La desaparición de 2 billones de dólares
Algo se rompió en la narrativa del SaaS a principios de 2026. No de forma gradual ni sutil, sino de una manera que obligó a cada inversor, fundador y líder de producto a recalibrar.
Aproximadamente 2 billones de dólares en capitalización bursátil del software se evaporaron en un período comprimido. Forrester, que normalmente no es propenso a pronunciamientos dramáticos, declaró que "el SaaS como lo conocemos ha muerto". No se trataba de una recesión ni de los tipos de interés. Se trataba de una pregunta estructural que los inversores empezaron a hacer simultáneamente: si la IA puede construir este producto en un fin de semana, ¿por qué esta empresa vale 15 veces sus ingresos?
El detonante no fue un solo evento. Fue una convergencia:
- Las herramientas de codificación con IA (Claude Code, Cursor, Replit) superaron los 7.000 M$ en ingresos anualizados combinados, demostrando que la creación de software en sí se estaba convirtiendo en una commodity
- Plataformas de "vibe coding" como Lovable (ARR de más de 400 M$, 146 empleados) y Bolt.new demostraron que los usuarios no técnicos podían construir productos SaaS funcionales mediante lenguaje natural
- DeepSeek entrenó un modelo de IA frontera por 294.000 $, destruyendo las suposiciones sobre el capital necesario para competir en IA
- Los compradores empresariales empezaron a preguntar: "¿Por qué pagamos por usuario por una herramienta cuando la IA puede manejar este flujo de trabajo de principio a fin?"
La caída de 2 billones no fue el estallido de una burbuja. Fue el mercado revalorizando la defendibilidad del software basado en funcionalidades cuando el coste de crear funcionalidades se acerca a cero.
No todas las empresas SaaS son igualmente vulnerables. La destrucción se concentra en empresas cuyo foso era principalmente "construimos este conjunto de funcionalidades primero" en lugar de "tenemos datos, efectos de red o integración de flujos de trabajo que es difícil de replicar". Entender en qué categoría cae tu empresa es ahora la pregunta estratégica más importante para los fundadores de software.
Por qué el cobro por usuario es un modelo con los días contados
El cobro por usuario fue la base de la economía SaaS durante dos décadas. Era elegante: ingresos predecibles, expansión sencilla (más empleados = más usuarios), economía unitaria clara. Salesforce, Atlassian y Slack construyeron imperios sobre este modelo.
Pero el cobro por usuario contiene una suposición fatal: que el valor del software escala con el número de humanos que lo usan. En la era de la IA, esta suposición se rompe.
Cuando un agente de IA puede manejar el trabajo de un representante de atención al cliente, un analista de datos o un desarrollador junior, la empresa no necesita otro usuario. Necesita que la IA haga más trabajo. El cobro por usuario crea un incentivo perverso: cuanto más la IA reduce la necesidad de trabajadores humanos, menos ingresos genera la empresa SaaS.
El mercado está respondiendo. Según datos de la industria, la adopción de precios basados en uso alcanzó el 85% de las empresas SaaS en 2025-2026, frente al 30% aproximado en 2019. Los modelos puramente por usuario cayeron del 21% al 15% de los precios SaaS en solo doce meses. Los modelos híbridos (que combinan usuarios con uso) aumentaron hasta el 41%.
El cambio no es solo sobre la mecánica de precios. Refleja un cambio más profundo en lo que los compradores valoran:
| Modelo de precios | Qué cobra | Alineación con la IA |
|---|---|---|
| Por usuario | Número de humanos | Desalineado (la IA reduce humanos) |
| Basado en uso | Volumen de actividad | Neutral (la IA puede aumentar o disminuir el volumen) |
| Basado en resultados | Resultados entregados | Alineado (la IA ayuda a entregar más resultados) |
Las empresas que sobrevivan al SaaSpocalypse serán aquellas cuyo modelo de precios se alinee con el valor que crea la IA, no las que luchen por preservar un modelo por usuario que penaliza a sus clientes por ser eficientes.
El auge de los precios basados en resultados
Si el cobro por usuario se está muriendo, ¿qué lo reemplaza? La respuesta más convincente son los precios basados en resultados: cobrar a los clientes por resultados en lugar de por acceso.
El agente de IA de Intercom, Fin, es el ejemplo más claro. Lanzado en 2025, Fin cobra 0,99 $ por conversación de soporte al cliente resuelta. No por usuario, no por llamada a la API, sino por resultado: una pregunta del cliente respondida, un problema resuelto. En su primer año, este modelo generó decenas de millones en ingresos.
