El 2025 fue el año de la experimentación con Inteligencia Artificial en el mundo corporativo. Se esperaba que 2026 marcara la consolidación de esos pilotos en contratos firmes, transformando el Ingreso Recurrente Anual (ARR) de las startups de IA de algo especulativo a una fuente de ingresos robusta. Sin embargo, un análisis reciente de TechCrunch revela una realidad mucho más cruda: el ARR de estas empresas es, por primera vez, menos seguro de lo que aparenta, incluso con contratos en mano.
La brecha entre el piloto y la producción
Dos encuestas recientes pintan un panorama preocupante. Una realizada por Madrona VC a 150 profesionales de TI en grandes empresas, indica que el 74% planea aumentar sus presupuestos de IA, pero un dato alarmante emerge: menos del 50% de sus pilotos de IA logran llegar a una implementación productiva real. Si bien esto representa una mejora respecto al año anterior, donde el MIT calculó que el 95% de los proyectos de IA empresarial fracasaban en términos de retorno de inversión (ROI), la cifra sigue siendo baja para un sector que promete crecimiento explosivo.
La raíz del problema parece tener dos vertientes. Por un lado, el ciclo de compra de TI en las empresas, tradicionalmente cauto y a largo plazo, aún no se ha adaptado a la vertiginosa velocidad de mejora de los modelos de IA. Una empresa que firma un contrato anual en enero puede encontrarse en julio con modelos de IA más avanzados y económicos disponibles. Por otro lado, y quizás el punto de quiebre más crítico, es el modelo de precios. Una encuesta de Andreessen Horowitz a 50 compradores técnicos de IA revela que más de la mitad prefiere tarifas ligadas a los resultados obtenidos o a otros ‘outcomes’ concretos, en lugar del consumo de tokens. Este choque directo entre el modelo de negocio de las startups de IA (basado en API de tokens) y las demandas de los clientes empresariales es el mismo debate que resuena en grandes tecnológicas: el precio por token no mide el valor real creado.
El espejismo de los presupuestos de prueba
Las startups de IA han sabido capitalizar los presupuestos destinados a la “exploración de IA”, que requieren menos aprobación que los contratos de software de producción. Demostraciones impresionantes generan ARR en papel, pero este ingreso de piloto puede evaporarse al agotar el presupuesto de prueba y enfrentar la exigencia de justificar el gasto ante un CFO con métricas de ROI claras. Hemos visto este patrón de “ARR inflado” desde casos como Cluely o Spellbook, donde la diferencia entre “ARR comprometido”, “ARR de run-rate anualizado” y “ARR de contratos activos” puede ser abismal. Los inversores que no profundizan en estas definiciones corren el riesgo de sobrevalorar startups cuya realidad financiera es menos sólida.
El gasto total en tecnología empresarial se proyecta en 4.25 billones de dólares para 2026, impulsado en gran medida por la IA. El mercado es innegable, pero la distribución de ese gasto entre las startups de IA es incierta. La pregunta clave ahora es qué modelo de IA –plataforma abierta o producto cerrado– capturará más valor a largo plazo, y, crucialmente, cuál ofrecerá un modelo de precios que las empresas puedan comprometer más allá de un año. La solución a esta disyuntiva de pricing será una ventaja competitiva insuperable. El mercado aún busca su “precio por asiento” de SaaS, una unidad de facturación clara y comparable. Hasta entonces, el ARR de las startups de IA seguirá siendo una métrica optimista, pero poco confiable. Las startups que presenten propuestas de precios por resultado, en lugar de estimaciones de tokens, en las próximas conversaciones de presupuesto tendrán una ventaja decisiva.
Fuente: WWWhat's New Apps (Español)