Agentes de IA frente al modelo de negocio SaaS: Por qué el SaaSpocalipsis es un error

Si has estado siguiendo los mercados la semana pasada, seguramente has presenciado la debacle. Los principales actores del sector SaaS (Software como Servicio), como Salesforce, ServiceNow y las grandes consultoras de TI, han sufrido un duro golpe. La narrativa que impulsa esta caída es atractiva, aterradora y parece inevitable: el «Saaspocalipsis» finalmente ha llegado.

El detonante de este pánico es la rápida evolución de las capacidades "agenciales" en la Inteligencia Artificial. En concreto, el lanzamiento de las últimas de Cowork , que introducen agentes capaces de trabajar junto a humanos en entornos compartidos, tiene a los inversores aterrorizados.

La lógica parece sólida en apariencia: si un agente de IA puede navegar por los complejos menús de SAP, Infor LN o Salesforce mejor, más rápido y más barato que un humano, ¿por qué una empresa seguiría pagando costosas licencias por usuario ? ¿Para qué contratar a un consultor junior para hacer clic en botones y configurar tablas cuando un agente puede hacerlo por una fracción de centavo por token?

El mercado está descontando un futuro en el que los ingresos por software se desplomarán debido a que la IA canibalizará la base de usuarios. Pero como alguien que ha dedicado más de una década a implementar sistemas ERP, trabajando en entornos multinacionales complejos como Infor LN, veo una brecha enorme y peligrosa entre el pánico financiero y la realidad técnica.

El temor económico frente a la realidad técnica

Para entender por qué el mercado se equivoca, primero debemos comprender a qué le temen. El modelo de negocio SaaS se basa en licencias, donde se cobra una cuota mensual por cada usuario que necesita acceder al sistema.
Si un agente de IA puede iniciar sesión como un único "superusuario" y realizar el trabajo de 50 representantes de atención al cliente o 10 planificadores de la cadena de suministro, el modelo de ingresos de estos gigantes del software se esfuma.

Sin embargo, este temor parte de una premisa fundamental: que los agentes de IA realmente funcionen.

No me refiero solo a "trabajar" en una demostración donde reservan un vuelo o resumen un PDF. Me refiero a trabajar en el complejo y exigente entorno de enterprise resource planning, donde un solo clic erróneo puede costar millones.

Mientras Wall Street vendía, la comunidad científica emitía serias advertencias.
El último Informe Científico Internacional sobre la Seguridad de la IA Avanzada, publicado hace apenas unos días por el Instituto de Seguridad de la IA del gobierno británico, llega a una conclusión contundente que todo director de tecnología debería imprimir y pegar en la pared:

“La automatización fiable de tareas largas o complejas sigue siendo inviable.” (Fuente: Informe Científico Internacional sobre la Seguridad de la IA Avanzada)

Este es el secreto a voces del actual auge de la IA. Un agente que funciona el 90% de las veces es un milagro para tareas creativas. Si le pides a ChatGPT que escriba un poema y se equivoca en la rima, no pasa nada. Pero en mi mundo de implementación de ERP y procesos de negocio críticos, una precisión del 90% es un desastre.

La brecha de gobernanza: una carrera sin frenos

Más allá de la fiabilidad técnica, el informe destaca un riesgo estructural que el análisis superficial del mercado ignora por completo. Concluye que existe una brecha cada vez mayor entre el ritmo de avance de la IA y la capacidad de la sociedad para crear medidas eficaces de seguridad y gobernanza.

En el mundo empresarial, esta brecha es fatal. Los sistemas ERP son la columna vertebral del cumplimiento normativo, la tributación y la información financiera. No se puede implementar tecnología de "avanzar rápido y romper cosas" en sistemas diseñados para la estabilidad y la auditabilidad. La euforia actual supone que podemos desplegar agentes autónomos hoy mismo; la realidad es que carecemos de los marcos de gobernanza necesarios incluso para supervisar sus acciones, y mucho menos para controlarlos.

El riesgo oculto: La muerte del modelo de aprendizaje

Existe una razón más oscura y estructural por la que las empresas de consultoría, en particular, están viendo cómo se deprecian sus acciones. El problema va mucho más allá de las licencias de software y afecta directamente a la pérdida de talento.

