El catálogo de ventas: motions para vender AI Workers

Dónde encaja este documento

Este documento forma parte de la serie The AI-Native Company. The Agent Factory Thesis define la arquitectura de la empresa AI-native. The AI Worker Catalog define qué se construye dentro de esa arquitectura. El catálogo de ventas define cómo una empresa AI-native cierra acuerdos en la práctica cuando esos Workers ya están listos para salir al mercado.

Este documento responde una pregunta: ¿cómo cerramos el acuerdo? Puedes leerlo de forma independiente. Las pocas referencias cruzadas al catálogo de Workers se pueden omitir sin perder el argumento.

Cómo leer este documento

Este documento es una herramienta, no una historia. Distintos lectores lo usarán de formas distintas.

Si estás empezando en ventas empresariales u operaciones de ingresos. Empieza por el Apéndice A: glosario al final. Revísalo una vez para que el vocabulario te resulte familiar. Luego lee el resumen ejecutivo con calma. Cuando llegues a los motions, concéntrate solo en el párrafo En palabras simples al inicio de cada uno; en tu primera lectura, omite las secciones más profundas de mecanismo, ejemplo y riesgo. Vuelve a ellas cuando quieras más profundidad.

Si eres una persona fundadora, líder de ventas o responsable de ingresos que está diseñando su motion. Usa el Diagnóstico del vendedor y la Matriz de encaje estratégico para encontrar qué motions podrían aplicar a tu etapa y a tu comprador. Lee esos dos o tres motions completos. Omite los demás hasta que los necesites.

Si eres inversionista u operador con experiencia. El documento está construido para ti. Léelo de arriba abajo. Los motions están secuenciados desde los liderados por el comprador, donde empiezan la mayoría de las empresas de IA en etapa temprana, pasando por los liderados por el vendedor y por resultados, hasta los liderados por socios, donde escalan los ingresos serios.

Una nota sobre la jerga. Este documento usa vocabulario de negocio y técnico de ventas B2B, RevOps y despliegue de IA. La primera vez que aparece un término especializado, normalmente se explica cerca en lenguaje claro o entre paréntesis. El Apéndice A: glosario ofrece una referencia rápida para cualquier término que te esté trabando. No necesitas conocer todos los términos para seguir el documento.

Versión de 10 minutos para principiantes

Si solo tienes diez minutos, lee esta sección. Te da todo lo necesario para entender cómo venden las empresas AI-native, sin la profundidad ni el detalle del resto del documento.

¿Qué es un sales motion?

Un sales motion es la forma específica en que una empresa vende su producto. Incluye quién inicia la conversación, el comprador o el vendedor, cuánto tarda cerrar un acuerdo, cómo se fija el precio del producto y quién hace realmente la venta. Productos distintos necesitan motions distintos. Una app de productividad de 20 USD al mes se vende de forma muy distinta a un contrato empresarial de $1M.

¿Por qué distintos productos necesitan distintos motions?

Cuatro cosas determinan qué motion encaja: qué tan rápido el comprador experimenta valor, minutos frente a meses; cuánto está pagando, menos de $100 frente a más de $1M; qué tan complejo es evaluar el producto; y si el comprador es una persona o una organización completa. Un producto de máquina expendedora, donde alguien se registra, pasa una tarjeta y obtiene valor en minutos, no se puede vender igual que un despliegue empresarial personalizado, con seis meses de navegación entre stakeholders, contrato firmado y despliegue por etapas. El motion debe coincidir con el producto y con el comprador.

Las cuatro familias de motions, en palabras simples

Este documento organiza doce motions en cuatro familias:

1. Motions liderados por el comprador (1–4). El comprador te encuentra, te evalúa y te paga sin intervención directa de un vendedor. Ejemplos: pruebas gratis de una app de IA, listados en una tienda de apps, proyectos open-source con versiones pagas encima.
2. Motions liderados por el vendedor (5–8). Tu equipo inicia el contacto, dirige el proceso de ventas y cierra el acuerdo. Ejemplos: la persona fundadora vendiendo personalmente a los primeros clientes, outbound frío con IA a escala, ejecutivos de cuenta enterprise navegando organizaciones grandes.
3. Motions liderados por resultados (9–10). El comprador paga solo cuando la IA entrega un resultado real: un ticket de soporte resuelto, un reclamo de seguro procesado. El precio sigue el valor entregado, no el acceso.
4. Motions liderados por socios (11–12). Terceros, como consultoras y proveedores de nube, venden tu producto como parte de compromisos más amplios con sus propios clientes.

La forma más fácil de elegir un motion

Empieza con dos preguntas: ¿cuánto cuesta mi producto por cliente al año? y ¿cuánto tarda cerrar un acuerdo, desde el primer contacto hasta el contrato firmado?

Precio bajo más ciclo corto = motion liderado por el comprador; prueba Self-Serve PLG o Marketplace-Led. Precio bajo o medio más ciclo medio = motion liderado por el vendedor, con la persona fundadora u outbound. Precio alto más ciclo largo = Enterprise Field, FDE o engagement basado en valor. Resultados continuos y medibles = Pay-Per-Outcome (Motion 9).

Cuando tengas dudas, usa la Matriz de encaje estratégico y el Diagrama de decisión de abajo para acotar las opciones candidatas.

Los doce motions en una oración cada uno

1. Self-Serve PLG. Los compradores se registran, pasan una tarjeta y usan tu producto sin hablar jamás con un vendedor.
2. Marketplace-Led. Vendes dentro de la tienda de apps de una plataforma anfitriona, como Salesforce, Shopify o ChatGPT, y la plataforma te trae clientes.
3. Open-Source-Led. Regalas el producto central y cobras por la versión gestionada o enterprise que va encima.
4. Community-Led. Construyes una audiencia, en YouTube, Discord o Substack, antes de lanzar, y esa audiencia se convierte en tus primeros clientes.
5. Founder-Led Sales. La persona fundadora cierra personalmente los primeros 5–50 acuerdos antes de contratar un equipo de ventas.
6. AI-Augmented Outbound. Un equipo SDR pequeño usa agentes de IA para investigar prospectos y contactarlos a escala.
7. Enterprise Field Sales. Ejecutivos de cuenta con cuota cierran acuerdos de seis cifras durante ciclos de varios meses.
8. Forward-Deployed Engineering (FDE). Integras ingenieros dentro de organizaciones cliente para construir soluciones personalizadas y luego convertirlas en producto.
9. Pay-Per-Outcome. Los clientes pagan por ticket resuelto, reclamo procesado u otro resultado medible.
10. Value-Based Engagement. Acuerdos estratégicos con precio fijado como porcentaje del valor de negocio medido que se crea.
11. Channel & SI Partnership. Consultoras como Accenture y Deloitte venden tu producto como parte de sus implementaciones.
12. Hyperscaler Co-Sell. Proveedores de nube como AWS, Azure y Google ayudan a vender tu producto porque capturan el ingreso de cómputo subyacente.

Dificultad para principiantes por motion

Cada motion tiene una calificación de dificultad en su sección detallada más abajo. Como referencia rápida:

• Fácil (concepto intuitivo, punto de partida común): Self-Serve PLG (1), Marketplace-Led (2), Community-Led (4), Founder-Led Sales (5)
• Media (requiere cierta comprensión operativa): Open-Source-Led (3), AI-Augmented Outbound (6), Enterprise Field Sales (7), Channel & SI Partnership (11), Hyperscaler Co-Sell (12)
• Avanzada (requiere experiencia profunda de dominio o capital sustancial): Forward-Deployed Engineering (8), Pay-Per-Outcome (9), Value-Based Engagement (10)

Ese es todo el documento en diez minutos. El resto explica cada pieza en detalle y te da herramientas para elegir, secuenciar y ejecutar estos motions en tu propia empresa.

Resumen ejecutivo

El catálogo de ventas es un recetario para cerrar acuerdos con productos AI-native en 2026 y más allá. Hay muchas formas de vender un AI Worker, y la forma correcta depende de tu etapa, tu comprador, la complejidad de tu producto y la profundidad de tu distribución. Este documento nombra doce motions, los organiza en cuatro familias y te dice cuál encaja con tu situación.

Las cuatro familias: en qué compite primero cada tipo de motion.

Los motions liderados por el comprador (Motions 1–4) funcionan cuando el comprador descubre, evalúa y compra por su cuenta. El trabajo del vendedor es ser encontrable, sin fricción y creíble. El vendedor no dirige el ciclo de ventas; lo dirige el comprador.

Los motions liderados por el vendedor (Motions 5–8) funcionan cuando el vendedor inicia y orquesta el acuerdo. El trabajo del vendedor es segmentar con precisión, articular valor y navegar compras. El vendedor dirige el ciclo de ventas.

Los motions liderados por resultados (Motions 9–10) funcionan cuando el acuerdo se estructura alrededor de resultados en lugar de acceso. El trabajo del vendedor es medir, atribuir y entregar de forma consistente. El comprador paga solo por valor creado.

Los motions liderados por socios (Motions 11–12) funcionan cuando terceros impulsan la compra. El trabajo del vendedor es la gestión de alianzas: hacer que los socios tengan tanto éxito que sigan vendiendo por ti.

Los cinco activos de ventas: lo que todo motion pelea por capturar.

Pipeline es un suministro confiable y repetible de oportunidades calificadas que fluyen hacia el proceso de ventas. Todo motion exitoso lo produce; la mayoría de los motions fallidos no.

Velocidad es qué tan rápido una oportunidad se convierte en ingreso cerrado. Los ciclos más rápidos significan más acuerdos por trimestre con el mismo equipo.

Economía del acuerdo es el ingreso por acuerdo multiplicado por el margen bruto. Un motion que produce acuerdos de $1M con margen de 80% opera en una categoría de ingresos distinta a uno que produce acuerdos de $10K con margen de 30%.

Retención es la retención neta de ingresos: ¿el cliente expande su gasto, lo mantiene estable o lo reduce? En SaaS, un NRR por encima de 130% define a un líder de categoría. En IA, la matemática está cambiando porque el ingreso basado en resultados crece naturalmente con el uso.

Confianza es la seguridad ganada del comprador en tu equipo, tu producto y tu disciplina operativa. La confianza tarda años en construirse y minutos en perderse.

Los motions más fuertes capturan tres o más de estos activos a la vez. El trabajo de la estrategia de ingresos en la era de los agentes es elegir qué activo capturar primero y luego secuenciar los demás.

Una nota sobre el alcance. Este catálogo se centra principalmente en mercados B2B: AI Workers y software AI-native vendidos a otras empresas, no directamente a consumidores individuales. Las ventas de IA orientadas a consumo, como tiendas de apps móviles, modelos liderados por publicidad o suscripción, siguen reglas distintas y no son el tema principal aquí, aunque varios motions, como Self-Serve PLG, Marketplace-Led y Community-Led, aplican limpiamente a ambos contextos.

El espectro de madurez. Cada motion de este catálogo está etiquetado como probado, emergente o especulativo según cuántas empresas AI-native lo ejecutan con éxito hoy.

• Probado significa que varias empresas a escala lo operan ahora mismo, con ingresos confirmados y un playbook documentado.
• Emergente significa que empresas financiadas lo ejecutan en 2026, pero la mayoría de los resultados sigue pendiente y aún no apareció el ganador canónico.
• Especulativo significa que depende de comportamientos de compra o estructuras contractuales que todavía no existen a escala, pero podrían existir pronto.

Madurez no es lo mismo que calidad. Los motions probados son más seguros; los emergentes ofrecen mayor upside; los especulativos ofrecen el mayor upside a los pocos equipos que se posicionan correctamente antes de que llegue el resto del mercado.

Para qué sirve esta página

Este documento cumple tres funciones.

Primero, como selector. Una persona fundadora o líder de ingresos que diseña un sales motion puede usar la matriz de encaje estratégico, el diagnóstico del vendedor y la tabla resumen de motions para encontrar los motions que encajan con su etapa, su comprador y la complejidad de su producto. Las secciones profundas explican luego la mecánica, los riesgos y los primeros pasos de los motions de la lista corta.

Segundo, como referencia. Un equipo de ingresos que ya ejecuta un motion puede usar las secciones profundas para auditar su propia operación frente a las mecánicas documentadas, comparando sus tasas reales de conversión, tiempos de ciclo y economía de acuerdos contra los patrones descritos.

Tercero, como herramienta de planificación. Una persona fundadora que diseña la secuencia de motions que ejecutará una empresa al escalar, porque la mayoría de las empresas AI-native exitosas ejecutan dos o tres motions en secuencia, no uno aislado, puede usar la sección Motions híbridos comunes como plantilla de planificación.

Cómo elegir un motion

El predictor más limpio de qué sales motion encaja es la intersección entre tamaño del acuerdo y duración del ciclo. La matriz siguiente ubica los doce motions sobre esos dos ejes. Cada motion tiene una celda de punto ideal y funciona, con menor optimización, en celdas adyacentes.

Ciclo ↓ \ acuerdo $ →	Autoservicio (<$10K)	Mid-market ($10–100K)	Enterprise ($100K–1M)	Estratégico (>$1M)
Días	PLG (1), Marketplace (2)	—	—	—
Semanas	Open-Source (3), Community (4)	Founder-Led (5), AI-Outbound (6)	—	—
Meses	—	Channel (11)	Enterprise Field (7), Channel (11), Hyperscaler (12)	—
Trimestres o más	—	—	Pay-Per-Outcome (9), Hyperscaler (12)	FDE (8), Value-Based (10)

La celda más importante es la que nadie planifica por adelantado: ciclos enterprise de varios meses para productos que empezaron como autoservicio. Ahí es donde las empresas que crecieron mediante PLG chocan con el muro de las compras enterprise grandes, y donde los equipos de ingresos que solo han ejecutado autoservicio tienen problemas para pasar de golpe a ejecutar un motion de ventas enterprise de campo. La transición de "liderado por el comprador" a "liderado por el vendedor" es el fallo de motion más común en empresas AI-native, y también el más enseñable.

Diagnóstico del vendedor: ocho preguntas

Antes de elegir un motion, puntúate con honestidad en las ocho dimensiones siguientes. Los motions a los que apunta cada fila son los más alineados con esa condición. Un equipo que puntúa alto en tres o cuatro de estas dimensiones normalmente acota rápido a dos o tres motions candidatos.