La elegancia está en la alineación de incentivos. El cliente paga solo cuando Fin resuelve realmente un problema. Si Fin no puede resolverlo, no hay cobro. Esto significa que Intercom tiene un incentivo directo para mejorar Fin, porque mejor resolución = más ingresos. Y el cliente tiene incentivo para dirigir más volumen a través de Fin, porque las resoluciones exitosas cuestan solo 0,99 $ cada una.
Zendesk fue más allá: su sistema de precios por resolución de IA cobra cero por intentos fallidos. Solo pagas cuando la IA gestiona completamente la interacción sin escalamiento humano.
Otras empresas están experimentando:
- Herramientas legales de IA que cobran por documento revisado o por cláusula analizada (en lugar de por usuario abogado)
- Herramientas de ventas que cobran por lead cualificado o por reunión agendada (en lugar de por cuenta SDR)
- Herramientas de generación de código que exploran precios por despliegue o por funcionalidad (en lugar de por usuario desarrollador)
La economía tiene sentido sobre el papel, pero hay un inconveniente. Los precios basados en resultados introducen volatilidad en los ingresos que los modelos por usuario evitan. Si tu IA empeora (o las necesidades del cliente cambian), los ingresos caen inmediatamente. Esto dificulta la planificación financiera y puede asustar a los inversores acostumbrados a las curvas suaves de ingresos recurrentes del SaaS.
El ajuste de cuentas de 2026 está poniendo esto a prueba. La mayoría de las empresas pasaron 2025 en modo de "adopción a toda costa", regalando funcionalidades de IA para impulsar el uso. Los ciclos de renovación de 2026 están forzando a que los precios reflejen el valor realmente entregado. Las empresas que puedan demostrar resultados claros prosperarán. Las que sigan vendiendo funcionalidades se enfrentarán a negociaciones cada vez más brutales.
Márgenes brutos de la IA: el problema del 50-60%
Hay una parte del SaaSpocalypse que recibe menos atención pero importa enormemente: los productos con IA tienen márgenes brutos estructuralmente más bajos que el SaaS tradicional.
Los márgenes del SaaS tradicional eran del 80-90%. Una vez construido el software, el coste marginal de servir a un usuario adicional era básicamente el coste de hosting, que era negligible por usuario. Esto es lo que hacía del SaaS un modelo de negocio tan atractivo: márgenes brutos extremadamente altos que financiaban el crecimiento.
La IA cambia esta ecuación. Cada inferencia de IA (cada llamada a un LLM, cada imagen generada, cada documento analizado) tiene un coste de computación. Estos costes están descendiendo rápidamente (un 99,7% en 30 meses para inferencia equivalente a GPT-4), pero no son cero y escalan con el uso.
Los márgenes actuales de productos con IA se sitúan en torno al 50-60%. Sigue siendo un buen negocio, pero es un perfil financiero fundamentalmente diferente al del SaaS con margen bruto del 85%:
| Métrica | SaaS tradicional | Producto con IA |
|---|---|---|
| Margen bruto | 80-90% | 50-60% |
| Coste marginal por usuario | Cercano a cero | Significativo (costes de inferencia) |
| Estructura de costes | Fijo (ingeniería) + variable (hosting) | Fijo + variable (computación por consulta) |
| Vía de mejora de márgenes | Principalmente poder de fijación de precios | Eficiencia de inferencia + precios |
| Múltiplo de ingresos (mercados públicos) | 10-15x (crecimiento) | 6-10x (por determinar) |
Esto tiene efectos en cascada:
Las matemáticas de la recaudación cambian. Una empresa SaaS con 10 M$ de ARR y márgenes brutos del 85% tiene 8,5 M$ en beneficio bruto para financiar el crecimiento. Una empresa de IA con 10 M$ de ARR y márgenes del 55% tiene 5,5 M$. Para crecer al mismo ritmo, la empresa de IA necesita más capital o más eficiencia de capital.
Las valoraciones se reajustan. Los mercados públicos históricamente valoraban las empresas SaaS con múltiplos de ingresos que asumían márgenes brutos del 80%+. Las empresas de IA con márgenes del 55% no merecen los mismos múltiplos, y el mercado está corrigiendo esto.
Solo el 16% de las empresas monetizaron la IA como producto independiente a finales de 2025. El resto agrupó las funcionalidades de IA en los precios existentes, sacrificando margen para seguir siendo competitivas. Las que monetizaron la IA por separado vieron una tracción de mercado 2-3 veces mayor, lo que sugiere que la demanda existe si el modelo de precios es el correcto.