Durante décadas, el modelo de negocio de las consultoras se ha basado en una estructura piramidal: ejércitos de consultores junior realizan el trabajo de configuración básica y entrada de datos (facturado al cliente) mientras aprenden el oficio. Observan a los consultores senior para comprender la compleja lógica de los procesos de negocio.

Si hoy sustituimos a estos desarrolladores junior por agentes de IA para ahorrar dinero, mañana crearemos un vacío de conocimiento .
Un análisis reciente sobre la crisis de los desarrolladores junior plantea una pregunta inquietante: si nadie realiza el trabajo pesado, ¿cómo se puede llegar a ser senior?

No se puede aprender a gestionar una crisis compleja de la cadena de suministro en Infor LN si no se han dedicado años a comprender las transacciones básicas que la originaron.
El mercado teme, con razón, que al automatizar las tareas básicas, estemos reduciendo la oferta de futuros expertos, dejando a las empresas con agentes de IA rápidos, pero sin humanos capaces de discernir si el agente tiene razón o no.

La falacia del "hágalo usted mismo"

Otro mito peligroso que alimenta esta volatilidad del mercado es la idea de que herramientas como Project Genie o Claude permitirán a todas las empresas simplemente "crear su propio ERP internamente", evitando por completo a los costosos proveedores de SaaS.

Esta visión malinterpreta fundamentalmente lo que es el software.

Escribir código no es lo mismo que construir un sistema.

Pensemos en la industria de los videojuegos. La IA generativa puede crear modelos 3D y escribir guiones, pero eso no significa que un adolescente en su habitación pueda crear Elden Ring o Grand Theft Auto de la noche a la mañana. Un juego magistral requiere diseño de niveles, ritmo narrativo, motores de física y optimización. Una estructura compleja donde el código es solo una pieza más.

Lo mismo se aplica a los ERP y CRM.
Un ERP no es solo una colección de scripts de Python; es una estructura cristalizada de leyes fiscales internacionales, cumplimiento de la cadena de suministro, protocolos de seguridad y mejores prácticas contables. Pensar que una empresa desechará SAP o Salesforce para crear un CRM con IA "a medida" es una locura. Subestima la complejidad de los procesos integrados en estas herramientas.

Informes recientes de SupplyChainBrain (febrero de 2026) lo confirman: los líderes ya se están dando cuenta de que mantener agentes de IA personalizados es una pesadilla y están volviendo a los proveedores establecidos.

Además, no debemos olvidar la inercia humana. He dedicado gran parte de mi carrera a migrar empresas de entornos locales a la nube. Es una transición que, técnicamente, debería durar meses, pero en todo el sector ha tardado décadas y aún continúa. ¿Por qué? Porque los seres humanos y las organizaciones cambian lentamente. La idea de que los hábitos corporativos cambiarán de la noche a la mañana solo porque se haya lanzado un nuevo modelo de IA ignora la realidad de cómo operan realmente las empresas.

La ilusión del agente

Esto nos lleva a un malentendido crucial en el sector. A menudo culpamos a la IA de estos fallos, pero el problema es más profundo.
Como exploré en mi reciente artículo « La ilusión del agente: por qué su ERP aún no está listo para el piloto automático», existe una cruda realidad que acaba con hasta el 85 % de los proyectos de IA antes incluso de que comiencen.

El error radica en pensar que se puede superponer una inteligencia autónoma del siglo XXI sobre estructuras de datos estáticas y obsoletas del siglo XX y esperar resultados milagrosos. No se puede construir un motor de Ferrari (el agente de IA) e instalarlo en un chasis oxidado (los datos heredados del sistema ERP) y esperar ganar la carrera. El agente no solo necesita ser inteligente; el entorno en el que opera debe estar preparado para la inteligencia. La mayoría de los sistemas ERP simplemente no lo están.

La era de la ingeniería agencial

¿Significa esto que el Saaspocalipsis es un mito? No. Significa que se han malinterpretado la cronología y la naturaleza del cambio. No nos dirigimos hacia un mundo donde el software funcione solo mañana.
Nos dirigimos hacia un mundo donde el papel del ser humano cambiará drásticamente.