1. Capacidad de venta de la persona fundadora. ¿La persona fundadora todavía cierra acuerdos personalmente? Sí → Founder-Led, FDE. No, ya hay equipo de ventas → Enterprise Field, AI-Outbound, Channel.

2. Complejidad del producto. ¿El producto requiere educación del comprador antes de poder evaluarse? Baja → PLG, Marketplace, Open-Source. Moderada → Founder-Led, AI-Outbound. Alta → Enterprise Field, FDE, Value-Based.

3. Tiempo hasta el valor. ¿Qué tan rápido experimenta el comprador valor significativo después de la primera interacción? Minutos → PLG, Marketplace. Días–semanas → Open-Source, AI-Outbound, piloto. Meses → Enterprise Field, FDE, Value-Based.

4. Medición del resultado. ¿El éxito del comprador con tu producto se puede medir limpiamente? Alta → Pay-Per-Outcome, Value-Based. Baja → PLG, Enterprise Field, Channel (con precio por acceso).

5. Sofisticación técnica del comprador. ¿Qué tan técnico es el comprador principal? Desarrollador / ingeniero → Open-Source, PLG, Marketplace. Negocio / operador → Founder-Led, AI-Outbound, Enterprise Field. Ejecutivo / liderado por compras → Enterprise Field, FDE, Value-Based, Hyperscaler.

6. Fricción de compras. ¿Cuánto dura el ciclo típico de compras del comprador? Días–semanas → PLG, Marketplace, Open-Source. Meses → Founder-Led, AI-Outbound, Enterprise Field (con fase de piloto). Trimestres → Enterprise Field, FDE, Channel, Value-Based.

7. Canal y ecosistema de socios. ¿Terceros ya atienden a tu comprador objetivo en áreas adyacentes? Sí, profundamente → Channel, Hyperscaler, SI partnership. Sí, ligeramente → Marketplace, Community. No → Founder-Led, AI-Outbound, Enterprise Field.

8. Capital y paciencia. ¿Cuánto tiempo puede operar tu equipo antes de necesitar ingresos significativos? Menos de 6 meses → PLG, Marketplace, Open-Source. 6–18 meses → Founder-Led, AI-Outbound. 18+ meses → Enterprise Field, FDE, Value-Based.

El diagnóstico no te dice qué motion es correcto. Te dice qué motions están disponibles para ti dada tu posición inicial. La matriz de arriba y las secciones profundas de abajo te dicen cuál de los motions disponibles es más afilado para el comprador al que vendes.

Tabla resumen de motions

Una referencia de una página para los doce motions. Úsala para explorar el catálogo de un vistazo, no para tomar una decisión final, porque las secciones más profundas que siguen son donde viven las distinciones reales.

#	Motion	Madurez	Mejor para	Ciclo típico	Tamaño típico del acuerdo	Riesgo principal
1	Self-Serve PLG	Probado	Herramientas para desarrolladores / productos de productividad con valor inmediato	Horas a días	Inicial <$10K; expande	La conversión a pago se estanca
2	Marketplace-Led	Probado	Apps que encajan en una plataforma anfitriona	Días	$10–50K	Competencia de la plataforma o expulsión
3	Open-Source-Led	Probado	Infraestructura para desarrolladores y frameworks	Semanas a meses (de open a pago)	$50K–500K comercial	Falla la conversión de open a comercial
4	Community-Led	Probado	Productos con identidad fuerte / persona objetivo fuerte	Semanas a meses	$10–100K	Dilución de la comunidad al escalar
5	Founder-Led Sales	Probado	Pre-product-market fit; primeros 5–50 acuerdos	Semanas	$25–250K	Cuello de botella de la persona fundadora; fallo de transferencia
6	AI-Augmented Outbound	Emergente	GTM mid-market liderado por vendedor	Semanas a meses	$25–250K	Fatiga del comprador ante outreach generado por IA
7	Enterprise Field Sales	Probado	Acuerdos de seis cifras con organizaciones grandes	3–9 meses	$100K–1M	Ciclo de ventas largo; CAC pesado
8	Forward-Deployed Engineering	Probado	Acuerdos enterprise estratégicos donde el éxito requiere trabajo personalizado	6–12 meses para el primer acuerdo	$500K–5M	Gravedad de negocio de servicios
9	Pay-Per-Outcome	Emergente	Flujos de trabajo donde los resultados se atribuyen limpiamente	2–6 meses	Variable; basado en uso	Margen negativo en los primeros años
10	Value-Based Engagement	Especulativo	Acuerdos de transformación estratégica	6–18 meses	$1M–10M+	Disputas de atribución
11	Channel & SI Partnership	Probado	Productos que necesitan experiencia de implementación	3–9 meses (mediante socio)	$100K–1M	Desalineación de economía del socio
12	Hyperscaler Co-Sell	Probado	Productos cloud-native con gran huella de cómputo	2–6 meses	$100K–1M+	Pérdida de prioridad del hyperscaler

¿Qué motion debería ejecutar?

El diagrama siguiente secuencia las decisiones más importantes. Responde las preguntas de arriba abajo y detente en el primer SÍ: esa es tu rama. Los nodos finales dan de uno a cuatro motions candidatos para leer completos.

El diagrama es opinado. Reduce matices del mundo real a divisiones limpias de SÍ/NO para acotar tus opciones de doce a dos o tres. Usa el Diagnóstico del vendedor y la Matriz de encaje estratégico de arriba para refinar la elección después de acotar el conjunto candidato. La mayoría de las empresas terminarán ejecutando dos o tres motions simultáneamente en lugar de uno; consulta Motions híbridos comunes cerca del final del documento para ver las combinaciones más comunes.

Madurez del comprador y timing

Todo motion de este catálogo tiene una ventana dentro del recorrido de IA del comprador. Un comprador que nunca ha desplegado IA compra de forma distinta a uno que ejecuta IA en producción a escala. Los motions que funcionan brillantemente para un comprador AI-native se sienten ajenos para un comprador curioso por la IA, y viceversa.

Tres etapas definen la curva de madurez del comprador.

Etapa 1 — AI-Curious. El comprador tiene interés en la IA, pero no la ha desplegado en producción. Compras trata la IA como algo exótico; legal necesita redactar lenguaje específico de IA desde cero; seguridad no tiene una plantilla para proveedores de IA. El comprador quiere pilotos, referencias y un sponsor que pueda responder internamente. Los ciclos de ventas son lentos porque cada objeción se plantea por primera vez. Mejores motions: Founder-Led, FDE, Enterprise Field con una fase de piloto pago.

Etapa 2 — AI-Piloting. El comprador ya ejecutó experimentos. Hay un champion interno de IA, a menudo un VP de ingeniería, Chief Data Officer o COO curioso por la IA, que ya llevó al menos un modelo a producción. Compras tiene una plantilla básica para proveedores de IA. Los ciclos de ventas son más rápidos, de 3 a 6 meses, porque el comprador sabe qué preguntar. Mejores motions: Enterprise Field, AI-Augmented Outbound, Channel.

Etapa 3 — AI-Native. El comprador trata la IA como infraestructura central. Existe un equipo AI-native, un playbook de compras de IA y la expectativa de opciones de precio basado en resultados. Los ciclos de ventas pueden ser rápidos para productos con encaje claro, de semanas, pero el escrutinio de compras es intenso: la revisión de seguridad es rigurosa, el benchmarking competitivo es exhaustivo y el comprador negociará sobre resultados, no solo sobre precio. Mejores motions: Pay-Per-Outcome, Value-Based, Hyperscaler Co-Sell, PLG (para adopción departamental).

La geografía acelera o retrasa la curva. Silicon Valley, Seattle, Boston, Nueva York, Londres, Toronto, Berlín, Bangalore y Singapur son mercados predominantemente de etapa 2 o etapa 3 en 2026: los compradores de esos ecosistemas ya ejecutaron experimentos de IA, escribieron plantillas internas de compras de IA y empiezan a exigir opciones de precio basado en resultados. La mayor parte del resto del mundo está dos o tres años atrás: los compradores enterprise de buena parte de Europa continental, América Latina, Medio Oriente, África y el Sudeste Asiático siguen firmemente en etapa 1, en transición hacia etapa 2.

La implicación para las personas fundadoras que venden globalmente es que el mismo producto necesita motions distintos en mercados distintos. Un producto PLG de autoservicio se puede vender igual en San Francisco y São Paulo: el comprador es el usuario, y la sofisticación del usuario no depende de la geografía. Pero un motion de ventas enterprise de campo calibrado para compradores AI-native en San Francisco fallará en Karachi, Lagos o Yakarta, no porque el comprador local sea menos sofisticado, sino porque sus compras de IA son menos maduras. El vendedor tiene que desacelerar el motion: más educación, más referencias, pilotos más largos, más acompañamiento en compras.

El desajuste opuesto es igual de costoso. Un motion calibrado para compradores de etapa 1, con mucho acompañamiento, pilotos largos y la persona fundadora en cada llamada, es innecesariamente caro y señala debilidad en mercados de etapa 3. El comprador de etapa 3 quiere precio basado en resultados y un ciclo de compras de cuatro semanas. Venderle un motion de etapa 1 comunica que el vendedor es poco sofisticado, lento y probablemente no vale el esfuerzo de integración. Una persona fundadora que vende globalmente necesita saber en qué etapa está su comprador hoy, no en qué etapa están sus clientes de referencia. Un motion calibrado para compradores de etapa 3 fallará con compradores de etapa 1, y viceversa.

Leyenda de madurez

• Probado. El motion tiene varias empresas AI-native operándolo a escala hoy, con ingresos confirmados y un playbook documentado. La mecánica se entiende bien.
• Emergente. El motion lo ejecutan empresas AI-native financiadas en 2026, pero la mayoría de los resultados sigue pendiente y el ganador canónico aún no apareció.
• Especulativo. El motion depende de comportamientos de compra o estructuras contractuales que todavía no existen a escala, pero que plausiblemente se están formando.

---

A. Motions liderados por el comprador

El comprador descubre, evalúa y compra por su cuenta. El trabajo del vendedor es ser encontrable, sin fricción y creíble. El vendedor no dirige el ciclo de ventas; lo dirige el comprador. Estos motions sobresalen en velocidad y eficiencia de CAC, pero normalmente producen tamaños de acuerdo inicial más pequeños que los motions liderados por el vendedor.

Motion 1 — Self-Serve PLG (Product-Led Growth)

Madurez: Probado. Dificultad para principiantes: Fácil.

En palabras simples. Imagina una máquina expendedora, pero de software. El comprador se acerca, pasa una tarjeta de crédito y el producto aparece. No hay vendedor, negociación contractual ni revisión de compras para una suscripción de 20 USD al mes. Self-Serve PLG es exactamente eso: el producto mismo hace la venta. El comprador se registra, experimenta valor en minutos y se actualiza por su cuenta cuando el uso justifica el nivel pago.¹

Esto funciona solo cuando el producto entrega valor inmediato y evidente a un solo usuario sin coordinación organizacional. Cursor, el editor de código con IA, es un ejemplo claro: un ingeniero se registra, escribe código con asistencia de IA, ve el valor en su primera sesión y actualiza cuando alcanza los límites del nivel gratuito. Linear (gestión de proyectos), Notion AI (asistencia de escritura) y ElevenLabs (generación de voz) ejecutan variantes de este motion.

Es mejor como motion fundador para productos con valor inmediato para un solo usuario. A menudo se combina con Enterprise Field cuando la empresa escala; el híbrido PLG → Enterprise es una de las secuencias de motion más comunes en 2026.

Idea central. Eliminar la fricción entre la curiosidad y el valor. Todo paso del flujo de registro que no produzca valor debe eliminarse. El producto mismo es el discurso de ventas, la demo y el cierre.

Cuándo usarlo. Cuando el comprador objetivo es el usuario, no un rol separado de compras; cuando el valor es inmediato, minutos y no semanas; y cuando el precio está por debajo de los umbrales de tarjeta corporativa, normalmente <$200 por asiento al mes, aunque esto está subiendo a medida que los productos de IA demuestran ROI claro.

Mecanismo. PLG funciona porque invierte el funnel tradicional de ventas B2B. En lugar de que leads calificados por ventas se empujen a un vendedor que los empuja al producto, el producto produce compradores calificados que se empujan a sí mismos hacia la conversión paga. El CAC está dominado por inversión de producto, como onboarding, activación y prompts de actualización dentro del producto, en lugar de headcount. Los márgenes son altos porque no hay equipo de ventas que pagar. La restricción es la conversión a pago: la mayoría de los productos PLG convierten de 2–5% de los usuarios gratuitos a pagos.

Recorrido ficticio. Imagina FocusFlow, una app de IA de 20 USD al mes que ayuda a cualquier persona a organizar su correo electrónico. Un usuario se registra durante el almuerzo, conecta su bandeja de entrada y está usando el producto de forma productiva en cinco minutos. Alcanza el techo del nivel gratuito, cien resúmenes de IA por día, en la primera semana y actualiza a pago sin intervención de ningún vendedor. Los ingresos de FocusFlow crecen porque el producto mismo convierte usuarios gratuitos en pagos, no porque alguien los haya llamado.

Ejemplo. Ejemplos confirmados: el camino de Cursor desde editor de código con nivel gratuito hasta suscripciones pagas y contratos enterprise. Linear, Notion AI, Perplexity Pro. ElevenLabs para generación de voz.

Riesgo principal. La conversión a pago se estanca. El producto logra adopción, pero los usuarios nunca actualizan. Mitigación: diseña el disparador de actualización directamente dentro del producto. El nivel gratuito debe tener un techo de uso lo suficientemente ajustado como para que los usuarios intensivos reales lo alcancen en su primera semana, no dentro de un año.

Riesgo secundario. Meseta de autoservicio. El motion funciona para adopción departamental, pero la expansión enterprise de la empresa, revisión de seguridad, negociación multi-asiento y contratos personalizados, exige un sales motion que el equipo no construyó. Mitigación: contrata al primer vendedor enterprise antes de que el crecimiento liderado por producto produzca prospectos de escala enterprise, no después. La transición de "liderado por el comprador" a "liderado por el vendedor" exige diseño deliberado de motion.

Primer paso. Construye un nivel gratuito que cree un momento de valor genuino dentro de los cinco minutos posteriores al registro. Sin ese momento, ninguna otra mecánica de PLG importa.

Motion 2 — Marketplace-Led

Madurez: Probado. Dificultad para principiantes: Fácil.