El camino a seguir no es desesperarse por los márgenes. Es compensar los márgenes más bajos con mayor volumen, mejor retención y precios que capturen el valor que entrega la IA. El modelo de 0,99 $/resolución de Intercom Fin funciona porque el volumen de resoluciones es enorme y la alternativa (agentes humanos a 15-25 $/hora) es 10-20 veces más cara.
Qué categorías SaaS sobreviven y cuáles son devoradas
No todo el SaaS es igualmente vulnerable. El riesgo depende de tres factores: la complejidad del flujo de trabajo, la profundidad de la integración de datos y la fuerza de los efectos de red.
Alto riesgo: serán disrumpidas
Aplicaciones CRUD simples. Herramientas de gestión de proyectos, CRM básico, constructores de formularios, dashboards de análisis simples. Son esencialmente bases de datos con interfaces. Cuando Lovable y Bolt.new permiten a los usuarios describir la aplicación que quieren y obtener un producto funcional en horas, el valor de una herramienta CRUD preexistente colapsa. Si tu producto SaaS puede describirse en una especificación de dos párrafos y reconstruirse con IA, eres vulnerable.
Herramientas de creación de contenido. Herramientas básicas de copywriting, programadores de redes sociales con bibliotecas de plantillas, herramientas de diseño simples. La IA genera contenido directamente. La capa de herramientas intermediarias se vuelve innecesaria cuando el contenido en sí es generado por IA.
Analítica de baja complejidad. Herramientas de dashboard que visualizan métricas sencillas sin integración profunda de datos ni datos propietarios. La IA puede generar gráficos e insights desde datos en bruto directamente.
Riesgo medio: serán transformadas
Herramientas de colaboración. Productos tipo Slack, Notion, Asana tienen efectos de red que proporcionan cierto foso, pero la capa de funcionalidades es vulnerable. Los agentes de IA pueden gestionar proyectos, resumir hilos y coordinar flujos de trabajo. Las herramientas de colaboración que sobrevivan serán plataformas donde interactúen agentes de IA, no solo humanos.
Herramientas para desarrolladores (horizontales). Revisión de código genérica, CI/CD, monitoreo. La IA ya maneja mucho de esto directamente. Las herramientas que sobrevivan serán las que gestionen flujos de trabajo de agentes de IA en lugar de flujos de trabajo de desarrolladores humanos.
Automatización de marketing. Las herramientas actuales coordinan actividades de marketing humanas. La IA está reemplazando muchas de esas actividades. Las herramientas que sobrevivan orquestarán agentes de marketing de IA, no marketers humanos.
Bajo riesgo: prosperarán
Plataformas verticales de IA. Harvey (legal), Abridge (salud), Toast (restaurantes). La experiencia profunda de dominio, los datos propietarios y el cumplimiento específico de la industria crean fosos que la IA horizontal no puede cruzar fácilmente. Estas empresas poseen tanto el flujo de trabajo como el conocimiento del dominio.
Infraestructura de datos. Snowflake, Databricks, Pinecone. Cuanto más se usa la IA, más infraestructura de datos se necesita. Estas empresas se benefician de la adopción de IA en lugar de verse amenazadas por ella.
Identidad y seguridad. Okta, CrowdStrike, Cloudflare. La confianza, las certificaciones de cumplimiento y la experiencia en seguridad crean fosos que la IA no disuelve. De hecho, la proliferación de agentes de IA aumenta la necesidad de gestión de identidades y seguridad.
Empresas plataforma con efectos de red. Salesforce (lock-in del ecosistema), Shopify (red de comerciantes), Stripe (red de pagos). El valor no son las funcionalidades del software; es la red y los datos. La IA mejora estas plataformas en lugar de reemplazarlas.
El contraataque de la IA vertical
Mientras el SaaS horizontal lucha con el problema de "cualquiera puede construir esto con IA", las empresas de IA vertical están escribiendo el nuevo manual para la creación de valor del software.
Los datos son impactantes. Las startups de IA recaudaron casi 150.000 millones de dólares en 2025, capturando más del 40% del capital de riesgo global. Dentro de eso, las soluciones de IA vertical capturaron 3.500 M$, un aumento de 3 veces desde los 1.200 M$ de 2024. Gartner predice que el 80% de las empresas adoptará agentes de IA vertical para 2026.