Andrej Karpathy, una de las mentes más brillantes en IA (anteriormente en OpenAI y Tesla), señaló recientemente que la era de la programación intuitiva, en la que simplemente se le pide a una IA que escriba código y se espera lo mejor, ha terminado.
Estamos entrando en la era de la ingeniería agencial.

Para profesionales como nosotros, incluyendo consultores, desarrolladores y arquitectos de sistemas, el trabajo no está desapareciendo, sino que se está volviendo significativamente más difícil.
Nos estamos convirtiendo en los arquitectos y supervisores de agentes de IA.

“Ingeniería de agentes” significa construir la estructura que mantiene seguros a estos agentes. Implica:

1. Marcos de evaluación: conjuntos de pruebas exhaustivas para garantizar que el agente no tenga ideas erróneas sobre las cifras de inventario.
2. Medidas de seguridad: Límites predefinidos (por ejemplo, "La IA no puede aprobar una orden de compra superior a 10.000 euros sin la aprobación humana").
3. Flujos de trabajo con intervención humana: Diseño de procesos en los que la IA se encarga del trabajo pesado de introducción de datos, pero un experto humano (el "piloto") valida los puntos de decisión críticos.

El cambio de “asientos” a “resultados”

El modelo de negocio cambiará . El por usuario está en peligro, pero no porque nadie vaya a usar el software, sino porque la métrica de valor está cambiando.

Ya estamos viendo las primeras señales concretas de este cambio. Salesforce ha comenzado a adaptarse a esta realidad con el lanzamiento de Agentforce, introduciendo un modelo de precios basado en 2 dólares por conversación en lugar de solo por licencias de usuario. Comprendieron que vender licencias de inicio de sesión para bots autónomos no tiene sentido; deben vender el resultado del trabajo.

Esto coincide con lo que Bessemer Venture Partners define como el auge del "servicio como software". En este nuevo paradigma, los proveedores no solo venden una herramienta (un CRM o un ERP), sino que venden el trabajo digital en sí mismo.

En el futuro, es probable que Infor o SAP no solo te cobren por la cantidad de personas que inician sesión. Probablemente te cobrarán por los resultados:

• “Coste por factura procesada.”
• “Costo por resolución exitosa del servicio de atención al cliente.”
• “Coste por plan de cadena de suministro optimizado.”

Este cambio resulta beneficioso para los proveedores si logran descifrar el código de la confiabilidad. Pero hasta que lo consigan, la dependencia de la experiencia humana seguirá siendo absoluta.

Por qué la experiencia importa más que nunca

Existe el temor de que la IA iguale las condiciones, equiparando a un consultor junior con ChatGPT con un experto senior. Yo sostengo lo contrario.

Cuando se utiliza una herramienta que miente con seguridad, se necesita más experiencia para detectar la mentira, no menos.

Un consultor junior podría aceptar la sugerencia de la IA de cambiar la asignación del Libro Mayor porque "parece correcta". Un consultor senior sabe que cambiar esa asignación provocará fallos en el informe fiscal de fin de año debido a una normativa tributaria local que los datos de entrenamiento de la IA (centrados principalmente en EE. UU.) desconocen.

Si bien la del apocalipsis laboral parte de la base de que nuestro valor reside en la velocidad de escritura o la memoria, nuestro verdadero valor reside en el criterio.

Mi conclusión

El mercado está valorando a las empresas en función del potencial de la IA, ignorando la realidad técnica de su implementación.

La ingeniería real se ocupa de casos excepcionales. La ingeniería real se ocupa de datos erróneos, integraciones heredadas y reglas de negocio contradictorias. Hasta que los agentes de IA puedan demostrar su fiabilidad a gran escala sin la supervisión humana constante, algo que la comunidad científica considera aún lejano, el modelo SaaS simplemente se ve presionado a evolucionar en lugar de enfrentarse a la extinción.

El futuro reside en que los humanos gestionen a los agentes, en lugar de en una batalla entre la IA y los humanos.

Escrito por Andrea Guaccio 

9 de febrero de 2026