Un earn-out divide el precio de compra en dos partes. Una parte se paga en el momento de la transferencia, otra parte sigue más adelante y depende de resultados que todavía deben demostrarse después de la transferencia: facturación que se mantiene, clientes que permanecen, un margen que se sostiene sin el propietario que se ha marchado. El comprador no propone esto porque dude de sus cifras del pasado. Lo propone porque duda de su repetibilidad en cuanto la situación cambie — y esa transferencia es precisamente ese tipo de cambio.
El earn-out no es, por tanto, una táctica de negociación. Es un mecanismo de fijación de precio para una incertidumbre que el comprador no puede eliminar por su cuenta calculando mejor. Cuanto mayor sea esa incertidumbre, mayor será la parte del precio que se aplaza.
La mayor fuente de esa incertidumbre siempre fue el propio propietario: si la relación con el cliente, el acuerdo de precios, el conocimiento de las excepciones pasan por una sola persona que se marcha tras el acuerdo. Ese riesgo sigue existiendo, pero se ha añadido una segunda capa. En cada vez más empresas, una parte del trabajo ya la realiza o la apoya la IA — en algunas por completo, en otras con un empleado que evalúa y corrige el resultado, y en otras todavía no, porque la naturaleza del trabajo no lo permite o porque la organización aún no lo ha implementado. Esa distribución es diferente en cada empresa y es medible.
Para un comprador, esto es relevante porque cambia la pregunta que un earn-out intenta responder. No solo: ¿se mantiene el cliente y la facturación? También: ¿el ahorro o la capacidad que la IA ha liberado forma parte del proceso, o depende de una sola persona, una sola suscripción o una configuración puntual? Un ahorro que desaparece en cuanto el propietario se marcha pesa, durante el periodo del earn-out, tanto como un cliente que se va.
Las empresas donde esto ya es visible tienen, por lo general, algo en común: el trabajo que asume la IA está descrito a nivel de tarea, no de función. Se ha documentado qué parte de un proceso se ejecuta sin supervisión, qué parte con control de un empleado, y qué parte sigue siendo trabajo humano y por qué. Esa documentación existe independientemente de la persona que trabaja en ello ahora. Un comprador que ve esto tiene menos motivos para trasladar la incertidumbre a un earn-out — la prueba de la repetibilidad ya está ahí.
Las empresas donde el earn-out crece, en cambio, suelen ser empresas donde nadie se ha planteado esa pregunta. El ahorro se menciona en una presentación, pero no se justifica al nivel en que un comprador pueda verificarlo. Quien quiera saber cómo se elabora esa justificación lo encontrará desarrollado en cómo justificar ante un comprador un ahorro generado por la IA.
Un earn-out reduce el riesgo del comprador, pero no cambia nada en la estructura de la empresa. Si el beneficio depende en gran medida del propietario — decisiones, contacto con clientes, conocimiento de las excepciones —, eso sigue siendo así hasta que termine el periodo del earn-out, y entonces vuelve a hacerse visible. Cuánto de eso pasa realmente por el propietario, y no por el proceso, es una pregunta que se puede medir; cómo medir cuánto pasa por el propietario describe en qué se basa esa medición.
Además, un earn-out dice algo sobre el beneficio que sirve de base para el precio, no solo sobre la continuidad. Un beneficio depurado con ahorros puntuales o con costes que reaparecen después de la transferencia se sostiene sobre una base inestable. Lo que significa la normalización del beneficio cuando la IA interviene en ello está desarrollado en qué significa la normalización del beneficio en una empresa que utiliza IA.
La pregunta subyacente en todo earn-out es la misma: qué parte del trabajo de esta empresa sigue funcionando sin las personas que lo realizan ahora, y qué parte no. Esa pregunta se responde con el escáner de trabajo de FTE TO AI, tarea por tarea, con la misma subdivisión que también hace un comprador: automático, bajo supervisión, o trabajo humano. Esto no es asesoramiento de personal ni fundamento para una decisión de despido — para eso rigen requisitos legales propios — es una descripción de lo que el propio trabajo permite.
La pregunta del earn-out suele surgir solo cuando la negociación ya está en marcha, pero la justificación debe estar preparada antes. Cuándo es mejor empezar esa preparación se describe en cuándo debe empezar con la preparación de una venta. Y dado que las expectativas del mercado en torno a la IA también están cambiando, conviene saber cómo mantener el valor de la empresa mientras ese cambio avanza — eso se describe en cómo mantener su valor mientras el mercado cambia.
Esta explicación no es una estimación del earn-out que se propondría en su caso, ni una garantía de que un comprador utilice este instrumento o se abstenga de hacerlo. El importe y las condiciones de un earn-out se derivan de la propia negociación, no de una descripción genérica.
La comprobación de valor gratuita consta de ocho preguntas breves, una por cada factor de valor, y ofrece una idea de qué factor presiona hoy más su precio. El escáner de valor completo — con evidencia por factor, el índice de dependencia del propietario y un calendario a dos años hacia el momento de salida — está en preparación.