Introducción
La mayoría de las startups de IA no entrena modelos: compra capacidades por API. Aquí veremos cómo los precios por token se convierten en costo de servicio, cómo modelar costo por solicitud y suscriptor, y cómo diseñar planes gratuitos, límites y precios sostenibles.
Los fundadores suelen hablar de capacidades; los inversionistas, de economía. Si ambas perspectivas no se conectan, aparecen demostraciones sorprendentes con márgenes inviables.
Este artículo explica la estructura económica de los productos de IA generativa, desde la cadena de valor hasta una solicitud, y cómo usarla para diseñar precios, límites y niveles.
Amplía mi artículo sobre la cadena de valor de IA generativa, centrándose en el costo de IA y la economía unitaria de las aplicaciones.
Contenido:
Este artículo explica la estructura económica de los productos de IA generativa, desde la cadena de valor hasta una solicitud, y cómo usarla para diseñar precios, límites y niveles.
Amplía mi artículo sobre la cadena de valor de IA generativa, centrándose en el costo de IA y la economía unitaria de las aplicaciones.
Contenido:
- Cadena de valor y costos de IA.
- La capa de aplicaciones.
- De tokens a costo de servicio: modelar costos de API.
- Qué cambian estas cifras en el modelo financiero.
- Una estructura financiera para aplicar el análisis.
Cadena de valor de IA generativa y sus costos
Entre modelos, GPU y copilotos nuevos, la IA generativa puede parecer caótica. Pero tiene capas con lógicas financieras distintas: dónde se invierte, dónde se cobra y cuánto tarda en llegar la utilidad. Un costo en una capa es ingreso en otra.
En mi explicación de la cadena de valor uso seis capas. Aquí las miraremos con un objetivo financiero: entender qué acaba convirtiéndose en el costo de IA de una aplicación.
En mi explicación de la cadena de valor uso seis capas. Aquí las miraremos con un objetivo financiero: entender qué acaba convirtiéndose en el costo de IA de una aplicación.
Las capas de IA generativa de un vistazo
Desde la base:
Los datos atraviesan varias capas: conjuntos, registros y conocimiento especializado usados en entrenamiento, aplicaciones y ajustes específicos.
Al llegar a la capa de aplicaciones, la economía de las anteriores se resume en unas variables visibles: qué modelo llamas, cuánto pagas por token y cómo puedes aumentar o reducir uso.
- Cómputo y hardware: chips, GPU, TPU y redes que permiten entrenamiento e inferencia.
- Nube y capacidad: proveedores que alquilan ese hardware como infraestructura flexible.
- Modelos fundacionales: empresas que entrenan modelos generales o especializados y venden acceso.
- Acceso y MLOps: plataformas de alojamiento, enrutamiento, evaluación y monitoreo que conectan la app con modelos.
- Aplicaciones: asistentes, copilotos y productos verticales donde viven experiencia de usuario y lógica del sector.
- Servicios e integradores: consultoría e implementación que adaptan procesos y gestionan el cambio.
Los datos atraviesan varias capas: conjuntos, registros y conocimiento especializado usados en entrenamiento, aplicaciones y ajustes específicos.
Al llegar a la capa de aplicaciones, la economía de las anteriores se resume en unas variables visibles: qué modelo llamas, cuánto pagas por token y cómo puedes aumentar o reducir uso.
La lógica de resultados en cada capa
Financieramente, hay dos mundos.
Infraestructura y modelos requieren mucha inversión inicial e I+D: fábricas, centros de datos, redes, entrenamiento e investigadores. Necesitan escala y tiempo para recuperar la inversión. Monetizan mediante chips, horas de GPU y tokens, convirtiendo capacidad fija en ventas variables.
Acceso y MLOps está en medio: menos inversión física y más desarrollo de plataformas. Cobra tarifas y contratos empresariales. Puede alcanzar equilibrio antes, pero depende del volumen y del precio de las herramientas construidas alrededor de modelos ajenos.
