Haz una foto y cobra: dos estudiantes de secundaria usaron esta fórmula para facturar 30 millones de dólares, y tú también puedes copiarla

Abres la App Store, buscas “IA” y, de los primeros 50 resultados, 10 son aplicaciones de fotos. Las apps de IA que realmente han generado dinero en los últimos dos años tienen un aspecto de lo más modesto. No son modelos de lenguaje todoterreno que debaten filosofía, escriben código o generan películas, sino pequeñas herramientas con tan pocas funciones que te hacen dudar: “¿Esto también se cobra?”. Levantas el móvil, haces una foto, te responde con una frase y tú le pagas 10 dólares al mes.

Vamos con los números más crudos primero.

Una app llamada Cal AI tiene una única función: le haces una foto a tu plato de comida y te dice cuántas calorías tiene. La crearon dos estudiantes de secundaria de 17 años y se lanzó en mayo de 2024. 18 meses después: más de 15 millones de descargas y unos ingresos anuales superiores a 30 millones de dólares. En diciembre de 2025 fue adquirida por MyFitnessPal, y su equipo de 7 personas fue absorbido en su totalidad. Forbes proyecta que en 2026 los ingresos alcanzarán los 50 millones de dólares.

7 personas, una función de fotos, 30 millones de dólares.

Detrás de esto hay una serie de criterios de filtrado que se pueden replicar, y ya se ha validado más de una vez. Hoy voy a desglosar esta fórmula, incluyendo el cálculo de qué hacer si “no sabes programar”.

I. Los usuarios no carecen de información, carecen de no tener que pensar

La mayoría de la gente aborda la búsqueda de puntos de dolor al crear un producto de la manera equivocada. Creen que al usuario le falta información: se la doy, y me pagan.

Falso. En 2026, la información es el activo más barato del mundo. ¿Quieres saber cuántas calorías tiene un plato de pasta? El buscador te escupe veinte respuestas en tres segundos, y gratis.

Entonces, ¿con qué cara cobra Cal AI?

Porque alguien que está cortando grasa sale a comer fuera, ve la carta con veinte platos, entiende cada uno perfectamente, pero no tiene ni idea de qué pedir. ¿Tiene mucha grasa? ¿Se me dispara el recuento de carbohidratos? ¿Si me como esto hoy, tendré que compensar mañana con más cardio? En teoría, tendría que: identificar los ingredientes, calcular los gramos, buscar la densidad calórica de cada uno, sumarlo todo y compararlo con la cuota que le queda para el día. Esa rutina le toma cinco minutos. Tres comidas al día, noventa al mes.

Esto es lo que la economía conductual llama “fatiga de decisión”: cuantas más decisiones tomas, peor es la calidad de las siguientes. Lo que el usuario realmente necesita es la respuesta definitiva que le cierre la boca y le quite el problema de las manos.

Alguien lo construyó: tomas una foto de la carta y la IA te dice exactamente qué pedir. Comprime diez minutos de indecisión en una decisión de tres segundos.

Este tipo de apps hoy están imprimiendo dinero. Toma MenuFit en la App Store: más de 1 millón de descargas, 4.8 estrellas, 53.900 reseñas y una suscripción básica de 9.99 USD al mes. En el nicho de las suscripciones, un producto con descargas a nivel de millón y una tarifa mensual de diez dólares es un modelo de negocio muy real y muy lucrativo.

Dos. Tres condiciones de filtrado: si falta una, el modelo no se sostiene

Si superpones todos estos casos, puedes destilar tres condiciones de filtrado —sirven para elegir el rumbo, no son una fórmula mágica de negocios:

Escenarios de alta frecuencia × Parálisis por análisis × Entrada mediante foto

¿Por qué solo es viable en 2026? Porque las dos primeras condiciones ya existían desde hace tiempo; la tercera se desbloqueó cuando los modelos multimodáticos maduraron. Antes, si obligabas al usuario a teclear manualmente “150 g de pechuga de pollo, 100 g de brócoli”, el coste de entrada era superior a hacer el cálculo mental: el producto estaba condenado a morir. Hoy, “levantar el móvil” se ha convertido en la única acción requerida. La fricción pasa de “escribir treinta caracteres” a “tocar un botón”, y solo entonces estas tres condiciones por fin encajan.

