Durante años, «productizar» un servicio fue una decisión de pricing para freelancers y agencias chicas. En 2026, Y Combinator y Sequoia lo elevaron a una tesis de inversión. Estos fondos líderes arguyen que las firmas de servicios que usen inteligencia artificial (IA) para vender trabajo terminado, con precio fijo, podrían tener márgenes tan atractivos como los de una SaaS. ¿Es cierto?
«Los servicios son el nuevo software»
En febrero de 2026, Y Combinator (YC), la aceleradora de startups más conocida de Silicon Valley, incluyó a las «agencias nativas de IA» en su lista de Requests for Startups, el listado de ideas que quiere financiar. El 5 de marzo, Julien Bek, socio de Sequoia, publicó «Services: The New Software», un ensayo que abre así:
«La próxima compañía de un billón de dólares va a ser una empresa de software disfrazada de firma de servicios»
La productización de servicios no es nueva. Durante años, la productización se ha usado para minimizarle los riesgos a un potencial cliente, brindandole un sentido de predictibilidad y transprencia. Pero ahora, la productización se ha reposicionado como una forma de capturar las eficiencias traídas por la inteligencia artificial. Con tarifas por hora o por proyecto, esa eficiencia terminaría en manos del cliente como descuento. Con precio fijo por un resultado definido, queda como margen para el proveedor del servicio.
Postdigitalist también opera un estudio que vende servicios de contenido a empresas tech, así que esta pregunta nos concierne.
¿Qué es un servicio productizado?
Un servicio productizado tiene alcance definido, precio fijo y un proceso estandarizado. El cliente compra un resultado determinado, no horas de un equipo.
Tenemos un ejemplo de servicio productizado bajo la esfera de Postdigitalist: El Programa es un sprint de estrategia de marca para founders en momentos pivotales, con un proceso predeterminado, un precio cerrado y un resultado estandarizado. Sabemos que luego de X proceso, lograremos Y impacto.
Pero este nivel de productización es un espejismo. Al final del día, cada instancia de El Programa es distinta. Comúnmente, dependiendo de las necesidades del cliente, decidimos acortar o estirar ciertos módulos – o bien complementarlos con otros servicios. A pesar de este nivel de flexibilidad que confesamos, El Programa está mucho más estandarizado que el servicio productizado promedio.
El modelo de servicios productizados se volvió particularmente popular hace unos años, cuando comenzó a ser adoptado por pequeños estudios de diseño y «agencias unipersonales». Argüiría que, si bien esa generación de agencias popularizó el concepto, la mayoría no proveen servicios realmente productizados.
¿Qué no es un servicio productizado?
Buena parte de las agencias productizadas intercambian un fee fijo por una cantidad «ilimitada» de entregables – con sólo un flujo de trabajo a la vez y un tiempo de entrega promedio de 48 horas. ¿Qué impacto predeterminado están vendiendo? Que todas las necesidades de diseño van a estar cubiertas. Pero, ¿No es esto lo mismo que nos vende una agencia que hace staff augmentation, o que vende paquetes de horas?
Además, asumamos condiciones de trabajo modernas, y planteemos una pregunta que bien podría encontrarse en un (excéntrico) manual de problemas matemáticos: Si un diseñador entrega un asset cada 48 horas (descansando sábados y domingos), y sólo puede trabajar en un asset a la vez – ¿Cuántos assets puede entregar en un mes?
Entre 10 y 11. Entonces, ¿Por qué plantear el scope de un servicio como «diseño ilimitado» cuando, como máximo, puede proveerle al cliente 10 u 11 assets? ¿Cuál es la apuesta de un proveedor que oscurece así su scope? Dejemoslo acá y volvamos a lo importante.
Por qué ahora: servicios productizados & AI-driven processes
La IA baja los costos de producción y agiliza los procesos. Pero, dependiendo de nuestro modelo de pricing, esto puede lastimar nuestros márgenes o mejorarlos.
