Lo que viene después del SaaS
Diario de Innovación #336
Hay ideas que no hacen ruido cuando aparecen.
Pero, cuando las entiendes, ya no puedes volver atrás.
Esta es una de ellas.
Durante años, hemos vivido dentro de un mismo marco mental.
El software como producto.
El SaaS como modelo.
Las empresas como consumidoras de herramientas.
Pagas por el acceso.
Pagas por la licencia.
Pagas por usar algo que, en el fondo, alguien en tu organización tiene que aprender, integrar y ejecutar.
Era lógico.
Era lo que había.
Pero algo está empezando a cambiar.
Y no tiene que ver solo con la inteligencia artificial.
Tiene que ver con qué estamos comprando realmente cuando compramos tecnología.
Hace poco leía una tesis que me dejó pensando más de la cuenta:
La próxima gran empresa no venderá software.
Venderá el trabajo hecho.
No herramientas.
No copilots.
No “AI for X”.
Trabajo terminado.
Es una idea sencilla.
Pero si la miras con calma… es bastante disruptiva.
Porque cambia la unidad básica de valor.
Ya no compras:
un CRM
un ERP
un software de contabilidad
Compras:
clientes gestionados
procesos ejecutados
cuentas cerradas
Y en ese cambio hay algo casi invisible… pero muy profundo.
Durante años, el software capturaba una pequeña parte del valor.
El resto —la mayor parte— estaba en los servicios.
Implementación.
Operación.
Mantenimiento.
Personas.
Se suele decir que por cada dólar en software, hay varios en servicios (1:6).
Y eso ha sido así durante décadas.
La inteligencia artificial, y especialmente los agentes, empiezan a tensionar ese equilibrio.
No porque hagan el software mejor.
Sino porque empiezan a hacer el trabajo.
Y cuando eso ocurre, aparece algo que hasta ahora era difícil de imaginar de forma práctica: BPaaS real.
No como etiqueta comercial.
Sino como modelo operativo.
Procesos completos ejecutados de extremo a extremo, donde:
la IA hace la mayor parte
el humano supervisa, decide en los bordes
y el cliente paga por el resultado
No por la herramienta.
Pero aquí viene la parte interesante.
Porque no todo el mundo va a poder jugar este juego.
Ni ganarlo.
Si todos tenemos acceso a modelos cada vez mejores, ¿dónde está la diferencia?
No en el modelo.
No en la tecnología base.
La diferencia empieza a desplazarse hacia otro sitio, la verticalización y la especialización sectorial.
Entender profundamente un dominio.
Sus procesos.
Sus excepciones.
Su regulación.
Sus matices.
Eso es lo que permite empaquetar “trabajo” de verdad.
No una demo.
No una feature.
Trabajo que alguien está dispuesto a pagar porque desaparece de su lista de problemas.
Y aquí es donde todo encaja.
Los agentes no son solo una mejora del software.
Son la pieza que faltaba para cerrar el círculo.
Para pasar de herramientas que ayudan a sistemas que ejecutan.
No significa que el software desaparezca.
Pero sí que cambia su papel.
Se vuelve invisible.
Se convierte en infraestructura.
Y lo que emerge por encima… se parece más a una empresa de servicios que a una empresa de software.
Aunque por dentro sea puro código.
Quizá todavía es pronto.
Quizá en muchos sectores esto tardará más de lo que pensamos.
La confianza, la regulación, el juicio humano… siguen importando.
Y seguirán.
Pero el movimiento ya está en marcha.
Y como suele pasar, no empieza siendo evidente.
Empieza como una idea que parece lógica y acaba cambiando la forma en la que se construyen las empresas.
Te dejo una pregunta para cerrar, más para pensar que para responder:
Si mañana pudieras elegir, ¿preferirías una herramienta mejor o que el problema, directamente, desapareciera?
🌍 El eco del mercado
🖼️ La imagen ya no es un output: es un sistema que piensa. OpenAI lanza Images 2.0, que no solo mejora calidad visual, sino que integra razonamiento, texto y acceso a información web para generar contenido más coherente. Más que generar imágenes, esto apunta a la convergencia real del modelo multimodal como interfaz universal.