En palabras simples. Imagina alquilar un puesto en un bazar concurrido. No tienes que atraer a la multitud: el bazar ya lo hace. Tu trabajo es ser el mejor puesto del bazar. Marketplace-Led significa vender tu producto de IA dentro de la tienda de apps de una plataforma establecida, como Salesforce AppExchange, Shopify App Store, Microsoft AppSource, el directorio de ChatGPT Apps o Atlassian Marketplace. El marketplace gestiona descubrimiento, facturación y la primera señal de confianza. Tú gestionas el producto.

El motion es especialmente poderoso para productos de IA porque el comprador a menudo ya está dentro de la plataforma cuando decide que necesita una función de IA. Un administrador de Salesforce que necesita una herramienta de scoring de leads con IA buscará en AppExchange antes de buscar en Google.

Es mejor como motion fundador de distribución o como canal complementario para productos establecidos. Rara vez es el único motion de la empresa a escala.

Idea central. Heredar la distribución, facturación y maquinaria de confianza de la plataforma. Pagar por ello mediante revenue share o tarifas de listado en lugar de costos directos de adquisición de clientes.

Cuándo usarlo. Cuando tu producto de IA encaja limpiamente dentro de la base de usuarios existente de una plataforma, cuando los clientes de la plataforma se corresponden con tu cliente objetivo y cuando el revenue share de la plataforma está por debajo de lo que gastarías de otro modo en adquisición directa de clientes.

Mecanismo. Un marketplace resuelve tres problemas de la persona fundadora a la vez: descubrimiento, porque el comprador te encuentra mientras compra dentro de la plataforma; facturación, porque la plataforma gestiona tarjetas de crédito, facturas e impuestos; y confianza, porque el proceso de revisión de la plataforma es en sí mismo una señal de confianza. El trade-off es el revenue share de la plataforma, normalmente 15–30%, y el riesgo de política de la plataforma, porque puede cambiar términos o construir una función first-party competidora.

Recorrido ficticio. Imagina NoteSnap, una app de resumen con IA para Salesforce. NoteSnap se lista en Salesforce AppExchange. Un administrador de Salesforce que busca herramientas de productividad en AppExchange encuentra NoteSnap, la instala, ve valor durante una prueba gratis y convierte a pago, todo mediante el sistema de facturación de Salesforce. NoteSnap nunca ejecutó una campaña outbound; la plataforma hizo la adquisición de clientes.

Ejemplo. Ejemplos confirmados: la larga cola de empresas exitosas en Salesforce AppExchange y Shopify App Store. Agentes de productividad distribuidos mediante Claude Apps y ChatGPT Apps en 2026. Herramientas AI-native de creatividad publicitaria integradas en las plataformas de anuncios de Meta y TikTok.

Riesgo principal. El riesgo de plataforma es asimétrico y existencial. Un cambio de política, un aumento del take rate o el lanzamiento de una función first-party puede borrar un negocio marketplace-led de la noche a la mañana. Mitigación: mantén una capa de relación directa fuera de la plataforma, como tu propia lista de correo electrónico, comunidad o ruta de exportación de datos, para que una terminación de plataforma sea recuperable y no fatal. Planifica para que la plataforma termine compitiendo contigo.

Primer paso. Elige una plataforma y conviértete en ciudadano de primera clase dentro de ella, con alta calificación, integración profunda y actualizaciones frecuentes, antes de listarte en una segunda.

Motion 3 — Open-Source-Led

Madurez: Probado. Dificultad para principiantes: Media.

En palabras simples. Regala la receta; cobra por el catering. Open-Source-Led significa publicar el núcleo de tu producto como código open-source que cualquier desarrollador puede leer, modificar y ejecutar. A medida que más desarrolladores lo usan, crece tu reputación, los contribuidores se suman al proyecto y el código mejora sin que pagues a un equipo de marketing. Luego vendes una versión paga con las cosas que las empresas realmente necesitan encima: hosting gestionado, funciones de seguridad, logs de auditoría, contratos de soporte y certificaciones para entornos regulados.

El motion es especialmente poderoso para infraestructura de IA: frameworks de agentes, herramientas de evaluación y bibliotecas para desarrolladores donde la mente del desarrollador es el moat principal.

Es mejor como motion fundador para productos con forma de infraestructura. A menudo se combina con Channel o Hyperscaler Co-Sell a medida que madura la oferta comercial.

Idea central. Usar el proyecto open-source como una función de marketing distribuida globalmente. La comunidad evangeliza el proyecto; una fracción de los usuarios se convierte en cliente pago cuando encuentra necesidades operativas, de seguridad o de escala que el proyecto abierto no cubre.

Cuándo usarlo. Cuando el comprador objetivo es técnico, como desarrolladores, ingenieros de ML o equipos de infraestructura; cuando hay una razón creíble por la que una empresa pagaría por una versión gestionada, como hosting, cumplimiento o soporte, en lugar de ejecutar la versión abierta por su cuenta; y cuando el equipo puede sostener desarrollo open-source durante el arco de varios años necesario para construir comunidad.

Mecanismo. Open-source-led funciona porque la adopción de desarrolladores fluye antes que la adopción enterprise: los ingenieros experimentan con el proyecto abierto en sus propios equipos y luego lo defienden internamente cuando su empresa tiene una necesidad relacionada. La relación de preventa se construye antes de contratar a cualquier vendedor. La restricción es la conversión de open a comercial: muchos proyectos open-source fallan no porque la tecnología sea mala, sino porque las personas fundadoras nunca construyeron un producto pago claro encima del gratuito.

Recorrido ficticio. Imagina AgentCore, un framework open-source que permite a desarrolladores construir agentes de IA. Miles de desarrolladores descargan AgentCore gratis, contribuyen al proyecto y construyen apps con él. La oferta comercial de AgentCore, AgentCore Cloud, cobra a empresas por hosting gestionado, single sign-on, logs de auditoría y certificaciones de cumplimiento. El proyecto gratuito impulsa la adopción; la versión paga captura a los clientes que necesitan funciones enterprise.

Ejemplo. Ejemplos confirmados: LangChain, Continue, n8n, Cline y una larga cola de frameworks de agentes que distribuyen versiones gestionadas comerciales encima de núcleos abiertos ampliamente adoptados. El patrón está entre los más prominentes del ecosistema actual de agentes.

Riesgo principal. Falla la conversión de open a comercial. El proyecto abierto es extremadamente popular, pero el ingreso comercial es débil. Mitigación: decide desde el inicio qué nunca regalarás, normalmente hosting gestionado, single sign-on, logs de auditoría, seguridad avanzada y soporte enterprise. Comprométete públicamente con esa línea. Los voluntarios y contribuidores pierden confianza si la línea se mueve.

Riesgo secundario. Apropiación por hyperscaler. AWS, Azure o GCP envuelve tu proyecto abierto en su propio servicio gestionado y te supera en distribución. Mitigación: trabaja directamente con programas de socios de hyperscalers desde temprano, o usa una licencia, como BSL o SSPL, que limite el uso comercial por proveedores de nube sin licencia explícita.

Primer paso. Lanza el proyecto abierto en un estado genuinamente útil antes de hablar de la oferta comercial. Las comunidades detectan un bait-and-switch a kilómetros.

Motion 4 — Community-Led

Madurez: Probado. Dificultad para principiantes: Fácil.

En palabras simples. Imagina ser famoso antes de vender nada. Community-Led significa construir una audiencia, un servidor de Discord, un canal de YouTube, un Substack, una biblioteca de tutoriales o una cuenta pública de build-in-public en X, mucho antes de distribuir un producto pago. Para cuando lo haces, la audiencia ya está ahí. Ha estado esperando tu producto. Lo comprará, lo evangelizará y perdonará los fallos de la primera versión porque siente inversión personal en tu éxito.

Este motion se solapa con Open-Source-Led para audiencias técnicas y con Marketplace-Led para algunas herramientas de IA, pero su rasgo distintivo es la identidad pública de la persona fundadora, o del equipo, como punto de entrada.

Es mejor como motion fundador para productos con identidad creativa fuerte. Es difícil escalarlo más allá del alcance personal de la persona fundadora sin convertir deliberadamente la comunidad en un activo de marca estructurado.

Idea central. Construir primero la audiencia y después el producto. Tratar la distribución como moat de largo plazo y no como gasto trimestral.

Cuándo usarlo. Cuando la persona fundadora o el equipo puede producir contenido creíble en el ecosistema del comprador objetivo, como un influencer desarrollador para herramientas dev, un influencer creador para herramientas de creación o un operador influencer para vertical SaaS; cuando no hay un marketplace o plataforma establecida donde integrarse; y cuando el equipo puede invertir con paciencia en construir audiencia durante 12+ meses antes de ingresos serios.

Mecanismo. Community-led funciona porque la audiencia se precalifica sola. Las personas que siguen a un developer-influencer durante dos años y luego compran el producto de esa persona tienen de 10 a 20 veces más probabilidad de convertir que un lead frío de adquisición pagada. La confianza, el activo de ventas más caro de construir, se construye antes del lanzamiento del producto.

Recorrido ficticio. Imagina VideoMaker, una herramienta de edición de video con IA. Su fundadora pasó dos años publicando tutoriales en YouTube y TikTok, construyendo una audiencia de cincuenta mil seguidores antes de lanzar el producto. El día del lanzamiento, la audiencia estaba esperando. Los primeros mil clientes pagos llegaron directamente de sus seguidores existentes; los ingresos de la semana de lanzamiento superaron lo que la mayoría de los productos pre-lanzamiento ganan en su primer año.

Ejemplo. Ejemplos confirmados: la franquicia Building a Second Brain de Tiago Forte, en productividad; la trayectoria de Substack a software de producto de Lenny Rachitsky; y personalidades creadoras de IA que lanzan herramientas a sus audiencias. El patrón está moldeado más por individuos que por empresas.

Riesgo principal. Dilución de la comunidad al escalar. La audiencia temprana valora la intimidad y el acceso directo a la persona fundadora; al escalar la empresa, esa intimidad se vuelve imposible. Mitigación: convierte la comunidad en un activo de marca, con programas nombrados, eventos públicos y recompensas por niveles, en lugar de depender para siempre de la presencia personal de la persona fundadora.

Primer paso. Empieza a producir contenido antes de tener un producto que vender. Doce meses de contenido constante, sin pitch comercial, es el precio mínimo de entrada.

---

B. Motions liderados por el vendedor

El vendedor inicia y orquesta el acuerdo. El trabajo del vendedor es segmentación precisa, articulación de valor y navegación de compras. Estos motions sobresalen en tamaño de acuerdo y predictibilidad, pero requieren equipos más grandes y una paciencia que los motions liderados por el comprador no exigen.

Motion 5 — Founder-Led Sales

Madurez: Probado. Dificultad para principiantes: Fácil.

En palabras simples. En un restaurante temprano, el chef que cocina la comida también sienta a los comensales, toma los pedidos y cobra la cuenta. Founder-Led Sales es exactamente eso: la persona fundadora cierra personalmente, a mano, los primeros 5–50 acuerdos antes de contratar un equipo de ventas. No hay otra forma de aprender qué valora realmente el comprador, qué objeciones aparecen de verdad y cómo es el playbook real de ventas. Una persona fundadora que se salta este paso y contrata demasiado pronto a un VP de ventas distribuye un sales motion no validado y un equipo que no puede improvisarlo.²

Es mejor como sales motion fundador para cualquier producto B2B de IA complejo. Planifica la transición hacia AI-Augmented Outbound, Enterprise Field u otro motion liderado por vendedor dentro de 6–18 meses; el ancho de banda de la persona fundadora es la restricción vinculante.

Idea central. La persona fundadora es la única del equipo con el contexto de producto y la discreción estratégica para cerrar acuerdos no estándar. Usa a la persona fundadora en la primera fase y luego convierte lo aprendido en un playbook repetible antes de contratar vendedores.

Cuándo usarlo. Siempre, para empresas B2B AI-native pre-Series A o en una etapa más temprana de evolución del sales motion. Incluso las empresas que ejecutan principalmente un motion PLG se benefician de founder-led sales para los primeros acuerdos enterprise.

Mecanismo. Founder-Led funciona porque todo acuerdo temprano es parcialmente personalizado: el comprador asume un riesgo con una empresa joven, y la persona fundadora es la única que puede decir con autoridad "sí, podemos hacer eso" y hacer que sea cierto. La restricción es el ancho de banda de la persona fundadora: normalmente puede cerrar de 3 a 5 acuerdos por trimestre mientras construye producto, levanta capital y recluta equipo. Más allá de eso, el motion se atasca en la agenda de la persona fundadora.

Recorrido ficticio. Imagina LegalDraft, una herramienta de investigación legal con IA. La fundadora, exabogada corporativa, llama personalmente a treinta contactos de su antiguo bufete. Hace demos del producto, negocia precios en cada llamada y firma ella misma a los primeros quince clientes antes de contratar vendedores. También descubre, en esas quince conversaciones, que la función que creía que era el caso de uso decisivo apenas tiene valor, y que la función aburrida que casi eliminó es la que los clientes realmente pagan.

Ejemplo. Patrón confirmado: la mayoría de las startups B2B AI-native exitosas en 2025–2026, sin importar qué otro motion escalen después, ejecutaron founder-led sales para sus primeros 5–50 clientes. Harvey, Sierra, Glean y Hebbia encajan en el patrón.

Riesgo principal. Cuello de botella de la persona fundadora. La persona fundadora está en demasiadas reuniones de ventas para construir el producto o dirigir la empresa. Mitigación: pon una fecha de cierre explícita al motion. Después de los primeros 30–50 acuerdos, la persona fundadora debería estar escribiendo el playbook de ventas, no ejecutando los siguientes 50 acuerdos.

Riesgo secundario. Fallo de transferencia. La primera contratación de ventas no puede replicar lo que hizo la persona fundadora, porque la venta de la persona fundadora incluía compromisos de producto no escritos, improvisación de precios y relaciones personales. Mitigación: documenta cada compromiso, cada excepción de precio y cada estructura de acuerdo mientras ocurren. El documento de transferencia se construye durante founder-led sales, no después.

Primer paso. La persona fundadora debe cerrar personalmente el próximo acuerdo. Lo que venga después se construye sobre lo aprendido en ese acuerdo.

Motion 6 — AI-Augmented Outbound

Madurez: Emergente. Dificultad para principiantes: Media.

