El trabajo de fijación de precios ya no se limita a una hoja de cálculo, una revisión financiera y un correo electrónico de lanzamiento. Un cambio en los niveles o el empaquetado aparece en la vida diaria de un producto como un ticket de soporte, una objeción de ventas o un aumento silencioso en las cancelaciones. Los equipos lo sienten en los bordes desordenados, donde el nombre de un plan no coincide con lo que espera un usuario, o donde una nueva característica se coloca detrás de un muro de pago antes de que alguien haya demostrado que se ajusta a los flujos de trabajo reales. Por eso la fijación de precios se ha convertido en un problema de producto, y por eso la experimentación se está convirtiendo en el lenguaje que lo mantiene honesto.
Jyoti Yadav, Gerente Senior de Ciencia de Datos en Atlassian trabajando en Loom, construye dentro de esa realidad. Su principio operativo es simple: tratar cada cambio importante como una promesa comprobable para los usuarios, y hacer que la evidencia sea lo suficientemente legible como para que producto, ingeniería, marketing y ventas puedan comprometerse sin adivinar.
Cuando una prueba tiene que llevar el lanzamiento
Ese mismo cambio hacia la prueba es visible en todas las industrias, porque los equipos han aprendido lo costoso que es estar confiadamente equivocado. Entre los minoristas y marcas que ejecutan experimentación impulsada por análisis, el 46% de las ideas no alcanzan el punto de equilibrio o no logran demostrar la hipótesis inicial, lo cual es un recordatorio contundente de que la intuición no es un plan de lanzamiento. La disciplina es práctica, no académica. En la misma investigación, el 68% dice que la experimentación cambia significativamente las decisiones sobre qué debe lanzarse, qué debe refinarse y qué debe eliminarse temprano.
Yadav aprendió esa lógica en un entorno donde los riesgos operativos eran visibles. Mientras trabajaba en el lanzamiento nacional del "Desayuno todo el día" de McDonald's a través de la plataforma Test and Learn, utilizó SQL avanzado y pipelines ETL automatizados para procesar datos de punto de venta a gran escala y comparar tiendas de prueba con tiendas de control cuidadosamente emparejadas. La pregunta no era solo la demanda. Era el flujo de la cocina, las restricciones del proveedor y si los artículos de desayuno ralentizarían la velocidad del servicio para el almuerzo y la cena. El análisis técnico contribuyó a un aumento del 5,7% en las ventas de las mismas tiendas en el cuarto trimestre de 2015 y respaldó un cambio que generó $1.2 mil millones en ganancias en ese trimestre, superando las expectativas, mientras la organización reentrenaba al personal para operar menús duales a escala. Fue un cambio nacional con fricción real, y los datos tuvieron que sobrevivir a esa fricción.
"Los experimentos solo importan si protegen el lanzamiento", dice Yadav. "Si la medición ignora cómo se hace realmente el trabajo, envías una historia, no un resultado."
Precios y empaquetado en productos de suscripción
Una vez que has visto cómo se rompe un lanzamiento en el mundo real, dejas de tratar los cambios de suscripción como una decisión puramente comercial. En B2B SaaS, las actualizaciones de precios y empaquetado ahora son rutinarias en lugar de raras, con un 94% de las empresas actualizando precios y empaquetado al menos una vez al año y casi el 40% haciéndolo tan a menudo como una vez por trimestre. Ese ritmo hace que la gobernanza en torno a los experimentos sea inevitable. Cuando los equipos ajustan niveles con tanta frecuencia, el costo de una medición poco clara no es teórico. Se convierte en abandono, descuentos y confusión interna que se agrava cada trimestre.
Yadav aplicó esa cadencia durante la revisión integral de precios y empaquetado de extremo a extremo de Loom después de la adquisición de Atlassian. Dirigió un equipo de seis científicos de datos y construyó una metasíntesis de datos semestral para unificar análisis, alinear a las partes interesadas e impulsar pivotes en la hoja de ruta con una visión compartida del riesgo y el potencial. El trabajo requería equilibrar el valor de las nuevas características de IA, incluida una prima del 33% para Business más IA, contra la retención y la complejidad de agrupación, luego traducir esas compensaciones en niveles de precios como Business a $12.50 por mes y planes Enterprise que podrían alcanzar $10k anualmente. El lanzamiento también tuvo que respetar cómo se usaba ya Loom a escala, incluidos los 49M de videos creados con Loom IA impulsado por IA, porque las decisiones de empaquetado aterrizan de manera diferente cuando el uso ya es habitual. Ese mismo rigor sustenta su trabajo más allá de Loom como miembro del consejo editorial y revisor por pares en el SARC Journal of Technology Perception y el Journal of Economics Intelligence And Technology, donde evalúa la investigación aplicada y la toma de decisiones basada en datos a escala. El trabajo no era "establecer un precio". Era hacer que el cambio fuera defendible en todas las funciones.