Te lo desgloso uno por uno —la gran mayoría de la gente tropieza y fracasa en uno de estos eslabones—.

Condición uno: Alta frecuencia

Que ocurra más de una vez al día; lo ideal, tres veces. Comer es el escenario perfecto: tres veces al día, mil veces al año. Si el usuario abre tu app tres veces diarias, la barrera psicológica para pagar cae a un nivel casi ridículo. Por el contrario, una necesidad tipo “ayudarte a elegir qué plan de hipoteca te conviene” se usa dos veces en toda la vida. Solo puedes cobrar un pago único, y cobrar un pago único significa que tendrás que estar comprando tráfico para siempre.

Condición dos: Parálisis por análisis

El usuario tiene que estar en un momento en el que debe tomar una decisión inmediata, pero es incapaz de decidirse. Frente a la carta de un restaurante, en el pasillo del supermercado, ante la carta de vinos: todos son puntos de fricción en la decisión. En cambio, “quiero aprender sobre nutrición” no es un punto de fricción; eso es aprendizaje, y el aprendizaje no es urgente. Y las necesidades que no son urgentes tienen una tasa de conversión a pago extremadamente baja.

Las decisiones bajo estrés emocional tienen otra característica: el usuario no compra información, compra alivio. Una persona a dieta saca el móvil en una cena, fotografía el plato, lee “320 kcal” y se lo come tranquila. No está comprando el dato de las 320 kcal: está comprando la liberación de no tener que obsesionarse en ese momento. Ahí es donde reside el verdadero motor de la disposición a pagar.

Condición tres: entrada mediante fotos

Los modelos multimodales son el motor de esta oleada. Un reportaje de TechCrunch menciona que la precisión de reconocimiento de Cal AI ronda el 90 %, no el 100 %. Para alguien a dieta, una respuesta en tres segundos con un 90 % de precisión vale muchísimo más que una respuesta en cinco minutos con un 100 % de precisión. Bajar grasa es un juego de estadística, no una ciencia exacta: un margen de error diario inferior al 5 % sobra.

Tres. Cinco pasos, del cero al lanzamiento

Sigue estos cinco pasos, en este orden.

Paso uno: elige un escenario, no una funcionalidad

Coge un papel y anota los momentos de tu vida en que “tienes que decidir al instante, pero siempre dudas un segundo”. Escribe solo los que te han bloqueado de verdad; no inventes lo que crees que bloquea a otros. Algunas pistas:

• Carta de un bar: qué copa tiene menos calorías (una necesidad real para el público fitness, y un segmento con alto poder adquisitivo).
• Snacks en un 7-Eleven o FamilyMart: fotografía la parte de atrás del envase y dime si puedo comerlo en plena etapa de definición.
• Comida en aeropuertos o estaciones de tren: dos horas de escala, cómo comer sin cargarte la dieta.
• Lista de ingredientes del supermercado: fotografía la composición y dime si lleva algo que esté intentando evitar.

Esta última dirección ya ha demostrado que funciona. Seed Oil Scout, una app diseñada para ayudar a los usuarios a evitar restaurantes y alimentos con aceites de semillas, presume de cifras públicas de más de 1 millón de descargas y 14.000 reseñas con 4,8 estrellas. Han integrado una tienda directamente dentro de la app: los usuarios entran y compran productos certificados. Así se embolsan dos flujos de ingresos a la vez: suscripciones y comisiones por afiliación.

Paso 2: Valida con datos de tu nicho, no uses Google Trends

Una vez elegido el escenario, no escribas ni una línea de código. Dedica veinte minutos a verificar si la demanda es real o es solo una ilusión tuya.

Pero ojo con la trampa: el método de usar Google Trends y el autocompletado de búsqueda no sirve para el tráfico de apps. El comportamiento de búsqueda en la App Store es radicalmente distinto al de Google, y los criterios para medir la popularidad de las palabras clave tampoco tienen nada que ver. Cal AI no escaló gracias a Google, sino que se disparó por la tasa de conversión de sus vídeos en TikTok y su posicionamiento en Product Hunt.

