La tarificación basada en resultados es el modelo de monetización de la IA del que más se habla y que menos se aplica. Todos los proveedores de IA proponen alguna versión del mismo. En todas las conferencias hay una mesa redonda dedicada a este tema. Y, sin embargo, el número de productos de IA que realmente aplican la tarificación basada en resultados a gran escala es reducido, y el número de proveedores que han logrado que funcione fuera de un caso de uso concreto es aún menor.
Esto no se debe a que la fijación de precios basada en resultados sea una mala idea. Se debe a que el listón operativo es tan alto que la mayoría de los intentos se estancan entre la fase de diseño y la de implementación. A continuación se explica en qué casos funciona la fijación de precios basada en resultados, por qué fracasan los demás intentos y cómo determinar en qué situación te encuentras antes de dedicar tiempo a los ciclos de diseño.
La promesa y por qué resulta atractiva
La tarificación basada en resultados para la IA solo cobra al cliente cuando la IA completa con éxito una tarea definida: resolución de un ticket, calificación de una oportunidad, detección de un caso de fraude o procesamiento de una transacción aprobada. La lógica comercial es convincente: los clientes solo pagan cuando obtienen valor, y los proveedores captan una mayor parte del valor que generan. La tarificación se ajusta a lo que realmente le importa al cliente.
Desde el punto de vista del comprador, la fijación de precios basada en resultados resuelve un problema concreto en materia de contratación. La fijación de precios tradicional en el ámbito de la IA exige al cliente que pague por el consumo antes de saber si dicho consumo produce los resultados deseados. Esto significa que el cliente asume el riesgo relacionado con el rendimiento de la IA. La fijación de precios basada en resultados invierte este riesgo: el proveedor asume el riesgo de rendimiento, ya que solo cobra cuando la IA funciona.
Esa transferencia de riesgo es la razón por la que la fijación de precios basada en resultados favorece unos precios efectivos más elevados cuando funciona. Un cliente que tiene la certeza de que solo pagará por los resultados positivos aceptará un precio más alto por resultado que el que pagaría por unidad de consumo, ya que ha eliminado el riesgo de perder dinero.
Fijación de precios basada en resultados para la IA: ejemplos públicos que realmente funcionan
Hay tres ejemplos que cuentan con implementaciones de producción duraderas a gran escala. Comprender qué tienen en común permite entender en qué casos la tarificación basada en resultados tiene posibilidades reales de funcionar.
Intercom Fin cobra por cada resolución de ticket. La IA resuelve los tickets de atención al cliente. Cada resolución es un evento independiente con una señal clara de éxito (el ticket se ha cerrado y el cliente no lo ha vuelto a abrir dentro de un plazo definido). El cliente puede verificar cada resolución de forma independiente. La atribución es inequívoca.
Riskified cobra por cada transacción aprobada. La IA evalúa las transacciones para detectar el riesgo de fraude. Cada aprobación es un evento independiente que se produce o no se produce. El cliente ve las aprobaciones en su propio sistema. El valor económico para el cliente es inmediato y cuantificable: no se ha bloqueado a ningún cliente legítimo.
Decagon cobra por cada conversación resuelta. La IA gestiona una conversación de atención al cliente hasta alcanzar un estado de resolución definido. Cada resolución es independiente, cuantificable y verificable a partir de los propios sistemas del cliente.
Lo que los tres tienen en común: el resultado es discreto (un único evento), medible a nivel de evento (el sistema genera la señal, no lo deciden las personas), atribuible a la IA (el cliente puede ver que ha sido la IA, y no otro proceso, la que ha generado el resultado) y verificable a partir de los datos del cliente (el cliente puede auditar el resultado sin depender de los informes del proveedor).
Donde se concentran los fallos
Los intentos de fijación de precios basados en resultados que se estancan comparten una serie de características distintas. Identificarlas a tiempo permite ahorrar meses de trabajo de diseño.
El resultado se define de forma tan ambigua que clientes y proveedores discrepan sobre qué es lo que cuenta. Si la IA genera una «calificación de clientes potenciales» y el equipo de ventas del cliente decide que la mitad de los clientes potenciales calificados en realidad no lo estaban, la discusión sobre la atribución acaba dominando toda la relación comercial. El modelo basado en resultados solo funciona cuando la definición es lo suficientemente precisa como para que las disputas sean poco frecuentes y se puedan resolver.
La confirmación del resultado requiere un criterio humano. Si una persona tiene que revisar cada resultado para decidir si es válido, el modelo de fijación de precios presenta tres problemas: el coste de la confirmación merma el margen, la confirmación retrasa el reconocimiento de ingresos y el criterio humano introduce variaciones que los clientes aprovecharán. Las señales de éxito generadas por el sistema son las que hacen que el modelo basado en resultados sea defendible.
El valor de un resultado individual es reducido en comparación con el coste operativo que supone su seguimiento. Si la IA genera miles de resultados a 0,10 dólares cada uno, el coste por resultado en concepto de contabilidad, gestión de reclamaciones y registro de auditoría puede superar los ingresos por resultado. El enfoque basado en resultados funciona mejor cuando los resultados individuales tienen un valor significativo: un ticket de asistencia resuelto (de 3 a 30 dólares), una transacción aprobada (de 0,50 a 5 dólares) o un cliente potencial cualificado (de 5 a 50 dólares). Por debajo de esos rangos, el modelo suele resultar más caro de gestionar de lo que justifican los ingresos.
