Hay una conversación que se está dando en voz baja en muchas agencias.
No aparece en los reportes ni en las reuniones de equipo, pero está ahí: la sensación de que el modelo con el que se factura desde hace veinte años ya no describe bien lo que la agencia hace hoy.
Durante décadas, buena parte de la industria de servicios profesionales construyó su economía alrededor de una premisa sencilla. Vender tiempo. Horas, equipos, proyectos, fees mensuales.
La inteligencia artificial está empezando a romper esa relación entre tiempo invertido y valor generado.
Si una agencia puede producir en tres horas algo que antes le llevaba veinte, cobrar por horas genera una paradoja incómoda: cuanto más eficiente se vuelve, menos debería facturar.
Y eso abre una pregunta bastante más profunda que qué herramientas de AI usar. ¿Cómo debería cobrar una agencia cuando su productividad deja de estar atada a la cantidad de personas necesarias para producir un resultado?
El fee mensual no es el problema
La respuesta que empieza a emerger no es abandonar el retainer.
El fee mensual sigue teniendo ventajas reales para las dos partes. Para la agencia significa previsibilidad de ingresos, capacidad de planificar recursos y una relación de largo plazo. Para el cliente significa previsibilidad presupuestaria y acceso continuo a capacidades especializadas.
Por eso es poco probable que desaparezca.
Lo que está cambiando es qué representa ese fee.
Históricamente, muchos contratos de agencia estaban construidos, de manera implícita, alrededor de capacidad. Determinada cantidad de personas. Determinada cantidad de horas. Determinada cantidad de entregables.
La AI empieza a desacoplar esas variables.
Una agencia puede aumentar de forma notable su capacidad de research, análisis, producción, personalización o testing sin aumentar en la misma proporción su headcount.
Cuando eso ocurre, medir el valor del servicio solamente por el esfuerzo necesario para producirlo empieza a perder sentido.
La conversación se corre de "¿cuántas horas trabajaron?" hacia "¿qué valor generaron?".
Tres niveles de pricing
Una manera útil de ordenar esta evolución es pensar el pricing de una agencia en tres capas.
Pricing basado en inputs. El cliente paga por los recursos utilizados: horas, personas, seniority, tecnología, capacidad asignada. Es el modelo tradicional de buena parte de los servicios profesionales.
Pricing basado en outputs. El cliente paga por lo que recibe. Una campaña. Un estudio. Una cantidad determinada de contenidos. Una implementación tecnológica. Un volumen de producción. La eficiencia interna pasa a ser responsabilidad de la agencia, y ahí es donde empieza a valer.
Pricing basado en outcomes. El cliente paga, total o parcialmente, por el impacto conseguido. Pipeline generado. Leads calificados. Reducción del CAC. Incremento de conversiones. Revenue incremental. Ahorro de costos. Cualquier indicador de negocio que ambas partes puedan medir con confianza.
En ese tercer nivel aparece uno de los cambios más interesantes del modelo de agencia. Cuando una parte de la remuneración depende del resultado, agencia y cliente empiezan a compartir la misma ecuación económica.
El modelo híbrido: estabilidad más upside
Pasar de golpe de un retainer a cobrar exclusivamente por resultados suena atractivo, y tiene un problema de fondo.
Una agencia rara vez controla todo el resultado.
Puede generar excelentes leads y encontrarse con un equipo comercial que no logra convertirlos. Puede aumentar el tráfico de manera considerable y trabajar para una compañía cuyo producto tiene problemas de conversión. Puede mejorar el CAC mientras cambian los precios, el mercado o la competencia.
El performance pricing puro le traslada a la agencia riesgos que no maneja.
Una alternativa más equilibrada es construir un modelo en capas.
Capa 1, base fee. Un fee recurrente que cubra la capacidad estratégica y operativa necesaria para gestionar la cuenta. No debería ser un número bajo puesto ahí para ganar el cliente. Tiene que garantizar que la relación sea sostenible.
Capa 2, componente de performance. Una parte variable atada a indicadores acordados de antemano: reducción del CAC, incremento de qualified pipeline, mejora del conversion rate, revenue incremental atribuible, crecimiento sobre una baseline. Cuando el cliente gana más, la agencia participa de ese upside.
Capa 3, proyectos especializados. Es la fuente de crecimiento que más agencias desaprovechan. El trabajo continuo genera información. La agencia descubre problemas, oportunidades y cuellos de botella que no estaban en el scope original. En lugar de absorberlos gratis dentro del retainer, el clásico scope creep, pueden convertirse en proyectos propios. Research. Implementaciones de AI. Automatizaciones. CRO. Data infrastructure. Nuevas campañas. Expansión a otros mercados o canales.
El cliente no compra más horas. Compra una respuesta a un problema que apareció.
La eficiencia solo se captura si el modelo lo permite
Hay una consecuencia económica de la AI de la que se habla mucho menos que de la productividad.
La AI puede mejorar el margen de una agencia, pero solamente si su modelo de pricing le permite quedarse con esa eficiencia.
Pensemos en dos agencias que entregan exactamente el mismo resultado. La primera necesita cien horas. La segunda, gracias a automatización, datos y mejores procesos, necesita cuarenta.
Si ambas cobran por hora, la segunda factura menos justamente por ser mejor.
Ese incentivo es absurdo.
Bajo un modelo basado en outputs, valor o resultados, esa misma eficiencia se vuelve ventaja competitiva. La agencia entrega más rápido, trabaja con mejores márgenes y puede reinvertir parte de esa rentabilidad en tecnología, talento y conocimiento.
La AI deja de ser una herramienta para hacer más barato lo mismo y pasa a formar parte del modelo económico de la agencia.
La pregunta de fondo
Durante años muchas agencias crecieron de manera lineal. Más clientes pedían más personas, más personas generaban más horas, más horas generaban más revenue.
La AI desafía esa cadena. Una agencia puede generar bastante más output sin agrandar su estructura en la misma proporción, y ahí el crecimiento deja de depender del headcount.
Ese cambio obliga a revisar una de las preguntas más importantes del negocio.
¿Estamos cobrando por el esfuerzo que hacemos o por el valor que somos capaces de crear?
Las agencias que sigan vendiendo capacidad probablemente usen la AI para abaratar el mismo trabajo. Las que rediseñen su modelo alrededor de expertise, tecnología, propiedad intelectual y resultados van a poder usarla para algo bastante más interesante: crear más valor por cada persona de la organización y quedarse con una parte de ese valor.
Puede terminar siendo uno de los cambios más profundos que la AI produzca en el negocio de las agencias. No solo cambiar cómo trabajan. Cambiar qué venden y cómo cobran por ello.
Volver al Blog