Los ejemplos destacados:
Harvey (IA legal) es el caso emblemático. Fundada por abogados que entendían los flujos de trabajo legales lo suficientemente bien como para construir IA que se adaptara a ellos, Harvey pasó de cero a 195 M$ de ARR a finales de 2025, creciendo 3,9 veces desde los 50 M$. Su trayectoria de valoración: 3.000 M$ (principios de 2025) a 5.000 M$ (mediados de 2025) a 8.000 M$ (diciembre 2025) a 11.000 M$ (conversaciones de febrero 2026). Más de 1.000 clientes, la mayoría bufetes de abogados y departamentos legales corporativos.
¿Por qué Harvey tuvo éxito donde la IA genérica fracasó? Porque el trabajo legal no es simplemente "responder una pregunta". Es navegar regulaciones específicas de cada jurisdicción, entender precedentes, gestionar el privilegio y producir documentos que cumplan requisitos específicos de formato y citación. La experiencia de dominio es el foso.
Abridge (documentación clínica) se valoró en 5.300 M$ con aproximadamente 800 M$ recaudados, principalmente de a16z y Khosla Ventures. Las empresas de IA en salud representaron 6 de 11 unicornios de IA en el primer trimestre de 2025. Las startups de IA en salud capturaron el 62% de todo el VC de salud digital en la primera mitad de 2025.
EvenUp (derecho de lesiones personales) alcanzó una valoración de más de 2.000 M$ con una Serie E de 150 M$ de Bessemer. La IA de la compañía entiende la economía específica, la terminología médica y los patrones de negociación de los casos de lesiones personales, conocimiento que llevaría años codificar desde cero.
El patrón: las empresas de IA vertical alcanzan el 80% de los valores de contrato del SaaS tradicional mientras crecen un 400% interanual. Bessemer proyecta que la capitalización bursátil de la IA vertical podría crecer 10 veces más que el SaaS heredado. No es un error. 10 veces.
La razón es estructural. Las empresas de IA vertical combinan:
- Experiencia de dominio que crea un coste de cambio (no es solo software; es la comprensión acumulada de cómo funciona la industria)
- Datos propietarios de interacciones específicas de la industria que mejoran la IA con el tiempo
- Conocimiento de cumplimiento y regulación que las herramientas horizontales no pueden replicar fácilmente
- Integración de flujos de trabajo lo suficientemente profunda como para que eliminarla disrumpa los procesos centrales del negocio
Esta es la fórmula para el software defendible en la era de la IA. No "tenemos funcionalidades que otros no tienen" (la IA iguala funcionalidades) sino "entendemos esta industria mejor que nadie, y nuestra IA mejora con cada interacción".
El código abierto como gran igualador
El entrenamiento de 294.000 $ de DeepSeek no solo sacudió la industria de la IA. Envió un temblor a través de la economía SaaS.
Cuando DeepSeek publicó R1 en enero de 2025, un modelo de razonamiento de código abierto que igualaba o superaba a GPT-4 en muchos benchmarks, ocurrieron dos cosas: la capitalización bursátil de NVIDIA cayó 600.000 millones de dólares en un solo día, y cada empresa SaaS que dependía del acceso propietario a IA perdió un pilar de su foso.
La adopción empresarial de IA de código abierto se disparó del 23% al 67%, proporcionando un ahorro de costes del 70-90% en comparación con las alternativas de modelos cerrados. Cinco familias de modelos de código abierto independientes (DeepSeek, Qwen, Kimi, GLM, Mistral) alcanzaron simultáneamente calidad frontera en benchmarks estándar. El Stanford AI Index 2025 confirmó que los modelos abiertos igualan o superan a los modelos cerrados en MMLU, MATH-500, AIME y GPQA Diamond.
Lo que esto significa para el SaaS: la capa de IA en sí no es un foso. Cualquier empresa puede acceder a modelos de IA de calidad frontera a coste marginal. Los tokens de entrada de DeepSeek R1 cuestan 0,07 $ por millón, aproximadamente 27 veces más barato que los modelos equivalentes de OpenAI. Una funcionalidad de IA que le cuesta a tu empresa SaaS 1.000 $/mes en OpenAI puede ejecutarse por 37 $ con alternativas de código abierto.
Las empresas SaaS que sobrevivan serán aquellas cuyo valor proviene de lo que hacen con la IA, no del hecho de que usan IA. Datos, integración de flujos de trabajo, experiencia de dominio y efectos de red son fosos. "Añadimos IA" no lo es.