El método correcto de validación es:

1. Abre el App Store, conecta tu VPN al mercado objetivo (por ejemplo, la App Store de EE. UU.), busca tu palabra clave principal en inglés (por ejemplo, menu calorie) y revisa si entre los 10 primeros resultados hay productos similares con más de 100.000 descargas que sigan actualizándose.
2. Ve a Sensor Tower (una plataforma de datos de terceros para tiendas de aplicaciones) y consulta la curva de descargas de los productos líderes bajo esa palabra clave: fíjate si la tendencia va al alza o a la baja.
3. Busca “X decision” y “X help” en los subreddits relacionados de Reddit y Quora, y mide la densidad de quejas: cuantas más quejas, más real es el punto de dolor.

Que haya productos similares sobreviviendo con estabilidad + que en Reddit la gente pregunte una y otra vez sobre el mismo problema = la demanda es real y existe, no es una ilusión de tu cabeza.

Paso 3: Hazlo, no programes desde cero

La pila tecnológica de Cal AI no tiene ningún secreto: TechCrunch lo dejó muy claro. Llama a los modelos de Anthropic y OpenAI, le suma RAG (la tecnología que permite a la IA consultar bases de conocimiento externas para responder) y le alimenta de un lote de bases de datos de imágenes de calorías de alimentos de código abierto. No hay modelos propios, ni avances algorítmicos: es un producto que recombinó capacidades ya existentes.

En 2026, tu barrera tecnológica será esta:

• Reconocimiento visual → Llama directamente a las APIs multimodales de GPT / Claude (la interfaz que permite a la IA interpretar imágenes). Pago por uso, con un coste inicial prácticamente cero.
• Interfaz de la app → Tienes un MVP (Producto Mínimo Viable) listo en 4-8 semanas, más 2-3 semanas para aprobar las compras integradas (IAP), la política de privacidad y la clasificación fiscal.
• Cobro por suscripción → Compras integradas en App Store / Google Play. La plataforma se encarga de procesar los pagos y reembolsos a nivel global por ti.

¿Te atreves a cortar funciones hasta dejar solo una? Ahí está el verdadero reto. Cal AI no tiene red social, ni base de datos de recetas, ni planes de entrenamiento. Hace una sola cosa, la clava con un 90% de precisión, y cobra.

En la primera versión que construyas, vas a querer meter funciones de más. No lo hagas. Cada función que añades diluye esa sensación de certeza absoluta de tres segundos.

Paso 3.5: El camino si no sabes programar

Es lo que más lectores me preguntan, así que le dedico un apartado propio.

Si no tienes ni idea de código, en 2026 tienes una vía viable:

1. Construye la primera versión con Glide / Bubble / Softr / Adalo (plataformas no-code: basta con arrastrar y soltar componentes de interfaz para montar una App). Estas herramientas ya permiten llamar a la API de GPT-4o vision, así que crear una app que reconozca imágenes y devuelva texto es hoy técnicamente viable.
2. A la vez, busca en Upwork un freelance que sepa Swift (el lenguaje de desarrollo de iOS), con una tarifa de 30-50 USD por hora, para que te ayude a reescribir el prototipo no-code en una app nativa lista para publicar en el App Store.
3. Aprende por tu cuenta Cursor + Claude Code (herramientas de IA para escribir código) para encargarte de las iteraciones posteriores.

Este camino es un poco más lento, pero no te obliga a aprender a programar desde cero. Con una primera versión en 8-12 semanas y un presupuesto de 1-3 万美金 (incluyendo la suscripción no-code + el freelance + la cuenta de Apple Developer de 99 USD/año), puedes sacar una versión lista para publicar en la tienda.

Paso 4: Mete la palabra “AI” en la ficha de la tienda de apps

Un dato de un informe de Sensor Tower es clave: Cal AI incluyó de media 35 palabras clave relacionadas con IA en la descripción de la App Store por trimestre, y los términos de búsqueda relacionados con IA generaron el 25% de sus descargas orgánicas.

Una cuarta parte del tráfico orgánico proviene simplemente de “poner AI en el título y la descripción”.

Las tiendas de aplicaciones indexan “AI” como una etiqueta de categoría: los productos que incluyen esa palabra en el título entran en el mismo grupo de resultados de búsqueda. Esto está directamente ligado a la ponderación de palabras clave en el ASO (App Store Optimization). Ahora mismo, hay una avalancha de usuarios que buscan directamente en la App Store términos como “AI food”, “AI scanner” o “AI menu”. No buscan tu marca, buscan la categoría. Si tu nombre de app, tu subtítulo o tu descripción no contienen esas palabras, no vas a captar ni un solo usuario de ese tráfico.

