El fin del precio por acceso: cómo la IA está destruyendo el modelo de suscripción SaaS

En los últimos años me ha tocado determinar el pricing de productos digitales en varias empresas; todas ellas como modelo «Saas» o equivalente. La verdad es que no es sencillo, teniendo en cuenta que hablamos de negocios que no son los Hubspot, Salesforce y compañía, donde tienes millones de data para poder hacer elasticidades precio y este tipo de técnicas para optimizar la tarifa y la métrica sobre la que te basas.

Debemos tener en cuenta que más del 90% del coste de la «licencia» que vendes, es fijo e indirecto (que no se lo puedes imputar al producto).

Pero de todas formas, siempre eran precios por uso o licencia, lo que en el mundo anglosajón se denomina «precio por asiento». Durante décadas, la industria del software vendió acceso. Pagar por usuario, por asiento, por licencia. La ecuación era sencilla: más empleados en una empresa = más licencias = más ingresos para el proveedor. Predecible, escalable, seguro para todos.

Pues bien, ahora esa ecuación ya no funciona. O si nos ponemos menos dramáticos, empieza a estar en duda o ya no vale para todos los negocios que venden una solución por la que se factura x euros/mes por usuario (como te hacen en Google Worskpace, Notion, Slack, Claude, Dropbox o la aplicación que quieras).

La Inteligencia Artificial ha roto la correlación histórica entre número de personas y valor extraído del software. Y con eso, ha forzado una de las transformaciones más radicales en la historia del pricing tecnológico.

Si era más complejo en una pyme o startup con poca data, ahora el desafío se multiplica. Veamos que ocurre cuando entra en la ecuación las soluciones con IA.

# El problema nuclear del precio por asiento

Imagina que vendes un software de gestión de soporte al cliente. Tu cliente tiene 50 agentes y te paga 50 licencias. Luego implementas un agente de IA que resuelve el 80% de los tickets automáticamente. El cliente pasa de 50 agentes a 10.

¿El resultado? Has multiplicado el valor que entregas por cinco. Y has perdido el 80% de tus ingresos por hacerlo.

Esto es lo que se denomina el «Apocalipsis de las Licencias». Cobrar por usuario castiga la eficiencia. Penaliza al proveedor que innova y al cliente que adopta. Es un modelo económicamente insostenible para quien se toma en serio la IA.

Gartner estima que el 70% de las empresas preferirán modelos de uso sobre los de precio por asiento en 2026. No es una predicción optimista de analistas. Es la consecuencia lógica de un cambio estructural.

# La conquista del presupuesto de Recursos Humanos

Lo más disruptivo no es el cambio de modelo. Es el cambio de mesa donde se negocia.

Históricamente, el software competía por una porción del presupuesto de IT. Hoy, los agentes de IA se están vendiendo directamente contra el presupuesto de Recursos Humanos. Los proveedores están posicionando sus soluciones no como herramientas, sino como empleados digitales: entre 800 y 2.000 dólares mensuales por agente, frente a los 60.000 dólares anuales que cuesta un empleado a tiempo completo.

El ancla de precio cambia completamente. El cliente ya no compara con una licencia de 20 euros al mes. Compara con un salario.

Esto permite contratos de mayor valor, ciclos de venta más cortos (la decisión pasa de IT al CEO o al CFO) y una justificación de ROI que se puede medir en semanas. Es exactamente el tipo de palanca que analicé hace tiempo en el Pricing framework.

# Los tres modelos que están ganando

1/ Precio por consumo (Usage-Based Pricing)

El cliente paga exactamente por lo que usa. Sin más. Un ejemplo que he encontrado es el de New Relic, una empresa de monitoreo de rendimiento de aplicaciones muy conocido a nivel global; pivotaron desde un modelo de suscripción por infraestructura fija hacia consumo puro, con más de 150 millones de ARR, obtuvieron un aumento del 44% en su tasa de ingresos anuales. Alinear coste con valor real no es solo una decisión de pricing. Es una decisión estratégica que cambia la conversación con el cliente.

2/ Precio por resultado (Outcome-Based Pricing)

El paso siguiente al uso es cobrar por el trabajo realizado, no por el acceso. Intercom cobra 0,99 dólares por cada resolución que completa su agente «Fin AI», un modelo que escaló rápidamente hasta una cifra de ocho dígitos de ARR con un crecimiento anualizado del 393%. Zendesk cobra entre 1,50 y 2 dólares por resolución automatizada.

Este modelo alinea perfectamente los incentivos: el proveedor solo gana si el cliente gana. Es la forma más honesta de vender software.

3/ El modelo híbrido (el nuevo estándar)

El precio por uso genera volatilidad. El precio por suscripción deja expansión encima de la mesa. La solución que está ganando es el modelo híbrido: una base fija que garantiza previsibilidad, más componentes variables que capturan el crecimiento.

Microsoft Copilot aplica esta lógica con precisión: cobra una suscripción base de 30 dólares por usuario para la capacidad estándar, y añade créditos adicionales para picos de uso en tareas complejas. Usuarios estándar cubiertos. Súper usuarios monetizados. Sin renegociaciones a mitad de año.

Esta misma lógica —base estable más upside variable— es la que debería guiar cómo cualquier empresa estructura su modelo de ingresos recurrentes.

