El crecimiento de la IA empresarial no garantiza un moat duradero#
El gasto empresarial en inteligencia artificial continúa creciendo, pero convertir esa demanda en ingresos recurrentes predecibles está demostrando ser un problema distinto. IDC sitúa el mercado global de TI en unos 4,2 billones de dólares, mientras que una encuesta de Madrona a 150 responsables empresariales encontró que el 74% espera aumentar sus presupuestos de IA durante los próximos 12 meses. El dinero está entrando; la cuestión es cuánto tiempo permanece con el mismo proveedor.
Para las startups de IA, esa diferencia afecta directamente al moat tradicional del software empresarial. SaaS construyó buena parte de su previsibilidad sobre contratos recurrentes, integraciones profundas y costes de cambio elevados. En IA, Madrona describe un mercado donde los ciclos de compra se aceleran al mismo tiempo que los proveedores permanecen bajo evaluación constante.
Del piloto a producción sigue existiendo una brecha#
El aumento de presupuesto tampoco implica automáticamente despliegues a gran escala. Según Madrona, el 83% de las empresas encuestadas convirtió en producción menos de la mitad de sus pilotos de IA durante el último año. El dato sugiere que una parte considerable del gasto todavía debe superar la barrera entre experimentación y uso operativo sostenido.
El contraste con la investigación de MIT NANDA de 2025 añade contexto. Ese estudio encontró que el 95% de los proyectos empresariales de IA generativa analizados no mostraba impacto financiero medible. Las metodologías no son equivalentes, por lo que ambas cifras no deben compararse como una serie temporal directa, pero apuntan al mismo problema: adoptar IA es considerablemente más sencillo que demostrar valor económico repetible.
“Fast in, fast out” cambia la lógica del ARR#
El dato más relevante para los proveedores puede estar en las renovaciones. Madrona encontró que el 77% de las empresas reevalúa a sus proveedores de IA al menos cada seis meses; un 29% lo hace de manera continua. Al mismo tiempo, el 52% de los acuerdos se cierra en menos de seis meses. Madrona denomina esta dinámica “fast in, fast out”.
Para una startup, eso significa que cerrar la venta es solo una parte del problema. La presión se desplaza hacia demostrar valor durante cada ciclo de reevaluación. Menores costes de cambio y una oferta de herramientas que evoluciona rápidamente pueden hacer que el ARR sea menos defensivo que en categorías SaaS con mayor fricción de sustitución.
El precio también se mueve hacia el valor producido#
La forma de cobrar está cambiando junto con la forma de comprar. En una encuesta reciente de Andreessen Horowitz a 50 compradores técnicos de IA, 27 prefirieron créditos vinculados a unidades reconocibles de trabajo, mientras que 14 optaron por precios basados en tokens. a16z sostiene que, cuando el resultado puede medirse y atribuirse con claridad, el pricing debería acercarse al valor entregado en lugar del coste del cómputo subyacente.
Conclusión#
La oportunidad económica alrededor de la IA empresarial sigue creciendo, pero los datos muestran que crecimiento de presupuesto y durabilidad del proveedor no son la misma cosa. Los pilotos todavía encuentran dificultades para llegar a producción, los compradores reevalúan herramientas con frecuencia y los modelos de precios empiezan a desplazarse hacia unidades de trabajo y resultados medibles. Para las startups, el principal límite del modelo SaaS tradicional puede ser precisamente la menor inercia del cliente: conseguir adopción rápida no garantiza ARR resistente. El moat tendrá que construirse cada vez más alrededor de valor continuo, integración y resultados difíciles de sustituir.
Fuente original: techcr