Aplicaciones y servicios se parecen más a SaaS y consultoría:
La secuencia de costos va desde hardware y nube a entrenamiento e inferencia, después a precios de API y plataformas, y finalmente a tu costo por solicitud y usuario.
En lo que sigue trataremos las capas inferiores como dadas y nos centraremos en convertir tarifas y patrones de uso en un bloque realista de costos de IA.
Infraestructura y modelos requieren mucha inversión inicial e I+D: fábricas, centros de datos, redes, entrenamiento e investigadores. Necesitan escala y tiempo para recuperar la inversión. Monetizan mediante chips, horas de GPU y tokens, convirtiendo capacidad fija en ventas variables.
Acceso y MLOps está en medio: menos inversión física y más desarrollo de plataformas. Cobra tarifas y contratos empresariales. Puede alcanzar equilibrio antes, pero depende del volumen y del precio de las herramientas construidas alrededor de modelos ajenos.
Aplicaciones y servicios se parecen más a SaaS y consultoría:
- Las aplicaciones pagan producto, ingeniería, ventas, marketing y soporte. Se añade un costo variable por API ligado al uso. La rentabilidad depende de que el ingreso por usuario cubra IA, otros costos marginales y adquisición. El equilibrio puede llegar antes si existe economía unitaria positiva y distribución repetible.
- Servicios e integradores dependen sobre todo de personas. Sus costos principales son remuneraciones y su rentabilidad depende de la utilización facturable. Pueden ser rentables pronto, pero escalar exige contratar y ocupar más especialistas.
La secuencia de costos va desde hardware y nube a entrenamiento e inferencia, después a precios de API y plataformas, y finalmente a tu costo por solicitud y usuario.
En lo que sigue trataremos las capas inferiores como dadas y nos centraremos en convertir tarifas y patrones de uso en un bloque realista de costos de IA.
La capa de aplicaciones: donde opera la mayoría de las startups
Después de recorrer la cadena, centrémonos en aplicaciones. Allí los modelos y tokens se convierten en productos concretos, y el precio por millón de tokens pasa a una línea del estado de resultados.
Productos y modelos de negocio habituales en aplicaciones de IA
En esta capa aparecen herramientas de productividad que escriben correos, resumen reuniones o preparan documentos; copilotos especializados para abogados, médicos, docentes, marketing o ingeniería; y funciones de IA dentro de CRM, soporte, recursos humanos o analítica.
Los modelos de ingresos son conocidos:
La parte de ingresos se parece a un SaaS o una app tradicional. La novedad está más abajo: el botón de IA modifica los costos variables.
Los modelos de ingresos son conocidos:
- Suscripciones mensuales o anuales con funciones de IA.
- Cobro por usuario más volumen de acciones.
- Freemium, con uso limitado en el plan gratuito.
- Licencias empresariales cuando el producto integra un proceso crítico.
La parte de ingresos se parece a un SaaS o una app tradicional. La novedad está más abajo: el botón de IA modifica los costos variables.
Cómo añade valor una aplicación con modelos externos
Con modelos disponibles por API, es fácil pensar que una app es solo una interfaz sobre OpenAI o Anthropic. Pero los productos sólidos aportan datos, procesos y confianza.
Cursor, por ejemplo, es un editor de código que utiliza varios proveedores y modelos. La capacidad general de comprender y generar código viene de ellos.
Su valor está en aplicarla a un desarrollador y una base de código concretos: indexar repositorios, comprender estructura, insertar sugerencias donde se trabaja y coordinar modelos según la tarea. También acumula contexto e interacción que un modelo genérico no ve.
Siemens Industrial Copilot utiliza modelos en nube, pero se integra en procesos industriales, herramientas de ingeniería, automatización y configuraciones de planta. Accede a código PLC, diagramas y registros de máquinas que no son públicos ni fáciles de obtener. Siemens aporta restricciones del sector, seguridad y conocimiento de procesos para delimitar las sugerencias.
Ambos ejemplos muestran el mismo patrón:
Cursor, por ejemplo, es un editor de código que utiliza varios proveedores y modelos. La capacidad general de comprender y generar código viene de ellos.
