Durante más de dos décadas, el SaaS empresarial ha sido una respuesta racional a una limitación estructural: el software era caro de producir, difícil de probar y costoso de mantener. Los proveedores asumieron esa complejidad y proporcionaron a sus clientes soluciones que también optimizaban el desarrollo de software. Pero la situación subyacente está cambiando ahora.
A medida que crece la IA en el desarrollo de software, su impacto se suele enmarcar en términos de ganancias de productividad. Si bien estas son reales, las organizaciones a menudo no reconocen la verdadera reconfiguración de la producción, el mantenimiento y la evolución del software más allá del bombo inicial de la IA.
Ya hay resultados tangibles. En condiciones controladas, el desarrollo asistido por IA está aumentando la velocidad de entrega al tiempo que mantiene umbrales de calidad aceptables. Sin embargo, las empresas con bases de ingeniería débiles están experimentando el efecto contrario: un mayor rendimiento acompañado de una menor estabilidad. Esto refleja una amplificación más que una sustitución. Aunque la velocidad aumenta, los equipos más débiles tienden a producir más errores al mismo ritmo. A medida que disminuye el coste de la iteración, las suposiciones tradicionales sobre la creación y el escalado comienzan a desmoronarse.
Subutilización y concentración de costes
Uno de los principales cambios en este ámbito se refiere al perfil de costes del software empresarial. Diversos estudios muestran que el software ocupa una parte cada vez mayor de los presupuestos tecnológicos, a pesar de que su utilización sigue siendo desigual. En todos los entornos de productos, una parte significativa de la funcionalidad rara vez se utiliza en la práctica. Aunque las cifras exactas varían, la tendencia es constante: las organizaciones pagan sistemáticamente por capacidades que superan sus necesidades operativas.
Según supuestos anteriores, este desequilibrio era aceptable porque la alternativa —crear y mantener soluciones internas— resultaba prohibitivamente cara.
No obstante, la transición hacia el software como sistema de producción está reduciendo los costes. Los copilotos, los asistentes y las interfaces generativas forman ahora parte de un ciclo de vida del desarrollo de software que cuenta cada vez más con el apoyo de componentes agentivos. Estos sistemas pueden traducir requisitos estructurados en resultados funcionales, generar y mantener la cobertura de pruebas, y apoyar la evolución de las bases de código existentes, entre otras cosas.
En este contexto, la intervención humana no desaparece; simplemente se redistribuye. El énfasis se desplaza hacia la definición de la intención, la validación de los resultados y la gestión del riesgo. A medida que la iteración y la documentación requieren menos recursos, la ventaja que históricamente han tenido las plataformas grandes y ricas en funcionalidades se reduce a contextos específicos.
Ejecución a gran escala
El cambio estructural hacia una fábrica de SDLC basada en agentes combina la automatización exponencial con la experiencia humana. Se prevé que su adopción por parte de las empresas del G2000 se multiplique por diez para 2027.
Las empresas están implementando agentes de IA para avanzar a gran escala, ya sea con una inversión conservadora o fuerte. La conclusión es que esta inversión reestructura el núcleo del trabajo: ciclos de iteración más cortos, soluciones con un alcance más definido y una evolución continua de los sistemas que antes habrían requerido unos gastos generales operativos significativamente mayores.
Este cambio también plantea nuevos retos. Sin una gobernanza clara o controles de riesgo adecuados, más del 40 % de los proyectos de IA con agentes se cancelarán a finales de 2027. Aquí es donde cambia la ecuación de la asignación de capital.
La madurez de la ingeniería es un requisito previo para las decisiones estratégicas que aprovechan esta tecnología emergente. Los marcos normativos y de riesgo están evolucionando junto con la tecnología, y ya se aplican el NIST y normas como la ISO/IEC 42001 para garantizar la trazabilidad y la rendición de cuentas en los sistemas basados en IA.
La fiabilidad y el cumplimiento normativo son innegociables, ya que los proveedores de SaaS implementarán internamente las mismas capacidades agentivas, reduciendo sus propios costes y permitiendo una mayor automatización en sus plataformas. Cuando solo se utiliza activamente una parte limitada de una plataforma SaaS y el coste de crear y desarrollar una alternativa específica disminuye, la ecuación a largo plazo se vuelve menos predecible.
Esto no invalida inmediatamente el SaaS. Dicho esto, introduce alternativas creíbles donde antes no existían.
Cuando «comprar frente a construir» ya no es suficiente
El SaaS seguirá desempeñando un papel central en las arquitecturas empresariales, y muchas organizaciones seguirán dependiendo de soluciones externas para obtener fiabilidad y escalabilidad. Lo que está cambiando, sin embargo, no es la existencia del SaaS, sino las condiciones en las que es la opción más eficiente. Como se ha mencionado, la transición hacia una «fábrica de plataformas» mostrará sus primeros indicios en ámbitos de flujo de trabajo internos delimitados, no en los sistemas financieros centrales. La lógica de la asignación de capital es más cautelosa que nunca, lo que requiere una evaluación detallada del uso, la flexibilidad y los costes a largo plazo para evitar arriesgarlo todo.
La disyuntiva entre comprar o construir se ha ampliado a un contexto más amplio: ¿cómo se puede aumentar la viabilidad de modelos de producción alternativos? La forma en que las organizaciones respondan a esta pregunta definirá la nueva era del liderazgo, a medida que un espectro más amplio de opciones se vuelve operativamente viable. Para quienes prueban activamente estos modelos, el enfoque ya no está en validar la posibilidad del cambio, sino en comprender dónde se puede aplicar estratégicamente.
Esa distinción marca la transición de la especulación a la ejecución.
Una nueva lógica para las decisiones sobre software
Con la disminución del coste de desarrollar y mantener software, el SaaS deja de ser la opción por defecto y se convierte en una opción estratégica. Esto cambia la forma en que se evalúan los sistemas, así como el enfoque de las organizaciones respecto al control y los costes a largo plazo.
En Globant, esta transición ya se está poniendo en práctica a través de los AI Pods. Al combinar capacidades de IA autónoma con la experiencia de arquitectos e ingenieros, estas unidades modulares están diseñadas para acelerar la entrega al tiempo que mantienen la gobernanza, la calidad y la escalabilidad. En lugar de posicionar la IA como una capa separada, los AI Pods la integran directamente en el ciclo de vida de la producción de software, remodelando la forma en que los sistemas empresariales se construyen, evolucionan y operan en la práctica.