En palabras simples. Imagina un equipo de sales development de cincuenta personas comprimido en un equipo de cinco. AI-Augmented Outbound usa agentes de IA para hacer el trabajo de investigación, redacción y seguimiento que históricamente exigía ejércitos de representantes de desarrollo de ventas, y deja a un pequeño equipo humano las conversaciones en vivo y las demos que la IA todavía no hace bien. El SDR tradicional enviaba treinta correos personalizados por día. El SDR aumentado con IA envía tres mil.³

Este es el sales motion que la propia IA hizo posible. Hace dos años, la tecnología subyacente no bastaba. Hoy, un outbound aumentado con IA bien ajustado iguala o supera la calidad de personalización de los mejores equipos SDR humanos, con una fracción del headcount y con el SDR humano en el bucle para las conversaciones que importan.

Es mejor como motion principal para GTM mid-market liderado por vendedor. También funciona como capa de aumento encima de cualquier motion liderado por vendedor. Las mecánicas evolucionan rápido con el tooling de IA subyacente.

Idea central. Usar agentes de IA para ejecutar el trabajo de investigación, redacción y seguimiento de la parte alta del funnel. Mantener un equipo humano pequeño para manejar la parte baja del funnel, como conversaciones en vivo, coordinación de demos y navegación de acuerdos, donde la IA aún no reemplaza el juicio humano.

Cuándo usarlo. Cuando el comprador objetivo es alcanzable por correo electrónico o LinkedIn, típico en compradores tecnológicos mid-market y menos confiable en compradores enterprise ejecutivos; cuando el producto se puede demostrar en una llamada de 30 minutos; y cuando el equipo tiene la madurez de RevOps necesaria para instrumentar y ajustar los prompts y el comportamiento de la IA.

Mecanismo. El outbound aumentado con IA funciona porque el factor limitante del outbound tradicional siempre fue la calidad de personalización a escala. Los humanos podían escribir 30 correos personalizados al día; la IA puede escribir 3.000. La restricción se desplaza del volumen de outreach a la entregabilidad, la calidad de respuesta y la capacidad del SDR humano para manejar el aumento de respuestas. Los equipos tempranos que ejecutan bien este motion reportan mejoras significativas de eficiencia de pipeline frente al outbound puramente humano, con afirmaciones típicas en el rango de 2–4×, aunque los benchmarks independientes son escasos y la comparación depende mucho de qué se mida como "pipeline".

Recorrido ficticio. Imagina SalesScope, una herramienta B2B de IA. Su equipo SDR de cinco personas usa un agente de IA para investigar diez mil prospectos por semana, redactar outreach personalizado para cada uno y hacer seguimiento automático. Los SDR humanos manejan solo las conversaciones en vivo que resultan. El equipo agenda más reuniones por mes que un equipo SDR comparable de cincuenta personas con outreach manual, y con una décima parte del costo de headcount.

Ejemplo. Análogos emergentes: Apollo, Clay, Salesloft AI, Outreach AI y una ola de plataformas AI-native de sales engagement distribuidas en 2025–2026. Muchos vendedores AI-native ejecutan este motion como su motor outbound principal.

Riesgo principal. Fatiga del comprador ante outreach generado por IA. A medida que el outbound aumentado con IA se expande, los compradores aprenden a identificarlo e ignorarlo. Mitigación: usa IA para investigación y redacción, pero mantén SDR humanos en la conversación para el envío y el seguimiento reales. La ruta "generado por IA, detectado por IA, ignorado" es real y crece.

Riesgo secundario. Cumplimiento y entregabilidad. El outbound aumentado con IA a escala puede activar penalizaciones de ESP (proveedor de servicios de correo electrónico) o violar reglas jurisdiccionales. Mitigación: invierte en infraestructura de entregabilidad y sigue rigurosamente las regulaciones regionales.

Primer paso. Audita la asignación real de tiempo de tu equipo SDR actual. Si pasan más de 40% de su tiempo en investigación y redacción, el outbound aumentado con IA tiene una oportunidad clara de apalancamiento. Si pasan la mayor parte del tiempo en llamadas en vivo y coordinación de reuniones, el apalancamiento es menor.

Motion 7 — Enterprise Field Sales

Madurez: Probado. Dificultad para principiantes: Media.

En palabras simples. Vender automóviles en una concesionaria, salvo que la concesionaria está en la oficina del cliente y el automóvil cuesta $1M. Enterprise Field Sales es el sales motion B2B tradicional: ejecutivos de cuenta con cuotas de $1–5M anuales, trabajando acuerdos con múltiples stakeholders durante ciclos de 3–9 meses, con champions ejecutivos, evaluadores técnicos, revisores de seguridad, legal y compras, todos por navegar.⁴

Este es el motion más asociado con el software enterprise de la vieja escuela, como Oracle, SAP y Salesforce. También es el único motion que produce de forma confiable acuerdos de IA de varios cientos de miles de dólares a escala.

Es mejor como motion principal para productos orientados a acuerdos de seis cifras. A menudo es el motion de destino al que se gradúan empresas PLG, Founder-Led y AI-Augmented Outbound al escalar.

Idea central. Hacer coincidir la complejidad de compras del comprador con especialización del equipo de ventas. Cuando el comprador tiene un CFO que aprueba gasto, un CIO que aprueba arquitectura, un equipo de seguridad que aprueba al proveedor y un equipo legal que aprueba el contrato, el vendedor necesita especialistas equivalentes.

Cuándo usarlo. Cuando los tamaños de acuerdo superan $100K anuales, cuando el comprador es una organización grande con compras formales, cuando el producto requiere más que una conversación de 30 minutos para evaluarse y cuando el equipo tiene 18+ meses de capital para sostener el ciclo de ventas largo.

Mecanismo. Enterprise field sales funciona porque las organizaciones grandes compran mediante procesos diseñados para minimizar el riesgo de malos proveedores. El trabajo del vendedor es navegar ese proceso, construir champions internos, proporcionar documentación de seguridad y negociar contratos durante los meses que tarda la organización en aprobar formalmente la compra. Casi todo acuerdo enterprise de IA se estructura como un piloto pago seguido de un contrato de producción; el piloto no es un motion separado, sino la fase de entrada estándar de este (consulta Economía de pilotos en conceptos transversales).

La restricción es el CAC del equipo de ventas. Un ejecutivo de cuenta enterprise completamente cargado, salario, comisión, beneficios, asignación de sales engineering y tooling, normalmente cuesta una cifra anual de seis dígitos medios y tarda de seis a nueve meses en llegar a cuota completa. Hasta que esa rampa se completa, cada AE es un costo sin ingreso compensatorio. Las empresas que contratan demasiados AE demasiado rápido, antes de validar el playbook, queman capital más rápido de lo que cierran acuerdos.

Recorrido ficticio. Imagina HRSmart, una herramienta de IA para equipos de RR. HH. de Fortune 500. Cerrar un acuerdo toma seis meses. El ejecutivo de cuenta se reúne primero con el VP de RR. HH., luego con el CIO, luego pasa revisión de seguridad (tres semanas), legal (seis semanas) y compras (cuatro semanas). El acuerdo cierra en $400.000 de ACV. El AE cuesta $400.000 al año completamente cargado y tarda nueve meses en llegar a cuota completa. La matemática funciona solo porque cada AE cierra de tres a cinco acuerdos por año a esta escala.

Ejemplo. Ejemplos confirmados: la mayoría de los acuerdos AI-native de seis cifras o más en Glean, Harvey, Sierra, Writer y Cresta se ejecutan mediante motions enterprise field. Cada una de estas empresas construyó una organización formal de ventas con roles especializados, como AE, SE, customer success y sales engineering.

Riesgo principal. Los ciclos de ventas largos queman capital. Un ciclo de 6–9 meses con un AE de costo completamente cargado de seis cifras medias significa que cada AE consume capital significativo antes de que cierre cualquier acuerdo. Mitigación: concéntrate en un número pequeño de cuentas objetivo de alto valor, con venta basada en cuentas, en lugar de dispersar outbound entre miles de empresas mid-market.

Riesgo secundario. Ratios de CAC pesados. Los motions enterprise field pueden producir períodos de recuperación de CAC de 18+ meses, insostenibles para empresas respaldadas por venture que necesitan demostrar eficiencia. Mitigación: combina enterprise field con un motion PLG o de piloto que produzca una entrada inicial de menor costo y luego expande dentro de la cuenta.

Primer paso. Contrata a un vendedor enterprise y deja que ejecute el playbook durante 6 meses antes de contratar a un segundo. El éxito de la segunda contratación se construye sobre lo que aprendió la primera, no sobre aprendizaje paralelo.

Motion 8 — Forward-Deployed Engineering (FDE)

Madurez: Probado. Dificultad para principiantes: Avanzada.

En palabras simples. Chefs integrados, no menús. Envía a tus ingenieros a vivir en la cocina del cliente y cocinar comidas personalizadas. Con el tiempo, las recetas se convierten en un menú que puedes vender a otros clientes. Forward-Deployed Engineering significa integrar un pequeño equipo de tus ingenieros, y ahora AI Workers, dentro de la organización de un cliente durante meses, para construir una solución personalizada exactamente para él. Cada engagement enseña al equipo algo específico sobre cómo funciona realmente la industria del cliente. Para el tercer o cuarto despliegue, tienes suficientes patrones productizados para lanzar un producto vertical de autoservicio.

Palantir inventó el modelo en defensa e inteligencia. El equipo Applied AI de Anthropic y la función Forward Deployed de OpenAI lo ejecutan hoy a nivel de laboratorio. Sierra y varios vendedores enterprise de IA ejecutan variantes.

Es mejor como motion fundador para acuerdos estratégicos de escala enterprise o como camino de etapa media para empresas de producto que necesitan profundidad vertical en una industria específica. A menudo transiciona hacia Vertical AI-Native Greenfield.

Idea central. El engagement mismo es el descubrimiento de producto. Los patrones ganados durante el engagement se convierten en el moat que permite escalar a la empresa.

Cuándo usarlo. Cuando el cliente objetivo es una empresa estratégica, gobierno, banco grande, sistema hospitalario grande o empresa industrial grande; cuando el problema del comprador es lo bastante complejo como para que un producto genérico no lo resuelva; y cuando el equipo tiene el capital y la paciencia para dedicar 6–12 meses a cada engagement temprano.

Mecanismo. FDE funciona porque resuelve el problema de cold start de los productos verticales. El primer cliente paga a la empresa por aprender la industria; los clientes posteriores compran un producto endurecido mediante el primer engagement. Cada engagement convierte una fracción del trabajo en patrones reutilizables; con el tiempo, la proporción entre trabajo reutilizable y personalizado se invierte, y la empresa se gradúa de economía de margen de servicios a economía de margen de software.

Recorrido ficticio. Imagina MedAgent, una herramienta de IA para sistemas hospitalarios. El primer cliente de MedAgent es una red hospitalaria grande. Tres ingenieros de MedAgent se instalan en las oficinas del hospital durante seis meses, personalizando MedAgent para los flujos clínicos específicos de ese hospital. El hospital paga $2M por el engagement. Los patrones que los ingenieros descubren durante el trabajo, flujos comunes de documentación, puntos de integración y convenciones de lenguaje clínico, se convierten en funciones reutilizables en la versión productizada que MedAgent vende después a otros hospitales con márgenes menores pero mayor volumen.

Ejemplo. Ejemplos confirmados: despliegues de defensa y comerciales de Palantir. El equipo Applied AI de Anthropic. La función Forward Deployed de OpenAI para cuentas enterprise grandes. Consultoras AI-native más pequeñas que ejecutan pilotos pagos que se productizan con el tiempo.

Riesgo principal. Gravedad de negocio de servicios. El equipo genera ingresos reales desde el día uno vendiendo trabajo personalizado, algo seductor y adictivo. Es tentador seguir haciendo trabajo personalizado para siempre y nunca dar el salto más difícil hacia un producto real. Mitigación: exige que cada engagement produzca al menos un patrón reutilizable que se distribuya en el siguiente engagement. Da seguimiento a la proporción de trabajo personalizado frente a productizado como métrica operativa principal.

Riesgo secundario. Ancho de banda de ingeniería senior. FDE consume el talento de ingeniería más senior de la empresa durante meses. Mitigación: limita el número de engagements FDE simultáneos a lo que la empresa puede sostener. Dos despliegues FDE en paralelo es razonable; cinco normalmente significa que la calidad sufre en todos.

Primer paso. Firma un cliente estratégico para un engagement integrado con precio de margen completo. El roadmap de producto de la empresa debe moldearse parcialmente por cómo se ve el flujo de trabajo real de ese cliente.

---

C. Motions liderados por resultados

El acuerdo se estructura alrededor de resultados en lugar de acceso. El trabajo del vendedor es medición, atribución y entrega consistente. Estos motions están habilitados de forma única por la era de IA, porque las salidas de AI Workers se pueden medir de maneras que las salidas de asientos de software normalmente no se podían medir.

Motion 9 — Pay-Per-Outcome (Service-as-Software)

Madurez: Emergente. Dificultad para principiantes: Avanzada.

En palabras simples. Paga solo cuando la puerta queda arreglada, no cuando aparece el carpintero. Pay-Per-Outcome significa que el comprador paga solo cuando el AI Worker entrega realmente un resultado: un ticket de soporte resuelto, una reunión de ventas cerrada, un reclamo de seguro procesado, un documento legal redactado. El vendedor asume el riesgo de entrega.

Este es el modelo de precios que la era de IA hizo posible a escala, porque las salidas de AI Workers se pueden medir de maneras que las salidas por asiento de software normalmente no se podían medir. Sierra (soporte al cliente), Decagon (atención al cliente), EvenUp (reclamos legales) y una ola de vendedores AI-native ejecutan precios basados en resultados en 2026.

Es mejor como motion fundador cuando los resultados se miden limpiamente, o como giro de precios de etapa media para empresas que empezaron con precios por asiento. Está estrechamente acoplado al patrón Service-as-Software.

Idea central. Alinear los ingresos del vendedor con el valor del cliente. El vendedor solo gana dinero cuando el cliente obtiene valor, y cuanto más valor obtiene el cliente, más gana el vendedor.

