Un cliente firma, los usuarios llegan en masa y los ingresos recurrentes aumentan. En el panel de control, la startup de inteligencia artificial parece un éxito. Pero detrás de cada respuesta pueden ocultarse varias llamadas a modelos, una búsqueda documental, un control automático y, a veces, una corrección humana. La facturación refleja la tracción; el margen refleja la solidez del producto. De cara a septiembre de 2026, esta distinción podría convertirse en un filtro decisivo para los emprendedores y sus financiadores. Así puede analizarse, a partir de tendencias documentadas hasta junio de 2024 y de sus posibles desarrollos.
El software que gasta con cada uso
En el software por suscripción tradicional, atender a un usuario adicional suele costar poco una vez desarrollado el producto. La IA generativa modifica esta ecuación: producir una respuesta requiere capacidad de cómputo. El uso intensivo, una excelente señal comercial, puede por tanto deteriorar la rentabilidad de una tarifa plana mal ajustada. El que parece ser el mejor cliente a veces se convierte en quien consume todo el margen.
Ya en 2023 y 2024, las ofertas de OpenAI, Anthropic o Google hacían visible esta mecánica con tarifas basadas, entre otros factores, en los volúmenes de tokens procesados. El lanzamiento de GPT-4o, en mayo de 2024, también ilustraba la bajada de los precios anunciados entre generaciones de modelos. Pero un modelo más barato no garantiza un producto más rentable: más usos, más contexto y más etapas pueden absorber el ahorro.
Para un asistente que resume un documento, el proceso puede ser breve. Para una herramienta encargada de cualificar a un cliente potencial o preparar un expediente, se alarga: recuperar los datos, interpretar la solicitud, invocar herramientas, verificar la respuesta y volver a empezar si es necesario. La factura relevante ya no es la de una llamada, sino la del trabajo terminado.
Calcular el margen por resultado útil
La primera tarea consiste en definir una unidad económica comprensible. Según el producto, será un expediente aceptado, una conversación resuelta, una factura procesada o un documento validado. Contar únicamente las solicitudes oculta los fallos y las repeticiones. Un sistema barato por respuesta puede resultar costoso si el usuario debe intentarlo varias veces.
El cálculo inicial es sencillo: ingresos atribuibles a la unidad, menos los costes directos necesarios para entregarla. Después hay que distinguir el margen bruto, según las normas contables adoptadas, de un margen de contribución operativo que incorpore los gastos variables o directamente atribuibles al servicio. Esta segunda lectura ayuda a tomar decisiones, sin sustituir una contabilidad coherente.
- Cómputo: llamadas a modelos, alojamiento dedicado, capacidad de GPU y procesamiento complementario.
- Datos: extracción, indexación, almacenamiento, búsqueda documental y licencias necesarias para el servicio.
- Operaciones humanas: verificación, corrección, escalados y soporte directamente relacionados con los expedientes.
- Falta de calidad: repeticiones, reembolsos o abonos comerciales atribuibles a las incidencias.
Esta clasificación debe evitar la doble contabilización. También debe hacer visibles los costes temporales de integración sin confundirlos con los del funcionamiento habitual. Un cliente puede ser rentable tras el despliegue, pero exigir tanto trabajo inicial que la recuperación de esa inversión resulte incierta.
El ser humano en el proceso y en la cuenta de resultados
Imaginemos una herramienta que prepara respuestas para un servicio de atención al cliente. La demostración impresiona; en producción, algunas respuestas requieren una revisión. Si esta verificación es indispensable para cumplir la promesa comercial, su coste forma parte de la economía del servicio. Clasificarlo de forma permanente como investigación o gastos generales maquilla artificialmente el rendimiento.
Hay que medir el tiempo realmente dedicado, no solo el número de expedientes escalados. Una pequeña proporción de casos difíciles puede acaparar a un equipo. Los fundadores que corrigen gratuitamente las respuestas por la noche también aportan un recurso: para evaluar la capacidad de escalar, su trabajo debe valorarse a un coste de sustitución realista.
Sin embargo, la supervisión no es una admisión de fracaso. En los usos sensibles, puede constituir una garantía comercializable. La cuestión es quién la paga y qué valor aporta. Si el propio cliente realiza la revisión, el coste desaparece de la factura de la startup, pero no del retorno de la inversión del cliente.
La dependencia del proveedor es un riesgo económico
Utilizar una API permite lanzar un producto sin financiar su infraestructura de modelos. A cambio, parte de su economía depende de un tercero: precios, límites de solicitudes, disponibilidad, condiciones contractuales y evolución de las versiones. Un cambio puede imponer nuevas pruebas, alterar la calidad o exigir una migración.
La respuesta no pasa necesariamente por alojar un modelo propio. Los modelos de pesos abiertos, cuya visibilidad había reforzado la familia Llama antes de junio de 2024, ofrecen opciones adicionales. Pero el alojamiento propio exige conocimientos especializados, mantenimiento y una capacidad que a veces se infrautiliza. Una API con un coste unitario elevado puede seguir siendo más barata que un servidor reservado que permanece a la espera.
La comparación adecuada se centra en el coste total con una calidad comparable. Cambiar de proveedor exige evaluar los resultados en casos de uso empresariales representativos, no solo en clasificaciones públicas. Y mantener varias opciones tiene, a su vez, un coste: conectores, pruebas y supervisión. La portabilidad es un seguro, no algo gratuito.
Un panel de control que muestre los expedientes problemáticos
La media general tranquiliza con facilidad. Sin embargo, mezcla clientes sencillos y complejos, documentos pequeños y archivos voluminosos, usos controlados y automatizaciones descontroladas. El emprendedor debe hacer un seguimiento de sus costes por cliente, funcionalidad y categoría de tarea, y después examinar los consumos extremos.
Un panel de control útil pone en relación los ingresos netos, el coste por resultado aceptado, la frecuencia de las repeticiones, los minutos de supervisión y los escalados a un modelo más caro. También sigue la evolución de las cohortes: ¿atender a los nuevos clientes resulta menos costoso con la experiencia o estos descubren progresivamente usos que consumen más recursos?
Esta observación debe orientar la fijación de precios. Una tarifa plana ilimitada puede funcionar si los usos son previsibles y permiten compartir recursos. De lo contrario, las cuotas, los tramos y la facturación de los procesamientos intensivos protegen mejor el margen. Cobrar por resultado puede alinear los intereses, siempre que se definan con precisión ese resultado y las responsabilidades en caso de fallo.
Reducir el gasto sin incumplir la promesa
Las medidas técnicas son concretas: reservar los modelos potentes para las tareas difíciles, acortar los contextos, almacenar en caché lo que sea posible y agrupar los procesamientos no urgentes. A veces, una regla determinista o una búsqueda tradicional sustituye con ventaja a una generación. No obstante, cada optimización debe ponerse a prueba: un ahorro de cómputo anulado por un aumento de las correcciones no es un ahorro.
¿Y ahora qué? Para septiembre de 2026 y más allá, el escenario plausible no es la desaparición de la carrera por la facturación, sino su sujeción a pruebas económicas más sólidas. Las startups mejor preparadas podrían ser aquellas capaces de demostrar cuánto les cuesta una tarea completada con éxito, cómo evoluciona ese coste y qué ocurre si su proveedor cambia las condiciones. La verdadera ventaja ya no sería entonces solo un modelo espectacular, sino una promesa útil, reproducible y rentable.
