Durante más de dos décadas el mercado IT ha funcionado según un modelo relativamente sencillo.
La empresa tiene un problema. Compra un sistema. Implementa el sistema. Forma a los empleados. Aprende a usar el sistema. Y luego intenta alcanzar el objetivo de negocio establecido.
Así eran las implementaciones:
- CRM,
- ERP,
- sistemas de almacén,
- plataformas de comercio electrónico,
- herramientas de marketing,
- sistemas de gestión de proyectos.
Durante años a nadie le extrañó. Al fin y al cabo el software era la herramienta destinada a ayudar a conseguir un resultado determinado.
Pero hoy surge una pregunta que hace unos años sonaría absurda: ¿Seguirán las empresas comprando software?
¿O empezarán a comprar competencias listas para usar, realizadas por la inteligencia artificial?
Esto ya no es una visión futurista. Los primeros síntomas de este cambio son visibles ahora.
¿Cómo ha funcionado el mercado IT hasta ahora?
Durante décadas comprábamos herramientas.
¿Un ejemplo?
La empresa necesitaba gestionar mejor las ventas. - Compraba un CRM.
Necesitaba reporting. - Compraba un sistema BI.
Necesitaba automatizar el marketing. - Compraba otra herramienta.
El problema era que comprar un sistema nunca significaba automáticamente alcanzar el objetivo.
Comprar un CRM no garantizaba el aumento de ventas.
Comprar un ERP no garantizaba una mejor gestión.
Comprar una plataforma de marketing no garantizaba más clientes.
La empresa compraba la posibilidad de realizar el trabajo. No el resultado.
Y precisamente eso puede cambiar.
Software-as-a-Service - el modelo que dominó el mundo
Primero apareció el SaaS (Software-as-a-Service).
En lugar de comprar licencias e instalar el sistema en sus propios servidores, las empresas empezaron a usar servicios por suscripción.
Surgieron miles de plataformas:
- CRMs,
- sistemas de RR.HH.,
- helpdesks,
- plataformas de e-commerce,
- herramientas de marketing.
El modelo resultó ser un gran éxito.
Pero tenía una pega: seguía requiriendo operación. Era la persona la que hacía el trabajo. El sistema era solo una herramienta.
¿Qué cambia la IA?
Por primera vez en la historia, la herramienta empieza a realizar parte del trabajo de forma autónoma. Es una diferencia fundamental.
Ejemplo.
CRM clásico:
- almacena datos de clientes,
- permite añadir notas,
- genera informes.
Agente de IA:
- analiza a los clientes,
- detecta riesgo de pérdida,
- propone acciones,
- prepara mensajes,
- lanza workflows.
Y en el futuro puede hacer aún más.
Y por eso cada vez se habla más de un nuevo modelo.
Outcome-as-a-Service
Este concepto aparecerá con mayor frecuencia.
Outcome significa resultado.
Ya no compramos la herramienta. Compramos el efecto.
Ejemplo.
Hoy una empresa compra una plataforma de automatización de marketing.
Mañana puede comprar: "captación de 100 leads cualificados al mes".
Sin preocuparse por la tecnología que actúa en segundo plano.
Para el cliente lo importante es el resultado. No la herramienta.
Es un cambio muy similar al que observamos con la nube.
Hoy casi nadie se pregunta en qué servidor funciona una aplicación. Lo que importa es la disponibilidad del servicio.
Algo similar puede ocurrir con la IA.
Agent-as-a-Service
Una dirección aún más interesante es Agent-as-a-Service.
Es decir, la posibilidad de "alquilar" competencias.
No de una persona.
Ni de un sistema.
De agentes de IA.
Imaginemos una empresa que necesita apoyo en ventas.
En lugar de contratar a una persona adicional o comprar otra herramienta, utiliza un agente responsable de:
- análisis de leads,
- preparación de propuestas,
- cualificación de clientes,
- reporting.
La empresa no compra funciones. Compra competencia.
Es un cambio muy grande en la forma de pensar sobre la tecnología.
Glosario de términos
SaaS (Software-as-a-Service)
Modelo de entrega de software en forma de servicio por suscripción.