Por eso estamos viendo una bifurcación. Las empresas de IA vertical con experiencia profunda de dominio y datos de entrenamiento propietarios están obteniendo valoraciones premium. Las empresas de SaaS horizontal que acoplaron IA a productos existentes están perdiendo poder de fijación de precios a medida que los clientes se dan cuenta de que pueden replicar las funcionalidades de IA con modelos disponibles en el mercado.
Cómo construir software que no pueda ser replicado en un hackathon de fin de semana
Si las funcionalidades son baratas de construir y la IA es ampliamente accesible, ¿qué hace que el software sea defendible? Aquí hay un marco para construir productos que sobrevivan al SaaSpocalypse:
1. Sé dueño del bucle de datos. Cada interacción del usuario debería hacer tu producto más inteligente. Glasp hace esto con su feed social de highlights, donde cada highlight hace que la base de conocimiento colectiva sea más valiosa. Stripe lo hace con datos de pago que mejoran la detección de fraude. El producto mejora con el uso de maneras que un competidor que empieza desde cero no puede replicar.
2. Construye efectos de red, no funcionalidades. Una herramienta de gestión de proyectos es una funcionalidad. Una plataforma donde equipos, agentes de IA e integraciones se interconectan es una red. Cuantos más usuarios/agentes/integraciones haya en la plataforma, más valioso se vuelve cada uno. El vibe coding puede replicar una funcionalidad. No puede replicar una red.
3. Ve profundo, no amplio. En lugar de construir una herramienta que "funcione para todos", construye una que funcione perfectamente para una industria específica. Harvey no compite con "IA general para documentos". Compite como "la IA que entiende el trabajo legal". La profundidad del conocimiento específico del dominio, los requisitos de cumplimiento y la integración del flujo de trabajo crean un foso que la amplitud no puede igualar.
4. Cobra por resultados, no por acceso. Si tu producto de IA genuinamente entrega resultados medibles (tickets de soporte resueltos, leads cualificados, documentos aprobados), cobra en consecuencia. Esto alinea tus incentivos con los del cliente, hace que la propuesta de valor sea innegable y crea un modelo de ingresos que crece con la mejora de la IA en lugar de contraerse con la commoditización de la IA.
5. Haz que el cambio sea caro a través de la profundidad de integración. Cuanto más profundamente tu producto se integre en el flujo de trabajo, la pila de datos y los procesos organizativos del cliente, más difícil es arrancarlo. No se trata de lock-in mediante trampas de proveedor. Se trata de proporcionar tanto valor a través de una integración profunda que cambiar requeriría reconstruir flujos de trabajo críticos.
6. Construye para la economía de agentes. Tu próximo cliente podría no ser un humano con un navegador. Podría ser un agente de IA con una API. Las empresas que construyen endpoints MCP, interfaces A2A y arquitecturas amigables para agentes se están preparando para un futuro donde los agentes de IA seleccionan y usan software de forma autónoma. Este es el próximo canal de distribución.
7. Acumula datos de entrenamiento propietarios. Cada startup de IA vertical usa modelos fundacionales de estantería. La diferenciación viene del fine-tuning con datos propietarios: interacciones específicas de la industria, flujos de trabajo del cliente, terminología del dominio y casos extremos que no existen en los datos de entrenamiento general. Estos datos se acumulan con el uso y crean una ventaja compuesta.
Frequently Asked Questions
¿El SaaS está realmente muerto?
No. El Software as a Service no ha muerto. Pero el modelo específico de vender acceso por usuario a conjuntos de funcionalidades está bajo una presión severa. Las empresas que están prosperando, Cursor (más de 2.000 M$ de ARR), Harvey (195 M$ de ARR creciendo 3,9 veces), Lovable (más de 400 M$ de ARR), son todas AI-nativas con modelos de precios que se alinean con el valor entregado por la IA. "SaaS" como categoría industrial persistirá. Las empresas dentro de ella se verán muy diferentes.
¿Cuánto tiempo tienen las empresas SaaS tradicionales para adaptarse?
El ciclo de renovación de 2026 es la primera gran prueba. Los contratos empresariales firmados en 2023-2024 están llegando a renovación, y los compradores están haciendo preguntas difíciles sobre alternativas de IA. Las empresas con datos de uso sólidos y un ROI claro renovarán. Las que venden funcionalidades que la IA puede replicar enfrentarán presión de reducción o pérdida de clientes. La ventana de adaptación es de 12-24 meses para la mayoría de las categorías.