Cuándo usarlo. Cuando la salida del AI Worker se puede atribuir y medir limpiamente, como un ticket resuelto o un contrato redactado; cuando la economía unitaria funciona al nivel del resultado con precio, es decir, costo de cómputo más costo de calidad de IA por debajo del ingreso por resultado; y cuando el comprador es lo bastante sofisticado para estructurar contratos por resultado, normalmente compradores AI-native o AI-piloting.

Mecanismo. El precio por resultado funciona porque permite al vendedor competir por el presupuesto laboral del cliente en lugar de su presupuesto de software. Una empresa mid-market gasta diez veces más en headcount de soporte al cliente que en software de soporte al cliente. El vendedor de IA que captura una fracción del presupuesto de headcount mediante precio por resultado opera en una categoría de ingresos distinta a la del vendedor que captura una fracción del presupuesto de software.

La matemática de precio se ancla en el costo del trabajo humano, no en un comparable SaaS. Si un representante de soporte al cliente cuesta aproximadamente $5 por ticket resuelto en total, salario, beneficios, gastos de gestión y espacio de trabajo, el techo del precio por resultado está en algún lugar alrededor de $1–3 por ticket resuelto: lo bastante por debajo del costo humano para que el cliente capture ahorros reales, y lo bastante por encima del costo de cómputo del vendedor para que el margen bruto sea positivo. El costo de cómputo del vendedor por resultado, hoy $0.20–0.80 para tareas típicas de agente y cayendo rápido a medida que mejora la eficiencia de modelos, fija el piso; el costo humano del cliente fija el techo; el precio vive en algún punto intermedio. La pregunta estratégica del vendedor es qué tan agresivamente comprimir la brecha: una brecha más amplia significa mayor margen por resultado pero adopción más lenta del cliente; una brecha más estrecha acelera la adopción pero comprime el margen durante los años en que los precios de cómputo todavía caen.

La base técnica es la atribución de resultados. El vendedor debe producir telemetría con calidad de auditoría: para cada resultado con precio, un registro verificable de lo que hizo la IA, lo que procesó y cómo se confirmó el resultado. Sin esto, las disputas del cliente no tienen base objetiva y la cobranza se convierte en una negociación trimestral. Las empresas que ejecutan bien este motion tratan la infraestructura de atribución de resultados como parte del producto, no como gasto contable, y la asignan a ingenieros, no a analistas financieros. La disciplina que esto crea es lo que vuelve duradero al motion; la falta de ella es lo que lo mata cuando falla.

Recorrido ficticio. Imagina TicketBot, un agente de soporte al cliente con IA. TicketBot no cobra a los clientes por asiento. En cambio, el cliente paga $0.50 por cada ticket de soporte que TicketBot resuelve por su cuenta, sin escalarlo a un humano. Un cliente con cincuenta mil tickets al mes recibe una factura mensual de $25.000, pero solo si TicketBot realmente resuelve los tickets. Si TicketBot resuelve solo treinta por ciento de los tickets entrantes, la factura es un tercio de eso. Al CFO del cliente le encanta; el equipo de compras del cliente necesita aprender a estructurar el contrato.

Ejemplo. Ejemplos confirmados: precio por resolución de Sierra para servicio al cliente con IA. Contratos basados en resultados de Decagon. Precio por reclamo de EvenUp para trabajo legal de lesiones personales. El patrón está entre las estructuras de precio que más activamente se expanden en 2026.

Riesgo principal. Margen bruto negativo en los primeros años. Si la calidad de la IA aún no es suficiente, el vendedor paga el trabajo fallido en cómputo y costos de fallback humano, pero no obtiene ingresos. Mitigación: fija un precio por resultado que incluya un colchón de margen para problemas de calidad tempranos y avanza hacia precios más ajustados a medida que mejora la calidad. Muchos vendedores operan con margen bruto cercano a cero durante los primeros 12–18 meses hasta que la calidad se estabiliza.

Riesgo secundario. Disputas de atribución. El comprador afirma que la IA no produjo el resultado, o que lo produjo su propio personal. Mitigación: invierte en telemetría de atribución de resultados desde el día uno. El vendedor necesita evidencia irrefutable y con calidad de auditoría sobre qué resultados produjo el AI Worker.

Primer paso. Elige un resultado, el más limpio y medible, y ponle precio. Resiste la tentación de poner precio a varios resultados simultáneamente hasta que la economía del primero esté probada.

Motion 10 — Value-Based Engagement

Madurez: Especulativo. Dificultad para principiantes: Avanzada.

En palabras simples. Imagina contratar una consultora que solo cobra un porcentaje de los ahorros que crea, un engagement al estilo McKinsey o BCG, pero donde el entregable no es una presentación sino un AI Worker vivo, y el precio está atado directamente a la mejora medida del P&L del cliente. Value-Based Engagement significa estructurar acuerdos estratégicos grandes como porcentaje del valor de negocio creado, con tasas que varían mucho según la complejidad del acuerdo y la sofisticación del comprador. Es común en despliegues de IA que tocan líneas de P&L de cientos de millones de dólares.

El motion es especulativo porque depende de la disposición del comprador a comprometerse formalmente con contratación basada en valor, algo para lo que la mayoría de las organizaciones de compras enterprise todavía no están estructuradas. En 2026 existe sobre todo como acuerdos a medida entre vendedores AI-native y clientes enterprise adelantados.

Es realista solo a escala de acuerdo estratégico (>$1M ACV) y solo con compradores AI-native. No es un motion viable para empresas en etapa temprana; normalmente se superpone a Enterprise Field o FDE para los acuerdos más grandes.

Idea central. Fijar el precio del acuerdo como función del resultado económico medible del cliente. El vendedor toma upside en proporción a la ganancia del cliente y, en algunas estructuras, toma downside si la ganancia cae por debajo del umbral.

Cuándo usarlo. Cuando el sponsor ejecutivo del cliente tiene autoridad para comprometer contratación basada en valor, normalmente solo a nivel C-suite; cuando el valor creado se puede atribuir limpiamente al AI Worker, sin confundirse con otras iniciativas; y cuando el tamaño del acuerdo justifica la complejidad contractual.

Mecanismo. Value-Based Engagement funciona cuando ambas partes pueden acordar qué significa valor y cómo medirlo. La estructura alinea los incentivos del vendedor con los resultados del cliente más estrechamente que cualquier otro modelo de precios: los ingresos del vendedor crecen en proporción a la ganancia medible del cliente, lo que elimina la dinámica adversarial convencional vendedor-comprador, donde el vendedor quiere cobrar por acceso y el comprador quiere pagar por resultados.

La estructura contractual es materialmente más compleja que los precios por asiento o por resultado. Un acuerdo típico tiene cuatro componentes. Un período de medición de línea base, normalmente 30–90 días antes del despliegue, establece cómo eran las métricas del cliente sin el AI Worker. Una fórmula de reparto de valor define qué fracción de la ganancia captura el vendedor, normalmente un porcentaje que varía según la complejidad del acuerdo y la sofisticación del comprador. Un techo y piso limita tanto el upside, para que el vendedor no gane más de lo que los ejecutivos del cliente pueden defender internamente, como el downside, para que el vendedor no termine pagando al cliente por desplegar el producto. Y los derechos de auditoría dan al vendedor la capacidad de verificar los reportes del cliente sobre las métricas que impulsan la facturación; sin derechos de auditoría, la organización de compras del cliente subreportará el valor medido en cuanto el contrato llegue a su primer ciclo de ajuste.

La restricción es la madurez contractual. La mayoría de las organizaciones de compras enterprise todavía no está equipada para estructurar acuerdos basados en valor a escala; legal, finanzas y operaciones necesitan representantes que entiendan el modelo y tengan autoridad para comprometer términos contractuales no estándar. Por eso estos acuerdos normalmente requieren un sponsor ejecutivo a nivel C-suite: solo esa autoridad puede anular el default de compras de "no estructuramos acuerdos de esta forma". Sin el sponsor, la propuesta se atasca indefinidamente en la mitad de la organización, sin importar el mérito técnico. Los vendedores que ejecutan Motion 10 gastan la mayor parte de su energía temprana en identificar y reclutar al sponsor ejecutivo; el resto del motion es ejecución contra el mandato de ese sponsor.

Recorrido ficticio. Imagina CashFlow, una herramienta de IA para hedge funds. Un fondo de $50B despliega CashFlow y, durante un período de medición de 12 meses, atribuye al despliegue una mejora anual de $40M en eficiencia de trading. El contrato de CashFlow se estructura en quince por ciento de la mejora medible por encima de la línea base: el fondo paga $6M anuales durante la vigencia del contrato. El acuerdo tardó nueve meses en negociarse, requirió aprobación personal del CIO y el CFO del fondo, y solo pasó por compras porque el sponsor ejecutivo lo impulsó.

Ejemplo. Análogos emergentes: algunos engagements de Anthropic Applied AI con clientes enterprise estratégicos. Algunos despliegues de Palantir estructurados alrededor de resultados de misión. Despliegues de IA adelantados en servicios financieros, salud y consultoría. El patrón es demasiado joven para tener un ejemplar canónico.

Riesgo principal. Disputas de atribución. El cliente afirma que la IA no produjo el valor, o que lo produjeron sus propias iniciativas. Mitigación: establece un período de medición de línea base antes de que empiece el engagement. Compara las métricas posteriores al despliegue contra la línea base previa al despliegue, no contra un contrafactual hipotético.

Riesgo secundario. Ciclos contractuales largos. Los contratos basados en valor pueden tardar 6–12 meses en negociarse, durante los cuales el equipo invierte en la relación sin ingresos. Mitigación: combina value-based engagement con una fase de piloto pago que produzca ingresos mientras se negocia el contrato de producción.

Primer paso. Encuentra al sponsor ejecutivo con autoridad para comprometer contratación basada en valor antes de invertir en la propuesta. Sin ese sponsor, el motion se atasca en compras a mitad de la organización.

---

D. Motions liderados por socios

Terceros impulsan la compra. El trabajo del vendedor es la gestión de alianzas: hacer que los socios tengan tanto éxito que sigan vendiendo por ti. Estos motions arrancan lento, pero producen ingresos duraderos y repetibles cuando el ecosistema de socios está instalado.

Motion 11 — Channel & SI Partnership

Madurez: Probado. Dificultad para principiantes: Media.

En palabras simples. Apple vende mediante Best Buy. Las bebidas se venden mediante supermercados. Muchos vendedores con demasiados clientes potenciales y pocos representantes de ventas necesitan que alguien más haga la última milla de venta y despliegue por ellos. Channel and Systems Integrator (SI) Partnership significa vender tus AI Workers mediante terceros: revendedores de valor agregado, consultoras como Accenture, Deloitte, Slalom, BCG y McKinsey, e integradores de sistemas regionales que los despliegan como parte de engagements más amplios con sus propios clientes.

El motion es esencial para productos que requieren experiencia significativa de implementación. Un AI Worker que tarda semanas en desplegarse en un banco grande es mucho más fácil de vender cuando Accenture hace el despliegue: ya tiene la confianza del banco, ya conoce sus flujos de trabajo y ya tiene una plantilla contractual que cubre servicios de IA.

Es mejor como motion principal para productos que requieren experiencia de implementación, o como canal complementario junto a Enterprise Field Sales.

Idea central. Usar socios para manejar el trabajo de implementación, personalización y operación continua que el vendedor de IA no quiere hacer por sí mismo. Pagar a los socios mediante márgenes o comisiones de referido estructurados para incentivar su éxito de largo plazo.

Cuándo usarlo. Cuando el cliente objetivo es una gran empresa que ya tiene relaciones con SIs, cuando el producto requiere trabajo significativo de implementación y cuando la empresa tiene la paciencia para invertir 12–18 meses construyendo relaciones de socios antes de que el canal produzca ingresos significativos.

Mecanismo. Channel-led funciona porque los SIs tienen confianza establecida con compradores enterprise que los vendedores de IA todavía no tienen. La recomendación del SI es en sí misma un argumento de ventas. La restricción es la economía del socio: los SIs necesitan ganar 30–50% de margen en el engagement, lo que comprime la flexibilidad de precio del vendedor de IA. Las empresas que ejecutan bien este motion co-venden con los SIs, con llamadas de venta conjuntas, casos de estudio conjuntos y briefings ejecutivos conjuntos, en lugar de tratar al SI como distribuidor pasivo.

Recorrido ficticio. Imagina DocAI, una herramienta de procesamiento documental con IA. DocAI no vende directamente a bancos grandes: vende mediante Accenture. Los consultores de Accenture implementan DocAI para sus clientes bancarios como parte de engagements de transformación digital más grandes que ya tienen presupuestos de $50M. DocAI recibe el ingreso recurrente de licencia de software, normalmente $500K–$2M por banco; Accenture recibe las tarifas de implementación, $5M–$20M por engagement. DocAI nunca tiene que navegar directamente compras bancarias: las relaciones existentes de Accenture hacen ese trabajo.

Ejemplo. Ejemplos confirmados: la mayoría de los vendedores enterprise de IA que venden a cuentas Fortune 500 ejecutan un motion de canal junto con su motion de venta directa. El ecosistema de socios de Microsoft para Copilot. El ecosistema SI de Salesforce para Einstein/Agentforce. La mayoría de los bancos regionales que despliegan IA usan engagements liderados por SIs.

Riesgo principal. Desalineación de economía del socio. El socio gana más dinero impulsando vendedores alternativos. Mitigación: invierte en habilitación de socios, capacitación, materiales de ventas y soporte técnico, para que al socio le resulte operativamente más fácil vender tu producto que las alternativas. La venta mediante socios es un negocio de relaciones; gana la empresa que más invierte en el éxito del socio.

Riesgo secundario. Conflicto de socios con venta directa. El equipo de venta directa y el socio de canal terminan compitiendo por los mismos acuerdos, erosionando márgenes. Mitigación: establece reglas claras de registro de acuerdos desde el día uno. Los socios que originan el acuerdo lo poseen; la venta directa maneja los acuerdos que los socios no pueden alcanzar.

Primer paso. Identifica los tres SIs más activos en tu vertical objetivo. Invierte en relaciones profundas con dos de ellos antes de sumar más.

Motion 12 — Hyperscaler Co-Sell

Madurez: Probado. Dificultad para principiantes: Media.

En palabras simples. Aparecer en el menú del proveedor de nube. Hyperscaler Co-Sell significa listar tu producto de IA en AWS Marketplace, Microsoft Azure Marketplace o Google Cloud Marketplace, y asociarte con la organización de ventas del hyperscaler para llevar acuerdos hacia sus relaciones existentes con clientes. Los ejecutivos de cuenta del hyperscaler ayudan a vender tu producto porque ganan el ingreso de cómputo subyacente de tu despliegue.