Su valor está en aplicarla a un desarrollador y una base de código concretos: indexar repositorios, comprender estructura, insertar sugerencias donde se trabaja y coordinar modelos según la tarea. También acumula contexto e interacción que un modelo genérico no ve.
Siemens Industrial Copilot utiliza modelos en nube, pero se integra en procesos industriales, herramientas de ingeniería, automatización y configuraciones de planta. Accede a código PLC, diagramas y registros de máquinas que no son públicos ni fáciles de obtener. Siemens aporta restricciones del sector, seguridad y conocimiento de procesos para delimitar las sugerencias.
Ambos ejemplos muestran el mismo patrón:
- El modelo aporta razonamiento y generación general.
- La aplicación aporta datos, contexto y decisiones específicos.
Estructura de costos de una app o SaaS con IA
El estado de resultados se parece al de un SaaS: ingresos, costo de servicio, margen bruto y gastos operativos. Pero una línea nueva hace más sensible el costo al comportamiento del usuario.
Sin IA, los costos directos suelen incluir:
Con IA se añade consumo de API:
Sigues pagando desarrollo, marketing y soporte, y controlando CAC y LTV. Modelar explícitamente el costo de IA te da capacidad de decisión.
Al conocer el costo por usuario activo y plan, puedes definir niveles gratuitos, modelos y precios con una visión clara del margen.
Sin IA, los costos directos suelen incluir:
- Nube y almacenamiento.
- Servicios externos, como correo, analítica y procesamiento de pagos.
- Soporte o incorporación, según la clasificación.
Con IA se añade consumo de API:
- Cada acción envía una solicitud.
- Cada solicitud consume tokens de entrada y salida.
- El proveedor cobra según sus tarifas, normalmente por millón de tokens.
Sigues pagando desarrollo, marketing y soporte, y controlando CAC y LTV. Modelar explícitamente el costo de IA te da capacidad de decisión.
Al conocer el costo por usuario activo y plan, puedes definir niveles gratuitos, modelos y precios con una visión clara del margen.
De tokens a costos: modelar las API de IA
En mis modelos uso un bloque compacto dentro del costo de servicio: la tabla AI API Costs de la captura. Convierte unos pocos supuestos en:
- Costo por solicitud.
- Costo promedio por suscriptor pagado que usa IA.
Imagen del artículo original
Paso 1: quién usa IA, entre usuarios gratuitos y pagados
Primero distinguimos quién puede generar costos:
El uso no es uniforme: quizá lo haga el 10–20 % de gratuitos y el 60–80 % de pagados. Estos porcentajes convierten usuarios totales en usuarios activos de IA por segmento.
- Porcentaje de MAU gratuitos que usan funciones de IA.
- Porcentaje de suscriptores pagados que usan IA en un mes típico.
El uso no es uniforme: quizá lo haga el 10–20 % de gratuitos y el 60–80 % de pagados. Estos porcentajes convierten usuarios totales en usuarios activos de IA por segmento.
Paso 2: frecuencia, límites y solicitudes promedio
Define la intensidad de uso:
Junto con la adopción, esto determina el volumen presupuestado:
- Límite mensual por usuario gratuito: techo de uso que decides financiar como parte de la adquisición.
- Solicitudes promedio por usuario pagado de IA: acciones mensuales de quien sí utiliza la función.
Junto con la adopción, esto determina el volumen presupuestado:
- Gratuitos: hasta el límite por usuario activo de IA.
- Pagados: solicitudes promedio por suscriptor activo de IA.
Paso 3: tamaño de cada solicitud en tokens
Pasamos de cuántas solicitudes a cuánto consume cada una.
Dos datos definen una acción promedio:
Por ejemplo, 200 de entrada + 300 de salida = 500 tokens.
Más historial, contexto o respuestas largas elevan esa cantidad.
Dos datos definen una acción promedio:
- Tokens de entrada: instrucciones y contexto.
- Tokens de salida: longitud promedio de la respuesta.
Por ejemplo, 200 de entrada + 300 de salida = 500 tokens.
Más historial, contexto o respuestas largas elevan esa cantidad.