Comparemos 4 modelos de pricing posibles y el impacto que la IA tiene en cada uno de ellos:
| Modelo de precio | Qué compra el cliente | Qué pasa cuando la IA reduce el tiempo de producción |
|---|---|---|
| Por hora | Tiempo del equipo | Facturás menos horas. La eficiencia pasa al cliente. |
| Por proyecto, cotizado por esfuerzo | Un entregable estimado en horas | En la próxima cotización, el cliente espera un precio menor. |
| Precio fijo por alcance definido | Un paquete conocido | El precio no cambia y la diferencia queda como margen. |
| Por resultado | Una unidad de trabajo terminada | El margen crece con cada mejora del proceso, mientras el precio por unidad sea competitivo. |
Torsten Sandor y Peter Benei, dos ex dueños de agencia que co-autoran el newsletter AI-Ready CMO, anticipan las preguntas que van a recibir las agencias que cobran como antes: ¿por qué una landing page llevó dos semanas?, ¿por qué una campaña de diez emails costó US$3.000 y tardó cuatro semanas? Su argumento es que hay una ventana de arbitraje, entregar lo mismo en menos tiempo y cobrar la tarifa tradicional, y que esa ventana se va a cerrar cuando las demás agencias comiencen a hacer lo mismo.
Esto conecta con lo que planteamos en nuestra conversación sobre branded media: cuando producir se vuelve barato para todos, la diferencia se mueve hacia otro lado. Para una agencia, ese otro lado es el criterio sobre qué vale la pena producir.
¿Por qué Y Combinator quiere invertir en agencias AI-native?
La productización de servicios y los «AI-enabled services» aparecieron en dos ediciones de los Requests for Startups publicados por YC en 2026. Un detalle: Esta vertical fue excluida de la edición más reciente, que está enfocada en el mundo físico.
En la edición de primavera, Aaron Epstein, socio de YC, escribió que en lugar de venderle software a los clientes para que hagan el trabajo, una empresa puede «cobrar mucho más usando el software ella misma y vendiendo el producto terminado a 100 veces su precio» (traducción nuestra, según el texto que reproduce AI-Ready CMO). La conclusión de YC es que esas agencias van a parecerse a empresas de software, con márgenes y escalabilidad similares.
En la edición de verano, según el resumen de VC Cafe, YC pidió «empresas de servicios AI-native» que vendan el trabajo terminado y no la herramienta, en corretaje de seguros, contabilidad, impuestos, auditoría, cumplimiento normativo y administración de salud.
Sequoia agrega una distinción útil: Copilot vs. autopilot. Un copilot vende la herramienta a un profesional, que se hace cargo del resultado. Un autopilot vende el trabajo terminado directamente a quien lo necesita. Bek da el ejemplo de Crosby, que le vende la redacción de acuerdos de confidencialidad a la empresa que los necesita, no al estudio de abogados. Para una agencia, la versión práctica es esta: ¿le vendés a tu cliente una nueva capacidad o le vendés un resultado?
La software factory Chrono Innovation es un ejemplo interesante. Según BetaKit, sus 45 ingenieros trabajan cada uno con entre 15 y 20 agentes de IA, y la empresa convirtió su proceso en un producto llamado Launchpad: el cliente describe el proyecto a un agente, recibe una cotización en minutos y elige entre tres niveles de precio o uno a medida. Su cofundador, Philippe Gratton, lo describe como un intento de llegar a precios por resultado. La empresa afirma que la IA cuadruplicó su output.
¿Qué productizar?
Bek sostiene que por cada dólar que se gasta en software se gastan seis en servicios, una proporción que Sequoia también presenta, sin citar una fuente. Su recomendación es empezar por el trabajo que los clientes ya tercerizan. Según Bek, si una tarea ya se terceriza, la empresa aceptó que se haga afuera, tiene una partida de presupuesto asignada y ya compra un resultado; y vender un cambio de proveedor es siempre más fácil que vender una reestructuración interna.
Para una agencia tech, eso se traduce en cuatro preguntas para cada línea de servicio:
- ¿El cliente ya lo compra afuera? Si hoy lo hace un equipo interno, venderlo como paquete implica convencerlo de cambiar su organización, no solo de proveedor.
- ¿Los insumos se repiten? Un paquete funciona cuando cada cliente entrega más o menos lo mismo para empezar: un brief, acceso a herramientas, un conjunto de datos.
- ¿La calidad se puede verificar sin ser experto? Bek señala que en tareas legales estandarizadas el comprador puede confiar en el resultado sin saber de derecho. Si tu cliente necesita tu criterio para evaluar si el entregable está bien, ese entregable todavía no es un producto.