# La inflación del software: un problema que no va a desaparecer

Hay una consecuencia colateral de todo esto que afecta a cualquier empresa, use o no use IA: la inflación tecnológica.

La inflación en el sector del software corre actualmente a un ritmo cinco veces superior al de la inflación general del mercado. Las subidas anuales de precio entre proveedores SaaS oscilan entre el 8% y el 25%, y si se añaden tarifas de migración o multiplicadores de crédito, el incremento efectivo puede superar el 30%.

Las empresas que compran software —es decir, prácticamente todas— necesitan incorporar esta realidad en sus presupuestos y en sus procesos de negociación de contratos. Y las que venden software necesitan entender que subir precios ya no es excepcional; es el mecanismo de crecimiento estándar. En paralelo, la caída de tráfico web y la desintermediación de plataformas IA está redibujando también dónde y cómo esos clientes te encuentran.

# La deuda técnica y la difícil adaptación al mundo IA de los proveedores tradicionales

Como se explica en este artículo del blog/newsletter Estrategia de producto, el SaaS actual es más frágil de lo que parece. Muchas de estas soluciones nacieron hace 15 años en entornos de aprendizaje rápido y bases técnicas improvisadas. El problema surge ahora: esa arquitectura antigua difícilmente soporta la ‘hipervitaminosis’ de la IA

Cito parte del articulo (que te recomiendo leas entero):

Y es que la mayor parte de esa tecnología la han creado personas que estaban aprendiendo sobre la marcha y, además, bajo presión.

Las startups eran la forma de escapar de la tiranía de la consultoría y de experimentar con las últimas tecnologías. Así, incapaces de competir en salarios, muchas vendían como perk trabajar con microservicios, nosql, serverless…

Y en parte funcionó. Trabajar en una startup te brindaba la oportunidad de aprender a manejarte con la misma tech que leías que Netflix o Spotify utilizaban. Pero claro, sin ser Netflix ni Spotify, ni tener el nivel de seniority de sus ingenieros.

El resultado ha sido años de deuda técnica acumulada por equipos que construían a toda velocidad sin los cimientos adecuados. Plataformas que se sostienen por gracia divina y porque la velocidad a la que se añadía nuevo código era lo suficientemente lenta como para que el sistema no saltara por los aires.

Ahora entra la IA y, de repente, el CEO puede tirar Pull Requests (propuestas de cambio sobre el código). Y llueven PRs a un ritmo que nadie puede revisar y que, por supuesto, nadie revisa en profundidad por razones que abordamos en las ironías de la automatización.

Y entonces el sistema colapsa. Y no hay IA capaz de arreglarlo. Porque un motor diseñado para ir a 50 km/h no puede mantenerse a 120 sin romperse.

Esta es la situación de muchos proveedores de software tradicionales. Y al mismo tiempo, la ventana de oportunidad para las empresas que nacieron AI-first, con arquitecturas diseñadas desde cero para soportar este ritmo.

Y los mercados ya están descontando estas expectativas:

El 90% de las empresas están en caídas del 30%-80% desde máximos.

Esta cuestión técnica favorece que surjan soluciones Saas nativas en IA con mayor aceleración, y lo que nos interesa de esta ahora es que aplicarán uno de los 3 modelos comentados arriba: pricing por uso, pricing por resultado o un híbrido como elemento diferenciador.

Es un proceso evolutivo de destrucción creativa que va a acelerar el cambio a esta modalidad de pricing.

# Lo que esto significa si diriges una empresa de software (o si la asesoras)

La pregunta ya no es si cambiar el modelo de pricing. La pregunta es cuándo y cómo hacerlo sin destruir la base de clientes actual.

Algunas consideraciones prácticas:

Si más del 80% de tus ingresos depende de licencias por usuario, estás expuesto. No de forma inmediata, pero el riesgo crece cada trimestre que pasa. Empieza a pilotar líneas de ingreso alternativas: un tier de uso, un add-on por resultado, un agente con precio por resolución. Es uno de los síntomas que analizo cuando trabajo con empresas en por qué fracasan los negocios: los modelos de ingresos rígidos son un factor de fragilidad silencioso.

No regales la IA en el plan base. Es el error más común. Si has desarrollado capacidades de IA reales, cobrarlas separadamente (por crédito, por resolución, por resultado) protege tus márgenes variables y te da datos sobre qué clientes generan más valor. Aquí es donde el «triángulo de valor» es útil: margen, crecimiento y reinversión tienen que estar alineados antes de cambiar el modelo de cobro.

La transición tiene un coste de churn real. Cambiar el modelo de precios sin proteger a los clientes existentes genera fugas (algunos estudios lo cuantifican en un 10%-15%).

El outcome-based pricing solo funciona si controlas el resultado. Antes de ir a ese modelo, necesitas poder medir el resultado, predecir el rango con cierta fiabilidad y que el cliente ya mida esa métrica internamente. Si esas condiciones no se cumplen, el riesgo lo absorbes tú sin compensación.

El cambio de fondo es este: el software dejó de ser una herramienta que se alquila para convertirse en trabajo que se contrata. Las empresas que entiendan esa diferencia antes que sus competidores —tanto en cómo venden como en cómo compran— tendrán una ventaja estructural que va mucho más allá del pricing.

Profundiza → Modelos IA y pricing: métricas de uso y valor