El software enseñó a una generación de fundadores que el margen bruto es un problema resuelto. Se construye el producto una vez, el siguiente cliente cuesta casi nada de servir, y la línea del margen se instala sola por encima del 80 por ciento. Los productos de IA no se comportan así. Cada petición cuesta dinero real, ese coste varía con la intensidad con la que cada cliente usa el producto y no con el número de clientes, y el margen bruto deja de ser una consecuencia de la escala. Pasa a ser algo que hay que diseñar.
¿Por qué las startups de IA tienen un problema de margen bruto?
Porque la inferencia es un coste variable que crece con el uso, no un coste fijo que se diluye con el crecimiento. Una empresa de software tradicional añade clientes y ve subir el margen bruto; una empresa de IA añade clientes y añade coste en la misma proporción. El margen lo decide cuánta computación consume cada unidad de valor entregado, qué peticiones envían realmente los clientes, y qué parte del uso gratuito e intensivo están subvencionando en silencio las cuentas de pago. Hay que medirlo por función y por segmento de cliente, porque la media combinada esconde las cuentas que están en negativo.
Por qué el margen no mejora solo
La curva clásica del margen de software viene de una base de costes casi toda fija. El alojamiento, el almacenamiento y el ancho de banda por cliente son lo bastante pequeños como para que el crecimiento reparta el coste de ingeniería entre más ingresos y el porcentaje suba año tras año. Un producto de IA tiene una segunda base de costes debajo de esa, y es variable por construcción: la llamada al modelo, la recuperación de documentos, la repetición cuando la primera respuesta no servía. Duplicar los ingresos duplica también ese coste, así que el porcentaje de margen se queda prácticamente donde empezó salvo que algo del producto cambie. Quien presupuesta asumiendo que el margen mejora con la escala está presupuestando para una curva que su producto no tiene.
El coste de ventas es más ancho que la factura del modelo
La factura del proveedor del modelo es la parte visible y rara vez es el total. Una función de IA en funcionamiento carga también los embeddings y el almacenamiento vectorial que hacen posible la recuperación, las llamadas de evaluación y de salvaguarda que revisan una respuesta antes de que llegue al usuario, los reintentos cuando una llamada falla o devuelve algo inservible, y en la mayoría de los productos serios cierta revisión humana sobre los resultados que importan. Cada una de esas partidas es un coste de entregar el servicio, lo que la convierte en coste de ventas y no en investigación y desarrollo. Dejarlas en una partida de ingeniería o de infraestructura no las hace desaparecer; solo traslada el problema del margen a un sitio donde nadie está mirando.
El plan gratuito es un centro de coste, no una línea de marketing
En el software convencional un plan gratuito cuesta un redondeo y compra distribución. En un producto de IA el plan gratuito consume la misma computación cara que el de pago, y los usuarios que más consumen son, por definición, los que encontraron el producto más útil. Eso es una estrategia de adquisición legítima, y es también una cifra real que pertenece al cálculo del margen y no a un presupuesto de marketing que nadie concilia contra el uso. La pregunta no es si debe haber un plan gratuito. Es si alguien puede decir, este mes, cuánto costó y qué cohorte de pago lo absorbió.
El precio no arregla un coste que no se ve
La reacción habitual ante un margen de IA estrecho es un cambio de precio: subir el importe por usuario, añadir límites de uso, pasar a un modelo de créditos. Las tres pueden funcionar, y ninguna se puede apuntar sin saber qué funciones y qué clientes consumen la computación. Una subida por usuario repartida por toda la base castiga a los usuarios ligeros que ya eran rentables y apenas toca a las cuentas intensivas que causaron el problema. Los límites de uso fijados a partir de una media cortan precisamente a los clientes para los que se diseñó el producto. La palanca del precio es real, pero solo sirve una vez que el coste está asignado a la actividad que lo causa, una función y un segmento cada vez.
Un margen bruto combinado es la media entre los productos con los que gana dinero y aquellos con los que no. Las medias no sobreviven a una due diligence.
Qué revisar antes del próximo informe al consejo
Antes de que el margen bruto entre en una presentación al consejo o en una sala de datos, confirme tres cosas. Que el coste de ventas incluye inferencia, recuperación, evaluación, reintentos y revisión humana, y no solo la factura del modelo. Que el margen se reporta por función y por nivel de plan, además del combinado, para que las combinaciones deficitarias queden visibles en lugar de diluidas en la media. Y que el uso gratuito y de prueba está costeado y asignado, en vez de tratado como gasto de marketing. Un inversor que pregunta cómo se comporta el margen a diez veces el volumen está preguntando si alguien ha hecho ese trabajo, y la respuesta honesta se nota en un minuto.
Reserve una demostración en directo de CostCtrl y vea cómo los costes de inferencia, recuperación, evaluación y revisión se juntan en un margen real por función y por cliente.
Lectura relacionada: margen bruto de IA y economía por token y cómo fijar precios de productos de IA con rentabilidad.