IA agencial vs SaaS: 3 presiones que redefinen el negocio

¿Por qué los CIOs se preguntan si el SaaS sigue teniendo sentido?

En las grandes empresas, una pregunta incómoda pero inevitable se repite en reuniones de tecnología: si un agente de inteligencia artificial puede razonar sobre una tarea, elegir las herramientas adecuadas y completar el trabajo de forma autónoma, ¿para qué necesitamos software como servicio hoy? La respuesta no es el fin del SaaS, sino el cierre de una etapa en la que esta categoría quedó definida por las aplicaciones.

La unidad de valor cambia radicalmente: deja de depender del ingreso de un usuario a una aplicación y pasa a ser la acción que ejecuta un agente. Ese giro puede transformar por completo cómo las empresas crean, compran, valoran y utilizan software en los próximos tres a cinco años. Y en algunas compañías, este proceso ya está bastante avanzado.

Los datos respaldan la aceleración. Según la última encuesta de Deloitte Insights sobre el estado de la IA en la empresa, el 74% de las compañías prevé utilizar IA agencial al menos de forma moderada durante los próximos dos años. Esto incluye agentes capaces de establecer objetivos, razonar sobre tareas de varios pasos, coordinar trabajo con personas y otros agentes, y actuar con supervisión limitada.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Pero hay una brecha crítica entre expectativas y preparación. Según la misma encuesta de Deloitte —que entrevistó a más de 500 líderes empresariales y de TI en Estados Unidos entre abril y junio de 2026—, aunque el 42% de los líderes ya ha testeado o desplegado agentes de IA y el 43% los ha implementado en más de una función, solo el 15% ha logrado escalar una adopción multiagente orquestada. Además, apenas el 21% de los encuestados considera que sus procesos de negocio están preparados para esta transformación.

Tres puntos de presión que redefinen el modelo SaaS

El impacto de la IA agencial sobre el SaaS se concentra en tres áreas principales: precios, interfaces y orquestación. Cada una plantea desafíos estructurales para proveedores y compradores.

Precios: cuando el modelo por usuario se rompe

Los modelos actuales de precios por usuario (o por puesto) y por consumo fueron diseñados para un escenario donde la unidad de trabajo son las personas. Los agentes rompen esa premisa. Una persona que supervisa un equipo de agentes puede alcanzar mucha más productividad, lo que hace que las estructuras basadas en tarifas por usuario generen licencias de software redundantes o sin uso.

Incluso agregar funciones de IA, como inferencia o consumo de tokens para respaldar una adopción a gran escala, puede derivar en facturas impredecibles y sobrecostos. Según Moor Insights & Strategy, citado en Forbes, la complejidad del pricing de agentes empeoró respecto al año anterior desde la perspectiva del cliente empresarial, debido a la proliferación de sistemas incompatibles de créditos de IA.

Los modelos híbridos —que mezclan licencias con componentes vinculados a resultados o valor, más algún elemento asociado al uso— podrían convertirse en el estándar. Algunos proveedores ya están probando esto: Microsoft con Copilot Cowork ofrece ventajas de precio para clientes que mantienen todo el ciclo de vida del agente dentro del ecosistema Microsoft, de manera análoga a cómo los proveedores de nube ofrecen descuentos al usar su propio silicio personalizado.

Interfaces: de espacio de trabajo a torre de control

Cuando los agentes hacen el trabajo, la interfaz de usuario (UI) de la aplicación pasa a funcionar como un centro de mando digital centralizado —una torre de control— y deja de ser un espacio de trabajo. Los usuarios dedican menos tiempo dentro de las aplicaciones y más tiempo estableciendo objetivos, revisando resultados e interviniendo cuando hace falta criterio humano.

Esto abre una pregunta que los proveedores de SaaS todavía no respondieron: ¿dónde reside esa torre de control? ¿Dentro del ecosistema cerrado de un proveedor o en una capa neutral de orquestación ubicada por encima de todos ellos?

Aaron Levie, CEO de Box, lo tiene claro. En una entrevista con Computerworld, afirmó que «la conversación está cambiando de ‘la IA interrumpe el software’ a ‘la IA será el mayor consumidor y usuario del software en el futuro'». Para Box, eso significa operar como una plataforma headless: accesible vía APIs dentro de ChatGPT, Claude, y cualquier otro sistema donde los agentes necesiten gestionar contenido.

Levie también señaló que el modelo de asientos (seats) seguirá siendo duradero para el usuario final, porque incluso cuando un agente trabaja sobre tus datos, sigue siendo tú quien invoca ese agente. Pero para las interacciones exclusivamente de agentes, el modelo será principalmente de consumo vía API.

Orquestación: la disputa por el control

Es muy probable que las grandes empresas no administren sus negocios con un único grupo de agentes perteneciente a un solo proveedor. Podrían recurrir a numerosos agentes de distintas fuentes: algunos provenientes de paquetes de software existentes, otros de plataformas de IA de proveedores de nube, otros de compañías especializadas en IA y otros desarrollados internamente.