Paso 4: tarifas por millón de tokens de entrada y salida
Añade las tarifas que cobra el proveedor:
La inversión e I+D de las capas inferiores se refleja en esos precios. En tu modelo son los multiplicadores que convierten tokens en dinero.
- Precio por millón de tokens de entrada.
- Precio por millón de tokens de salida.
La inversión e I+D de las capas inferiores se refleja en esos precios. En tu modelo son los multiplicadores que convierten tokens en dinero.
Paso 5: efecto en la economía unitaria
Con los supuestos, el bloque calcula:
En el ejemplo de la captura:
Para usuarios pagados:
Conéctalo con el precio. Supongamos:
Escenario base:
El margen queda cerca del 88 %, dentro del objetivo.
Ahora cambia los supuestos:
La IA puede parecer barata por solicitud, pero vive en la economía unitaria. Más tokens, un plan gratuito generoso o un asistente más conversador pueden mover el margen varios puntos.
- Costo por solicitud.
- Costo promedio por suscriptor pagado que usa IA.
En el ejemplo de la captura:
- 200 tokens de entrada a USD 2 por millón cuestan USD 0,0004.
- 300 tokens de salida a USD 10 por millón cuestan USD 0,0030.
Para usuarios pagados:
- 100 solicitudes promedio al mes.
- USD 0,0034 por solicitud.
Conéctalo con el precio. Supongamos:
- Suscripción de USD 20 mensuales.
- Otros costos directos de USD 2 por usuario.
- Margen bruto objetivo de 80 %, que permite hasta USD 4 de costo directo total.
Escenario base:
- Otros costos: USD 2,00.
- IA: USD 0,34.
- Total por usuario activo de IA: USD 2,34.
El margen queda cerca del 88 %, dentro del objetivo.
Ahora cambia los supuestos:
- Más contexto y respuestas: 600 tokens de entrada y 1.000 de salida.
- Asistente más proactivo: 200 solicitudes al mes en lugar de 100.
- El costo mensual de IA sube a unos USD 2,24 y el costo directo total a USD 4,24.
La IA puede parecer barata por solicitud, pero vive en la economía unitaria. Más tokens, un plan gratuito generoso o un asistente más conversador pueden mover el margen varios puntos.
Prueba los supuestos
Escenario de costos de IA
Datos ilustrativos, no una cotización actual de un proveedor. Ingresa tu consumo y tarifas reales.
Costo por solicitud US$0,0034Costo de IA / usuario activo / mes US$0,34Margen bruto después de otros costos directos 88.3%
Qué cambian estas cifras en tu modelo financiero
Con el costo por solicitud y por usuario, puedes cuantificar qué significa más IA para el margen. La siguiente pregunta es cómo convertirlo en planes gratuitos, niveles y límites adecuados para usuarios y resultados.
Diseñar planes gratuitos y límites con cifras reales
Un buen plan gratuito con IA busca:
El artículo cita patrones como cupos mensuales pequeños en planes gratuitos de Canva y mayores en Pro o Teams, y límites gratuitos de chat y completado en GitHub Copilot. Las condiciones concretas pueden cambiar, pero la lógica es la misma.
Con tu propio costo por solicitud puedes:
A USD 0,003–0,004 por solicitud, entre 10 y 20 solicitudes representan un costo pequeño y acotado por usuario. Esa es la lógica del límite mensual: un presupuesto, no una barrera arbitraria.
Puedes reducirlo si se dispara el uso gratuito o ampliarlo si la conversión es baja y el costo sigue siendo pequeño.
- Permitir experimentar el valor real.
- Hacer previsible la factura.
- Llevar el uso intensivo a planes pagados.
El artículo cita patrones como cupos mensuales pequeños en planes gratuitos de Canva y mayores en Pro o Teams, y límites gratuitos de chat y completado en GitHub Copilot. Las condiciones concretas pueden cambiar, pero la lógica es la misma.
Con tu propio costo por solicitud puedes:
- Decidir cuánto financiar por usuario gratuito al mes.
- Convertir ese presupuesto en un límite de solicitudes.
