tl;drLa IA lo cambia todo y, al mismo tiempo, no cambia nada. La IA nos desafía a repensar y rediseñar muchos de los sistemas existentes para mejorarlos, además de permitirnos hacer cosas que antes eran impensables. Sin embargo, la IA no es una varita mágica capaz de alterar las leyes de la física o de la microeconomía. Los principios fundamentales que regían antes siguen siendo válidos. El más importante de todos: las personas seguirán siendo personas 😉. A la hora de automatizar sus procesos, las empresas seguirán necesitando software que garantice altos niveles de disponibilidad, seguridad, cumplimiento normativo y escalabilidad. También requerirán soluciones personalizables, con soporte multiusuario y gestión avanzada de permisos, que puedan integrarse con otros sistemas y que ofrezcan asistencia en caso de fallos. (View Highlight)
Durante la transición al cloud, muchos analistas subestimaron la complejidad de desarrollar una solución empresarial de gestión de archivos y documentos como Box o Dropbox, calificándolas erróneamente como simples wrappers (envoltorios) sobre servicios de almacenamiento en la nube. (View Highlight)
Algo similar sucede hoy con muchos productos de IA en la capa de aplicación, a menudo etiquetados como “wrappers de GPT”, dando a entender que la mayor parte del valor se capturará en el nivel del modelo. Paradójicamente, es precisamente en esta capa donde será muy difícil o prácticamente imposible ganar dinero, pues los modelos tienden a commoditizarse. (View Highlight)
Por un lado, los modelos se están volviendo cada vez más fungibles, lo que implica que sus precios no pueden ser muy diferentes.
Por otro lado, los modelos open source como los de Meta ofrecen una alternativa gratuita de calidad similar o suficiente para algunos casos de uso, lo cual también pone presión competitiva a la baja en los precios.
Debido a la acción de estas fuerzas, con el tiempo, es prácticamente inevitable que el coste de la inteligencia artificial se reduzca al costo del hardware subyacente más un pequeño margen para el proveedor de infraestructura cloud (el hyperscaler). (View Highlight)
Si bien esto puede ser cierto para modelos generalistas (GPT, Llama, Claude), la diferenciación en modelos especializados (finanzas, salud, legal) puede mantener barreras de entrada y márgenes altos. (View Highlight)
Hay un 2% de verdad en elmemedel ChatGPT Wrapper A pesar de todo lo dicho hasta ahora, evita construir un producto que pueda ser fácilmente incorporado directamente en la funcionalidad de un modelo como ChatGPT. (View Highlight)
Los clientes B2B no compran modelos de IA, sino soluciones a sus problemas
Como siempre, la tecnología por la tecnología no tiene sentido.
El foco debe estar en resolver desafíos específicos del cliente, como la atención al cliente o la automatización de alguno de sus procesos.
El modelo de IA es solo un componente de la solución, al igual que la computación, el almacenamiento o las bases de datos. (View Highlight)
La parte más importante del software, donde reside la mayor parte del valor, es la que gira alrededor del workflow en cuestión, la que incluye la lógica de negocio y los datos del cliente.
Además, un producto de software, especialmente en el ámbito empresarial, es mucho más que eso. Como decíamos al inicio es seguridad, cumplimiento normativo, gestión de usuarios, disponibilidad y escalabilidad, entre otros. (View Highlight)
Elwrapperimporta… y mucho De hecho, si lo pensamos, ni siquiera los Laboratorios de IA (eg OpenAI) nos venden directamente sus modelos (eg GPT-4o) sino que nos venden productos software con toda la parafernalia necesaria alrededor del modelo para que sean aptos para ser usados por particulares y empresas. (View Highlight)
Abstrae el modelo de la propuesta de valor
Los CTOs y los responsables de IA de las empresas pueden tener algo de interés en los modelos subyacentes, pero los responsables de las áreas de negocios y los usuarios finales generalmente no. (View Highlight)
Construye software que ofrezca un resultado (un outcome) completo al cliente, independientemente del modelo de IA subyacente. Esto permite incorporar mejoras en los modelos a medida que estén disponibles, sin afectar la propuesta de valor.
A los clientes no les importa si cambias el modelo subyacente, siempre y cuando se cumplan las expectativas del contrato. (View Highlight)
sume que los actuales son los modelos peores y más caros con los que vas a tener que lidiar
A medida que la inteligencia artificial mejore, podrás aplicarla a procesos empresariales más críticos.
Cuando el coste por token disminuya, los márgenes de tu negocio aumentarán. (View Highlight)
Puede ser una apuesta interesante ir tomando una posición en lugares donde ahora mismo la inteligencia artificial no sea suficientemente buena (complementándola con humans-in-the-loop) o sea demasiado cara (comprimiendo los márgenes), confiando en que la tendencia irá a nuestro favor. (View Highlight)
¿El fin del contrato anual basado en el número de usuarios?
La IA da pie a modelos de pricing basados en el uso o en los resultados, lo que contrasta con el modelo de pricing más habitual ahora mismo en el software.
