Doxa 2510

El fin del software empresarial de talla única

Ahora las empresas tienen la opción de crear, componer, colaborar o comprar resultados, en lugar de conformarse con las ofertas SaaS existentes

Por Deep Nishar y Nitin Nohria

Informática empresarial

Harvard Business Review

#Doxa #PersonalizaciónEmpresarial #SoftwareFlexible #TransformaciónDigital #SaaS #LowCode #NoCode #InteligenciaArtificial #Microservicios #APIs #AutomatizaciónDeProcesos #SolucionesVerticales #ArquitecturaModular #AgilidadEmpresarial #InnovaciónTecnológica #EcosistemasDigitales

Resumen. La IA generativa está desmantelando la lógica económica que convirtió el software empresarial estandarizado en la norma, permitiendo a las empresas crear sistemas adaptados a su forma de trabajar de manera rápida y viable. En consecuencia, la cuestión estratégica fundamental está cambiando: ya no se trata de qué herramientas comprar, sino de qué flujos de trabajo y capacidades adquirir, y las organizaciones optan por desarrollar, componer, colaborar o comprar soluciones. Las empresas que triunfen combinarán velocidad con disciplina, invirtiendo en datos, gobernanza y decisiones claras sobre dónde la personalización genera una ventaja real.

La IA generativa está desmantelando la lógica económica que convirtió al software empresarial estandarizado en la única opción práctica para la mayoría de las empresas. Lo que lo reemplace no solo estará determinado por las capacidades en rápida evolución de esta nueva tecnología, sino también por líderes dispuestos a plantearse una pregunta más compleja: ¿Qué flujos de trabajo realmente necesitamos gestionar?

Hasta hace poco, las organizaciones adaptaban sus flujos de trabajo a soluciones de software estandarizadas. Las convenciones de flujo de trabajo de un proveedor, como la gestión de relaciones con el cliente (CRM) de Salesforce, la planificación de recursos empresariales (ERP) de SAP, la gestión del capital humano (HCM) de Workday o la historia clínica electrónica (EHR) de Epic, se convertían, por defecto, en las convenciones de flujo de trabajo de la empresa. Se renunciaba a la fidelidad a la forma de trabajar real a cambio de un software con el que se pudiera trabajar.

Ese acuerdo se está rompiendo más rápido de lo que anticipábamos. En un artículo de mayo de 2025, argumentamos que la IA generativa revolucionaría la lógica fundamental del software empresarial, desplazando la automatización de los flujos de trabajo a los resultados, de los sistemas que facilitan el trabajo a los que lo ejecutan. Esperábamos que esa transición se desarrollara a lo largo de una década. Nos equivocamos, no en la dirección, sino en el ritmo.

El cambio se hace cada vez más evidente en la forma en que las empresas invierten en TI y en su concepción del trabajo. El gasto empresarial en aplicaciones de IA generativa se disparó de 1700 millones de dólares en 2023 a 37 000 millones en 2025, alcanzando una cuota significativa del mercado global de software en menos de tres años. Al mismo tiempo, las empresas están empezando a reducir su dependencia de las herramientas tradicionales de software como servicio (SaaS). Como resultado, las valoraciones de las empresas SaaS que cotizan en bolsa se han comprimido drásticamente desde sus máximos de 2021, y muchas de las empresas líderes cotizan entre un 30 % y un 60 % por debajo de sus máximos anteriores.

Estos cambios apuntan a algo más profundo que un ciclo tecnológico. Las empresas necesitan decidir estratégicamente qué flujos de trabajo desean controlar. Del mismo modo que la primera ola de software empresarial —con la aparición de la externalización de TI, los centros de llamadas y los servicios en la nube— redefinió los límites organizativos, esta nueva ola de IA generativa obligará a replantear dichos límites.

La disrupción en el software que anticipábamos ya está en marcha. La pregunta más importante es qué soluciones de IA generativa se desarrollarán en su lugar y quién las creará.

La escala, el alcance y la velocidad del cambio

Antes de analizar cómo podrían evolucionar el panorama de las soluciones de software y los límites organizativos, conviene tener en cuenta algunas tendencias que presagian la urgencia con la que deben responder los líderes.

En primer lugar, el gasto en IA generativa ha avanzado a una velocidad inusual. La inversión empresarial en aplicaciones de IA generativa se ha multiplicado por más de veinte en dos años. A las empresas de software como servicio (SaaS) les llevó casi una década alcanzar ese nivel de penetración.

