La ola de churn de la IA

Resumen ejecutivo

El ARR (ingresos recurrentes anuales) no es una métrica GAAP. Y aun así se ha convertido en la pieza básica de las métricas SaaS. Y en la base de los múltiplos de valoración SaaS.

Pensamos en el ARR como unos ingresos (normalmente) de alto margen, predecibles y en crecimiento. Lo que significa que las empresas SaaS van (normalmente) camino de ser muy rentables a escala.

Las startups de IA están alterando cada vez más ese razonamiento. Esto es lo que no es necesariamente ingreso recurrente, pero se trata como si lo fuera:

• Ingresos experimentales de productos de IA (que no están en producción)
• Contratos con una salida a los tres meses en los que el 70-80 % se va
• Precios basados en uso o en resultados
• Servicios profesionales prestados por forward deployed engineers

Las startups de IA nos obligan a repensar el ARR. Hay un problema de margen bruto, sobre el que ya he escrito antes. Y lo que resulta aún más preocupante: hay dudas reales sobre la durabilidad de los ingresos de IA, algo que Cassie Young, de Primary Venture Partners, predijo hace poco que sería un «apocalipsis de la retención bruta» inminente.

Los compradores van a poner sus experimentos de IA bajo la lupa. Los turistas de la IA se irán al siguiente producto de moda. Y las grandes plataformas se tragarán decenas de wrappers de LLM ligeros a medida que mejoren los modelos.

La durabilidad es una cuestión existencial para las apps de IA. Y aun así hay relativamente pocos datos objetivos al respecto. Para cambiar eso, me he unido a ChartMogul, donde soy Analyst-in-Residence.

Rastreamos las webs de 3.500 empresas de software y usamos IA para clasificarlas como SaaS B2B, SaaS B2C o empresas nativas de IA (que pueden ser B2B o B2C). Después comparamos las tasas de retención bruta de ingresos (GRR) y retención neta de ingresos (NRR) entre esos grupos. Hoy comparto lo que encontramos y qué puedes hacer para protegerte de lo que podría ser una ola de churn inminente.

El problema de los turistas de la IA

El rastreo con IA produjo un conjunto de datos de unas 2.700 empresas SaaS B2B, 600 empresas SaaS B2C y 200 empresas nativas de IA. Entre las nativas de IA había negocios B2B y B2C, además de startups que venden tanto a consumidores como a empresas.

Lo primero que miré fueron las tasas de retención anualizadas a lo largo de 2025 entre las empresas que habían alcanzado al menos 250.000 $ de ARR. Por qué 250.000 $: los datos históricos de retención son menos fiables en startups muy tempranas con pocos clientes llegando a renovación.

Lo que muestran los datos:

• El SaaS B2B es relativamente sólido. La NRR mediana fue del 82 %. (El cuartil superior, del 97 %.)
• El B2C es mucho menos sólido y con un upsell mínimo. La NRR mediana fue de solo el 49 %.
• Las empresas nativas de IA tuvieron una GRR incluso peor que el B2C (40 %) y una NRR comparable (48 %).

En el lado optimista, la retención en IA ha mejorado mucho desde principios de año. La GRR mediana subió del 27 % en enero al 40 % en septiembre. Sospecho que muchos de los primeros turistas se fueron; los que quedan están más comprometidos o están pasando de la experimentación a producción.

Aun así, las empresas nativas de IA en conjunto no se parecen mucho a las empresas SaaS B2B que conocemos y queremos (y que nos gusta valorar en base al ARR).

¿Fácil de comprar, fácil de cancelar?

La ola de churn de la IA no golpeará a todas las empresas de IA igual. Los productos más baratos siempre han atraído más churn. En los productos de IA esa brecha es especialmente marcada.

La mejor protección contra el churn es pasar de consumidores y compras self-service (operaciones de menos de 50 $ al mes) a compras B2B más grandes.

Lo que muestran los datos:

• Los productos nativos de IA que se venden por más de 250 $ al mes tienen un 70 % de GRR y un 85 % de NRR. Es prácticamente lo mismo que el SaaS B2B.
• Los productos nativos de IA que se venden entre 50 $ y 249 $ al mes tienen un 45 % de GRR y un 61 % de NRR. Son 15 puntos peor que el SaaS B2B. (Pocos productos B2C cobran más de 100 $ al mes.)
• Los productos nativos de IA que se venden por menos de 50 $ al mes tienen solo un 23 % de GRR y un 32 % de NRR. Son 20 puntos peor que el SaaS B2B o B2C.

Es la maldición del wrapper de IA. La contrapartida de ser fácil de comprar es ser fácil de cancelar.

Aquí veo un segundo factor en juego. Los usuarios self-service de IA puede que sean clientes que pagan. Ellos se ven como personas que están probando.

Los productos SaaS de precio bajo suelen ser freemium (o de trial invertido), donde los usuarios tienen tiempo de sobra para probar antes de comprar. Con márgenes brutos por encima del 80 %, mantener usuarios gratuitos no arruina a nadie. Los usuarios pasan a pago cuando han decidido conscientemente comprar. Y la disrupción es mínima: la gente sabe qué se lleva cuando compra SaaS.