A USD 0,003–0,004 por solicitud, entre 10 y 20 solicitudes representan un costo pequeño y acotado por usuario. Esa es la lógica del límite mensual: un presupuesto, no una barrera arbitraria.
Puedes reducirlo si se dispara el uso gratuito o ampliarlo si la conversión es baja y el costo sigue siendo pequeño.
Precios y niveles cuando la IA es el principal costo variable
En planes pagados, la cuestión es cómo ubicar el uso intensivo sin destruir el margen. Suelen combinarse tres enfoques.
Menos IA en planes baratos y más en niveles altos:
Los básicos incluyen un cupo o algunas funciones; el uso frecuente se concentra donde el ARPU es mayor.
Funciones intensivas como premium o complemento:
Agrupa los casos más costosos o valiosos en niveles superiores o un complemento cuyo precio cubra costo esperado y margen.
Operaciones caras medidas por separado:
Procesamiento masivo, contexto largo, imágenes, video o agentes pueden usar créditos o límites incluso en planes altos.
El cálculo es sencillo:
Menos IA en planes baratos y más en niveles altos:
Los básicos incluyen un cupo o algunas funciones; el uso frecuente se concentra donde el ARPU es mayor.
Funciones intensivas como premium o complemento:
Agrupa los casos más costosos o valiosos en niveles superiores o un complemento cuyo precio cubra costo esperado y margen.
Operaciones caras medidas por separado:
Procesamiento masivo, contexto largo, imágenes, video o agentes pueden usar créditos o límites incluso en planes altos.
El cálculo es sencillo:
- Estima solicitudes y tokens por usuario activo de IA en cada plan.
- Calcula su costo.
- Comprueba que el precio cubra otros costos directos y el margen objetivo.
Cómo explicarlo a inversionistas
Los inversionistas necesitan entender que conoces la relación entre uso y precio. No hace falta mostrar todo el bloque, sino poder explicar:
«En el plan principal, un usuario activo de IA cuesta X al mes en tokens, un Y % del precio. Diseñamos los niveles para que la IA se mantenga por debajo de Z % de los ingresos en distintos escenarios».
«El plan gratuito incluye N acciones al mes. Incluso con adopción del 100 %, el costo máximo a las tarifas actuales es de USD…, que tratamos como adquisición».
«Si usamos un modelo más caro o se duplica el uso, el margen cae entre cinco y siete puntos; responderíamos con precios, límites o mezcla de modelos».
Una propuesta de valor clara y una visión del costo variable que puedes gestionar convierten la demostración en un negocio creíble.
«En el plan principal, un usuario activo de IA cuesta X al mes en tokens, un Y % del precio. Diseñamos los niveles para que la IA se mantenga por debajo de Z % de los ingresos en distintos escenarios».
«El plan gratuito incluye N acciones al mes. Incluso con adopción del 100 %, el costo máximo a las tarifas actuales es de USD…, que tratamos como adquisición».
«Si usamos un modelo más caro o se duplica el uso, el margen cae entre cinco y siete puntos; responderíamos con precios, límites o mezcla de modelos».
Una propuesta de valor clara y una visión del costo variable que puedes gestionar convierten la demostración en un negocio creíble.
Una estructura financiera para empezar
Para aplicar esta lógica no necesitas empezar con una hoja vacía.
Una estructura financiera para startups puede incluir:
El objetivo es obtener cifras claras sin dedicar semanas a ensamblar el modelo.
Una estructura financiera para startups puede incluir:
- Un bloque de costos de API alineado con lo explicado.
- Cálculos dinámicos de costos, márgenes y precios.
- Supuestos adaptables a tu producto.
El objetivo es obtener cifras claras sin dedicar semanas a ensamblar el modelo.
Conclusión
Estima quién usa cada función de IA, cuántas solicitudes realiza y qué cobra el proveedor por cada tipo de uso. Lleva esos datos al margen bruto, los cupos gratuitos y los límites de los planes pagados. Revísalos a medida que cambien el comportamiento real de los clientes y las tarifas de los proveedores.