Outcome-as-a-Service
Modelo en el que el cliente paga por un resultado de negocio y no por la herramienta en sí.
Agent-as-a-Service
Servicio consistente en proporcionar agentes de IA especializados que realizan tareas concretas.
Agente de IA
Sistema capaz de analizar información, tomar acciones y cumplir objetivos definidos.
Orquestación de IA
Coordinación de múltiples agentes, procesos y sistemas para lograr una tarea de negocio.
¿Cómo podría ser una empresa dentro de unos años?
Imaginemos una empresa de tamaño medio.
Hoy tiene:
- CRM,
- ERP,
- helpdesk,
- sistema contable,
- plataforma de marketing,
- sistema de informes.
Los empleados inician sesión cada día en múltiples aplicaciones. Cambian entre pantallas. Exportan datos. Crean informes. Mueven información.
Dentro de unos años es posible otro modelo: el empleado comunica el objetivo.
Capa de agentes de IA:
- recoge datos,
- analiza la situación,
- toma acciones,
- informa de resultados.
Los sistemas seguirán existiendo, pero dejarán de ser el centro del trabajo: pasarán a ser fuentes de datos.
¿Significa esto el fin del SaaS tradicional?
No. Al menos no en los próximos años.
Los sistemas de negocio seguirán siendo necesarios.
El ERP no desaparecerá.
El CRM no desaparecerá.
Las plataformas de e-commerce no desaparecerán.
Sin embargo, cambiará la forma de utilizarlos.
Cada vez más, el usuario no trabajará directamente en el sistema. Colaborará con una capa de inteligencia que realizará la mayoría de las operaciones.
¿Dónde pueden equivocarse las empresas?
El mayor error es creer que la IA lo resolverá todo por sí sola.
No funciona así.
Un agente sin datos es inútil.
Un agente sin integración está limitado.
Un agente sin supervisión puede tomar decisiones erróneas.
Por eso el futuro no consiste en reemplazar todos los sistemas con IA. Consiste en conectarlos de forma inteligente.
Banderas rojas en las implementaciones
🚩 La empresa implementa IA sin tener datos ordenados.
🚩 El agente no tiene acceso a los procesos reales.
🚩 Falta validación y supervisión humana.
🚩 La IA funciona al margen de la organización en lugar de integrarse en sus procesos.
🚩 Se espera autonomía total desde el primer día.
Esos proyectos suelen acabar en decepción.
¿Cómo prepararse para este cambio?
No hace falta construir de inmediato un ejército de agentes. Vale la pena empezar por los cimientos.
1. Ordena los datos
Los datos serán la moneda de la nueva economía de la IA.
2. Construye una arquitectura API-first
Las integraciones serán aún más importantes que hoy.
3. Documenta los procesos
Un agente no puede asumir un proceso que nadie entiende.
4. Piensa en resultados
No preguntes:
"¿Qué herramienta comprar?"
Pregunta:
"¿Qué resultado queremos lograr?"
Ejemplo real
Imaginemos el departamento de atención al cliente.
Enfoque clásico:
- sistema de tickets,
- análisis manual de solicitudes,
- asignación manual de casos,
- reporting.
Enfoque con agentes:
- el agente clasifica las solicitudes,
- determina la prioridad,
- asigna al departamento adecuado,
- prepara la respuesta,
- monitoriza el cumplimiento de plazos,
- informa de los resultados.
El empleado sigue existiendo. Pero su papel cambia de operador a supervisor del proceso.
Conclusión más importante
El futuro del mercado IT puede no consistir en comprar más sistemas. Puede consistir en comprar la capacidad de alcanzar resultados concretos.
Así como las empresas dejaron de comprar sus propios servidores y empezaron a usar la nube.
Así pueden dejar de comprar herramientas y empezar a usar competencias realizadas por agentes de IA.
No significa el fin del software. Significa un cambio en su papel.
El software será cada vez más invisible. Lo visible seguirá siendo el resultado.
Y precisamente de ese resultado es de lo que siempre se ha ocupado el negocio.