¿Debería seguir construyendo una startup SaaS?
Sí, pero no una tradicional. El manual que funcionó de 2010 a 2023 (construir funcionalidades, cobrar por usuario, apuntar a márgenes brutos del 80%, recaudar a 15x ingresos) está roto. El nuevo manual: ir vertical, ser dueño de los datos, cobrar por resultados y aceptar que los márgenes con IA serán del 50-60%, no del 80-90%. El mercado total direccionable es mayor porque la IA permite servir a clientes que no podían permitirse soluciones basadas en humanos.
¿Qué pasa con las valoraciones SaaS?
Se están reajustando para reflejar cambios estructurales. Las empresas con crecimiento demostrado de ingresos impulsado por IA y precios basados en resultados podrían obtener múltiplos premium. El SaaS tradicional basado en funcionalidades cotizará con múltiplos más bajos a medida que el mercado descuente la compresión de márgenes y el riesgo competitivo de alternativas AI-nativas. La bifurcación entre valoraciones "AI-nativas" y "AI añadida" se ampliará.
¿Cómo afecta la IA de código abierto a la defendibilidad del SaaS?
Elimina "usamos IA" como diferenciador. Cuando cualquiera puede desplegar modelos de código abierto de calidad frontera con un 70-90% menos de coste que las APIs comerciales, la capa de IA en sí no es un foso. La defendibilidad debe venir de lo que se construye encima de la IA: experiencia de dominio, datos propietarios, integración de flujos de trabajo y efectos de red. Las empresas cuya ventaja en IA es "tenemos un wrapper de GPT" son las más vulnerables.
¿Qué industrias son las menos afectadas por el SaaSpocalypse?
Las industrias altamente reguladas (salud, finanzas, gobierno) son las menos afectadas porque los requisitos de cumplimiento crean costes de cambio que la IA no elimina. La seguridad y la gestión de identidades también son resilientes porque la confianza y la certificación importan más que las funcionalidades. La infraestructura de datos se beneficia de la adopción de IA (más IA = más procesamiento de datos). Las empresas plataforma con fuertes efectos de red (Shopify, Stripe) están protegidas porque la red en sí es el valor.
Conclusión: de Software as a Service a Service as Software
El SaaSpocalypse no es el fin del software. Es el fin de una era específica de la economía del software, una construida sobre la suposición de que crear software era caro, por lo que el acceso a software preconstruido valía la pena pagarlo.
Esa suposición se mantuvo durante dos décadas. Construir una herramienta de gestión de proyectos, un CRM o un dashboard de análisis requería meses de tiempo de ingeniería y cientos de miles de dólares. El cobro por usuario era el modelo natural: estás pagando por la inversión acumulada en ingeniería amortizada entre todos los usuarios.
La IA rompió esa suposición. Cuando el coste de construir funcionalidades se acerca a cero, el valor de las funcionalidades preconstruidas se acerca a cero. Lo que conserva valor es todo lo que rodea a las funcionalidades: los datos, la red, la experiencia de dominio, el conocimiento de cumplimiento, la integración del flujo de trabajo y la confianza.
Las empresas SaaS que prosperen durante esta transición se verán fundamentalmente diferentes de las que prosperaron en la década de 2010. Tendrán márgenes brutos más bajos pero mercados direccionables más grandes. Cobrarán por resultados, no por usuarios. Competirán en profundidad de dominio, no en amplitud de funcionalidades. Y servirán a agentes de IA como clientes junto a los humanos.
La transición de "Software as a Service" a "Service as Software" no es solo un cambio de precios. Es una reconceptualización de lo que hacen las empresas de software. No proporcionan herramientas para que los humanos hagan trabajo. Proporcionan resultados que solían requerir trabajo humano. El producto es el resultado, no la interfaz.
Para los fundadores, esto es tanto aterrador como liberador. Aterrador porque el manual que estudiaste es obsoleto. Liberador porque el nuevo manual recompensa exactamente las cosas que la IA no puede replicar fácilmente: una comprensión profunda de un problema específico, el juicio para saber qué resultados importan y el criterio para construir productos en los que las personas confíen para sus flujos de trabajo más importantes.
El SaaSpocalypse no es una crisis. Es una reasignación. El valor se está moviendo de empresas que construyeron funcionalidades a empresas que entregan resultados. Los fundadores que entiendan esta distinción construirán la próxima generación de empresas de software. Los que no lo hagan pasarán los próximos dos años viendo cómo su foso se evapora.