En segundo lugar, la forma en que se crea el software está cambiando. Se estima que el 40 % del código se genera ahora mediante IA, y la gran mayoría de los desarrolladores utilizan herramientas de codificación con IA en su trabajo diario. Lo que antes requería meses de esfuerzo de ingeniería, ahora se puede producir en cuestión de días.

En tercer lugar, los efectos de sustitución temprana ya son visibles dentro de las organizaciones. En encuestas, más de un tercio de las empresas informan haber reemplazado al menos una herramienta SaaS con una alternativa de IA generativa personalizada, mientras que la mayoría espera desarrollar más herramientas de este tipo el próximo año. En algunas empresas medianas pioneras en la adopción de la IA, el gasto en categorías como el software de gestión de proyectos ha disminuido considerablemente, incluso a pesar del fuerte aumento de la inversión en IA.

Estos cambios aún no son uniformes y su implementación sigue siendo desigual. La mayoría de las organizaciones todavía están experimentando y muchas iniciativas de IA no alcanzan los resultados esperados. Pero la dirección es clara. El software está pasando de un modelo en el que las empresas compran herramientas estandarizadas a uno en el que cada vez pueden más desarrollarlas, adaptarlas o incluso prescindir de ellas.

El regreso de lo personalizado

El cambio más profundo no reside en los patrones de gasto, sino en lo que la IA generativa ha hecho posible. Durante 30 años, las empresas hicieron un pacto implícito: el software a medida era prohibitivo, por lo que las organizaciones se adaptaron a las herramientas estandarizadas. Un minorista con un enfoque verdaderamente distintivo para la gestión de inventario utilizaba el mismo sistema ERP que sus competidores. Un banco con una filosofía de préstamos diferenciada procesaba los préstamos a través del mismo motor de calificación crediticia que la mayoría de los demás bancos.

La IA generativa rompe con ese esquema. Lo que se ha denominado « programación intuitiva », en la que un usuario describe lo que quiere en lenguaje sencillo y un sistema de IA genera una aplicación funcional, representa un verdadero punto de inflexión tecnológico. El desarrollo de software ya no se ve limitado de la misma manera por la escasez de recursos de ingeniería ni por los largos ciclos de desarrollo.

El cambio ya es visible en la práctica. Herramientas como Cursor, Replit Agent, Claude Code o Codex de OpenAI han hecho posible pasar de la idea a la aplicación funcional en horas o días, en lugar de meses o años. Las encuestas realizadas a desarrolladores de software empresarial sugieren que un porcentaje significativo está creando software fuera de las estructuras de TI tradicionales, a menudo reemplazando las herramientas existentes en el proceso.

Esto no significa que todas las empresas se convertirán en empresas de software en el sentido tradicional. Significa, más bien, que algo que no era cierto desde hace décadas vuelve a serlo: la personalización profunda está al alcance de muchas más organizaciones.

La implicación es sutil pero importante. Cuando el software se adapta a la forma en que una empresa trabaja realmente, en lugar de al revés, la cuestión de qué estandarizar y qué diferenciar se convierte en una elección estratégica en lugar de una limitación impuesta por el coste.

Ese cambio, más que cualquier herramienta o plataforma individual, es lo que hace que este momento sea trascendental.

Cuatro modelos que van tomando forma

A medida que se desarrolla esta transición, comienzan a surgir algunos enfoques distintos. Cada uno refleja una respuesta diferente a la misma pregunta fundamental: ¿Dónde debería estar el límite entre lo que una organización construye por sí misma y lo que depende de que otros le proporcionen?

Construir

Algunas empresas optan por construir sus propios sistemas directamente sobre modelos preexistentes. Estos sistemas no se organizan según las convenciones de flujo de trabajo del proveedor, sino en función de las tareas específicas que la organización intenta realizar.

Una empresa de logística, por ejemplo, podría desarrollar un sistema diseñado no solo para rastrear envíos, sino también para optimizar continuamente el tiempo y el costo de entrega basándose en sus propios datos. Con el tiempo, ese sistema se convierte en un repositorio de conocimiento institucional difícil de replicar para la competencia. La disyuntiva es clara: mayor control y diferenciación a cambio de una complejidad técnica constante.

