Monetizar la IA de consumo sigue siendo un problema abierto, y Olivia Moore, socia de Andreessen Horowitz (a16z), lo plantea con datos sobre la mesa. Moore ha publicado un informe sobre las 100 principales apps de IA de consumo y, en una entrevista con TechCrunch, defendió que el sector está todavía en una fase muy temprana. Su diagnóstico es sencillo: casi todos los ingresos llegan por suscripciones y por uso de tokens, y proceden sobre todo de perfiles profesionales. Su propuesta combina publicidad y modelos más baratos o de código abierto.
Qué dice el informe sobre cómo monetizar la IA de consumo
El punto de partida del informe es una fotografía del mercado actual. Según Moore, la práctica totalidad de los ingresos de IA procede de dos fuentes: suscripciones mensuales y consumo de tokens, es decir, pago por uso de los modelos. Además, ese dinero está concentrado en usuarios con perfil profesional, gente que usa estas herramientas para trabajar y que puede justificar el gasto. El consumidor medio, el que usa el móvil para entretenerse, comunicarse o resolver gestiones cotidianas, aparece mucho menos en la cuenta de resultados.
El dato que mejor resume esa brecha es que solo el 2,2 % de los hogares de EE. UU. paga por IA. Es una cifra baja si se compara con el ruido mediático que rodea al sector, y apunta a que la gran mayoría de la población todavía no ha encontrado una razón para sacar la tarjeta. Moore interpreta esto como una señal de que el mercado está en sus primeras etapas, no como un techo.
Con ese panorama, la socia de a16z defiende explorar la publicidad como vía de ingresos. La lógica es conocida en internet: cuando pocos usuarios están dispuestos a pagar, se financia el servicio con anunciantes y se amplía la base de usuarios. Es el modelo que sostuvo durante años a las redes sociales y a buena parte de las apps móviles gratuitas.
El informe se apoya en el análisis de las 100 principales apps de IA de consumo, y de ahí salen conclusiones llamativas sobre qué categorías están representadas y cuáles no. Lo veremos en el siguiente apartado, porque es la parte con más consecuencias para quien construye producto.
Modelos más baratos y categorías vacías: la parte técnica y de negocio
La segunda idea de Moore tiene que ver con los costes. Si el servicio es gratuito o se financia con publicidad, cada consulta a un modelo grande supone un gasto que hay que cubrir. Por eso recomienda recurrir a modelos más baratos o de código abierto para reducir esa factura. Para un desarrollador, esto implica decidir con criterio qué tareas exigen un modelo de gama alta y cuáles se resuelven con uno más pequeño o desplegado por cuenta propia. No es una recomendación nueva en ingeniería, pero cobra peso cuando el margen depende de que el usuario no pague nada.
El otro hallazgo del informe es la ausencia de categorías enteras. Según el análisis, no hay ninguna app en el top 100 de redes sociales, citas, marketplaces, retail, viajes, finanzas o salud. Son sectores con millones de usuarios y transacciones constantes, y de momento no figuran entre las apps de IA de consumo más relevantes. Moore lo presenta como una oportunidad sin explotar, coherente con su tesis de que el sector está en fase muy temprana.
Conviene leer esa lista con cautela. Que no haya apps en el top 100 no significa que el hueco sea fácil de llenar. Salud y finanzas, por ejemplo, manejan datos sensibles y operan con exigencias de confianza que no se resuelven con un buen modelo. Marketplaces y redes sociales dependen de efectos de red que cuestan años de construir. El informe señala dónde está el vacío, no cuánto cuesta ocuparlo.
Tampoco hay que perder de vista quién habla. a16z es un fondo de inversión que financia startups de este ámbito, así que su visión del sector tiene un sesgo comprensible: ve más recorrido que riesgo. Eso no invalida los datos, pero sí aconseja leer las conclusiones como una hipótesis de inversor y no como un hecho consumado.
Qué significa este movimiento para el mercado
La primera consecuencia afecta a las startups de consumo que hoy viven de la suscripción. Si solo el 2,2 % de los hogares estadounidenses paga por IA, el crecimiento por esa vía tiene un límite visible. La publicidad abre otra puerta, pero también cambia las reglas: obliga a competir por volumen de usuarios, a medir atención y a gestionar la relación con los anunciantes. No todas las apps están preparadas para ese giro, y algunas tendrán que elegir entre cobrar a pocos o financiarse con muchos.
La segunda consecuencia afecta a los proveedores de modelos. Si el discurso de un inversor influyente pasa por usar modelos más baratos o de código abierto, la presión sobre los precios por token aumenta para las grandes tecnológicas. Para los equipos que desarrollan producto, esto refuerza la idea de no atarse a un único proveedor y de diseñar la arquitectura para poder cambiar de modelo según el coste de cada tarea.
La tercera lectura es para los compradores y para quienes evalúan entrar en el mercado. Las categorías sin ninguna app en el top 100 son un mapa de huecos, pero también un aviso: si nadie ha llegado, puede ser por falta de ejecución o por barreras reales. Antes de lanzar un producto en salud, finanzas o viajes conviene preguntarse qué ventaja concreta se tiene frente a quien ya domina esos sectores sin usar IA de forma visible.
Por último, el informe confirma que el centro de gravedad del negocio sigue estando en el uso profesional. Quien venda IA a empresas tiene hoy un camino de ingresos más claro que quien la ofrezca al público general, y esa diferencia seguirá marcando dónde se coloca el capital mientras la IA de consumo no demuestre que sabe cobrar a escala.
Análisis Blixel
Que solo el 2,2 % de los hogares pague por IA no es un fracaso del sector, es una descripción honesta de cuánto valor cotidiano percibe la gente hoy. Y ahí está el problema de fondo: la publicidad resuelve cómo cobrar, pero no por qué alguien debería usar una app a diario. Financiar un producto con anuncios solo funciona si el producto ya es un hábito, y de momento los hábitos de la IA son profesionales, no domésticos.
Me parece acertado el énfasis de Moore en los costes. Muchas apps de consumo han crecido con un gasto por usuario que solo se sostiene con capital de inversión, y recurrir a modelos más baratos o de código abierto es una decisión de supervivencia, no de moda. Quien quiera monetizar la IA de consumo con anuncios necesitará que cada interacción cueste mucho menos de lo que ingresa, y eso exige disciplina técnica desde el primer día.
Donde sería prudente rebajar el entusiasmo es en la lista de categorías vacías. Que no haya ninguna app en el top 100 de salud, finanzas o viajes dice que hay terreno, pero no que sea fértil. En esos sectores pesan la confianza, la regulación y los efectos de red, y ninguno se compra con un modelo mejor. Recordemos también que quien lanza la tesis es un inversor con cartera en el sector.
Mi posición: el informe es útil como brújula, no como promesa. Para monetizar la IA de consumo habrá que demostrar utilidad diaria antes que ingresos, y la publicidad llegará a ser negocio solo para quien consiga ese hábito. El resto seguirá dependiendo de un 2,2 % que paga.
¿Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido común. Hablemos.