De 10 clientes artesanales a 10.000 sin que se rompa el modelo.
Lo que se rompe al crecer, cómo lo arreglamos, y por qué NO es marketing.
No son genéricos. Son los tres nuestros: los que aparecen solo cuando vendes memorias humanas reusables a flotas LLM en un marketplace.
Qué pasa a 10: yo (fundador) entrego cada memoria, verifico provenance a mano, respondo al cliente en 2h. Margen bruto: 85%.
Qué se rompe a 1.000: cada memoria pasa por un humano: curación, firma on-chain de provenance, revisión legal, QA. Si entrego 50 memorias/mes/cliente a 10.000 clientes: 500.000 operaciones manuales/mes. Coste marginal por memoria: $4.50. Margen: -60%. MUERTO.
Fix: pipeline en 3 capas. (a) Curación automatizada con LLM-as-judge que valida provenance contra el grafo de firma. (b) Auto-firma on-chain de nuevos lotes vía smart contract ProvenanceRegistry con stake en juego (slashing si mientes). (c) Soporte tier-0 chatbot sobre la propia memoria comprada.
Qué pasa a 10: yo conozco al vendedor, reviso cada lote. Calidad ~95%.
Qué se rompe a 1.000: el marketplace se abre y entra lixo: memorias inventadas, datos scrapeados revendidos como "humanos", recuerdos con sesgos tóxicos. Si el 5% de un catálogo de 50.000 memorias es veneno, tu cliente descubre el problema en producción y no vuelve. Trust cascade: un escándalo = todo el lote siguiente devaluado.
Fix: (a) Score público de cada vendedor con % de memorias revendidas vs devueltas. (b) Staking obligatorio: si tu lote tiene >3% de disputas, pierdes el stake y la cuenta. (c) Auditoría aleatoria mensual del 1% de memorias con verificación humana + bounty para "cazadores de veneno" ($50 por memoria envenenada reportada).
Qué pasa a 10: cada lote firma 1 tx en Polygon. Gas ~$0.01. Trivial.
Qué se rompe a 10.000: cada descarga de memoria necesita una prueba de provenance verificable: 1 tx por memoria. A 50 memorias/cliente/mes × 10.000 clientes = 500.000 tx/mes. Gas solo: $5.000-15.000/mes. Además: si cada descarga pasa por la L1, latencia y UX mueren.
Fix: (a) Batch anchoring: agrego 1.000 hashes de provenance en una Merkle tree, una sola tx de anclaje a L1 cada 6h. (b) Pruebas off-chain verificables (Merkle proofs locales) para el día a día, on-chain solo para disputas o sellos de "memoria certificada". (c) App-chain propia (Polygon CDK) cuando volumen > 5M tx/mes, con fees propias y stable.
No es marketing. Es un mecanismo auto-alimentado donde cada cliente trae al siguiente, y cada vendedor trae a más compradores.
El mecanismo concreto: SDK open-source (escape-hatch, ya validado en venta enterprise) que cualquier framework de agente instala en 5 minutos, evalúa memorias gratis durante 14 días, y paga solo si las usa. Cada agente en producción que usa una memoria = una señal pública medible en el grafo de provenance de KILROY. Esa señal es marketing orgánico: "12.847 agentes ya compran memorias humanas verificadas".
Segundo motor: vendedores evangelizan a otros vendedores. El humano que gana $500/mes vendiendo memorias cuenta a otros humanos en su red. Esto es MOL (mouth-of-LLM): coste de adquisición del lado de la oferta ≈ $0.
Mueve las palancas. Mira cómo evoluciona la economía. El modelo aguanta hasta cierto punto — y se rompe en uno concreto.
Equivale a ~3 años de crecimiento
Hoy: $300-800. Mínimo viable: $200
Manual $4.50 · Auto-signing $0.30 · Cache hit $0.05
"Compre 1 lote, uso 50 al mes"
El modelo sí aguanta cuando el coste de servir cae por debajo de $1/memoria (gracias a auto-signing + cache). Con CAC ≈ $0 (motor SDK) y LTV de 14 meses, payback < 1 mes.
Se rompe si (a) el coste de servir se queda en $4.50 manual, (b) el precio cae bajo $200, o (c) las memorias usadas/cliente/mes bajan de 20 — porque entonces el marketplace se convierte en commodity.
Ningún plan de escala sobrevive sin una decisión que duela. Esta es la nuestra:
Qué dejo de servir: clientes con <$200/mes y/o >5 tickets/mes. Representan ~30% de mis horas hoy y <5% del MRR. Son "early adopters difíciles" que consumen toda la atención y bloquean iteración.
Qué automatizo aunque pierda calidad: la primera respuesta de soporte pasa a ser 100% chatbot (con la propia memoria KILROY como fuente). Tasa de resolución baja de 78% a 62%, pero ahorro 25h/semana y atiendo a 20× más clientes.
Qué precio subo: el tier "Explorer" ($200) lo convierto en $400 pero incluyo el SDK + 1.000 memorias/mes. Los que se vayan, se tenían que ir. Los que se queden, son los que escalan con nosotros.
Trade-off aceptado: churn del ~15% en ese segmento, +$28k MRR neto en 60 días, +25h/semana para focalizarme en los 10.000.
| Cuello | Umbral de rotura | Síntoma | Fix | Coste del fix |
|---|---|---|---|---|
| Coste de servir | > 500 clientes | Margen < 30% | Auto-signing + LLM-judge | $8k/mes |
| Moderación de calidad | > 50 vendedores | Disputas > 3% | Staking + audit + bounty | $2k/mes |
| Provenance on-chain | > 5k tx/mes | Gas > $5k/mes | Batch Merkle anchoring | $1.5k setup |
| Soporte 1-a-1 | > 200 clientes | Yo quemado | Chatbot + docs + community | $3k/mes |
Es la baliza de todo. Si cae mes a mes, el modelo escala. Si se estanca o sube, todo lo demás (crecimiento, precio, churn) se vuelve teatro. Es la métrica que precede al margen igual que las reservas por categoría preceden al churn (lección anotada).