No obstante, el SaaS basado en suscripción sigue siendo dominante y, aunque la IA permita un pricing basado en uso, esto no es aplicable a todos los productos. (View Highlight)
Tener una estrategia de IA ya no es opcional
Para cualquier empresa, contar con una estrategia de IA bien definida es clave para atraer talento y mantenerse competitiva.
A diferencia de tecnologías enfocadas en eficiencia operativa como la nube, la IA va mucho más allá. No solo optimiza procesos, sino que permite crear experiencias de usuario completamente nuevas, en algunos casos, radicalmente superiores a las alternativas actuales. No adoptarlas podría convertirse en una desventaja competitiva evidente. (View Highlight)
Además, las nuevas generaciones de profesionales, acostumbradas a utilizar IA en sus estudios y proyectos personales, esperarán lo mismo en su entorno laboral. Las empresas que no les ofrezcan acceso a estas herramientas—que amplifican sus capacidades y potencial—simplemente no serán su primera opción. (View Highlight)
Qué comprar fuera y qué desarrollar internamente: core vs contexto
Desarrollar software es un proceso costoso y complejo.
Por esta razón, las empresas suelen centrarse en desarrollar internamente solo el software que está directamente ligado a su core, es decir, aquello que las hace únicas, las diferencia de la competencia y les permite atraer y fidelizar clientes.
Para el resto de las necesidades—la mayoría, de hecho—no vale la pena complicarse. El software relacionado con funciones de apoyo o contexto del negocio suele comprarse, ya que recurrir a proveedores especializados es, en general, más eficiente y rentable. (View Highlight)
¿Y si la IA cambia las reglas del juego?
Sin embargo, no todos piensan igual.
El avance de la inteligencia artificial (IA) ha facilitado el desarrollo de software, lo que ha llevado a algunas empresas a cuestionar el paradigma dominante. Un ejemplo destacado es Klarna.
En septiembre de 2024, la fintech sueca anunció su decisión de desarrollar internamente gran parte de su software, reemplazando proveedores externos como Salesforce y Workday. Su CEO, Sebastian Siemiatkowski, explicó que esta estrategia es parte de una iniciativa más amplia basada en IA, estandarización y simplificación de procesos.
Según Siemiatkowski, Klarna busca consolidar sus sistemas para operar de manera más eficiente y con mayor calidad. Gracias a la IA, la empresa pretende reducir su dependencia de soluciones SaaS externas y desarrollar aplicaciones internas adaptadas específicamente a sus necesidades. Para él, la IA permite estandarizar, simplificar y optimizar la infraestructura tecnológica, abriendo nuevas oportunidades para una gestión más efectiva. (View Highlight)
¿Estamos ante un cambio de paradigma? ¿Es el fin de la industria del software?
Lo más seguro es que no.
Muy pocas empresas van a tener las capacidades internas para desarrollar software como las que tiene Klarna.
Además, incluso para Klarna la medida es muy arriesgada. Algunos críticos elevaron la voz diciendo que reemplazar plataformas SaaS consolidadas como Salesforce y Workday con soluciones internas podría ser arriesgado, dado la complejidad y las décadas de desarrollo detrás de estos sistemas. (View Highlight)
De hecho, para regocijo de estos críticos, parece que Klarna podría estar repensándose su decisión de hace pocos meses, al hilo de algunas publicaciones en redes sociales recientes, aunque no está aún claro qué es lo que va a pasar.
Merece la pena además destacar que otras empresas que intentaron alejarse de SaaS han fracasado o han vuelto a modelos híbridos.
Lo que sí está claro es que hay una gran oportunidad en la creación de herramientas para desarrolladores que permitan desarrollar y gestionar la IA dentro de las empresas. Un buen ejemplo de ello es nuestra participada Galtea. (View Highlight)
La importancia de la infraestructura: La ola de la IA no podría suceder sin las tendencias previas de infraestructura en la nube y software como servicio (SaaS).
Algo muy diferente en esta ola respecto a las anteriores es la predisposición de las grandes empresas a probar cosas. Mientras que muchas rechinaban los dientes cuando les hablaban de migrar su infraestructura a la nube, con la IA, incluso empresas de sectores muy regulados como la banca están dispuestas a hacer pruebas. (View Highlight)
Seguridad y privacidad: A medida que la IA madure, la confianza en términos de seguridad, privacidad y cumplimiento normativo irán aumentando, lo que facilitará su adopción por parte de grandes empresas. (View Highlight)
El mercado es más grande que nunca: La IA va a aumentar el gasto total en software, permitiendo que las empresas hagan cosas que antes no hacían. (View Highlight)
No es un juego de suma cero: La IA no solo reemplaza la mano de obra, sino que también permite a las empresas hacer cosas que antes no hacían, lo que genera nuevas oportunidades y puestos de trabajo. (View Highlight)
Reinvertir las ganancias: No se trata de hacer lo mismo con menos, sino más con lo mismo. Lo que deberán hacer las empresas es reinvertir las ganancias generadas por la IA en el negocio para seguir siendo competitivas.
El consumidor gana: En última instancia, el consumidor es el que se beneficia de la automatización y la mejora de los productos y servicios. (View Highlight)
