"Súbete a la ruta del token": la estrategia clave de monetización para las empresas de infraestructura en la era de la IA

• En la era de la nube, las mayores empresas de infraestructura crecieron al vincular directamente su modelo de ingresos con la unidad central de consumo de la plataforma (cómputo), y en la era de la IA esa unidad está pasando a ser el token
• Snowflake, Datadog y Cloudflare, entre otras, se ubicaron directamente en la ruta de ejecución de las cargas de trabajo y construyeron estructuras donde los ingresos se expanden automáticamente conforme aumenta la actividad de cómputo
• Docker fue una tecnología clave del desarrollo cloud-native, pero al no lograr conectar el primitivo de consumo de cómputo con su modelo de ingresos, dejó escapar valor por miles de millones de dólares
• En la era de la IA, empresas como Cursor (agente de programación), ubicadas directamente en la ruta de consumo de tokens, están creciendo rápidamente, y Cursor recientemente superó los 2 mil millones de dólares en ARR
• Estar simplemente en la ruta del token no basta; como muestra el caso de quiebra de la empresa de CDN Limelight (hoy Edgio), sin diferenciación y costos de cambio no se puede sobrevivir

---

El patrón clave de la era de la nube: monetizar el primitivo de consumo

• En la era de la nube, el primitivo clave era el cómputo; aunque almacenamiento, red y base de datos también eran importantes, el motor que hacía funcionar el sistema eran los ciclos de cómputo dentro del centro de datos
• Las mayores empresas de infraestructura “poseían el medidor” al vincular directamente sus ingresos con la actividad de cómputo o cobrar por el propio cómputo
• AWS y los hyperscalers son, literalmente, negocios que venden tiempo de cómputo, y a medida que las cargas de trabajo migraban a la nube, sus ingresos crecían automáticamente
• No solo los hyperscalers: los líderes de infraestructura del despliegue cloud también aplicaron el mismo patrón

Modelos de monetización de los líderes de infraestructura cloud

• Databricks monetiza el cómputo de jobs, por lo que sus ingresos crecen automáticamente cada vez que se ejecuta una canalización de datos, se entrena un modelo o se procesa una carga de trabajo
• Snowflake monetiza el cómputo de consultas, por lo que agregar nuevas consultas, datasets o cargas de trabajo se traduce en más ingresos sin vender más asientos
• Datadog monetiza la telemetría generada por las cargas de trabajo de cómputo, y cada nuevo microservicio, contenedor o instancia cloud genera ingresos incrementales
• Cloudflare monetiza las solicitudes (requests) generadas por las aplicaciones que corren sobre el cómputo
• MongoDB cobra en Atlas en función del almacenamiento y el cómputo consumidos
• Los detalles cambian, pero el patrón es consistente: estar directamente en la ruta de ejecución de la carga de trabajo y tener un modelo de precios que escala automáticamente con el aumento de la actividad de cómputo

Insight clave: no es el modelo de precios por consumo en sí, sino el acoplamiento estructural con la unidad de crecimiento del ecosistema

• El punto no es simplemente tener un “precio basado en consumo”: hay muchas empresas que aplican precios por consumo y aun así crecen lentamente
• Lo que las hizo especiales fue que su unidad de consumo coincidía exactamente con la unidad con la que escalaba todo el ecosistema
• Si el mundo pone en marcha más cómputo, estas empresas crecen aunque no hagan nada: sus ingresos están estructuralmente acoplados al vector de crecimiento de la plataforma
• En los inicios de la nube, muchas empresas de infraestructura aún intentaban monetizar software con modelos antiguos como licencias perpetuas, licencias por plazo, contratos de mantenimiento o suscripciones de soporte sobre open source
• En entornos on-premise esos modelos funcionaban porque el crecimiento de la infraestructura era lento, predecible y controlable, pero en la nube las cargas de trabajo podían escalar al instante y el consumo de cómputo multiplicarse varias veces, lo que cambió la economía de forma fundamental