- ¿Dónde está el criterio? Sequoia separa el trabajo de inteligencia, que sigue reglas, del trabajo de juicio, que requiere experiencia. Lo primero se productiza. Lo segundo queda como la capa a medida, y probablemente como la parte que justifica tu precio.
En una agencia de contenido, por ejemplo, la producción de piezas a partir de un brief aprobado es una buena candidata a paquetización. Decidir qué decir, a quién y con qué tono sigue siendo trabajo de juicio.
¿Cómo cobrar servicios productizados?
Hay tres modelos en uso, y cada uno resuelve un problema distinto:
| Modelo | Ejemplo | Qué es fijo | Qué queda a medida | Riesgo principal |
|---|---|---|---|---|
| Suscripción | Designjoy, US$4.995 por mes con descuento, según su sitio | Precio mensual, un pedido por vez | El contenido de cada pedido | Clientes que llenan la cola y presionan la capacidad; línea difusa entre staff augmentation & productizción real |
| Paquete de alcance fijo | Los niveles de Launchpad, El Programa | Alcance y precio de cada nivel | Scope específico | Pedidos que no entran en ningún nivel |
| Por resultado | Sierra, US$5 por ticket de soporte resuelto | Precio por unidad terminada | Nada, en teoría | Definir qué cuenta como resultado y quién lo verifica |
El ejemplo de Sierra está muy bien explicado en entrevista con Bek resumida por TBPN Digest: la empresa cobra US$5 por ticket resuelto, frente a unos US$20 que costaría resolverlo con un agente humano, según esa comparación. Sierra no es una agencia, pero muestra el modelo en su forma más pura.
Señales de alerta
Productizar mal es más caro que no productizar. Veamos los failure modes más comunes:
Comoditización
Si todas las agencias usan los mismos modelos de IA para el mismo paquete, el precio converge hacia abajo. El paquete necesita algo que no venga del modelo: datos propios, especialización vertical o criterio.
Prometer mayor autonomía que la que tenés
En la enorme mayoría de los casos, por más refinado que sea el prompt, el output de una IA va a ser de mediocre para abajo. Si provees un servicio complejo y querés preservar la calidad del servicio y el standing de tu marca, seres humanos talentosos van a tener que intervenir sobre lo que sea que la IA produzca. Si vendés un resultado «con IA» que en realidad depende de horas de un equipo, estás presentando como hiper-escalable algo que deberías vender como artesanal.
La explicación aburrida
Existen muy buenas razones para mirar la promesa de servicios productizados «AI-native»/»AI-enabled» con escepticismo. Partamos de la idea de que tener a un montón de VCs (por más célebres que sean) encolumnados tras una idea, no significa que esa idea funciona. Los inversores necesitan nuevas categorías para financiar, y «servicios con márgenes de software» es una buena historia para una ronda.
HFS Research publicó un informe sobre servicios agénticos, donde evaluó a 36 proveedores de servicios con datos de septiembre de 2025 a enero de 2026. Allí, concluye que el modelo que llama Services-as-Software «sigue siendo limitado», con una autonomía acotada por la supervisión humana y por la responsabilidad sobre los resultados. Solo cinco firmas grandes (Accenture, Cognizant, IBM, Infosys y Wipro) son designadas por HFS como las más avanzadas, y la mayor autonomía se ve en áreas acotadas como la gestión de servicios de IT y el desarrollo de software.
La lectura escéptica explica bien por qué los inversores hablan tanto del tema. No explica el mecanismo de precios, que funciona aunque la autonomía sea parcial: una agencia que reduce, por ejemplo, un 30 % su tiempo de producción gana margen con precio fijo y lo pierde con tarifa por hora, sin necesidad de ningún agente autónomo. La evidencia favorece una versión más modesta de la tesis: no hace falta convertirse en una empresa de software, pero sí dejar de cobrar por un insumo que la IA abarata.
¿Qué nos haría cambiar de opinión?
Esta guía asume que la IA sigue bajando el costo de producción más rápido de lo que los clientes ajustan lo que están dispuestos a pagar. Si en los próximos doce meses los compradores de servicios empiezan a exigir precios por paquete calculados sobre el costo de los modelos, y no sobre el valor del resultado, el margen para productizar se achica y la ventaja vuelve a estar solo en el criterio. Nos vemos en octubre de 2027.
Por Aaron Marco Arias