🤖 Google activa el modo “investigador autónomo”. Google presenta Deep Research y Deep Research Max: agentes capaces de buscar, sintetizar y operar sobre información compleja sin intervención constante. El verdadero movimiento está en pasar de copilotos a sistemas que ejecutan tareas completas.
🧱 El data stack se rompe: empieza la era agentic. Google redefine su arquitectura de datos para adaptarse a agentes que actúan, no solo consultan. Más que data pipelines, esto va de sistemas que toman decisiones en tiempo real.
💰 Google compra talento, pero sobre todo compute. Acuerdo multimillonario con Thinking Machines Lab apoyado en chips NVIDIA GB300. Señal clara de que la guerra de la IA ya es guerra de infraestructura, no de modelos.
👁️ Meta entrena IA observando a sus propios empleados. La compañía usará interacciones reales (teclado, ratón) como datos de entrenamiento. El dato escaso ya no es texto, es comportamiento humano en contexto.
📦 La IA se baja del cloud al dispositivo. Anker lanza su propio chip para ejecutar modelos localmente en wearables y accesorios. Señal débil de un cambio fuerte: IA ubicua, barata y sin dependencia del cloud.
🎓 La educación se convierte en producto freemium con IA. Duolingo abre contenido avanzado a usuarios gratuitos apoyándose en IA. Más que democratización, esto va de escalar educación sin coste marginal humano.
💸 DeepSeek no necesita dinero, pero sí señal. La startup china levanta capital para fijar valoración y retener talento. El verdadero activo ya no es el capital, es evitar la fuga de cerebros en la guerra de la IA.
🏗️ China convierte Hong Kong en puerta de salida tech. Oleada de IPOs tecnológicas (especialmente biotech) impulsadas por política estatal. Esto apunta a una estrategia clara: financiar innovación doméstica con capital global.
📊 El nuevo commodity no es el dato, es el token. China gana peso en consumo global de tokens de IA. Señal clave: la economía de la IA empieza a medirse en tokens, no en usuarios.
💥 El eslabón débil de la IA: los agentes mal integrados. Un ataque basado en OAuth y herramientas de IA expone sistemas críticos en Vercel. Más que el modelo, el riesgo está en cómo se conecta.
🧨 Datos robados, entrenamiento cuestionado. Clarifai elimina 3 millones de imágenes usadas sin consentimiento. El entrenamiento de modelos sigue teniendo un problema estructural de legitimidad.
🚀 SpaceX quiere dominar también el software. Posible adquisición de Cursor por $60B para integrar desarrollo de código con IA. Más que cohetes, esto va de controlar la capa de productividad del futuro.
🌐 La infraestructura como arma geopolítica. Irán denuncia sabotaje en sistemas de red de origen estadounidense. Dependencia tecnológica = vulnerabilidad estratégica.
🧠 La IA falla más cuando intentas pensar con ella. Los LLMs muestran mayores alucinaciones en tareas complejas o ambiguas. La limitación no es técnica, es epistemológica: no saben lo que no saben.
👥 La IA mejora individuos, no organizaciones. Muchas implementaciones aumentan productividad personal, pero no colaboración. El problema no es la IA, es el diseño organizativo.
⚡ La IA tiene un coste energético que empieza a incomodar. Data centers ligados a OpenAI, Microsoft o Meta podrían emitir más que países enteros. El cuello de botella de la IA no será el modelo, será la energía.
💾 El futuro del almacenamiento podría ser eterno. Investigadores proponen almacenar datos en cristal durante más de 10.000 años. Señal débil de cambio: repensar almacenamiento no solo en escala, sino en tiempo.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.
PD. Si te interesa este cambio de modelo (de software a servicios, de herramientas a resultados), te dejo algunas lecturas que ayudan a verlo con más perspectiva:
El Dilema de los Innovadores de Clayton Christensen
El Método Lean Startup de Eric Ries
Play Bigger de Al Ramadan y equipo
Organizaciones Exponenciales de Salim Ismail
ReWork de Jason Fried y David Heinemeier Hansson
Ideas distintas, épocas distintas… pero todas con algo en común: explican cómo cambian las reglas cuando cambia la forma de crear valor.