Enrique Dans

En los pasillos de las grandes corporaciones tecnológicas, parece algo más que un rumor que va tomando forma: el modelo SaaS (Software as a Service), piedra angular de décadas de transformación digital y de muchas compañías, empieza a temblar frente a la aparición de sistemas de inteligencia artificial con agentes autónomos, o agentic systems. Lo comenté hace no mucho al hilo de compañías como Klarna, que estaban llevando a cabo radicales procesos de sustitución de su software corporativo, pero ahora, Satya Nadella lo ha expresado sin ambages: en la era de los sistemas agénticos, la noción misma de aplicación empresarial podría colapsar como tal. Para alguien que trabaja precisamente en el desarrollo de un sistema agéntico con unas características especialmente punteras no parece un mal pronóstico.

Antes de caer en posibles fenómenos de moda y en un futurismo acrítico, conviene detenerse a pensar en qué consiste este cambio, qué amenazas reales plantea para el software tradicional, y si ese colapso es inevitable, o simplemente un repintado profundo de lo que ya conocemos: la idea básica es que los agentes inteligentes, modelos capaces de planificar, razonar, ejecutar tareas múltiples conectadas, aprender sobre la marcha, coordinar entre subsistemas, superan el simple «software como herramienta». En vez de requerir que los humanos interactúen con múltiples aplicaciones para ejecutar un flujo de trabajo, estos agentes pueden orquestar internamente esas aplicaciones, decidir qué hacer, cuándo y cómo, idealmente con mínimas interrupciones o supervisión humana.

Las amenazas para el SaaS convencional y para las compañías que lo venden no provienen únicamente de la posibilidad de perder cuota de mercado, sino de una redefinición de lo que implica «servicio de software»: precios basados en licencias, suscripciones por usuario o por uso de interfaz, modulación rígida de los flujos de trabajo, necesidad permanente de integración manual, y fragmentación de funciones entre múltiples aplicaciones. Todos esos puntos débiles pueden verse erosionados cuando los agentes de inteligencia artificial autónomos entran en escena, capaces directamente de «hacer el trabajo», en lugar de simplemente facilitarlo.

Obviamente, no hablamos de algo que ya lo ha sustituido todo. Hay obstáculos tecnológicos, organizativos y de valor que impiden la sustitución inmediata. Muchos agentes todavía no tienen la fiabilidad, precisión o comprensión de dominio específicos suficientes para hacer tareas complejas sin fallo; los riesgos de seguridad, de error, de superar el llamado «drift» (cuando el agente se desvía de su objetivo), la dificultad de gobernanza, de transparencia y de supervisión del cumplimiento normativo. Gartner estima que más del 40% de los proyectos agénticos serán abandonados hacia 2027 precisamente por esos problemas.

Pero la pregunta no es si habrá derrotas o fracasos, sino si ese modelo será dominante, si la mayoría de los sistemas de información corporativos como ERPs, CRMs, plataformas de colaboración, analítica avanzada, etc. tenderán a evolucionar hacia arquitecturas centradas en agentes autónomos. En muchos sentidos, lo que se avecina es una transformación de tres capas. Primero, la capa de datos o «sistemas de registro» (systems of record): repositorios históricos, bases de datos, sensores, archivos. Esa capa seguirá existiendo, y su integridad seguirá siendo crucial. Segundo, la capa de agencia o «AI agent operating system«: los agentes residen aquí, como orquestadores que usan los datos, ejecutan lógica, aprenden, deciden. Tercero, la interfaz de resultados, por la que los usuarios perciben el resultado final: no necesariamente como una aplicación tradicional con menús, pantallas, rutas de usuario, sino como resultados ya ejecutados: un informe, una acción cumplida, una tarea finalizada.

El SaaS actual vive en la capa intermedia + interfaz: ofrece funcionalidades, flujos, integraciones, pero bajo la premisa de que es el usuario quien activa, selecciona o controla. Los agentes de inteligencia artificial intentan asumir parte de ese control activo, automatizar, decidir y adaptarse. Para empresas, esto significa cambiar lo que valoran: no cuánto cuesta la licencia por usuario, sino cuánto valor produce el agente; no cuánto tiempo lleva un usuario navegando por la interfaz, sino cuánto tiempo se ahorra; no cuántas apps distintas se integran, sino cuántos agentes pueden coordinarse para resolver un problema complejo.

Pero no todo será destrucción: habrá reconfiguraciones y oportunidades. Las empresas SaaS incumbentes que entiendan esto podrán adaptarse, migrar hacia modelos «AI-first», replantear sus propuestas de valor, quizá cambiar estructuras de precios hacia resultados u objetivos alcanzados, no solo por funciones utilizadas. Las ventajas competitivas vendrán de quien controle los datos, quien tenga capacidad de etiquetar, entrenar, especializar agentes, quien garantice seguridad, transparencia, auditoría y explicabilidad.

También, hay un coste de transición: migrar arquitecturas rígidas e integrar agentes requerirá protocolos, estándares, máquinas de gobierno, lidiar con fallos, sesgos, drift, exposición a vulnerabilidades desconocidas. No todos los agentes funcionarán como buenos agentes: algunos se comportarán mal, deliberadamente o por accidente. El riesgo no es solo técnico, sino organizativo, ético y legal.

Quizá lo más interesante de todo esto no es tanto qué tecnologías concretas triunfen, sino qué preguntas éticas, económicas y de poder puede plantear esta transición: ¿quién diseña los objetivos de los agentes? ¿Quién garantiza que actúen conforme a los intereses del cliente, no sólo a lo que maximiza métricas económicas o de uso? ¿Qué instituciones regularán estos sistemas? ¿Cómo se reparten los costes y los beneficios? ¿Qué sucede con quienes no tienen los recursos para entrenar buenos agentes?

Porque si el modelo agéntico triunfa, no será solo una revolución de la tecnología, sino una redefinición profunda de cómo trabajamos, de cómo se organiza la información en las empresas, de cómo medimos la productividad y el valor. Y como en todas las revoluciones tecnológicas, habrá ganadores y perdedores, no sólo de empresas, sino de modelos económicos, culturas organizativas y estructuras institucionales.

Es posible que el SaaS no esté muerto todavía, pero sí podría estar mortalmente herido. Y quien sobreviva dependerá de su capacidad de anticipar, adaptarse y gobernar la nueva lógica de agentes autónomos que parece que va a imponerse.

You can read this article in English on my Medium page, «Is SaaS dead? The rise of AI agents and what it means for business«