El patrón de compra del cliente se basa en un presupuesto anual, más que en un gasto variable. Los departamentos de compras de las empresas a menudo no pueden aceptar un modelo de precios en el que el gasto anual se desconoce en el momento de la firma del contrato. Se trata de un problema que tiene solución, normalmente mediante la incorporación de un compromiso mínimo o una estructura de suscripción híbrida, pero el modelo puramente basado en resultados, en el que todos los ingresos son variables, no supera la mayoría de los procesos de compra de las empresas.
La complejidad del reconocimiento de ingresos
El reconocimiento de ingresos basado en resultados es el tratamiento contable más complejo de la norma ASC 606. Los ingresos se devengan cuando se confirma el resultado, no cuando se lleva a cabo la acción de la IA. Esto genera un desfase entre el momento en que se ejecuta la IA y el momento en que se pueden reconocer los ingresos, y dicho desfase debe gestionarse correctamente para superar una auditoría.
Los requisitos específicos son estrictos. La definición del resultado debe documentarse y aplicarse de forma coherente. La señal de éxito debe generarse de forma automática por el sistema, sin basarse en valoraciones subjetivas. Cualquier riesgo de reversión, en caso de que un cliente impugne posteriormente un resultado por no cumplir los requisitos, debe evaluarse para determinar si procede constituir una provisión. Deben utilizarse las tasas históricas de impugnaciones para establecer la tasa de provisión. La tasa de provisión debe actualizarse en cada período de presentación de informes a medida que se acumulan los datos reales sobre impugnaciones.
No es una tarea sencilla. Las empresas que no aplican correctamente la fijación de precios basada en resultados desde el punto de vista contable se ven obligadas, o bien a contabilizar ingresos por resultados que posteriormente son objeto de controversia (lo que supone un riesgo de reexpresión de las cuentas), o bien a constituir provisiones excesivas frente al riesgo de reversión (lo que subestima los ingresos y reduce las valoraciones). Ninguna de estas dos situaciones es deseable, y la solución pasa por definir el tratamiento contable antes de que los precios se lancen al mercado.
Cuándo optar por un enfoque basado en resultados
Para que la fijación de precios basada en los resultados tenga posibilidades reales de funcionar, deben cumplirse cinco condiciones. Si falta alguna de ellas, será más adecuado recurrir a uno de los demás modelos de fijación de precios.
- La IA genera resultados concretos que se pueden contabilizar individualmente. No se trata de una «mayor productividad» ni de «mejores decisiones», sino de hechos reales que han ocurrido o no han ocurrido.
- El éxito puede definirse mediante una señal generada por el sistema. La propia IA, o un sistema posterior, aporta pruebas de que se ha producido el resultado. Los seres humanos no toman la decisión.
- El cliente puede verificar los resultados desde sus propios sistemas. Si el proveedor es la única fuente fidedigna de lo que realmente cuenta, el cliente acabará por dejar de confiar en los datos.
- Los resultados individuales tienen un valor suficiente como para justificar los gastos generales de contabilidad y resolución de litigios. A grandes rasgos, esto significa resultados por valor de 1 dólar o más, aunque a veces puede ser una cantidad inferior si el volumen es lo suficientemente elevado como para que el coste fijo de contabilidad se amortice.
- El patrón de compra del cliente puede admitir un gasto variable, o bien se puede añadir un compromiso mínimo o una cuota de suscripción para que el gasto total sea más predecible.
Si se cumplen las cinco condiciones, el modelo basado en resultados es una opción muy recomendable. Si falta alguna, es mejor optar por el modelo basado en el uso, el de «plaza más fondo de créditos» o una estructura híbrida que recoja parte de la alineación de intereses propia del modelo basado en resultados sin heredar toda su complejidad operativa.
Lo que, en realidad, acaba obteniendo la mayoría de las empresas
El modelo más pragmático para la mayoría de los productos de IA empresarial es híbrido: basado en suscripción para el acceso a la plataforma y un umbral mínimo de ingresos predecible; basado en el uso o por usuario para el consumo general; y con tarifas basadas en resultados para un conjunto específico de tareas discretas de alto valor que cumplan las cinco condiciones anteriores. Esa combinación refleja la alineación de valor de la tarificación basada en resultados en aquellos casos en los que tiene sentido, sin exigir al modelo de precios que haga lo que no puede.
Para consultar la guía empresarial completa sobre la monetización de la IA, que incluye el marco completo del modelo y cómo estructurar el trabajo estratégico, visita billingplatform.com/ai-monetization.
BillingPlatform gestiona la tarificación basada en resultados mediante el mismo motor que los modelos de suscripción, de uso y híbridos, incluido el tratamiento de reconocimiento de ingresos «pendiente hasta su confirmación» que exige la norma ASC 606. Más información en billingplatform.com.
