Los ingresos anuales de las startups de IA nunca habían sido tan frágiles, según un nuevo estudio

El artículo parte de una paradoja que está redefiniendo el negocio de la inteligencia artificial empresarial: nunca se había gastado tanto dinero en tecnología, ni nunca ese gasto había ofrecido tan pocas garantías de continuidad para quienes lo cobran. La consultora IDC prevé que las empresas destinarán 4,25 billones de dólares a tecnología en 2026, un gasto impulsado casi en su totalidad por la IA. Un nuevo informe de la firma de capital riesgo Madrona, basado en una encuesta a 150 profesionales de TI empresarial, confirma esa tendencia alcista: el 74% de los encuestados planea ampliar su presupuesto de IA en los próximos 12 meses, y el resto lo mantendrá estable. Nadie, en definitiva, piensa recortar.

Sin embargo, ese entusiasmo presupuestario convive con una tasa de éxito todavía muy baja. Según el mismo informe de Madrona, menos de la mitad de los proyectos piloto de IA llegan a implementarse realmente en producción. El dato suena decepcionante, pero representa una mejora notable: el año pasado, un informe del MIT que se hizo célebre en el sector afirmaba que el 95% de los proyectos empresariales de IA habían fracasado en términos de retorno de la inversión. Pasar de un 5% de éxito a menos de la mitad de los pilotos es, en ese contexto, un avance considerable, aunque el listón de partida fuera extremadamente bajo.

El hallazgo más relevante del estudio, sin embargo, no tiene que ver con si los pilotos llegan a producción, sino con lo que ocurre después. Incluso cuando una empresa despliega con éxito una herramienta de IA, no se compromete con ella a largo plazo: un 77% de las empresas reevalúa a sus proveedores de IA cada seis meses, o incluso de forma continua. Madrona describe esto como una dinámica de 'entra rápido, sale rápido' que rompe con la lógica tradicional del software empresarial (SaaS), donde los contratos plurianuales actuaban como una barrera de inercia que protegía los ingresos de los proveedores. En el caso de la IA empresarial, señala la firma, los costes de cambiar de proveedor son más bajos y el ritmo de reevaluación es implacable.

Esta inestabilidad tiene consecuencias directas sobre una de las métricas más vigiladas del ecosistema startup: los ingresos anuales recurrentes (ARR). Los presupuestos de prueba de las grandes empresas fueron el combustible del boom inicial de la IA en 2025, y 2026 debía ser el año en que esos mismos clientes se asentaran y firmaran compromisos duraderos con las startups de IA. Son precisamente esos contratos empresariales los que han permitido a algunas compañías presumir de crecimientos de ingresos meteóricos, como el fenómeno de startups que pasan de 0 a 10 millones de dólares de ingresos en apenas tres meses. El problema es que, por primera vez, ese ingreso empresarial sigue siendo inseguro incluso después de que el producto supere la fase de piloto y sea adoptado formalmente por la compañía cliente.

Parte del problema, según el artículo, es que muchas startups de IA todavía no han encontrado una forma adecuada de fijar precios para sus productos empresariales. Una encuesta distinta, realizada por la firma de capital riesgo Andreessen Horowitz (a16z) a 50 compradores técnicos de IA, revela que más de la mitad de ellos prefiere que las tarifas de IA estén ligadas al trabajo realizado o a resultados concretos, y no al consumo, como ocurre con los modelos de cobro por tokens. Cobrar por uso, señalan las socias de a16z Tugce Erten y Sarah Wang citadas en el informe, es en realidad un modelo heredado de la era del SaaS: una vez que una empresa sabe que necesita correo electrónico, software de RRHH o almacenamiento en la nube, solo queda decidir cuántos empleados o cuántos datos hay que pagar. Con la IA ocurre algo distinto: fijar precios 'en torno al trabajo reconocible' —por ejemplo, según el número de informes procesados, tickets cerrados o leads generados— es lo que permite a la startup demostrar su valor real ante el cliente, haciendo que el producto resulte 'económicamente valioso para ambas partes'.

En conjunto, estos datos apuntan a que la IA ha inaugurado una nueva era de experimentación empresarial, con luces y sombras para las startups. Por un lado, las grandes empresas se muestran más dispuestas a probar tecnología nueva, lo que abre puertas a compañías jóvenes que antes tenían más difícil entrar en cuentas corporativas grandes. Por otro lado, esa misma apertura implica que firmar un contrato empresarial ya no garantiza ingresos estables a largo plazo, como sí ocurría en la era clásica del software como servicio. El artículo cierra sin resolver la incógnita central: si las empresas volverán en algún momento a sus hábitos de compra tradicionales, más comprometidos y de mayor duración, o si esta volatilidad en la relación proveedor-cliente ha llegado para quedarse como rasgo estructural del mercado de IA empresarial.