"El empaquetado es donde la estrategia se vuelve real para los clientes", dice Yadav. "Si no puedes explicar por qué existe un nivel, terminarás defendiéndolo en hilos de soporte y renovaciones."
Demostrando el valor de la IA antes de cobrar por ella
A medida que los equipos agregan capacidades de IA a los productos, la presión para monetizar temprano puede superar lo que se ha demostrado en el uso. Esa brecha se muestra en el mercado. En los esfuerzos de IA empresarial, el 74% de las empresas aún no están logrando un valor tangible a escala, y solo el 26% ha desarrollado las capacidades necesarias para ir más allá de los pilotos. Esos números no argumentan en contra de la IA. Argumentan a favor de una medición que sea honesta sobre la adopción, el ajuste del flujo de trabajo y la diferencia entre novedad y hábito.
El trabajo de lanzamiento de Loom IA de Yadav se construyó en torno a esa distinción. Dirigió un equipo de científicos de datos a través del análisis técnico y la experimentación, impulsó la recomendación final y respaldó el lanzamiento que aumentó los ingresos recurrentes anuales en $2.85M por año. Las señales de adopción fueron tratadas como evidencia del producto, no como adorno de marketing, con un 67% de usuarios usando títulos generados por IA y un 73% informando que el conjunto de IA impulsado por IA era extremadamente valioso. Esos son los tipos de tasas de uso que cambian la forma en que un equipo de producto piensa sobre dónde pertenece la IA y cómo debe empaquetarse, porque hablan de comportamiento repetido, no de un clic único. Este no fue un ejercicio abstracto. Se envió.
"Las características de IA impulsado por IA ganan su precio de la misma manera que cualquier característica", dice Yadav. "Observas lo que la gente hace repetidamente, luego decides por qué vale la pena pagar."
Manteniendo a los equipos globales alineados en una versión de la verdad
Después de un lanzamiento de IA y una revisión de precios, la parte más difícil a menudo no es el análisis. Es lograr que los equipos globales estén de acuerdo sobre lo que significa el análisis. En los patrones de trabajo modernos, las personas son interrumpidas 275 veces al día por reuniones, correos electrónicos y pings, y alrededor del 30% de las reuniones ahora abarcan múltiples zonas horarias. Ese es un entorno brutal para decisiones cuidadosas. Cuando la narrativa cambia con cada reunión, los equipos dejan de confiar en los números y comienzan a optimizar para la sala más ruidosa.
El trabajo de Yadav en Loom se ubicó directamente en ese contexto, porque el producto es una respuesta a la fricción de coordinación. Como parte del crecimiento de Loom y los flujos de trabajo asistidos por IA impulsado por IA, la plataforma alcanzó 88M de videos grabados en 2024 y redujo la necesidad de 202M de reuniones, una escala que hace que la "alineación" sea más que una preferencia cultural. Se convierte en un requisito operativo. Su enfoque enfatizó la síntesis repetible y las salidas de experimentación claras para que las partes interesadas pudieran evaluar cambios sin volver a litigar los conceptos básicos en cada zona horaria. La integración con el ecosistema de Atlassian también elevó el estándar de coherencia, porque las expectativas de precios, empaquetado y características de IA impulsado por IA ya no viven dentro de un solo límite de producto. El punto era mantener una verdad compartida incluso cuando las decisiones se movían entre funciones.
"Los datos no viajan bien cuando cada equipo tiene su propia versión", dice Yadav. "Tu trabajo es hacer que la evidencia sea portátil, para que la decisión permanezca consistente."
Experimentación que mantiene honesta la monetización
Se proyecta que la economía de suscripción crezca un 67% en los próximos cinco años, aumentando de $722 mil millones en 2025 a $1.2 billones para 2030, lo que aumenta las apuestas en las decisiones de precios que protegen la confianza. Al mismo tiempo, se espera que las empresas globales inviertan $307 mil millones en soluciones de IA impulsado por IA en 2025, con un gasto que se espera alcance $632 mil millones para 2028, un ritmo que seguirá impulsando características de IA impulsado por IA en las decisiones de empaquetado, estén listos los equipos o no. La ventaja pertenecerá a las organizaciones que estandaricen la experimentación para que los equipos multifuncionales puedan moverse rápidamente sin convertir a los clientes en sujetos de prueba.
"El crecimiento no es el objetivo en sí mismo", dice Yadav. "El objetivo es crecer sin perder claridad sobre lo que realmente funcionó."