Con los productos de IA el cálculo cambia. Cada token tiene un coste. Los productos de IA empujan a la conversión de inmediato o en cuanto hay un uso serio. Algunos incluso imponen un muro de pago por uso diario antes de que el usuario tenga que pasar a pago, algo que sería inaudito en SaaS. La gente empieza a pagar porque le intriga lo que podría llegar a ser, pero no ha planificado cómo encajan esos productos en su negocio a largo plazo.

Tenemos que ajustar cómo medimos la retención (y el ARR, ya que estamos) para separar con claridad el gasto experimental del gasto serio, en vez de meterlos en el mismo saco. Yo propondría tratar como gasto serio los ingresos de clientes que han pagado al menos 250 $. Puede venir de un plan anual pagado por adelantado, de una operación por encima de 250 $ o de un cliente de gasto bajo que se queda.

Retención = ARR duradero

Las empresas nativas de IA están destrozando récords de crecimiento; muchas escalan de cero a 100 millones $ en solo un año. Es realmente impresionante. Pero mantener el hipercrecimiento se vuelve casi imposible cuando tienes una base instalada cada vez más grande que se marcha cada mes. Hay un término para esto: quemarte tu propio TAM.

Situé las 3.500 empresas de software del conjunto de datos en dos dimensiones: retención neta de ingresos (NRR) de septiembre de 2025 y crecimiento de ingresos interanual.

Lo que muestran los datos:

• En conjunto hay una correlación muy fuerte entre la NRR y el crecimiento a largo plazo.
• Las startups en fase temprana pueden crecer rápido (más del 200 %) incluso con una NRR por debajo del 40 %.
• Pero las empresas con retención baja tienen un riesgo altísimo de que el crecimiento se dé la vuelta: hay tres veces más empresas encogiéndose que creciendo rápido.

Mirar retención y ARR juntos deja la imagen aún más clara. Las empresas que llegan a 5 millones $ de ARR tienen tasas de retención bruta y neta de ingresos sustancialmente mejores que sus pares en fase temprana. Parte de esto puede ser sesgo de selección; una parte sorprendentemente grande se explica porque las empresas que despegan consiguen transformarse a medida que crecen.

Esto ya se nota dentro de las empresas nativas de IA, aunque hay que admitir que el tamaño de la muestra empieza a ser pequeño (unas 50 por grupo), lo que hace que los datos sean orientativos más que estadísticamente inapelables. Las mejores empresas nativas de IA tienen el doble de GRR y 2,5 veces la NRR de sus pares en fase temprana.

Qué hacer con el churn

A lo largo de los años he trabajado con decenas de empresas para mejorar la retención. Es también algo en lo que pienso activamente como autor de un boletín con una suscripción premium de 15 $ al mes.

En mi experiencia, las mejores empresas tratan el churn como un problema de negocio, no como un problema de customer success. Cómo pueden las empresas de IA prevenir el churn:

1. Ve a por flujos de trabajo y casos de uso valiosos. Los productos de IA no tienen churn alto por naturaleza; lo tienen los wrappers de IA orientados al consumidor. Subir de segmento normalmente significa (a) estar más integrado en los flujos de trabajo del negocio, (b) estar conectado con más herramientas y (c) crear más diferenciación frente a los LLM de propósito general.
2. Ofrece servicios además de la IA. Palantir es conocida por contratar forward deployed engineers para prototipar e implementar soluciones de IA para clientes potenciales de alto valor. Muchas empresas de IA, incluida OpenAI, están haciendo lo mismo. Los FDE cierran esa brecha entre lo que la IA puede hacer y lo que los clientes consiguen de verdad. Como escribió a16z hace poco, el modelo FDE cambia margen por foso defensivo y a la larga suele valer la pena.
3. Deja de vender de más en el primer contrato. Se promete muchísimo sobre lo que la IA podría hacer. Suele ser mejor empezar pequeño, demostrar valor rápido y desbloquear oportunidades de crecimiento después. Esto también acorta los ciclos de venta y reduce drásticamente el alcance para los FDE, lo que les permite trabajar con más empresas.
4. Reduce la distancia entre entregar producto y su adopción. Brian Balfour, de Reforge, me contó hace poco que su máxima prioridad para 2026 es: ¿cómo aceleramos la adopción de producto? El ritmo de los lanzamientos de IA ha sido vertiginoso; los clientes no pueden seguirlo y probablemente ni sepan qué ha cambiado.
5. Vende más planes anuales. Pasar de planes mensuales a anuales puede ser polémico. Pero normalmente te va mejor, porque tienes más tiempo para impresionar al cliente y el cliente está más motivado para implementar el producto. Los datos muestran que la NRR mediana es de 10 a 20 puntos porcentuales más alta en planes anuales que en mensuales. Cómo hacerlo: pon el anual por defecto, pide el paso a anual pronto (meses 2-3) y considera ofrecer un descuento mayor (el de Grammarly es del 60 %).