Una comprobación útil consiste en determinar si el sistema codifica datos o lógica de decisión verdaderamente distintivos; de no ser así, aunque inicialmente parezca fácil, su construcción podría ser excesiva, y la composición o la colaboración podrían ofrecer un valor similar con mucha menos complejidad.

Componer

Está surgiendo una segunda vía para las organizaciones que desean flexibilidad sin tener la propiedad total. En este modelo, los proveedores ofrecen estructuras, plantillas y elementos básicos que los usuarios empresariales pueden configurar según sus necesidades.

Por ejemplo, una organización de ventas podría usar una plataforma modular como Salesforce Headless 360 para adaptar la puntuación de clientes potenciales, la secuencia de contactos y las revisiones del embudo de ventas a sus propias necesidades, sin necesidad de crear un CRM desde cero. La dirección de la personalización se invierte: el software se adapta a la empresa, en lugar de que la empresa se adapte al software. Este enfoque reduce la complejidad de desarrollar desde cero, pero también implica que persisten algunas limitaciones, especialmente en lo que respecta al alcance de la personalización en las funciones principales.

Los equipos deben estar atentos a las señales que indiquen que la diferenciación crucial no está siendo limitada por las restricciones de la plataforma; cuando la personalización se percibe como forzada o engorrosa, puede ser una señal de la necesidad de construir de forma más directa o de colaborar más estrechamente.

Colaborar

Un tercer modelo consiste en pasar de la compra de software empresarial a la colaboración con proveedores para desarrollar soluciones a medida. Los proveedores trabajan con los clientes —utilizando ingenieros desplegados en el terreno— para definir claramente el proyecto y, a continuación, desarrollan sistemas personalizados diseñados en función de ese objetivo.

Lo que antes requería ciclos de implementación largos y costosos, ahora se puede realizar en cuestión de semanas. Un equipo especializado puede ayudar a un fabricante a rediseñar su proceso de adquisiciones y crear un sistema en torno a él en una fracción del tiempo que requeriría una implementación tradicional de ERP (que también implica el uso de servicios de consultoría para la configuración y pequeñas personalizaciones).

La ventaja reside en la rapidez y la alineación; el riesgo, en la dependencia de la experiencia externa. Con el tiempo, las empresas deberían evaluar si la dependencia reiterada de socios externos está ocultando una oportunidad para internalizar una capacidad estratégicamente importante o, por el contrario, si lo que se está desarrollando carece de singularidad y podría adquirirse como resultado.

Resultados de compra

El modelo más radical va más allá del software. En lugar de comprar herramientas, las empresas obtienen el resultado directamente. Una organización podría dejar de licenciar software de contabilidad y operarlo internamente, y en su lugar contratar servicios para obtener información financiera precisa, cumplimiento normativo e informes.

En este modelo, los proveedores no proporcionan herramientas; asumen la responsabilidad de los resultados. Esto puede simplificar significativamente las operaciones, pero también implica una transferencia de control y requiere un alto grado de confianza en el proveedor. Este modelo funciona mejor cuando el resultado no es diferenciador; si el rendimiento en ese ámbito comienza a determinar la ventaja competitiva, las empresas podrían necesitar recuperar el control mediante la creación, la composición o la colaboración más directa. Otra manifestación de este modelo es el reciente anuncio de Adobe sobre precios basados ​​en resultados para su suite CX Enterprise y sus herramientas de IA con agentes. Adobe implementará sus agentes de IA directamente con el cliente, pero en lugar de cobrar por usuario o por el consumo de tokens de IA, cobrará por resultados como el número de campañas publicitarias exitosas completadas por sus agentes de IA.

Estos modelos no son mutuamente excluyentes. La mayoría de las organizaciones emplearán alguna combinación de los cuatro. Lo fundamental es que la elección entre ellos ya no se basa principalmente en el costo o la viabilidad. Se trata de una decisión estratégica sobre dónde importa la diferenciación y dónde no.

La cuestión estratégica que esto plantea

El significado más profundo de este cambio no radica en el software. Se trata de la ventaja competitiva y, más fundamentalmente, de la razón de ser de la propia empresa.

Cuando los sistemas a medida resultaban prohibitivamente caros, la cuestión de qué funcionalidades adquirir se resolvía prácticamente por defecto. Cada empresa gestionaba su propia nómina, su propio servicio de atención al cliente y su propia previsión de la demanda, no porque fueran fuentes de diferenciación, sino porque las herramientas disponibles así lo exigían. Los sistemas estandarizados que permitían esas funciones hacían que la implementación de una empresa pareciera muy similar a la de otra.

