentro de eso, de la temperatura de la comida o del servicio
• Lo que descubrieron: su principal problema no estaba en el hotel, estaba en la transportación
• Los huéspedes pasaban sus vacaciones llamando al call center para reagendar su traslado, y a veces no les contestaban
• Lo que hicieron: optimizar ese tiempo, permitir editar la reserva y sobre todo darle certeza al cliente de dónde y a qué hora sale
• Y ahí sí hay métrica: bajan las llamadas al call center y sube la satisfacción

Por Qué la Tecnología no Siempre se Ve en el Resultado

• En una empresa tradicional la tecnología puede estar desconectada del resultado. Si el servicio es malo o la comida es mala, no importa nada más
• Y al revés: a una empresa le puede ir muy bien por razones que no tienen nada que ver con su área de tecnología
• Su ejemplo de por qué vale la pena igual: analizaron los patrones de consumo para distribuir a los huéspedes entre restaurantes según la hora y cuáles ya visitaron
• No venden más por eso. Pero ese cliente vuelve más contento
• Otro ejemplo concreto: los restaurantes de desayuno se saturan porque todos van al buffet. En la aplicación recomiendan un restaurante según la ubicación de la habitación
• Su advertencia contra la complacencia: si las cosas funcionan y no las tocas, te quedas en tu máximo local

Cuando 14,000 Personas Construyen Software

• Su marco: el equipo de tecnología nunca va a ser lo bastante rápido ni numeroso para atender los problemas de 14,000 empleados y 500,000 huéspedes
• Así que la meta es que tecnología sea habilitador y no cuello de botella
• Lo que están haciendo: siete sesiones abiertas a toda la empresa, los viernes por la tarde, donde la gente muestra no cómo usó ChatGPT sino qué construyó
• Un demo day interno. Se eligen las propuestas que son escalables y están bien planteadas
• El efecto: los curiosos se animan, quienes construyeron se motivan más, y el equipo de tecnología aprende qué necesidades hay
• Su lectura sobre prohibirlo: no se puede tapar el sol con un dedo. Mejor entender para qué están usando ChatGPT y darles una licencia empresarial

Los Dos Ejemplos que Funcionaron

• Su hallazgo práctico: Lovable es bueno para prototipar y más útil para el equipo de tecnología, pero no termina en un producto completo
• Lo que sí funciona muy bien son los GPTs personalizados. Es demasiado sencillo y demasiado útil
• El caso de reservaciones especiales: los grupos les mandan listas de llegada en el formato que arroje su propio sistema, con los nombres en una columna o combinados, el check in y el check out en la misma celda
• Alguien tenía que pasar cientos de reservaciones línea por línea, para todos los hoteles
• Entrenaron un GPT con su formato y ahora suben el archivo como venga y les devuelve el suyo. Esas personas hoy hacen cosas más útiles
• El caso de compras: un GPT que cruza el ID de pedido de la factura del proveedor con su catálogo y con lo que sale en SAP, comparando precio, cantidad y descripción para detectar discrepancias
• Su reflexión sobre los dos: son ineficiencias que tecnología nunca habría priorizado, pero eran el problema más importante del día a día de esas personas

Evaluar Tanto Pitch de IA

• Está buscando a una persona dedicada a esto, porque hay mucho hype y es difícil separar la realidad
• El problema concreto: el área legal es importante y no tiene equipo de producto ni tecnología. ¿Cómo evalúan e implementan una herramienta como Harvey?
• El perfil que busca es una combinación de producto, tecnología, licencias, IT, gestión de activos de software y robótica
• Sobre robótica: cree que hay mucho potencial para la operación, pero no para el huésped. No van a poner un robot a dar el check in, porque eso es una bienvenida
• Dónde sí: un robot que lleve la comida hasta el piso y se lleve los platos sucios, o que limpie salones de convenciones de noche
• Su regla general: que se pueda no significa que lo queramos

El Hotel Rediseñado desde Cero

• Sin pantallas y sin tecnología aparente
• Las cosas deberían funcionar sin que el huésped tenga que ingresar información en una app o un kiosco. No hay que encargarle nuestro trabajo
• Su escena: si ya sabemos en qué camioneta viene desde el aeropuerto, que le den la bienvenida en la caseta, el bell boy y la recepción con toda la información lista
• Con las reservaciones de restaurante precargadas según sus preferencias, y él solo confirmando, como haría un mayordomo
• Y con espacio para que los huéspedes conecten entre ellos según sus gustos, porque una parte importante viene a hacer comunidad
• El dato que lo justifica: el 60% de sus clientes son repetitivos y el 40% tiene membresía
• Su frase sobre el foso: dicen que la memoria es el moat de la IA. Ellos creen que conocer bien las preferencias de sus clientes es lo que te hace volver a un hotel y no a otro

Qué Pasa con Quien no se Transforma

• Su respuesta en una palabra: desaparecer
• Su matiz: a unas empresas la amenaza les va a llegar antes y a otras después, pero eso no autoriza a descuidarse
• Lo que ve como error concreto hoy: prohibir ChatGPT, o no permitir Cursor, Claude Code o Figma Make por miedo a la incertidumbre. Eso es cortarle las manos a tu gente
• El consejo final que da a un CEO en su posición de hace tres años: apoyarse en datos cuantitativos y cualitativos, y hablar con usuarios
• Y no perder la paciencia. Exige terquedad y cansa, pero cansa más hacer algo que no tiene sentido

Glosario Silicon Valley

Personas, Empresas y Referencias

Personas Mencionadas

• Anuar Chapur: chief product and technology officer de The Palace Company
• Sus hermanos: dueños y líderes de la empresa, las últimas personas a las que convenció
• David: su CTO, ex Booking, que se mudó de Ámsterdam a Mérida
• Jorge Cerna: su reclutador de tecnología, que llegó desde el mundo startup
• Marty Cagan: de Silicon Valley Product Group, autor de Inspired y Transformed
• Ricardo Rubio: quien le recomendó el podcast que empezó todo
• Enzo Cavalie: host del podcast

Empresas y Herramientas

• The Palace Company: más de 15,000 trabajadores en siete países, con hoteles en construcción en varios destinos
• HubSpot, Opera Cloud y Adyen: lo que decidieron contratar en vez de construir
• Amazon Bedrock y Power BI: el análisis de comentarios de huéspedes que reveló el problema de transportación
• ChatGPT y los GPTs personalizados: la herramienta que más adoptaron las áreas no técnicas
• Lovable, Cursor y Figma Make: las herramientas de prototipado que menciona
• SAP: el sistema de compras contra el que cruzan facturas
• Harvey: el ejemplo de herramienta legal que quieren evaluar bien
• Mérida: la ciudad desde la que operan y a la que traen talento