Este es el trabajo puntual más barato que vas a hacer, y sus efectos te duran muchísimo tiempo.

Quinto paso: el pricing arranca con suscripción mensual, nada de pago único

9.99 USD al mes es el ancla de precio ya validada en este sector.

¿Por qué no ofrecer un pago único? El valor de los escenarios de alto uso se libera de forma continua: el usuario que lo usa hoy, también lo va a usar mañana. El modelo de pago único aplasta tus ingresos convirtiéndolos en algo puntual, y te condena a comprar tráfico para siempre. La suscripción hace que el usuario que fichas hoy te siga pagando el año que viene.

Un cálculo tosco, pero que te abre los ojos: 10.000 usuarios de pago × 9.99 USD × 12 meses ≈ 1,2 millones de USD de ingresos anuales. Pero ese es el ingreso máximo potencial, no el dinero que te llega al bolsillo. Restando:

• Comisión del 30% del App Store → quedan 840.000
• Costos de API del modelo (con GPT-4o vision a $0.01-0.03 por uso, 10.000 usuarios haciendo 3 fotos al día = 90.000 usos/día ≈ 27.000-80.000 USD al mes) → quedan 760.000-810.000
• Costo de adquisición de usuarios (el eCPI en iOS de categoría salud en EE. UU. ronda los 2-4 USD; 10.000 usuarios de pago implican 200.000-500.000 descargas) → un presupuesto de compra de tráfico de 300.000-2.000.000 USD
• Tasa de reembolso típica de suscripciones del 8-25% → descuenta otro 20%

La ganancia neta real podría ser de 300.000-600.000 USD, y eso ya es una cifra que solo un volumen como el de Cal AI puede lograr. Es un pequeño negocio que puede mantener a 1-2 personas, no son 1,2 millones netos al bolsillo.

IV. La verdadera dificultad de este camino

He ordenado las dificultades según cuánto te van a frenar, no según su probabilidad de ocurrencia.

Dificultad 1: El marketing es el muro, la tecnología no lo es

Esto merece un párrafo aparte, porque los pasos anteriores desmontan la barrera técnica hasta tal punto que te sugieren que “el marketing también lo puedes resolver” —y eso es falso.

Las palabras clave de la App Store te pueden dar una parte del tráfico, pero para llegar al millón de descargas casi siempre vas a tener que pagar por la adquisición. En la categoría de salud de iOS en EE. UU., el CPI (coste por instalación) suele oscilar entre 4 y 8 dólares, y al mezclarlo con el tráfico orgánico el eCPI se sitúa en torno a 2-4 dólares. Un millón de descargas implica un presupuesto mínimo de 2-4 millones de dólares solo en la compra de medios. Ese no es el presupuesto de un estudiante de secundaria; es el presupuesto de una startup que va a por una ronda Serie A.

El equipo de Cal AI invirtió muchísimo más esfuerzo en marketing que en escribir código. “Construir la app es solo el principio, no el final” — esta frase es cierta, no es un cliché.

Si ya has hecho ecommerce antes, esto es una excelente noticia para ti: tu habilidad para comprar tráfico en Meta y TikTok, y tu experiencia con palabras clave haciendo ASO (optimización de listings) en Amazon, se pueden transferir directamente al ASA (Apple Search Ads) de la App Store. Esa es tu entrada al juego; no saber programar no es ningún problema.

Si nunca has comprado tráfico, por esta ruta vas a tener que aprender esa lección antes de lanzarte.

Dificultad dos: la fórmula es una condición necesaria, no suficiente

Esos tres criterios de filtrado solo explican “por qué alguien está dispuesto a pagar”, pero no explican “por qué tú vas a ser quien se lleve ese dinero”.

La verdadera ventaja competitiva de Cal AI no es “tener pocas funciones”, sino la rueda de datos generada por 15 millones de fotos: cada imagen ha sido corregida por modelos o por humanos, por lo que su base de datos de reconocimiento de alimentos es mucho más precisa que la de cualquier recién llegado. Ni siquiera con un millón de fotos registradas los nuevos competidores alcanzarían ese nivel. Este es un activo de datos construido con tiempo, algo que ninguna fórmula mágica te puede otorgar.

