- En la era de la IA de 2025, las políticas de precios de SaaS se están alejando de los modelos de tarifa fija y por asiento para pasar a modelos híbridos, basados en uso y basados en resultados
- La adopción del modelo de tarifa fija cayó de 29% a 22%, y la del modelo por asiento de 21% a 15%; además, 29% de las empresas AI-native registran márgenes brutos inferiores al 60%
- La tarificación híbrida combina una suscripción fija con un componente basado en uso, logrando una alta adopción del 41% al alinear ingresos previsibles con los costos de infraestructura de IA
- La tarificación basada en resultados hoy solo la usa el 5%, pero se espera que el 25% la adopte para 2028, y la expansión de los agentes autónomos de IA es el principal acelerador
- La tarificación basada en uso se aplica de forma natural en APIs, infraestructura, herramientas para desarrolladores y servicios de agentes, pero por los riesgos de volatilidad, previsibilidad y facturas sorpresa, muchas empresas están diseñando estructuras mixtas de suscripción base + capa de uso
- Las políticas de precios están evolucionando más allá de la simple monetización y se convierten en una narrativa estratégica para demostrar a los inversionistas el valor y la escalabilidad del producto
1. El colapso del precio fijo y por asiento: por qué la previsibilidad se volvió una carga
- Los modelos de tarifa fija y por asiento, que dominaron la industria SaaS durante 20 años, están cayendo rápidamente por el desajuste de valor provocado por la IA
- El uso del modelo fijo cayó de 29% a 22%, y el modelo por asiento de 21% a 15%
- El 29% de las empresas AI-native registran márgenes brutos por debajo del 60%, frente al 80-90% típico del SaaS tradicional
- La volatilidad de costos de las cargas de trabajo de IA es la causa central del colapso del modelo fijo
- Los modelos avanzados de OpenAI pueden requerir hasta 3,500 dólares en costo de cómputo para procesar una sola consulta de alto contexto
- Las consultas de alto costo de los power users pueden disparar los costos nocturnos de infraestructura
- En la tarificación por asiento surge una situación paradójica cuando los agentes de IA reemplazan a gran parte del personal
- Cursor alcanzó 200 millones de dólares en ARR con apenas 60 empleados, mostrando que los ingresos pueden escalar sin relación con el tamaño del equipo
- Klarna duplicó sus ingresos por empleado tras incorporar agentes de IA
- Los modelos tradicionales necesitan cambiar hacia estructuras flexibles basadas en uso real o en resultados, en lugar de solo acceso
2. Cómo la tarificación híbrida se convirtió en el nuevo estándar
- La tarificación híbrida fue adoptada como modelo principal por el 41% de las empresas SaaS y AI-native
- Es un enfoque tipo toolkit que combina suscripción fija con elementos basados en uso
- Mezcla distintas variantes como tarifa base + excedentes por uso, niveles + cargo adicional por uso, o sistemas de créditos
- La principal ventaja del modelo híbrido es el equilibrio entre previsibilidad y escalabilidad
- Da al equipo financiero una base estable de ingresos y al GTM una palanca para expandirse
- Medir el uso vincula los costos de infraestructura de IA con los ingresos, y permite al cliente entrar con bajo riesgo y expandirse según el valor obtenido
- Casos destacados de adopción del modelo híbrido
- Monday.com: incluye créditos de IA en los planes y vende el uso excedente
- Clay: eliminó el límite por asiento y monetiza con uso y funciones avanzadas
- OpenAI: pasó de suscripción fija a un híbrido de créditos + bundles de upsell
- Retool: añadió una capa de add-ons por uso sobre sus planes tradicionales
- El riesgo del modelo híbrido es el aumento de complejidad cuando parece una “etiqueta para todo”
- Si se superponen niveles por asiento + niveles por uso + bundles de add-ons + topes y cargos por excedente, al cliente le cuesta entender “exactamente por qué está pagando”
- Un híbrido bien diseñado ofrece equilibrio entre flexibilidad y claridad, pero uno mal diseñado puede convertirse en un esquema de precios lleno de excepciones y notas al pie que genera desconfianza; en una época donde la transparencia es la base de la confianza, ese costo de desconfianza puede ser fatal
3. La implementación real de Outcome-Based Pricing y el framework CAMP
- La tarificación basada en resultados (OBP) cobra por el resultado, no por el uso
- Hoy solo la usa el 5%, pero se espera que el 25% la adopte para 2028
- Las startups AI-native muestran una tasa de despliegue de OBP 4 veces mayor que las empresas tradicionales
- A medida que los sistemas de IA generan resultados medibles, aumenta la viabilidad del OBP
- Ya es posible medir con claridad resultados como resolver tickets de soporte, generar leads calificados o redactar documentos legales
- Fin de Intercom es un caso representativo de OBP
