Para la mayoría de las empresas de SaaS, el objetivo es el crecimiento: más clientes, más uso, más ingresos y mejores márgenes. La IA rompe el último eslabón de esa cadena. En un producto basado en IA, el aumento de la adopción puede hacer que los costes crezcan más rápido que los ingresos. El cálculo de márgenes que hizo del SaaS un negocio en el que merecía la pena invertir no se aplica automáticamente.
No se trata de una preocupación teórica. Es la situación en la que se encuentran la mayoría de los equipos de productos de IA entre seis y doce meses después del lanzamiento, cuando la base de clientes crece a un ritmo más rápido del que el modelo de precios estaba diseñado para gestionar. A continuación, analizamos en profundidad la gestión de los márgenes en el ámbito de la IA: qué la provoca, cómo anticiparla y qué hacer cuando la tendencia ya apunta en la dirección equivocada.
Por qué el modelo de márgenes del SaaS no es extrapolable
El funcionamiento de los márgenes en el modelo SaaS se basa en un mecanismo sencillo. El coste marginal de atender a un cliente más es prácticamente nulo. La infraestructura se amplía de forma gradual. Los costes de asistencia técnica son manejables. El resultado es que el margen bruto mejora a medida que crecen los ingresos, ya que la base de costes fijos se distribuye entre una cifra de ingresos mayor.
La IA tiene una estructura de costes fundamentalmente diferente. Cada solicitud procesada, cada documento analizado y cada tarea de un agente completada genera un coste real de infraestructura. El coste varía en función del uso, no del número de clientes. Duplicar el número de usuarios activos puede más que duplicar el gasto en inferencia, dependiendo de cómo esté diseñado el producto de IA y de cómo lo utilicen los clientes. La mejora de los márgenes que un negocio de SaaS obtiene gracias a la escala no se produce automáticamente en un negocio de IA.
Eso no significa que el negocio de la IA sea peor. Significa que el modelo de márgenes debe diseñarse en función de la estructura de costes real, y que el modelo de precios debe ajustarse para protegerse frente a los casos en los que el crecimiento supere a los ingresos.
A dónde va realmente el margen
Las partidas de costes de IA que influyen en el cálculo del margen son: la inferencia y la ejecución de modelos, la infraestructura y el alojamiento, la orquestación de flujos de trabajo, los sistemas de seguridad y calidad, la observabilidad y el registro de eventos, así como los gastos generales de soporte específicos de la IA. Cada una de ellas evoluciona de forma diferente a medida que aumenta el uso.
La inferencia escala linealmente con el número de tokens procesados, hasta el punto en que se alcanzan los límites de rendimiento y se empieza a pagar por una infraestructura de nivel superior. La orquestación de flujos de trabajo escala más rápido que la inferencia cuando los clientes empiezan a encadenar pasos de IA en procesos más complejos. Los sistemas de seguridad y calidad se amplían de forma menos que proporcional, ya que gran parte de la infraestructura de seguridad supone un coste fijo. La observabilidad se amplía en función del volumen de eventos, que suele ser un múltiplo considerable del volumen de acciones de los usuarios. Los gastos generales de soporte técnico se amplían en función de la complejidad de lo que realiza la IA, lo que guarda una correlación aproximada con el uso, pero puede dispararse cuando se lanza una nueva funcionalidad.
El resultado es que el margen bruto puede parecer sólido con 100 clientes y deteriorarse con 500, incluso cuando los precios base parecen los mismos. El problema de la gestión del margen por parte de la IA no se manifiesta como un fallo repentino, sino como una deriva gradual que solo se hace evidente cuando el equipo financiero analiza las cifras al cierre del ejercicio.
El patrón «el crecimiento perjudica los márgenes»
El patrón que da lugar al resultado de que «el crecimiento merma los márgenes» suele ser el siguiente. El modelo de precios se diseña en función del uso medio por cliente. La adopción aumenta. Aparecen usuarios avanzados que utilizan el producto entre tres y cinco veces más que la media. Su coste aumenta de forma lineal en función de su uso. Sus ingresos están limitados por el nivel de suscripción. El margen bruto por usuario avanzado pasa a ser negativo. La empresa está perdiendo dinero con sus clientes más activos, y los clientes que menos utilizan el producto están subvencionando a los que más lo utilizan.
A menudo, las cifras son aún peores. Dado que la infraestructura de IA tiene límites de capacidad reales, el coste marginal del evento número diez mil de un mes puede ser superior al coste marginal del primer evento si el volumen de tráfico ha obligado a realizar una actualización de nivel en la infraestructura subyacente. Los usuarios avanzados no solo cuestan proporcionalmente más, sino que cuestan desproporcionadamente más.