La disputa no pasa por quién tiene el agente más inteligente, sino por quién controla la capa de orquestación situada por encima de todos ellos. Por eso, algunos proveedores de SaaS compiten por integrar agentes en sus suites existentes, mientras otros ubican sus plataformas de productividad como una capa de control universal. Una nueva ola de jugadores apuesta a que la orquestación podría convertir las aplicaciones subyacentes en productos indiferenciados.

Los datos de adopción muestran que esta transición no es teórica. Según el Agentic Enterprise Index de Salesforce, el número promedio de agentes activos por organización casi se triplicó —de 5 a 13— entre febrero de 2025 y abril de 2026. En abril de 2026, se consumieron 734 millones de Unidades de Trabajo Agéntico (AWUs), representando un incremento del 15% mes a mes. El tiempo para crear un nuevo agente cayó un 53%, de 4 días a 1,9 días.

¿Qué significa esto para tu startup?

Si tu empresa vende software, depende de contratos SaaS o integra múltiples plataformas, estos cambios afectan directamente tu modelo de negocio. Aquí hay cuatro acciones concretas que puedes implementar:

1. Construye una base de datos pensada para agentes

El acceso, la observabilidad, el linaje y la gobernanza son requisitos esenciales para implementar agentes de manera segura y a gran escala. Muchas empresas sobreestiman el nivel de preparación de sus datos, y esa brecha queda expuesta apenas los agentes empiezan a actuar sobre esa información. Según Deloitte, el 72% de los líderes encuestados carece de datos unificados y accesibles, y el 70% no se siente capaz de confiar y gobernar agentes.

Acción concreta: audita tu infraestructura de datos antes de contratar nuevos agentes. Identifica qué sistemas tienen datos limpios, documentados y con lineaje claro. Sin eso, cualquier inversión en IA agencial tendrá resultados inconsistentes.

2. Renegocia tus contratos SaaS con cláusulas de IA agencial

Las organizaciones deberían evaluar la incorporación de cláusulas específicas sobre IA agencial en las renovaciones de contratos, incluyendo la portabilidad de agentes y datos, la transparencia sobre el consumo y el derecho a integrarse con capas de orquestación ajenas al proveedor.

Acción concreta: en tu próximo ciclo de renovación SaaS, añade preguntas al RFP sobre cómo el proveedor soporta agentes externos, si permite exportación de configuraciones de agentes y qué garantías ofrece sobre costos variables de consumo.

3. Define deliberadamente tu arquitectura de orquestación

Las organizaciones deben analizar cuidadosamente si conviene apostar por el ecosistema de agentes de un único proveedor, desarrollar una capa propia de orquestación neutral o adoptar un modelo federado. Sin una decisión clara, la empresa podría terminar condicionada por las consecuencias de una arquitectura inadecuada.

Acción concreta: mapea qué agentes necesitas hoy y cuáles previsiblemente necesitarás en 18 meses. Decide si esos agentes vivirán dentro de una suite existente (ej. Salesforce Agentforce, Oracle Fusion), en una plataforma de nube (AWS, Google Cloud, Azure) o en una capa independiente. Documenta los trade-offs de cada opción.

4. Capacita a tu personal como supervisor de agentes, no como usuario

Los puestos de trabajo dejan de centrarse en operar software y pasan a administrar una fuerza laboral híbrida compuesta por personas y agentes: definir objetivos, validar resultados e intervenir cuando hace falta criterio humano. Este cambio cultural requiere inversión intencional en capacitación.

Según Deloitte, el 43% de los líderes anticipa disrupción significativa en empleos dentro del próximo año y medio debido a agentes de IA, y ese número sube al 72% en un horizonte de dos a tres años. Sin embargo, la mitad de los encuestados admite que sus organizaciones no están haciendo las inversiones necesarias en transformación del workforce relacionada con IA.

Acción concreta: identifica en tu equipo哪些 roles operativos pueden transformarse en supervisores de agentes. Diseña programas de capacitación que prioricen habilidades de validación de resultados, definición de objetivos y juicio crítico sobre salidas de IA, no habilidades técnicas de operación de software.

La ventana de oportunidad se cierra

Los mayores proveedores de SaaS cuentan con presencia sólida, datos valiosos y relaciones de confianza. No van a desaparecer. Pero la oportunidad para los líderes empresariales no pasa por apostar qué plataforma se impondrá, sino por aprovechar este momento para rediseñar el trabajo, reducir la fricción acumulada por inversiones sucesivas en SaaS y orientar a las personas hacia los problemas que generan mayor valor.

Las empresas que lideren la próxima década serán aquellas que entiendan la IA agencial como un cambio estructural que exige diseño y planificación deliberada —no como una función que simplemente se consume. Esa ventana está abierta hoy, pero probablemente no permanezca disponible por mucho tiempo.