Griffin Parry, CEO de m3ter – Serie de entrevistas

Griffin Parry es el CEO y cofundador de m3ter. Esta es su segunda startup, después de haber cofundado y dirigido GameSparks, una empresa de servicios en la nube adquirida por Amazon (AMZN ) en 2017, después de lo cual pasó 3 años trabajando en roles senior de producto y campo en AWS. Comenzó su carrera en el sector de los medios (Sky, News International) centrado en la estrategia digital y el desarrollo de productos digitales, incluyendo el lanzamiento y la dirección de la cartera de televisión en línea de Sky.

m3ter es una plataforma de SaaS diseñada para ayudar a las empresas a implementar y gestionar precios basados en el uso complejo, actuando como una capa de infraestructura de medición y facturación que se encuentra junto a sistemas existentes como CRMs y ERPs. Ingesta datos de uso de productos sin procesar, aplica lógica de precios flexible y automatiza todo el proceso de cotización a cobro, lo que permite a las empresas generar facturas precisas y en tiempo real, reduciendo al mismo tiempo la pérdida de ingresos y los gastos operativos. Al separar la facturación de los sistemas principales, m3ter permite a las empresas experimentar con modelos de precios, lanzar nuevos productos más rápido y obtener una visibilidad más profunda del uso y los flujos de ingresos de los clientes, lo que la hace especialmente valiosa para las empresas de software modernas que se están orientando hacia modelos de negocio basados en el consumo.

Fundaste y escalaste GameSparks hasta su adquisición, y luego decidiste empezar m3ter, centrado específicamente en la infraestructura de facturación y la monetización moderna. ¿Qué te llevó a este espacio de problema en particular para tu segunda empresa, y cómo influyó tu experiencia anterior como fundador en esa decisión?

Somos un caso clásico de fundadores que resuelven un problema que habían experimentado de primera mano. En GameSparks, teníamos una estrategia de monetización moderna: precios basados en el uso, porque eso funcionaba para el tipo de negocio que éramos (infraestructura en la nube). Fue clave para nuestro éxito, pero también causó mucho dolor operativo y de GTM. Luego, en AWS, también una empresa de infraestructura en la nube, aunque mucho más grande, vimos que tenían los mismos problemas. También vimos cuánto esfuerzo dedicaban a resolverlos porque era fundamental para su negocio. Llegamos a darnos cuenta de que en un mundo basado en el uso, la infraestructura de facturación es una capacidad estratégica que la mayoría de las empresas no podían desarrollar, así que fundamos m3ter para cambiar eso.

Los productos nativos de IA pueden tener costos de infraestructura impredecibles vinculados a la inferencia, el uso de tokens o la reeducación de modelos. ¿Cómo deberían pensar los fundadores sobre la alineación de los precios con el valor mientras protegen los márgenes brutos?

Los productos de SaaS tradicionales generalmente tenían costos marginales de uso cercanos a cero. En otras palabras, el uso que el cliente daba a su producto no impactaba en su costo para servir. Eso no es cierto para los productos de IA, porque su uso conduce a costos como el consumo de tokens. Si sus precios son fijos, eso significa que sus márgenes brutos pueden variar significativamente por cliente, dependiendo de su uso. Eso, a su vez, hace que las estrategias de precios basados en el uso sean casi inevitables: alinean los ingresos con los costos y estabilizan los márgenes brutos.

¿Cómo crees que la mayoría de las empresas incorporarán componentes de uso en sus suscripciones, o verás surgir nuevos marcos de monetización?

No espero nada completamente nuevo: solo una reinversión de los modelos de precios que ya hemos visto. Verás todo el espectro, desde suscripciones puras hasta modelos basados en resultados. Pero el grupo más grande será híbrido: elementos de recurrencia fija para la previsibilidad, combinados con una métrica variable que funcione tanto para los clientes (asociados con el éxito) como para los vendedores (alineados lo suficiente con los costos para proteger sus márgenes).

Hay un creciente debate en torno a los precios basados en resultados en la era de la IA. ¿Dónde ves una verdadera tracción emergente, y dónde crees que el modelo se vuelve demasiado complejo para implementarlo de manera efectiva?

El desafío de los precios basados en resultados es la atribución: para que funcione, un resultado medible debe estar impulsado de manera inequívoca por el producto del vendedor. A veces eso es posible: los pagos son un ejemplo, donde los proveedores toman una parte de la transacción, y eso parece justo. Pero en mi experiencia, esas situaciones son relativamente raras, y las empresas tienden a recurrir a métricas de precios que son más como proxies del valor: por ejemplo, para un agente de soporte al cliente de IA, las llamadas resueltas sin intervención humana. Nuevamente, habrá muchas soluciones a lo largo del espectro, desde el uso basado en el valor, a través de proxies de valor, hasta los precios basados en resultados: depende del caso de uso. Lo que todos comparten en común es que algo necesita ser contado y tener un precio aplicado, lo cual es donde entra en juego m3ter.