El motion es especialmente poderoso para productos de IA porque la carga de cómputo subyacente es grande: todo despliegue de IA produce gasto de nube significativo, y el equipo de ventas del hyperscaler tiene incentivos para hacerlo crecer.

Es mejor como motion principal para productos de IA intensivos en cómputo con huella cloud significativa, o como canal adicional superpuesto a Enterprise Field Sales.

Idea central. Alinear tu sales motion con el sales motion del hyperscaler. El AE del hyperscaler gana comisión sobre el cómputo subyacente; el AE tiene incentivos para llevarte a sus cuentas.

Cuándo usarlo. Cuando el producto se despliega en nube, normalmente AWS, Azure o GCP; cuando el producto produce ingreso de cómputo significativo para el hyperscaler; cuando el equipo tiene capacidad de gestión de alianzas para mantener relaciones con hyperscalers; y cuando el comprador objetivo ya es un cliente significativo de esa nube.

Mecanismo. Hyperscaler Co-Sell funciona porque los AE de hyperscalers se sientan encima de relaciones que los vendedores de IA no pueden replicar con facilidad: tienen años de confianza con el cliente, conocen sus preferencias de compras y tienen canales privados para la toma de decisiones técnicas. Cuando el AE del hyperscaler introduce a un vendedor de IA en una de sus cuentas, el vendedor de IA hereda un atajo de credibilidad. La restricción es participar en el programa del hyperscaler: el vendedor de IA debe invertir en el programa de socios del hyperscaler, certificaciones, casos conjuntos y listados de marketplace, para poder optar al co-sell.

Recorrido ficticio. Imagina VoiceTalk, una herramienta de voz con IA que tiene requisitos significativos de cómputo en la nube. VoiceTalk se lista en AWS Marketplace y se convierte en socio top-tier de AWS. Un ejecutivo de cuenta de AWS que vende a una telco Fortune 1000 menciona VoiceTalk durante una conversación sobre expansión de gasto cloud. El cliente añade VoiceTalk a su contrato existente con AWS, usando presupuesto de AWS ya asignado en lugar de pasar por compras nuevas. AWS gana el ingreso de cómputo subyacente, que es grande porque la IA de voz consume mucho cómputo; VoiceTalk consigue al cliente con una fracción del ciclo de ventas que habría requerido un acuerdo directo.

Ejemplo. Ejemplos confirmados: la mayoría de los vendedores enterprise AI-native con cargas de trabajo cloud significativas ejecutan motions de co-sell con hyperscalers. AWS Marketplace, Azure Marketplace y GCP Marketplace tienen catálogos crecientes de vendedores de IA en 2026. Claude de Anthropic en Amazon Bedrock es una versión extrema de esta dinámica, donde el hyperscaler vende directamente la capacidad de IA.

Riesgo principal. Pérdida de prioridad del hyperscaler. Las prioridades estratégicas del hyperscaler cambian, y tu producto deja de destacarse. Mitigación: mantén un motion de venta directa significativo junto al motion del hyperscaler, para que la pérdida de prioridad sea un revés y no un evento existencial.

Riesgo secundario. Complejidad multi-hyperscaler. Vender en AWS, Azure y GCP al mismo tiempo triplica el trabajo de gestión de alianzas. Mitigación: prioriza el hyperscaler cuya base de clientes se superponga más con tu mercado objetivo. Añade otros cuando el equipo tenga ancho de banda.

Primer paso. Elige un hyperscaler y conviértete allí en socio top-tier antes de listarte en los demás.

---

Conceptos transversales

Varios conceptos aparecen repetidamente en los motions y conviene definirlos una vez en lugar de repetirlos cada vez.

Navegación de compras. El proceso de mover un acuerdo por el proceso formal de compra del comprador: revisión de seguridad, revisión legal, aprobación de proveedor, negociación contractual, aprobación de integración y firma de compras. La navegación de compras puede tomar días, en PLG, o dieciocho meses, en enterprise estratégico. Es la mayor fuente individual de variación en ciclos de ventas liderados por vendedor. Un vendedor que no ha incorporado la navegación de compras en su sales motion experimentará una y otra vez acuerdos "atascados en legal" o "trabados en revisión de seguridad", frases código para "el vendedor no entendió el proceso del comprador".

Para vendedores AI-native, tres objeciones de compras aparecen en casi todo acuerdo enterprise y deberían responderse en el kit estándar de ventas antes de la primera conversación ejecutiva del vendedor:

Privacidad de datos y entrenamiento de modelos. La razón más común por la que los acuerdos de IA se atascan en compras enterprise es el temor del comprador a que sus datos propietarios se usen para entrenar los modelos del vendedor o, peor aún, se compartan con el proveedor de modelo fundacional subyacente en forma identificable. Los vendedores necesitan un compromiso claro y escrito en el contrato marco de servicios, no en una página de marketing: los datos del cliente no se usan para entrenamiento de modelos, no se comparten con proveedores de modelos fundacionales en forma identificable y se eliminan al terminar el contrato. Los vendedores que manejan esta objeción en documentación de preventa cierran 30–60 días más rápido que los que dejan que asesoría legal la descubra y negocie desde cero.

Responsabilidad por alucinaciones. Cuando la IA se equivoca, ¿quién es responsable? Los vendedores en industrias reguladas, salud, legal y servicios financieros, necesitan lenguaje contractual pre-redactado sobre precisión de IA, limitaciones de garantía y obligación del cliente de mantener humanos en el bucle para decisiones materiales. Sin ese lenguaje, la revisión legal tarda noventa días o más mientras el abogado del comprador lo escribe desde cero, y el abogado del comprador casi siempre lo escribe de forma más conservadora de lo que lo habría escrito el vendedor.

Residencia de cómputo y despliegue de modelos. Para compradores en industrias reguladas o jurisdicciones no estadounidenses, dónde se ejecuta la IA importa tanto como dónde viven los datos. AWS Bedrock en la UE, Azure OpenAI en la UE, despliegues on-premises y hosting de modelos en tenant dedicado se exigen cada vez más. Los vendedores sin una historia de despliegue para estos requisitos pierden acuerdos en due diligence técnica, antes incluso de que empiece la revisión legal.

La Trust Ladder. Definida en el Worker Catalog: la progresión del AI Worker desde copilot, donde la IA sugiere y el humano aprueba, pasando por autónomo supervisado, donde la IA actúa y el humano revisa salida agregada, hasta autopiloto completo, donde la IA actúa sin supervisión por tarea. Cada peldaño implica un modelo de precios distinto. Copilot se cobra como herramienta. Autónomo supervisado se cobra como equivalente a asiento. Autopiloto completo se cobra como resultado. Los sales motions que ignoran la Trust Ladder terminan con el nivel de precio incorrecto para la postura real de despliegue del comprador.

Economía de pilotos. Casi todo acuerdo de IA de seis cifras en 2026 empieza con un piloto pago: un despliegue inicial limitado en tiempo y alcance, normalmente de 30–90 días, que permite al comprador validar el producto en su propio entorno antes de comprometerse con un contrato de producción. El piloto no es un sales motion separado; es una estructura que vive dentro de Enterprise Field, FDE, AI-Augmented Outbound y, cada vez más, Pay-Per-Outcome. Los pilotos son pagos, para que no sean consultoría gratis, pero más pequeños que el contrato de producción: normalmente $25–100K por el piloto y luego $100K–1M por el despliegue de producción si el piloto tiene éxito.

La economía rara vez se justifica por sí sola: los pilotos se acotan lo suficiente como para que el equipo a menudo pierda dinero en ellos. La economía funciona solo porque el piloto convierte a un contrato de producción con precio significativamente más alto. Las empresas que ejecutan pilotos sin mecánicas de conversión a producción, como cláusulas claras de conversión, niveles de precio basados en fecha límite y upgrades por alcance ampliado, tienden a terminar con alto ingreso de piloto y bajo ingreso de producción, lo cual es un problema estructural y no temporal. Dos disciplinas prácticas separan a los operadores fuertes de pilotos de los débiles: acotar rigurosamente las métricas de éxito del piloto en el acuerdo original, donde el trabajo fuera de alcance es un engagement separado y no una extensión del piloto; y estructurar el contrato para que al final del piloto el comprador convierta a producción dentro de 30 días o pierda el precio preferente. La cláusula evita extensiones indefinidas de piloto, el fallo más común de pilotos, y fuerza a la organización de compras del comprador a tomar una decisión en una línea de tiempo definida.

El stack de RevOps. La instrumentación que hace funcionar cualquier motion liderado por vendedor: CRM (Salesforce, HubSpot), sales engagement (Outreach, Salesloft), analítica de producto (Mixpanel, Amplitude), inteligencia de ingresos (Gong, Chorus), forecasting (Clari, Boostup) y customer success (Gainsight, Catalyst). En 2026 están emergiendo las versiones AI-native de cada capa del stack, y la disciplina de integrarlas es en sí misma una ventaja competitiva significativa. Las empresas que subinvierten en RevOps tienden a ejecutar todos sus motions a oscuras, aprendiendo de cada acuerdo individualmente en lugar de aprender de los patrones entre acuerdos.

Atribución de resultados. La infraestructura técnica necesaria para probar qué resultados produjo el AI Worker frente a cuáles fueron producidos por humanos, por otros sistemas o por azar. La atribución de resultados es el requisito fundacional para precios basados en resultados y value-based engagement. Las empresas que distribuyen precios por resultado sin atribución de resultados terminan en disputas crónicas con clientes.

Compensación en acuerdos liderados por resultados. Outcome-based pricing (Motion 9) y value-based engagement (Motion 10) crean un problema estructural que los planes de comisión SaaS tradicionales no pueden manejar. En un acuerdo por asiento, el AE cierra un contrato de $100K ACV y gana comisión sobre el valor contractual registrable el día de la firma. En un acuerdo basado en resultados, no hay un monto registrable de $100K en el día uno: el cliente pagará $0.50 por ticket resuelto, $5 por reclamo procesado, $50 por reunión agendada. El ingreso llega durante el plazo contractual, condicionado a que el AI Worker funcione.

Tres enfoques están emergiendo en 2026, y la mayoría de las empresas que ejecutan estos motions experimentan entre ellos:

Comisión por uso proyectado. El AE gana comisión en la firma sobre una cifra de ingresos anuales proyectados, normalmente derivada del volumen declarado por el cliente, por ejemplo "100.000 tickets al año × $0.50 = $50K de ACV proyectado". El riesgo: los AE inflan los volúmenes proyectados y una parte de los clientes produce ingresos reales dramáticamente menores que la estimación. Las empresas que ejecutan este modelo normalmente recuperan comisión cuando los resultados reales caen significativamente por debajo de la proyección, lo que produce conversaciones difíciles meses después de cerrar el acuerdo.

Comisión por ingreso realizado. El AE gana comisión sobre ingreso real cobrado, pagada trimestralmente con un retraso de 60–90 días. Alinea los incentivos del AE con la entrega, pero crea un problema de reclutamiento: los AE que trabajan acuerdos basados en resultados cobran meses después del cierre. Los vendedores con opciones por asiento en otro lugar elegirán la ruta por asiento salvo que el plan por ingreso realizado compense con tasas más altas.

Híbrido. La mayoría de las empresas que ejecutan motions liderados por resultados usa una mezcla: una fracción de la comisión pagada en la firma sobre una proyección conservadora de volumen y el resto pagado a medida que llegan los ingresos reales. Aproximadamente 30% por adelantado y 70% trailing es un punto de partida común, aunque la proporción varía por empresa y seniority del vendedor.

La pregunta de compensación rara vez se resuelve antes de distribuir el motion. La mayoría de las empresas que ejecutan Motion 9 o Motion 10 pasan sus primeros seis a doce meses en el motion aprendiendo qué estructura de comisión produce el comportamiento correcto del vendedor, y ajustándola mientras aprenden. El enfoque correcto es empezar de forma conservadora, con mucho peso en ingreso realizado, aceptar que reclutar será más difícil y migrar hacia más comisión por adelantado a medida que la variación entre lo real y lo proyectado se vuelve predecible.

---

---

Qué cambia la IA en cada motion

Los motions de este catálogo tienen ancestros en la literatura de ventas anterior a la IA. Founder-Led Sales, Enterprise Field, Channel, PLG: ninguno de estos es nuevo. Lo nuevo es lo que la IA hace dentro de cada motion. La era de IA no reemplaza tanto los sales motions como cambia la economía unitaria, las definiciones de rol y el stack de herramientas de cada uno.

Cinco cambios merecen nombre. Juntos explican por qué los mismos motions nominales en 2026 producen economías dramáticamente distintas a las de 2020.

El vendedor ahora está aumentado por IA. Cada capa del stack de RevOps tiene ahora una versión aumentada por IA: investigación y prospección (Clay, Apollo, ZoomInfo con enriquecimiento de IA), redacción outbound (Outreach, Salesloft, instantly.ai), inteligencia conversacional (Gong, Chorus, Avoma, todos muy instrumentados con IA), forecasting (Clari, BoostUp, con scoring de acuerdos impulsado por IA) y revisión contractual (Ironclad, Spotdraft, con redlining de IA). Un equipo de ventas que ejecuta el mismo motion de 2020 con el stack de herramientas de 2026 produce de 2–4× más volumen de actividad por representante. La implicación: la función outbound pesada en SDR que definió las ventas SaaS durante quince años se está comprimiendo en un equipo más pequeño aumentado por IA. AI-Augmented Outbound (Motion 6) es la expresión más visible de esto, pero la misma dinámica está reconfigurando todo motion liderado por vendedor.

El cómputo ahora es COGS. Los márgenes brutos de SaaS tradicional eran de 75–85%, porque el costo variable dominante era soporte al cliente, no infraestructura. Los productos AI-native tienen costos variables sustancialmente más altos porque cada consulta, cada generación y cada tool call invoca cómputo de modelos frontera que el vendedor paga. Los márgenes brutos AI-native en los primeros años suelen estar entre 50–70%, y suben a 65–80% con escala. Esto cambia qué motions son económicamente viables. Pay-Per-Outcome (Motion 9) está estructuralmente expuesto a esto: si el costo de cómputo por ticket resuelto es $0.40 y el precio por ticket resuelto es $0.50, la economía unitaria funciona; si el costo de cómputo sube a $0.60, la empresa paga a los clientes para que usen el producto. Los motions que cobran como acceso, PLG y Enterprise Field con precio por asiento, están aislados de la volatilidad de cómputo; los motions que cobran como resultado no.

