El fin de la era del MAU, ¿ya tampoco se puede confiar en el MRR?

Hola. Últimamente vivo disfrutando de hacer newsletters.
Escribo una newsletter al día, pero como si publico demasiado seguido no va con la política de GN, quiero presentar una newsletter que en particular tuvo muchísimo tráfico.

Personalmente creo que el contenido realmente no está nada mal y que es un tema que vale la pena pensar al menos una vez, así que lo comparto.
Por supuesto, no tienen que suscribirse; con que lo lean y lo disfruten ya es suficiente.

En este texto hubo un caso reciente, revelado a través de audiencias en Estados Unidos, que mostró hasta qué punto se habían inflado métricas como los usuarios activos y los ingresos recurrentes de usuarios repetidos.
Los protagonistas fueron nada menos que OpenAI y Anthropic. A raíz de esto, en Silicon Valley están empezando a ganar atención nuevas métricas. Bueno, al final hay que invertir. De hecho, es una métrica que también experimenté mientras trabajaba en Gamma. En pocas palabras, se trata de ingresos/productividad por persona y del valor de vida útil a un año.

[cafedead]

• En la era de la IA, se plantea que el ARR podría dejar de ser una métrica común realmente confiable
• La métrica representativa de la industria tecnológica ha ido cambiando según la época
  • Era social: DAU/MAU
  • Era SaaS: ARR/MRR
  • Era de la IA: se cuestiona que incluso el ARR tradicional pueda distorsionar la realidad
• El punto de partida del artículo es la discrepancia en las cifras de Anthropic
  • En febrero de 2026 destacó un ARR de 14 mil millones de dólares
  • Un mes después, en un documento presentado ante el tribunal, indicó que “los ingresos acumulados desde su fundación superan los 5 mil millones de dólares”
  • Es la misma empresa, en momentos parecidos, pero el significado de las cifras es muy distinto
  • El autor interpreta esto como “una señal de que en la era de la IA el ARR ya no describe bien el estado real del negocio”
• Hay 3 razones por las que el ARR se tambalea en la IA
  1. Se rompe la premisa de SaaS de que el costo marginal es casi 0
     • En IA, cada llamada de inferencia genera costos reales de GPU o nube
     • Cuanto más se usa, más crecen también los costos
  2. La diferencia de costo por cliente es muy grande
     • Aunque paguen la misma tarifa, algunos clientes son de bajo costo y otros de alto costo
     • Si solo miras el ARR, ambos parecen el mismo “buen ingreso”, pero la rentabilidad real es muy distinta
  3. La estabilidad del ingreso recurrente es más débil
     • Frente a SaaS, el costo de cambio es menor y es más fácil migrar a otro modelo o servicio
     • Lo “recurrente” en sí es menos sólido que antes
• Por eso, el ARR de las empresas de IA puede mostrar “crecimiento”, pero no necesariamente refleja bien la rentabilidad, la sostenibilidad o la calidad del negocio
  • Se plantea que tiene una estructura parecida a la de cuando DAU/MAU mostraba el interés de los usuarios, pero no la salud del negocio
• También se considera que los casos de Anthropic y OpenAI muestran este problema
  • Hay diferencias entre el ARR anunciado y los ingresos acumulados reales, los resultados semestrales y la velocidad de consumo de caja
  • Es decir, si una cifra “anualizada” se interpreta como si significara lo mismo que el desempeño anual real, puede generar malentendidos
• Métricas candidatas de nueva generación para la era de la IA que propone el autor
  1. Productividad por dólar gastado (Productivity per Dollar Spent)
     • No se trata solo de ARR / número de empleados
     • Hay que mirar algo como ARR / (costos laborales + costos de IA) para ver la eficiencia real
  2. Valor del primer año (First Year Value)
     • En lugar de asumir un futuro lejano como con el LTV
     • La idea es ver si el cliente obtuvo suficiente valor en los primeros 12 meses como para renovar
  3. Métricas centradas en unit economics, como la utilidad bruta por token
     • Más que cuánto se procesó
     • importa más cuánto margen quedó al procesarlo
• Mensaje central
  • En la era de la IA, más que el tamaño de los ingresos, hay que mirar la estructura de utilidad bruta, la rentabilidad por cliente y el valor que queda en el primer año
  • La idea es leer la estructura de las cifras, no solo su tamaño
• También hay un problema práctico
  • Para ver bien estas métricas de tercera generación
  • deben estar conectados los sistemas de facturación, costos de infraestructura y finanzas
  • pero la mayoría de las empresas de IA todavía no tiene ese nivel de infraestructura de medición

Resumen en una línea
En los negocios de IA ya es difícil explicarlo todo con un solo ARR como en SaaS, y en adelante serán más importantes las métricas que muestren no solo “cuánto vendiste”, sino “cuánto margen dejaste” y “qué tan sostenible es”.

[haebom]

Lo resumiste muy bien. Gracias.