- Cobra por resolución (per-resolution) en vez de cobrar por asiento de soporte o por uso del chatbot
- Si no se resuelve la consulta, no se cobra; “como cumple el rol de un agente de soporte, así se fija el precio”
- El framework CAMP resume las 4 barreras que frenan la adopción del OBP
- Consistency: cada cliente usa el producto de forma distinta y define el valor de manera diferente, así que es difícil establecer un resultado uniforme
- Attribution: se necesita demostrar claramente que el producto causó el resultado, algo ambiguo en entornos con múltiples contribuyentes
- Measurability: medir resultados suele requerir integración con sistemas internos o reportes subjetivos; el cliente debe confiar en la métrica para aceptar el cobro
- Predictability: tanto comprador como proveedor necesitan previsibilidad; si el volumen de resultados fluctúa mucho, la facturación se vuelve inestable y hay que definir mínimos y máximos
- La mayoría de las empresas fijan el OBP como meta de largo plazo y lo amplían de manera gradual tras probarlo con pocos clientes
- Primero miden resultados, construyen confianza y atribución, y luego migran a OBP cuando los datos son sólidos
4. Tarificación basada en uso: mucha escalabilidad, pero no es la respuesta para todo
- La tarificación basada en uso cobra “en proporción al uso” y ha ganado atención en productos de IA
- Funciona bien cuando la unidad de valor es clara, repetible y escalable
- Áreas donde el modelo basado en uso encaja bien
- APIs basadas en tokens (OpenAI, Anthropic)
- Plataformas para desarrolladores (Vercel - cobro por ancho de banda, tiempo de build y requests)
- Agentes autónomos de IA (Bolt.new - tras un aumento explosivo de uso, cambió a facturación basada en tokens)
- Infraestructura de pagos (Stripe - cobro por transacción directamente vinculado al crecimiento del cliente)
- Principios para diseñar bien la tarificación por uso
- Vincular percepción de valor y uso: cobrar no por número de llamadas API, sino por emails enviados o por resultados
- Evitar facturas inesperadas: ofrecer dashboards de uso claros, alertas por umbral y topes de gasto para asegurar transparencia
- Mantener previsibilidad con créditos o niveles: créditos prepagados, niveles de uso y modelos con precio máximo para equilibrar flexibilidad y previsibilidad
- El problema de volatilidad del modelo por uso
- Del lado del proveedor: los ingresos mensuales fluctúan, lo que dificulta el pronóstico y complica más la visibilidad en etapas tempranas para inversionistas
- Del lado del comprador: la imposibilidad de prever gasto dificulta compromisos prepago grandes, aumenta la rotación en clientes sensibles al costo y genera resistencia de procurement
- La mayoría de las empresas de IA usan el cobro por uso como una capa, no como modelo completo
- Mantienen una estructura híbrida de suscripción base (acceso) + cobro por uso (trabajos de alta carga) para preservar el potencial de upsell
5. IA agentic vs assistive: dos caminos que definen la estrategia de precios
- En la monetización de IA está surgiendo una separación clara entre productos autónomos (Agentic) y asistivos (Assistive)
- IA autónoma: realiza tareas con mínima intervención humana (resolver tickets de soporte, generar emails outbound, redactar documentos legales)
- IA asistiva: mejora el workflow humano y mantiene a la persona dentro del loop en todo momento (sugerencias de escritura, autocompletado de código, corrección gramatical)
- IA autónoma = precios basados en resultados o tareas
- Cuando la IA asume la responsabilidad completa de una tarea, cobrar por resultado es lo adecuado
- Además de Fin de Intercom, Adept (agentes en sistemas empresariales) y Jasper (redacción completa de contenido de marketing) también adoptan cobro por tarea
- Cobrar por usuario o por asiento pierde sentido: la IA es el usuario
- IA asistiva = precios basados en uso o por niveles
- Cuando la IA amplifica el trabajo humano, encajan mejor los precios por uso o por niveles de funciones
- GitHub Copilot: cobra por asiento de desarrollador (integrado al workflow de programación)
- Grammarly: precios por niveles según sugerencias avanzadas, funciones de tono y nivel de colaboración empresarial
- Elegir el modelo equivocado lleva al fracaso de monetización
- Si cobras por asiento a una IA autónoma, el TAM se reduce a medida que el cliente recorta personal
- Si aplicas cobro por resultados a una herramienta asistiva, la atribución ambigua genera rechazo en el comprador
- Si defines con claridad el producto como autónomo o asistivo, la lógica de precios surge de forma natural
6. Monetización basada en comportamiento: la nueva frontera del PLG
- El PLG tradicional se basaba en límites de uso para impulsar upgrades (10 dashboards, 500 contactos, 100 MB de almacenamiento, etc.)