La atribución de resultados ya es una disciplina propia. En SaaS, el vendedor entregaba acceso y el comprador medía valor. En IA, el vendedor entrega valor directamente, y ese valor debe medirlo el vendedor, no el comprador, porque el comprador no puede distinguir fácilmente resultados producidos por IA de resultados producidos por humanos. Esta es una nueva función de sales engineering: instrumentar el AI Worker para producir evidencia con calidad de auditoría sobre qué resultados produjo, en cuáles asistió y cuáles manejó el humano. Las empresas que distribuyen precios por resultado (Motion 9) o value-based engagements (Motion 10) sin atribución de resultados terminan en disputas crónicas con clientes. El nuevo rol que esto crea, a veces llamado AI Outcome Engineer o AI Sales Engineer, se ubica entre el sales engineering tradicional y el customer success tradicional.

El comprador también está aumentado por IA. Las organizaciones de compras empiezan a desplegar agentes de IA para evaluar propuestas de proveedores, resumir cuestionarios de seguridad y ejecutar revisiones técnicas preliminares. Un equipo de ventas que no anticipa compras aumentadas por IA pierde contra uno que sí lo hace: escribiendo propuestas que los agentes de IA puedan resumir con claridad, estructurando documentación técnica de la que los agentes puedan extraer especificaciones y poniendo precios en formatos que los agentes puedan comparar. La era en que un vendedor podía depender de que el comprador no tuviera tiempo para leerlo todo está terminando. La IA del comprador lo lee todo.

Los motions mismos empiezan a converger. PLG produce pipeline enterprise. Enterprise Field abre cuentas que luego se expanden mediante uso de autoservicio. AI-Augmented Outbound alimenta cierres Founder-Led para los primeros acuerdos y luego transiciona a Field Sales. La taxonomía de motions de este catálogo se presenta como categorías discretas porque así planifican y dotan de personal los equipos de ingresos. Pero en operación, la mayoría de las empresas AI-native exitosas mezcla tres o cuatro motions simultáneamente, con aumento de IA como tejido conectivo entre ellos. Esta es la dinámica de Motions híbridos comunes que mapea la sección siguiente.

Estos cinco cambios juntos producen el cambio más importante en economía de ventas B2B desde la transición a SaaS. Una empresa que ejecuta un motion de 2026 con economía de 2020 está cometiendo un error de categoría. Una empresa que ejecuta un motion de 2026 con economía de 2026 compite en un juego distinto al de sus pares.

---

Motions híbridos comunes

Los doce motions anteriores se presentan como arquetipos discretos, pero la mayoría de las empresas AI-native exitosas no ejecuta un solo motion de forma aislada. Ejecuta una secuencia: usa un motion para ganar un punto de apoyo y luego evoluciona hacia otro a medida que la empresa madura y los tamaños de acuerdo escalan. Las transiciones son decisiones estratégicas deliberadas.

Seis secuencias híbridas aparecen con suficiente frecuencia como para merecer nombre.

PLG → Enterprise Field. Una persona fundadora distribuye un producto de autoservicio que produce adopción de desarrolladores individuales o equipos pequeños. A medida que el uso crece dentro de organizaciones más grandes, la revisión de seguridad, la negociación multi-asiento y las compras centralizadas se convierten en el cuello de botella. El equipo contrata ejecutivos de cuenta enterprise para convertir el uso bottom-up en contratos top-down, normalmente de 5–20× la economía por asiento del plan de autoservicio. Cursor, Linear y Notion han ejecutado variantes de esta transición.

Founder-Led → AI-Augmented Outbound. La persona fundadora cierra manualmente los primeros 30–50 acuerdos para validar el playbook. Una vez documentado el playbook, el equipo construye outbound aumentado con IA para escalar outreach sin escalar linealmente el headcount SDR. La transición es difícil porque exige que la persona fundadora se retire de ventas y que el equipo invierta en infraestructura RevOps, pero es el camino de escalamiento más común para empresas AI-native mid-market en 2026.

Enterprise Field → Pay-Per-Outcome. El equipo empieza vendiendo contratos enterprise por asiento que incluyen una fase de piloto pago. A medida que la calidad del AI Worker se estabiliza y madura la infraestructura de atribución de resultados, el equipo empieza a ofrecer un nivel basado en resultados junto al de asiento. Los clientes existentes convierten primero a precio por resultado, porque la confianza ya existe; a los nuevos clientes se les presenta precio por resultado desde el día uno. Sierra, Decagon y varios vendedores de IA para servicio al cliente ejecutan visiblemente esta evolución.

FDE → Enterprise Field productizado. Un equipo empieza integrándose dentro de dos o tres grandes clientes enterprise de la misma industria. Cada engagement enseña algo específico al equipo. Para el tercer o cuarto despliegue, el equipo tiene suficientes patrones productizados para lanzar un motion enterprise field de autoservicio que otras empresas de la misma industria pueden adoptar sin un equipo integrado. La fase FDE paga el aprendizaje; el motion de campo lo compone. La transición es difícil porque la gravedad del negocio de servicios es real, pero los patrones ganados durante FDE son exactamente lo que un motion de campo genérico pasa años intentando adquirir.

Open-Source-Led → Channel & SI Partnership. Un equipo publica como open-source un proyecto de infraestructura de IA y gana mindshare de desarrolladores. A medida que clientes enterprise empiezan a desplegar el proyecto abierto a escala, socios SI como Accenture y Deloitte se encuentran implementándolo para sus clientes. El equipo formaliza un programa de socios, añade funciones enterprise, seguridad, auditoría y soporte, y empieza a vender licencias comerciales mediante los SIs que ya están desplegando el proyecto abierto. LangChain y varias empresas de frameworks de agentes ejecutan visiblemente este play.

Marketplace-Led → Direct Enterprise. Un equipo empieza dentro del marketplace de una plataforma anfitriona, como Salesforce AppExchange, Shopify App Store o Microsoft AppSource, donde descubrimiento, facturación y confianza se heredan de la plataforma. Los clientes más pequeños convierten con economía de tarifa de marketplace baja. A medida que los tamaños de acuerdo crecen hacia seis o siete cifras, el revenue share de la plataforma se vuelve punitivo y los clientes más grandes prefieren contratos directos de todos modos. El equipo construye un sales motion enterprise pequeño que evita el marketplace para cuentas top-tier, mientras mantiene el marketplace como canal de descubrimiento y autoservicio para clientes más pequeños. El marketplace sigue financiando adquisición de clientes para la cola larga; la venta directa captura la cabeza.

El principio general: la mayoría de los motions de este catálogo funcionan mejor como la primera mitad de una estrategia de ingresos que como la estrategia completa. Las personas fundadoras que nombran la segunda mitad por adelantado, el motion enterprise field al que se gradúa una empresa PLG, el nivel de precio por resultado que un motion de piloto gana el derecho de introducir o el canal al que convierte un motion founder-led, superan a las personas fundadoras que tratan el motion de entrada como todo el plan.

---

Fallos comunes de motion

Los motions de este catálogo se presentan como recetas que funcionan. Cada uno también tiene una forma característica de fallar, no porque el motion sea incorrecto, sino porque el equipo lo ejecuta mal. Nueve patrones de fallo aparecen con suficiente frecuencia como para merecer nombre. Un líder de ingresos que los reconoce en su propia operación puede corregirlos; uno que no los reconoce seguirá perdiendo de la misma manera.

PLG sin motion enterprise. Un equipo escala con éxito la adopción de autoservicio, el uso individual crece dentro de organizaciones más grandes y la empresa choca contra un muro cuando esas organizaciones quieren centralizar las compras. El equipo no tiene una función de ventas enterprise y no puede construirla lo bastante rápido; competidores con productos más débiles pero motions enterprise field reales capturan los contratos consolidados. La solución es contratar al primer vendedor enterprise antes de que PLG produzca prospectos de escala enterprise, no después.

Choque de roadmap PLG-versus-Enterprise. Este es el hermano cultural del fallo anterior. El equipo construye con éxito el motion enterprise, contrata a los primeros vendedores enterprise y, en cuestión de meses, los vendedores arrastran el roadmap de producto hacia funciones enterprise: SSO, logs de auditoría, integraciones personalizadas, certificaciones de seguridad y controles de acceso basados en roles; mientras tanto, el equipo de producto PLG original pelea por mantener el foco en UX de usuario individual, iteración rápida y la simplicidad de grado consumidor que produjo la adopción bottom-up en primer lugar. Ambos lados tienen argumentos legítimos. Las peleas de roadmap son amargas; la velocidad del equipo de producto cae; la organización de ingeniería pierde a sus mejores diseñadores frente a empresas con mandatos más limpios. La solución es reconocer de antemano que la empresa ahora construye dos productos sobre una base de código compartida, el producto PLG de autoservicio y la variante de grado enterprise, y asignar capacidad separada de ingeniería y diseño a cada uno. Las empresas que intentan mantener un solo roadmap con un solo equipo normalmente pierden el motor de crecimiento PLG, porque el equipo queda consumido por trabajo de funciones enterprise, o el negocio enterprise, porque el producto nunca obtiene las funciones de seguridad y administración que los compradores enterprise exigen.

Founder-led que nunca transfiere. La persona fundadora cierra los primeros 50 acuerdos y construye precios informales, compromisos de integración y relaciones con clientes que solo existen en su cabeza. La primera contratación de ventas falla porque no hay un playbook documentado que heredar. La persona fundadora termina volviendo indefinidamente a reuniones de ventas, y el techo de crecimiento de la empresa se convierte en su agenda. La solución es documentar cada compromiso, cada excepción de precio y cada estructura de acuerdo mientras ocurre durante la fase founder-led, para que el documento eventual de transferencia se construya en tiempo real.

Enterprise field con VP contratado demasiado pronto. El equipo contrata un VP de ventas antes de que la persona fundadora haya validado personalmente el playbook. El VP llega esperando un motion existente que escalar y en cambio tiene que inventar uno, normalmente importando el motion de su empresa anterior, que por lo general no encaja. El VP falla dentro de doce meses, después de quemar de doce a dieciocho meses de capital. La solución es mantener founder-led más tiempo del que resulta cómodo: contratar al VP después de que exista el playbook, no mientras todavía se descubre.

AI-Augmented Outbound sin RevOps. El equipo escala el volumen outbound 10× con tooling de IA, pero no invierte en la capa de analítica que ajusta los prompts de la IA, da seguimiento a la entregabilidad o mide la calidad de respuesta. El resultado es pipeline de alto volumen y baja calidad que abruma al equipo SDR y daña la reputación de dominio de la empresa con proveedores de servicios de correo electrónico. La solución es invertir en el stack de RevOps, analítica de Outreach/Salesloft, inteligencia conversacional de Gong/Chorus y monitoreo de entregabilidad, antes de escalar el volumen outbound, no después.

Pay-Per-Outcome sin infraestructura de atribución. El equipo distribuye precios basados en resultados, pago por ticket resuelto, por reunión agendada o por reclamo procesado, sin la telemetría con calidad de auditoría que pruebe qué resultados produjo el AI Worker. Los clientes disputan resultados; el vendedor no puede ganar las disputas; la cobranza se convierte en una pelea trimestral. La solución es instrumentar la atribución de resultados desde el día uno, incluso si la primera versión del precio es por asiento. La infraestructura es el producto, no una ocurrencia posterior.

FDE que se vuelve consultoría permanente. El equipo empieza con ingeniería integrada en una o dos cuentas estratégicas. El trabajo personalizado paga bien; el equipo crece; más cuentas piden el mismo engagement. Cinco años después, el equipo es rentable, pero cada nuevo cliente sigue requiriendo trabajo personalizado significativo, y la versión productizada de lo que hace nunca se distribuye. La solución es exigir que cada engagement produzca al menos un patrón reutilizable que llegue al siguiente engagement, y dar seguimiento a la proporción entre trabajo personalizado y productizado como métrica operativa de primer nivel.

Channel sin inversión en habilitación de socios. El equipo anuncia un programa de socios, firma MOUs con tres SIs y espera que el canal produzca ingresos. Seis meses después, no se cerró ningún acuerdo porque los SIs no saben posicionar, hacer demo o implementar el producto. La solución es invertir en habilitación de socios, capacitación formal, certificación, soporte de sales engineering y casos conjuntos, con aproximadamente la misma intensidad que en habilitación de ventas directas. Los socios no venden productos; los socios venden lo que les resulta operativamente más fácil vender.

Value-Based Engagement sin medición de línea base. El equipo firma un contrato basado en valor, con precio como porcentaje de ganancia de productividad medida o reducción de costos, sin medir primero la línea base previa al despliegue del cliente. Cuando el contrato llega a su período de medición, ambas partes disputan cuál era la línea base, y el cálculo de reparto de valor se convierte en una negociación en lugar de una medición. La solución es establecer la medición de línea base antes de que empiece el despliegue, idealmente con un período pago de medición de línea base incorporado en la estructura contractual.

Estos fallos no son síntomas de malos equipos. Son los modos de fallo previsibles de motions cuyas mecánicas todavía no se entienden ampliamente. Nombrarlos es el primer paso para operar contra ellos.

---

Cómo usar el catálogo

Tres instrucciones finales para cualquier persona fundadora o líder de ingresos que lea este documento como herramienta de planificación.

Primero, nombra tu motion. Cualquiera de los motions anteriores que mejor describa cómo cierras acuerdos hoy, escríbelo. Si tu motion real es híbrido, Founder-Led con AI-Augmented Outbound superpuesto, Enterprise Field con una alianza de Channel para un segmento, PLG para individuos más Enterprise Field para organizaciones, nombra ambas mitades y sé explícito sobre cuál produce la mayor parte de los ingresos y cuál produce la mayor parte de las oportunidades. Los equipos que no pueden nombrar su motion en una oración normalmente no tienen uno.

