El ingreso recurrente de las startups de IA ya no garantiza lo que prometía
Hay un número que recorre los pitch decks de Silicon Valley con la fuerza de un argumento cerrado: el ARR, ingreso anual recurrente. Durante años fue la métrica que separaba a las startups serias de las que simplemente quemaban caja con esperanza. Un contrato enterprise firmado equivalía a visibilidad de ingresos, a churn bajo, a la promesa de que el cliente no se iba a ir porque el costo de cambiarse era demasiado alto. Ese supuesto acaba de mostrar una grieta que no es menor.
Según datos publicados en 2026 por la firma de capital de riesgo Madrona, que encuestó a 150 profesionales de TI empresarial, el 77% de las empresas reevalúa a sus proveedores de inteligencia artificial cada seis meses o incluso de manera continua. Ese porcentaje incluye un 29% que lo hace sobre una base móvil, sin esperar siquiera el cierre de un período formal. Lo que la investigación describe no es un ciclo de compra más activo. Es la desaparición del supuesto de permanencia que hacía que los contratos enterprise fueran la base más sólida del modelo de ingresos en software.
El contexto de mercado no es el de una industria en retracción. IDC proyecta que el gasto tecnológico global alcanzará 4,25 billones de dólares en 2026, impulsado principalmente por la adopción de inteligencia artificial. El 74% de los encuestados por Madrona planea expandir sus presupuestos de IA en los próximos doce meses, y el resto planea mantenerlos estables. No hay señales de freno en el volumen de dinero que entra al sector. Lo que está cambiando es la estructura del compromiso detrás de ese dinero.
Cómo se construyó el ARR rápido y por qué ahora importa menos
El fenómeno de startups que pasaban de cero a diez millones de dólares en ARR en tres meses no fue un accidente de métricas. Fue el resultado de que las grandes empresas, ante la presión de no quedarse fuera del ciclo de IA, abrieron presupuestos de prueba con una velocidad inusual. En 2025, esos presupuestos de piloto financiaron la primera ola de crecimiento acelerado. La tesis para 2026 era que esas mismas empresas convertirían sus experimentos en compromisos de largo plazo, los contratos multi-anuales que históricamente habían sido el foso de ingresos del SaaS enterprise.
Eso no ocurrió de la manera esperada. Madrona lo denomina una dinámica de "rápido ingreso, rápida salida": los costos de migración son más bajos que en el software tradicional, y la frecuencia de evaluación no da tregua. A diferencia de un ERP o un sistema de gestión de recursos humanos que se entierra en los procesos de una organización durante años, las herramientas de IA todavía no han alcanzado ese nivel de integración estructural. Pueden ser reemplazadas sin que el negocio se detenga.
Este punto tiene implicaciones directas sobre la calidad del ARR que las startups reportan. Un número de ingresos anuales recurrentes que puede ser reevaluado en seis meses no es técnicamente anual en términos de riesgo. Es, en la práctica, un ingreso semestral con opción de renovación, lo que cambia completamente el análisis de durabilidad. Los inversores que valoran startups en múltiplos de ARR asumiendo retención enterprise tradicional están aplicando un denominador incorrecto a contratos que se comportan de manera diferente.
La comparación histórica es útil para calibrar la magnitud del problema. MIT reportó que el 95% de los proyectos de IA enterprise fracasaron en términos de retorno sobre inversión en el período analizado el año anterior. Que ahora menos de la mitad de los pilotos llegue a producción plena suena a mejora, y técnicamente lo es. Pero el criterio de éxito sigue siendo notablemente bajo para el volumen de capital que se está desplegando.
El problema de precio que nadie terminó de resolver
Detrás de la volatilidad en los contratos hay un problema de arquitectura comercial que la industria todavía no resolvió. Andreessen Horowitz encuestó a 50 compradores técnicos de IA y encontró que más de la mitad prefiere que los precios estén atados al trabajo producido o a resultados concretos, no al consumo de tokens u otras métricas de uso.
El modelo de precio por token es, en esencia, la traslación directa del modelo SaaS de asientos al lenguaje de los modelos de lenguaje. En el SaaS maduro, cobrar por usuario tiene sentido porque el valor del producto crece con el número de personas que lo usan. Pero en IA, el comprador enterprise no está comprando acceso a un recurso: está comprando la ejecución de una tarea. La diferencia no es semántica. Cuando el precio está desconectado del resultado, el cliente no puede calcular su retorno de inversión con precisión, y cuando no puede calcularlo, la conversación de renovación empieza siempre desde cero.
Los socios de a16z Tugce Erten y Sarah Wang argumentan que anclar el precio al "trabajo reconocible", ya sea reportes procesados, tickets cerrados o prospectos generados, hace que el producto sea "económicamente valioso para ambas partes". La formulación es correcta pero también revela cuánto terreno queda por recorrer. Si el estándar es que el valor sea visible para las dos partes, y más de la mitad de los compradores todavía no lo percibe así bajo los modelos de precio actuales, la industria tiene un problema de traducción comercial que va más allá de la tecnología.
Este desajuste tiene un efecto secundario que agrava la inestabilidad del ARR. Cuando una empresa no puede medir el retorno de lo que paga, tiende a subestimar el costo de cambiarse de proveedor, porque tampoco puede medir lo que perdería al irse. El resultado es que la evaluación continua que describe Madrona no es solo una preferencia cultural de los compradores: es una consecuencia directa de no haber resuelto el problema de precio con suficiente precisión.
El reparto de valor que el modelo actual no garantiza
Lo que está en tensión no es el crecimiento del mercado. Las cifras de IDC y los planes de expansión de presupuestos de las empresas confirman que la demanda es real y que sigue aumentando. Lo que está en tensión es la distribución de ese valor entre los distintos actores del sistema.
Las startups de IA ganaron rápidamente la posición de primer proveedor, pero no lograron convertir esa posición en permanencia contractual. Las empresas enterprise, por su parte, están en una posición inusualmente cómoda: pueden experimentar, adoptar y reemplazar con una fricción mucho menor que en cualquier ciclo anterior de software empresarial. Eso les da un poder de negociación que no tenían cuando los sistemas se enterraban en sus operaciones durante años.
La distribución de poder en este mercado favorece hoy al comprador de una manera que no tiene precedente reciente en software B2B. Y eso tiene consecuencias concretas para la economía de las startups. Un ciclo de ventas que termina en un contrato que puede ser reevaluado en seis meses obliga a mantener activo el proceso de demostración de valor de manera permanente. Eso no es solo un costo de retención: es una estructura donde la startup financia continuamente la certeza del cliente a cambio de ingresos que siguen siendo provisionales.
El ajuste que la industria necesita no pasa por convencer a los clientes de firmar contratos más largos. Pasa por construir la clase de integración operativa que hace que el costo de salida sea suficientemente alto para que la permanencia sea una elección racional del comprador, no solo una preferencia del vendedor. Mientras esa integración no exista, el ARR de las startups de IA seguirá siendo una fotografía de un momento, no una garantía de flujo futuro. Y los múltiplos de valoración que asumen lo segundo están describiendo un activo que todavía no se construyó.