Es fácil que como lector pienses: “Yo también puedo replicar a Cal AI”. Pero la dificultad de pasar de 0 a 10.000 usuarios de pago es algo que cualquier fórmula subestima. Hay tres condiciones que te ayudarán a evitar los errores más evidentes, pero si logras despegar o no, dependerá de la fuerza combinada de la experiencia del producto + el marketing + la capacidad de ejecución del equipo.

Dificultad 3: La barrera de entrada es muy baja, pero tiene su lado profundo

Si creas un producto cuya propuesta de valor se explica en una sola frase, significa que cualquier otro también puede copiarlo en una frase. La estrategia convencional es “velocidad y profundidad vertical”: el primero en convertirse en la opción por defecto en la mente del usuario dentro de un nicho lo suficientemente estrecho, se lleva todo el tráfico de búsqueda de esa palabra clave. Pero en este camino no hay balas de plata: las primeras 1.000 reseñas, el posicionamiento por palabras clave y el volumen de búsquedas de marca son activos que requieren tiempo para acumularse.

La barrera de entrada más profunda reside en los datos de los usuarios: después de que hayas registrado un millón de fotos, tu base de datos de reconocimiento será un 5% más precisa que la de un recién llegado. Ese 5% es lo que determina si aparecerás en el primer puesto de los resultados de búsqueda.

Dificultad 4: La división de la reputación (el boca a boca polarizado) es la norma

MenuFit tiene 4,8 estrellas en el App Store, pero en las reseñas escritas su nota se desploma al 2,7: la avalancha de críticas negativas se concentra en la suscripción y la experiencia de cobro. Ese 4,8 es el promedio global de estrellas; el 2,7 refleja la experiencia real de quienes se toman el trabajo de escribir. Que la experiencia de cobro sea pésima es un patrón endémico en este nicho.

Ganar dinero con suscripciones no tiene nada de malo. Pero construir tu modelo sobre hacer casi imposible cancelar es una receta garantizada para el desastre: el final de ese camino es un alud de reseñas negativas y la expulsión de la tienda.

V. El marco de prueba de 30 días

Si te convence el diagnóstico anterior, ponte en marcha con este marco de prueba de 30 días:

Días 1-3: enumera cinco escenarios, elige el que más te frene y valida en el App Store y Reddit siguiendo el método del paso dos.

Días 4-7: monta un prototipo no-code con Glide / Bubble / Softr y deja funcionando el reconocimiento por foto (aunque solo reconozca un plato). Coste: 0-50 dólares. Punto de decisión: ¿la precisión del reconocimiento llega al 70%? Si no, cambia de escenario.

Días 8-14: recluta a 20 usuarios objetivo (búscalos en Reddit / Discord / Pinterest+Reddit) para una prueba gratuita y recopila feedback real sobre si pagarían. Punto de decisión: si al menos 3 de los 20 dicen “pagaría 9,99/mes”, sigue; si no, cambia de escenario.

Días 15-30: busca un freelance Swift para reescribir la versión nativa + redactar los materiales de la App Store + preparar el IAP para el lanzamiento. Presupuesto: 3000-8000 USD. Punto de decisión: a los 30 días, ¿tienes la confianza de conseguir 100 usuarios de pago reales en 60 días? Si no, detente.

El instinto de un veterano del e-commerce es “si el ROI de la publicidad da positivo, escala; si no, corta de inmediato”. Esta regla se aplica exactamente igual a las Apps. Si en 30 días puedes validar la dirección, hazlo; si no, cambia de rumbo. Empeñarte a ciegas en algo que no funciona es el mayor costo en este sector.

Esa hoja con los cinco escenarios, te sugiero que la tomes ahora mismo.

El mayor costo para una persona común al crear un producto no es el dinero, es esperar una “idea más grandiosa” y, al final, no hacer nada. Dos estudiantes de secundaria de 17 años no esperaron: crearon una función de fotos y, 18 meses después, fueron adquiridos por MyFitnessPal. No vas a ser peor que ellos, pero sí vas a ser más lento, a menos que hoy mismo tomes la primera foto.

Levanta el teléfono.