Docker: el caso más aleccionador

• Docker era, esencialmente, la containerización en sí misma, la tecnología que hizo posible el desarrollo cloud-native
• Lo usaban millones de desarrolladores y puede considerarse una de las herramientas para desarrolladores más importantes de la era cloud
• Sin embargo, Docker no encontró la forma de monetizar el primitivo y no logró conectar su adopción masiva entre desarrolladores con el gasto subyacente en cómputo que los contenedores hacían posible
• Kubernetes (open source por Google) absorbió el negocio de la orquestación, y todos los hyperscalers monetizaron la innovación de Docker mediante servicios administrados de contenedores
• Docker habilitó miles de millones de dólares en gasto de cómputo, pero no capturó nada de eso (en años recientes ha mejorado mucho, pero este análisis se refiere a la etapa inicial)
• El rasgo común de empresas que, como Docker, lograron adopción masiva pero chocaron con un límite en su modelo de negocio: eran herramientas importantes y profundamente integradas en el stack de infraestructura cloud, pero no convirtieron sus ingresos en un derivado del primitivo central de consumo
• Monetizaron de formas adyacentes —asientos, contratos de soporte, consultoría, etc.— y el mercado las recompensó en consecuencia; es decir, no las recompensó

Mapeo hacia la era de la IA: el token es el nuevo primitivo

• Si la infraestructura cloud se construyó sobre el primitivo de cómputo, la infraestructura de IA se está construyendo sobre un primitivo distinto: el token
• Toda carga de trabajo de IA termina, en última instancia, reduciéndose a tokens que el modelo genera, procesa y consume
  • Prompt → tokens, contexto → tokens, respuesta → tokens
  • Los agentes que ejecutan flujos de trabajo de varios pasos pueden generar cantidades masivas de tokens mientras razonan sobre una tarea
• El token es la unidad atómica de trabajo de los sistemas modernos de IA

Empresas de IA posicionadas en la ruta del token

• Proveedores de modelos como OpenAI y Anthropic son el propio primitivo del token (del mismo modo que los hyperscalers eran los primitivos de cómputo/almacenamiento en la nube), y cobran por token de entrada y token de salida
• Hoy, las empresas de IA que más rápido crecen son las que están directamente en la ruta del token
• Los agentes de programación son el ejemplo representativo, y Cursor, según reportes en línea, alcanzó recientemente 2 mil millones de dólares en ARR
  • Cada pulsación de tecla, autocompletado de código y acción del agente activa inferencia, y el modelo de negocio ha evolucionado de un simple cobro por asiento a asientos con límites de uso incluidos
  • Los ingresos están estructuralmente acoplados al consumo de tokens
• Empresas de negocio de inferencia como Inferact, Baseten, Fireworks y Together, en esencia, venden el primitivo en bruto
• Los ingresos de las empresas más cercanas a la generación y el consumo de tokens se expanden de forma natural junto con la actividad de IA
• Otras partes del ecosistema de IA están probando modelos de pricing SaaS tradicional (por asiento, suscripción a plataforma, licencias enterprise sobre open source)
• Esos negocios también pueden tener éxito, pero si la historia sirve de guía, las mayores empresas de infraestructura surgirán donde se mide y monetiza la unidad central de actividad de la plataforma

Condición necesaria, pero no suficiente: la importancia de la diferenciación

• Estar en la ruta del token es una condición necesaria, no suficiente
• En la era cloud, las empresas pure-play de CDN estaban técnicamente en la “ruta del cómputo”, cobraban por ancho de banda y solicitudes, y el tráfico crecía de forma explosiva
• Pero el ancho de banda resultó ser una commodity, y los precios cayeron constantemente
• Limelight Networks, pese a tráfico récord durante el boom del streaming de 2020–2021, vio caer sus ingresos; luego se rebautizó como Edgio, pero finalmente quebró
• En cambio, Cloudflare, partiendo de una base similar, sumó seguridad, herramientas para desarrolladores y edge compute, construyendo diferenciación real y costos de cambio sobre el primitivo, con resultados radicalmente distintos desde un mismo punto de partida