Eso ya no es cierto. Cuando cualquier función puede personalizarse profundamente o delegarse a un proveedor externo para que la gestione como resultado, toda organización se enfrenta a una decisión estratégica que no había tenido que afrontar en una generación: ¿Qué tareas queremos realmente controlar?

Algunos de esos puestos se integrarán más profundamente en la organización y se reestructurarán como capacidades propias. Otros se externalizarán a socios que puedan desempeñarlos de forma más eficiente o con mayor calidad. Los límites de la empresa se convierten en una variable, no en un hecho inmutable.

Esto también cambia la naturaleza de la ventaja competitiva. En un mundo donde los sistemas se pueden replicar rápidamente, las ventajas basadas únicamente en procesos o lógica integrada son más cuestionables. Lo que sigue siendo defendible es una comprensión clara de qué puestos son verdaderamente distintivos de cómo una empresa crea valor, y la disciplina para desarrollar experiencia en esas áreas en lugar de dispersar los esfuerzos en todo.

Sin embargo, existe una limitación práctica que los pioneros ya han experimentado. Avanzar con rapidez no es sinónimo de avanzar con eficacia. Las organizaciones que se apresuran a automatizar sin rediseñar sus datos y procesos suelen descubrir que la calidad se resiente, se acumulan casos excepcionales y los sistemas se vuelven difíciles de gestionar. La lección no es ralentizar el proceso, sino combinar la ambición con la disciplina: considerar la arquitectura, la gobernanza y la propiedad de los datos como elementos esenciales de la transformación, en lugar de aspectos secundarios.

Para los líderes que afrontan esta transición, un pequeño número de decisiones tiene una importancia desproporcionada.

En primer lugar, considere la arquitectura de datos como la base. Los datos fragmentados y gestionados por proveedores no solo son ineficientes, sino que también limitan las capacidades de los sistemas de IA.

En segundo lugar, reconsidere la decisión de fabricar internamente o comprar externamente para cada función. La pregunta relevante ya no es si algo se puede fabricar internamente, sino si se debe fabricar internamente y en qué casos hacerlo genera una diferenciación significativa.

En tercer lugar, establezca una gobernanza clara para los sistemas desarrollados internamente. A medida que se crea más software fuera de las estructuras de TI tradicionales, los temas de seguridad, mantenimiento y rendición de cuentas se vuelven fundamentales en lugar de secundarios.

En cuarto lugar, hay que reconocer que la elección de software se convierte cada vez más en una decisión sobre la fuerza laboral. Cuando un sistema de IA realiza un trabajo que antes llevaban a cabo equipos de personas, las decisiones sobre tecnología también son decisiones sobre el diseño organizacional.

¿Qué sigue?

Sería un error declarar el fin del SaaS. Muchas aplicaciones perdurarán y algunos proveedores se adaptarán con éxito adoptando modelos más flexibles y orientados a resultados. La transición se desarrollará de forma desigual en los distintos sectores y funciones.

Pero la lógica subyacente ha cambiado. Durante una generación, la pregunta en el software empresarial era qué herramientas debíamos comprar. La pregunta actual es más fundamental: ¿Cómo podemos replantear nuestros flujos de trabajo y decidir qué resultados queremos desarrollar, componer, colaborar o adquirir?

La respuesta variará según la empresa y el contexto. Sin embargo, las organizaciones que aborden esta cuestión con claridad descubrirán que les aporta algo más valioso que una simple estrategia de software. Les ofrece una comprensión más precisa de dónde generan valor y por qué ese valor es difícil de replicar.

Lea más sobre informática empresarial o temas relacionados como IA generativa, IA y aprendizaje automático, y tecnología y análisis.

Deep Nishar es un tecnólogo e inversor que ocupó el cargo de ejecutivo sénior de producto en Google entre 2003 y 2008, y fue director de producto en LinkedIn entre 2009 y 2014. Entre sus inversiones en software empresarial se incluyen Anthropic, Figma, Glean y Slack.

Nitin Nohria es profesor universitario titular de la cátedra George F. Baker Jr. y de servicio distinguido. Fue el décimo decano de la Escuela de Negocios de Harvard, desde 2010 hasta 2020.