Al definir el valor en productos impulsados por IA, ¿qué métricas prácticas deberían centrarse las empresas como proxies realistas para los resultados?

Esta es una pregunta difícil de responder, porque es muy específica del caso de uso. Hay algunas consideraciones “siempre” – ¿es la métrica simple, predecible, asociada con el valor y lo suficientemente alineada con los costos para servir? Pero la métrica en sí depende de lo que hace el producto. “Tokens utilizados” funciona para un modelo de LLM. “Documentos procesados” funciona para el análisis de contratos. “Consultas ejecutadas” funciona para la búsqueda empresarial. “Conversaciones manejadas (sin intervención humana) funciona para el soporte al cliente.

¿Cuáles son los desafíos operativos y técnicos más comunes que enfrentan las empresas al cambiar de modelos de suscripción solo a híbridos o basados en el uso?

Los puntos clave de dolor son alrededor de la pérdida de ingresos, las malas experiencias del cliente y la falta de agilidad de precios que obstaculiza a los departamentos de Producto y Ventas. Las causas están enraizadas en los fundamentos operativos incorrectos. Las capacidades clave (nuevas) necesarias al cambiar de suscripción solo a híbrido o precios basados en el uso son el procesamiento de datos de uso, el cálculo de facturas avanzado (y continuo) y las conexiones automatizadas entre los sistemas CRM, facturación y ERP.

Muchas empresas están profundamente comprometidas con sistemas como Salesforce (CRM ) y NetSuite. ¿Cómo moderniza m3ter la infraestructura de monetización sin obligar a las empresas a revisar su pila existente?

Las herramientas de cotización a cobro establecidas, como Salesforce y NetSuite, asumen un mundo de suscripciones. Eso no significa que no puedan funcionar bien para enfoques de monetización modernos: solo necesitas llenar las brechas críticas, lo cual es lo que hace m3ter. Nos centramos precisamente en lo que falta: procesamiento de datos de uso, tarificación avanzada y automatización de flujos de datos entre los sistemas de cotización a cobro.

La pérdida de ingresos a menudo se subestima. ¿Cuán significativo es este problema en los negocios de SaaS modernos, y qué lo causa típicamente?

La pérdida de ingresos es el valor que se ha ganado (lo has vendido y entregado) pero que no se ha cobrado debido a inexactitudes en la facturación: tus facturas no capturan completamente el uso del cliente, o no aplican los términos comerciales correctos. Es un gran problema: el equipo de Integridad de Ingresos de PwC lo estima en un 4-7%, y cuanto más complejo sea el precio, más probable es. La causa raíz se reduce a los sistemas y controles: no capturar datos de uso de manera efectiva; no tener conexiones automatizadas entre las fuentes de verdad para los precios y el mecanismo de cálculo de facturas; y el mecanismo de cálculo de facturas no es lo suficientemente sofisticado como para manejar la complejidad (por ejemplo, confiando en hojas de cálculo).

¿Cómo influye una mayor flexibilidad de precios en la innovación de productos y la estrategia de ventas dentro de las organizaciones de software?

Simple: cuanto más agilidad de precios tengas, más rápido puedes enviar nuevos productos, y más fácilmente puedes adaptar los precios a las necesidades y deseos de tus clientes, incluyendo acuerdos de precios privados que ayuden a las Ventas a ganar. Es una capacidad estratégica para el negocio. Pero no puedes tener flexibilidad sin automatización y control. De lo contrario, obtienes errores de facturación, pérdida de ingresos y desafíos de cumplimiento.

¿Ves a la IA jugando un papel en la optimización dinámica de los modelos de precios en tiempo real, y qué necesitaría estar en su lugar para que funcione de manera fiable a escala?

Estoy emocionado con el potencial de la IA en la optimización de precios. Pero estoy menos convencido sobre el aspecto en tiempo real, al menos para los negocios de software como servicio o soluciones como servicio. Si vendes habitaciones de hotel o asientos de avión, la optimización dinámica funciona porque es una transacción de una sola vez. Pero los vendedores de software B2B quieren relaciones con los clientes que perduren, y los clientes no quieren que los precios cambien impredeciblemente día a día. Así que la optimización de precios se centrará en lugar de eso en la creación de precios personalizados para acuerdos a largo plazo: precios diseñados para ofrecer los mejores resultados tanto para el vendedor como para el cliente a lo largo de relaciones de varios años.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar m3ter.