Lecciones para fundadores de IA

• Súbete a la ruta del token, pero construye encima algo diferenciado
• No seas solo una tubería por donde fluyen tokens; debes ser la capa que hace más valiosos esos tokens
  • Mejor experiencia para desarrolladores (Cursor), modelos verticales especializados, herramientas de seguridad y compliance, moat de datos propietarios, etc.
• También existe una dimensión de timing: las empresas que se posicionaron temprano como la opción por defecto en la ruta del cómputo durante la era cloud capturaron la mayor parte del valor
  • Datadog, Snowflake y Cloudflare lograron escalar antes de que el primitivo se comoditizara por completo
• La ventana para entrar en la ruta del token es ahora: el costo de inferencia está cayendo rápidamente (lo que implica mayor consumo de tokens, pero al mismo tiempo comprime la economía por unidad)
• Esa compresión avanza antes de que se construya el moat, así que hay que entrar en la ruta y construir el moat al mismo tiempo
• Si posees el medidor, el crecimiento llega por sí solo

Actualización de valuaciones del mercado SaaS

• Las empresas SaaS suelen valuarse con múltiplos de ingresos, normalmente ingresos esperados de los próximos 12 meses (NTM Revenue)
  • Como la mayoría de las empresas de software no son rentables ni generan FCF significativo, es prácticamente la única métrica que permite comparar toda la industria
  • El DCF también está lleno de supuestos de largo plazo, y la promesa del SaaS es que el crecimiento inicial se traduzca en ganancias de madurez
• Se calcula como Enterprise Value (capitalización bursátil + deuda - efectivo) / ingresos NTM
• Mediana total: 3.5x, mediana del top 5: 17.7x, bono del Tesoro a 10 años: 4.1%

Buckets de valuación por tasa de crecimiento

• Alto crecimiento (crecimiento NTM >22%) mediana: 10.4x
• Crecimiento medio (15%~22%) mediana: 6.5x
• Bajo crecimiento (<15%) mediana: 2.7x
• El umbral de 22% para alto crecimiento es algo arbitrario, pero sirve para incluir unas 10 empresas en ese bucket y asegurar un tamaño de muestra estadísticamente significativo

EV / NTM Rev / NTM Growth

• Métrica que divide el múltiplo EV / ingresos NTM entre la expectativa de crecimiento de consenso NTM
• Ejemplo: una empresa que cotiza a 20x ingresos NTM con 100% de crecimiento esperado cotiza a 0.2x
• Busca mostrar qué tan barata/cara en términos relativos está cada acción frente a sus expectativas de crecimiento

EV / NTM FCF

• Se muestra en un gráfico de líneas la mediana de las empresas con múltiplo FCF >0x y <100x
• Está diseñado para mostrar el subconjunto de empresas donde el FCF es una métrica de valuación significativa
• Las empresas con FCF NTM negativo se excluyen del gráfico

Correlación entre tasa de crecimiento y múltiplo de valuación

• Se ofrece un gráfico de dispersión (Scatter Plot) de EV / ingresos NTM vs crecimiento de ingresos NTM
• Busca visualizar la correlación entre tasa de crecimiento y múltiplo de valuación

Métricas operativas (Operating Metrics)

• Mediana de crecimiento NTM: 13%
• Mediana de crecimiento LTM: 15%
• Mediana de margen bruto (Gross Margin): 75%
• Mediana de margen operativo (Operating Margin): (1%)
• Mediana de margen FCF: 20%
• Mediana de retención neta (Net Retention): 109%
• Mediana de período de recuperación CAC: 34 meses
• Mediana de ratio S&M: 35% de los ingresos
• Mediana de ratio R&D: 23% de los ingresos
• Mediana de ratio G&A: 15% de los ingresos

Comps Output: Rule of 40 y GM Adjusted Payback

• Rule of 40 se presenta como tasa de crecimiento de ingresos + margen FCF (tanto LTM como NTM)
  • FCF = flujo de caja de operaciones - capex
• GM Adjusted Payback = (S&M del trimestre previo) / (ARR neto nuevo trimestral × margen bruto) × 12
  • Mide los meses que tarda una empresa SaaS en recuperar el CAC fully loaded sobre base de margen bruto
  • Como la mayoría de las empresas públicas no reportan ARR neto nuevo, se calcula un ARR implícito como ingresos de suscripción trimestrales × 4
  • ARR neto nuevo = ARR del trimestre actual - ARR del trimestre previo
  • Las empresas que no revelan ingresos por suscripción se excluyen del análisis (se marca como NA)