- Ahora los líderes en PLG están cambiando hacia la monetización basada en comportamiento
- En lugar de límites arbitrarios, fijan precios según la participación, el crecimiento y la forma en que el usuario extrae valor
- Mecanismos clave de la monetización basada en comportamiento
- Desbloquear funciones premium cuando el usuario automatiza cierta cantidad de tareas o envía sus primeras 100 facturas
- Activar nudges de upsell cuando el equipo agrega nuevas integraciones o amplía el uso a toda un área
- Subir al usuario a niveles superiores cuando muestra comportamientos de adopción profunda, como usar workflows avanzados, invitar colaboradores o superar métricas de éxito
- Notion, ClickUp y Clay lideran esta práctica con seguimiento de hitos del usuario y adaptación de nudges de precio
- Por qué se necesita este enfoque
- Los niveles estáticos son demasiado genéricos para los power users de hoy
- Un equipo de marketing que usa 50 workflows de IA al mes y un fundador solitario que usa 1 workflow son muy distintos, pero bajo precios tradicionales podrían terminar en el mismo plan
- La monetización basada en comportamiento permite precios más cercanos al valor realmente entregado
- El usuario entiende de forma intuitiva cuándo y por qué se le pide pagar más
- Se siente como una progresión natural, no como una barrera
7. Monetización estratégica = narrativa para levantar inversión
- Para los fundadores en etapa temprana, la política de precios es un arma narrativa
- Los mejores equipos de GTM tratan la estrategia de precios como una extensión de la estrategia de producto
- Un modelo de precios inteligente resalta fortalezas en varias dimensiones
- Impulsores de valuación: fuerte net dollar retention (NDR), períodos cortos de recuperación del CAC y margen bruto que mejora incluso cuando suben los costos de infraestructura
- Foso competitivo: los precios que aprovechan lógica de atribución exclusiva y alineación a resultados son difíciles de copiar y fáciles de defender
- Escalabilidad: modelos híbridos o basados en resultados que crecen con la madurez del producto y el uso del cliente
- Preguntas clave de los inversionistas
- “¿Qué tan bien sigue el precio al valor? ¿Cómo evoluciona con la adopción? ¿Cómo protege los márgenes en un mundo centrado en IA?”
- Esto es especialmente importante para startups AI-native
- Si el producto automatiza tareas o entrega resultados medibles, el precio debe reflejarlo
- Si no lo hace, envía una señal de desconexión entre la promesa del producto y la ejecución de GTM
- Roadmap de madurez de precios según ARR
- 0-1M ARR: tarifa fija simple o niveles
- 1-5M ARR: agregar seguimiento de uso
- 5-20M ARR: modelo híbrido, niveles avanzados
- 20M+ ARR: experimentos con precios por resultados, personalización enterprise
- En 2025, la política de precios será el tema principal en la primera página de toda memo de inversión; si no refleja la inteligencia del producto, el inversionista lo notará
8. El futuro: del acceso al uso, y del uso al resultado
- La tarificación SaaS está evolucionando más allá del empaquetado de funciones hacia la alineación entre cómo el producto crea valor y cómo el negocio lo captura
- Era del software estático: tarifa fija y por asiento (el valor escala con la cantidad de personas)
- Era de productos impulsados por IA: precios basados en uso (aptos para cómputo y procesamiento de llamadas API)
- Era de la autonomía de IA: precios basados en resultados (los ingresos se vinculan al resultado, no a la actividad)
- Las empresas SaaS líderes ya no venden acceso al software, sino éxito, y cobran en consecuencia
- Los mejores equipos experimentan con el precio como si fuera un producto
- Iteran, prueban y mejoran
- Asignan ownership e integran el diseño de facturación con la estrategia de GTM
- Se preparan para un mundo donde la tarificación multimodelo será el estándar
- En la era de la IA, la política de precios va más allá del modelo de negocio: es un contrato de confianza, una palanca de crecimiento y una señal clara de cuánto se entiende el valor entregado
Aún no hay comentarios.