Segundo, nombra tus transiciones de motion por adelantado. La mayoría de las empresas AI-native exitosas evoluciona por dos o tres motions a medida que escala. Las empresas PLG se gradúan hacia Enterprise Field. Founder-Led transiciona hacia AI-Augmented Outbound. Los acuerdos Enterprise Field se expanden a Pay-Per-Outcome cuando se sube la Trust Ladder. Cada transición es un momento en que el equipo debe hacer algo materialmente distinto de lo que hacía el día anterior. Los equipos que planifican la transición por adelantado sobreviven a ella. Los equipos que llegan sorprendidos a la transición normalmente no.

Tercero, vigila el desajuste motion-comprador. El fallo de motion más común en empresas AI-native es vender el producto correcto mediante el motion equivocado al comprador correcto: ejecutar enterprise field con compradores mid-market curiosos por la IA, donde el ciclo es demasiado lento; ejecutar PLG con compradores enterprise estratégicos, donde el tamaño de acuerdo es demasiado pequeño; ejecutar precio por resultado con compradores curiosos por la IA, donde compras no está equipado. Ajusta el motion al comprador, no a la preferencia de la persona fundadora.

La tesis defiende la arquitectura de la era de los agentes. El Worker Catalog define qué se construye dentro de ella. Los catálogos de ventas, marketing y finanzas definen cómo una empresa AI-native cierra acuerdos en la práctica, construye demanda y ejecuta la economía que hace sostenible todo lo anterior. Juntos, estos documentos son el manual operativo de The AI-Native Company.

El modelo es la commodity. El harness es el producto. La estrategia es la empresa. El motion es el ingreso.

---

Apéndice A: glosario

Este glosario define todos los términos técnicos, de negocio y de operaciones de ingresos usados en el documento. Está organizado alfabéticamente. Cada definición usa lenguaje claro y al menos un ejemplo concreto.

ABM (Account-Based Marketing). Motion B2B de ventas y marketing donde el equipo selecciona una lista finita de cuentas objetivo y orquesta marketing, ventas y customer success alrededor de cada una. Común para acuerdos por encima de $100K ACV. (Consulta Motion 7 para la aplicación enterprise-field).

ACV (Annual Contract Value). Valor en dólares de un contrato de cliente sobre base anual. Un contrato de tres años por $300K en total tiene un ACV de $100K.

AI-Augmented Outbound. Sales motion liderado por vendedor que usa agentes de IA para investigar, redactar y hacer seguimiento de outreach outbound a escala. (Consulta Motion 6).

AI-Curious / AI-Piloting / AI-Native. Tres etapas de madurez del comprador en compras de IA. Los compradores AI-Curious todavía no han desplegado IA en producción; los compradores AI-Piloting han ejecutado experimentos; los compradores AI-Native tratan la IA como infraestructura central. (Consulta Buyer Maturity Curve).

API (Application Programming Interface). Forma formal para que dos piezas de software se comuniquen entre sí. Los AI Workers normalmente se conectan con otros sistemas mediante APIs.

Attribution. Proceso técnico de probar que un resultado específico, como un ticket resuelto o un acuerdo cerrado, fue producido por un AI Worker específico y no por un humano u otro sistema. Es fundacional para precios basados en resultados.

B2B (Business-to-Business). Productos y servicios vendidos a otras empresas en lugar de consumidores individuales. Salesforce es B2B. Netflix es B2C.

Buyer Maturity Curve. Progresión de tres etapas sobre cómo se compran soluciones AI-native: AI-Curious, AI-Piloting, AI-Native. Distintos motions aterrizan en distintas etapas de la curva. (Consulta la sección Madurez del comprador y timing más arriba).

CAC (Customer Acquisition Cost). Cuánto dinero gasta una empresa para ganar un nuevo cliente pago. CAC incluye publicidad, salarios del equipo de ventas, sales engineering, costos de pruebas gratis y gastos similares.

CAC Payback Period. Número de meses necesarios para que el margen bruto de un nuevo cliente repague el CAC de adquirirlo. Los negocios SaaS saludables normalmente tienen recuperación de CAC por debajo de 18 meses.

Channel. Un tercero, como un revendedor de valor agregado, integrador de sistemas o marketplace, que vende tu producto a clientes finales. (Consulta Motion 11).

Cycle Length. Tiempo desde el primer contacto del comprador con el vendedor hasta el cierre del primer acuerdo. La duración del ciclo varía desde horas, en PLG, hasta 18 meses, en enterprise estratégico.

Deal Size. Valor en dólares de un solo acuerdo cerrado. Los acuerdos de autoservicio normalmente son <$10K; los acuerdos enterprise suelen ser $100K–1M; los acuerdos estratégicos son >$1M.

ESP (Email Service Provider). Infraestructura de correo electrónico, como SendGrid, AWS SES o Postmark, que maneja correo outbound a escala. El outbound aumentado con IA depende de relaciones sanas con ESP e infraestructura de entregabilidad.

FDE (Forward-Deployed Engineering). Sales motion en el que ingenieros, y AI Workers, se integran dentro de la organización de un cliente para construir soluciones personalizadas y luego productizar lo que funciona. Pionero: Palantir. (Consulta Motion 8 en este catálogo).

Founder-Led Sales. Sales motion donde la persona fundadora cierra personalmente, a mano, los primeros 5–50 acuerdos para aprender el playbook antes de contratar un equipo de ventas. (Consulta Motion 5).

Free Tier. Versión del producto disponible sin costo, diseñada para producir activación, uso y finalmente actualización a niveles pagos. La mecánica central de Self-Serve PLG. (Consulta Motion 1).

Gross Margin. Ingresos menos el costo directo de entregar el producto, expresado como porcentaje de los ingresos. Los márgenes brutos SaaS normalmente son 70–85%. Los márgenes brutos AI-native suelen ser 50–75% en los primeros años, porque los costos de cómputo son altos, pero suben a medida que mejoran las economías de escala.

Hyperscaler. Gran proveedor de nube, como AWS, Microsoft Azure o Google Cloud, que opera infraestructura cloud global a escala masiva. Los motions de hyperscaler co-sell se asocian con la organización de ventas del hyperscaler. (Consulta Motion 12).

Land-and-Expand. Estrategia de ventas en la que el vendedor gana un acuerdo inicial pequeño en una cuenta y luego expande dentro de la cuenta mediante usuarios, productos o unidades de negocio adicionales. Datadog perfeccionó el motion en la década de 2010.

LTV (Lifetime Value). Ingreso total esperado de un cliente durante la duración de su relación con el vendedor. La relación LTV / CAC es una métrica central de salud SaaS; los negocios saludables tienen LTV / CAC por encima de 3.

Marketplace. Directorio operado por una plataforma donde se vende software de terceros a los clientes de la plataforma. Salesforce AppExchange, Shopify App Store, AWS Marketplace, ChatGPT Apps. (Consulta Motion 2).

MEDDIC / MEDDPICC. Frameworks de calificación de ventas enterprise (Metrics, Economic buyer, Decision criteria, Decision process, Identify pain, Champion; y Paper process, Competition para la versión más larga). Comunes en motions de field sales.

Motion. Enfoque repetible y nombrado para cerrar acuerdos. Self-Serve PLG es un motion. Enterprise Field Sales es un motion. Los doce motions de este catálogo son los más comunes en empresas AI-native en 2026.

MRR / ARR (Monthly / Annual Recurring Revenue). Ingreso recurrente de suscripción predecible, expresado mensual o anualmente. La métrica central de ingresos para negocios SaaS.

NRR (Net Revenue Retention). Porcentaje de ingresos de clientes existentes que se retiene, expande o contrae durante un período. NRR por encima de 100% significa que los clientes existentes gastan más con el tiempo. NRR por encima de 130% indica un negocio líder de categoría.

Outcome-Based Pricing. Modelo de precios donde el cliente paga por resultados, no por acceso al software. (Consulta Motion 9).

Pilot. Despliegue inicial limitado en tiempo y alcance que permite al comprador validar el producto en su propio entorno antes de comprometerse con un contrato de producción. No es un motion independiente en este catálogo; los pilotos son la estructura típica de entrada dentro de motions Enterprise Field, FDE, AI-Augmented Outbound y Pay-Per-Outcome. (Consulta Economía de pilotos en conceptos transversales).

PLG (Product-Led Growth). Motion de go-to-market en el que el producto mismo es el mecanismo principal de adquisición, conversión y expansión de clientes. El rol del vendedor es diseño de producto y onboarding sin fricción, no outreach directo. (Consulta Motion 1).

Pipeline. Conjunto de oportunidades calificadas que fluyen por el proceso de ventas. La cobertura de pipeline, la relación entre valor de pipeline y objetivo de ingresos, es una métrica operativa central para motions liderados por vendedor.

Procurement. Proceso formal mediante el cual la organización del comprador aprueba la compra de servicios de proveedores. Los ciclos de compras pueden tardar días, en PLG y marketplace, o 18 meses, en enterprise estratégico.

Production Contract. Contrato comercial de largo plazo que sigue a un piloto exitoso. Los contratos de producción suelen ser de 3 a 10 veces el tamaño en dólares del piloto precedente.

Quota. Objetivo anual de ingresos asignado a un representante de ventas individual o a un equipo. Las cuotas son centrales en motions liderados por vendedor; no existen en motions PLG o marketplace-led.

RevOps (Revenue Operations). Función interna responsable de los sistemas, procesos y datos que sostienen el motion de ingresos: administración de CRM, analítica de ventas, forecasting, diseño de compensación y habilitación de ventas. (Consulta El stack de RevOps en conceptos transversales).

SaaS (Software as a Service). Software que alquilas mensual o anualmente en lugar de comprar una vez. El modelo de precios dominante para software B2B aproximadamente de 2005 a 2025; está siendo desplazado parcialmente en empresas AI-native por precios basados en resultados.

SDR (Sales Development Representative). Vendedor especializado en la parte alta del funnel de ventas: calificar leads inbound o producir outreach outbound. El outbound aumentado con IA automatiza cada vez más trabajo SDR.

Seat-Based Pricing. Modelo de precios donde el cliente paga por usuario, o asiento, por período, normalmente por mes o por año. Estándar en SaaS; parcialmente desplazado por precios basados en resultados en empresas AI-native.

Self-Serve. Sales motion en el que el comprador se registra, evalúa y compra el producto sin interacción directa con el vendedor. Sinónimo de PLG en la mayoría de los usos. (Consulta Motion 1).

SI (Systems Integrator). Consultora que implementa tecnología para clientes enterprise; ejemplos típicos son Accenture, Deloitte, IBM Global Services, Slalom y Capgemini. Las alianzas SI son centrales para motions de canal en despliegues enterprise de IA. (Consulta Motion 11).

Service-as-Software. Modelo de precios donde el vendedor cobra por resultados, como tickets resueltos, documentos redactados o reclamos procesados, en lugar de asientos de software. (Consulta Motion 9 en este catálogo).

Trust Ladder. Curva de madurez de tres etapas para AI Workers: copilot, donde la IA sugiere y el humano aprueba cada acción; autónomo supervisado, donde la IA actúa sobre un tipo de tarea definido y el humano revisa salida agregada; autopiloto completo, donde la IA actúa sin supervisión por tarea. Los modelos de precios siguen la escalera.

Value-Based Pricing. Modelo de precios donde el tamaño del acuerdo se fija como porcentaje del resultado económico medible del cliente. (Consulta Motion 10).

Vendor-Led Motion. Sales motion en el que el vendedor inicia y orquesta el acuerdo. Contrasta con los motions liderados por el comprador, donde el comprador dirige el ciclo. (Consulta Sección B — Motions liderados por el vendedor, Motions 5–8).

---

Notas

¹ Wes Bush, Product-Led Growth: How to Build a Product That Sells Itself, ProductLed Press, 2019. El texto estándar sobre el motion PLG. El framework de Bush, en particular la distinción entre "free trial" y "freemium" como dos estrategias PLG distintas, es fundacional para Motion 1.

² Mark Roberge, The Sales Acceleration Formula: Using Data, Technology, and Inbound Selling to go from $0 to $100 Million, Wiley, 2015. El relato de Roberge sobre cómo construir el motor de ventas de HubSpot desde founder-led hasta motion repetible es la referencia estándar para la transición de founder-led a vendor-led. El framework de Motion 5 y Motions híbridos comunes se apoya en el análisis de etapas de Roberge.

³ Aaron Ross y Marylou Tyler, Predictable Revenue: Turn Your Business into a Sales Machine with the $100 Million Best Practices of Salesforce.com, PebbleStorm, 2011. La articulación de Ross del motion outbound impulsado por SDR, escrita sobre el playbook de Salesforce en la década de 2000, define la versión pre-IA del motion outbound que Motion 6 evoluciona. El outbound aumentado con IA hereda la estructura de funnel y la cadencia operativa que Ross documenta, mientras reemplaza el trabajo de investigación y redacción del SDR humano por agentes de IA.

⁴ Jacco van der Kooij, Blueprints for a SaaS Sales Organization: How to Design, Build and Scale a Customer-Centric Sales Organization, Winning by Design, 2018. Los frameworks de Van der Kooij para diseño de organizaciones de ventas enterprise, en particular la especialización de roles entre AE, SE y customer success, son plantillas ampliamente adoptadas para el motion enterprise field de Motion 7.

⁵ Sangram Vajre y Eric Spett, ABM is B2B: Why B2B Marketing and Sales is Broken and How to Fix It, IdeaPress Publishing, 2019. El texto estándar sobre Account-Based Marketing como motion enterprise. El framework de Vajre y Spett para orquestar marketing, ventas y customer success alrededor de una lista finita de cuentas nombradas informa los motions liderados por vendedor de este catálogo y subyace explícitamente a la mitad ABM de Motion 7.

⁶ McKinsey Global Institute, "The Economic Potential of Generative AI: The Next Productivity Frontier", junio de 2023. El análisis bottom-up de McKinsey estima que la IA generativa podría aportar billones en ganancias anuales de productividad en funciones enterprise, con el mayor impacto concentrado en operaciones de clientes, ventas, marketing, ingeniería de software e I+D. El argumento de presupuesto laboral que subyace a los precios basados en resultados (Motion 9) y value-based engagement (Motion 10) se apoya en estas estimaciones.

⁷ Tien Tzuo y Gabe Weisert, Subscribed: Why the Subscription Model Will Be Your Company's Future — And What to Do About It, Portfolio, 2018. El framework de Tzuo para mecánicas de negocio de suscripción, en particular la centralidad de la retención neta de ingresos como métrica operativa central, es fundacional para los motions SaaS e informa la discusión de NRR a lo largo de este catálogo.