Hay dos factores que agravan esta situación en la práctica. En primer lugar, los clientes que crecen más rápido suelen ser aquellos a los que más te interesa conservar, por lo que subirles los precios a mitad de contrato conlleva un riesgo de pérdida de clientes. En segundo lugar, una vez que un modelo de precios está en el mercado, cambiarlo requiere renegociar los contratos existentes, lo cual resulta caro y lento. El margen de maniobra para ajustar los precios es más reducido de lo que la mayoría de los equipos de producto creen.
Cómo verlo venir
Hay dos indicadores que diferencian a las empresas que se dan cuenta de esto a tiempo de las que lo descubren durante un trimestre malo. Ambos son tediosos de implementar y costosos de ignorar.
Margen bruto por cliente, analizado mensualmente. No se trata del margen bruto global. Por cliente. En términos globales, un grupo sólido de clientes con bajo consumo puede ocultar a un grupo de clientes con alto consumo y margen bruto negativo. Por cliente, la pérdida se aprecia en la cola de la distribución antes de que se refleje en la cifra global.
Coste por usuario activo frente a ingresos por usuario activo. En el sector del SaaS, estas dos cifras evolucionan más o menos al mismo ritmo. En el ámbito de la IA, pueden divergir, ya que el coste por usuario activo crece más rápido que los ingresos por usuario activo a medida que aumenta el uso. La diferencia entre ambas cifras es lo que determina el margen, y la evolución de esa diferencia a lo largo del tiempo es la tendencia que realmente importa.
Ambas métricas requieren que la plataforma de facturación correlacione los datos de costes con los de ingresos a nivel de cliente. Si ambos datos se encuentran en sistemas diferentes y se concilian mensualmente en una hoja de cálculo, la tendencia suele hacerse visible solo cuando el problema ya se ha producido.
Qué hacer cuando la tendencia apunta en la dirección equivocada
Hay tres opciones, y cada una tiene sus pros y sus contras.
- Revisa primero los precios de los nuevos contratos. Ajusta el modelo de precios para los nuevos clientes y deja que los precios de los clientes actuales se actualicen en el momento de la renovación. Es la opción más lenta, pero también la más segura, ya que protege la retención de los clientes actuales y da tiempo al departamento financiero para ajustar el nuevo modelo de precios en función de los patrones de uso reales.
- Añadir un exceso de consumo o una estructura de crédito a los contratos existentes. Renegociar con los clientes actuales para pasar a un modelo híbrido que limite la cantidad de consumo incluida en la suscripción. Más rápido. También conlleva un riesgo de pérdida de clientes, ya que estos consideran que los cambios de precios a mitad de contrato suponen un incumplimiento del acuerdo original, incluso cuando el contrato lo permite.
- Presenta la IA como una referencia (SKU) independiente con su propio precio. En lugar de modificar el precio de lo que los clientes ya han comprado, traslada las funciones de IA más costosas a una referencia premium independiente que los clientes puedan elegir. De este modo, se mantiene el precio actual del producto básico. Esto requiere un cambio en la presentación del producto que debe liderar el equipo de producto.
La opción más adecuada depende de dónde se concentre el problema de los márgenes. Si se trata de un número reducido de clientes con un consumo elevado, es más eficaz abordarlo directamente con ellos que aplicar un reajuste general de precios. Si, por el contrario, el problema está muy extendido entre la base de clientes, es necesario modificar el propio modelo de fijación de precios a nivel del modelo, y no contrato por contrato.
Cómo evitarlo en el próximo producto
El problema de la gestión de márgenes en el ámbito de la IA es más fácil de prevenir que de solucionar, por lo que involucrar al departamento financiero en las decisiones de fijación de precios relacionadas con la IA antes del lanzamiento del producto marca la diferencia entre que la IA sea una oportunidad de crecimiento o un problema para la cuenta de resultados. Los tres aspectos que hay que tener en cuenta desde el principio:
- Calcula la rentabilidad unitaria del modelo multiplicando el consumo actual por 2 y por 5 antes de fijar el precio. Si los cálculos del margen no cuadran al multiplicar por 5, el modelo de fijación de precios tiene un problema que la empresa aún no ha detectado.
- Incorpora el exceso de uso en la estructura de precios desde el primer día. Aunque el nivel básico sea de suscripción, contar con una estructura de saldo de créditos y una tarifa por exceso de uso configuradas permite que la plataforma pueda absorber las variaciones en el uso de los usuarios más activos sin necesidad de revisar los precios.
- Calcula el margen bruto por cliente desde el primer día. Si la tendencia va a manifestarse, lo ideal es que se observe en el tercer mes, no en el duodécimo.
Para consultar la guía financiera completa sobre la estrategia de monetización de la IA, incluido el marco de seis pasos para anticiparse a las decisiones de fijación de precios, visita billingplatform.com/ai-monetization.
BillingPlatform correlaciona los datos de costes de entrega generados por IA con los datos de ingresos en una única plataforma, de modo que el departamento financiero puede ver el margen por cliente en tiempo real, en lugar de tener que esperar al cierre del ejercicio. Más información en billingplatform.com.
