Agentes de IA en lugar de SaaS: un nuevo mercado de automatización

Hasta hace poco, la automatización casi siempre significaba lo mismo: una empresa compraba un producto SaaS, los empleados aprendían la interfaz, movían datos entre sistemas de forma manual, pulsaban los botones correctos, enviaban correos, cerraban tickets y armaban informes. En ese modelo, la mayor parte del valor del producto vivía en pantallas, roles y flujos paso a paso que una persona tenía que recorrer por sí misma.

En 2025-2026, ese contrato básico empezó a cambiar. Un LLM con acceso a búsqueda, archivos, sistemas corporativos y, en algunos casos, incluso a la interfaz de un ordenador deja de ser solo otro "botón inteligente" y empieza a convertirse en un ejecutor de trabajo digital. La pregunta deja de ser "¿en qué SaaS va a trabajar el empleado?" y pasa a ser "¿qué parte del proceso puede ejecutar un agente por sí solo?" (1)

Qué son los agentes de IA, sin la niebla del marketing

No tiene mucho sentido llamar agente de IA a cualquier interfaz de chat ni considerar agéntico cualquier flujo con dos llamadas a herramientas. OpenAI define a los agentes de forma simple: sistemas que realizan tareas de manera independiente en nombre de los usuarios. Anthropic ofrece una distinción más útil para la práctica: los workflows siguen caminos predefinidos, mientras que los agents eligen dinámicamente los pasos, las herramientas y el orden de ejecución a medida que trabajan. (1)

Esa distinción importa porque el mercado ya llama agente a casi todo. Si la ruta está completamente codificada y el modelo solo escribe texto en los lugares correctos, eso se parece más a un LLM workflow. Si el sistema decide por sí mismo cuándo buscar, qué herramienta invocar, cuándo detenerse, cuándo pasar la tarea a una persona y cómo comprobar resultados intermedios, entonces estamos mucho más cerca de una verdadera capa agéntica.

En la práctica, el bloque de construcción es bastante poco romántico: un LLM reforzado con retrieval, herramientas y, a veces, memoria. Precisamente por eso Anthropic advierte contra la complejidad innecesaria: no tiene sentido construir un agente complicado cuando bastan una buena llamada al modelo, una búsqueda sólida y ejemplos bien elegidos. (2)

En qué se diferencian los agentes del SaaS tradicional

El SaaS tradicional vende el lugar donde una persona hace el trabajo. Los productos agénticos venden cada vez más la finalización del trabajo en sí: encontrar la respuesta, procesar una solicitud, reunir contexto, preparar un mensaje, actualizar un registro en el CRM y disparar el siguiente paso. Eso no elimina el SaaS, pero sí cambia la unidad de valor.

• El SaaS optimiza la interfaz para una persona; un agente optimiza la finalización de un workflow.
• El SaaS suele monetizarse por asientos, roles y accesos; una capa agéntica empuja de forma natural el mercado hacia modelos usage- y outcome-based, donde lo importante no es el acceso al sistema, sino el resultado completado.
• En el SaaS clásico, el empleado cambia manualmente entre CRM, base de conocimiento, tickets, correo y hojas de cálculo; un agente debe orquestar esos sistemas mediante API, documentos y, a veces, computer use.
• En el SaaS habitual, las grandes preguntas son la usabilidad de la interfaz y la completitud funcional; en una capa agéntica, las preguntas clave son permisos, calidad de datos, evals, observabilidad, coste del error y límites de autonomía.

Por eso la presión no golpeará a todas las categorías por igual. Los productos más expuestos no son los grandes sistemas de registro, sino las herramientas estrechas cuyo valor depende sobre todo de guiar a una persona por un proceso digital repetible.

Por qué el tema maduró tan deprisa en 2025-2026

El 11 de marzo de 2025, OpenAI lanzó un conjunto de bloques base para aplicaciones agénticas: la Responses API, herramientas integradas como web search, file search y computer use, y el Agents SDK para orquestar escenarios de un solo agente o de varios agentes. Para el mercado, fue una señal importante: los agentes dejaron de ser solo una historia de demos open source y pasaron a convertirse en una narrativa oficial de plataforma por parte de uno de los principales proveedores de modelos. OpenAI recomienda expresamente que las nuevas integraciones empiecen con la Responses API, mientras que la Assistants API avanza hacia un futuro sunset cuando se alcance la paridad funcional. (1)

Eso no significa, sin embargo, que la autonomía ya esté resuelta. En el mismo anuncio, OpenAI describe computer use como una research preview y muestra con claridad que la fiabilidad aún está lejos del nivel humano: el rendimiento en OSWorld es de 38.1%, y la compañía recomienda supervisión humana en escenarios sensibles. Es una corrección importante frente al exceso de hype. El mercado se está volviendo real, pero no mágico. (1)

En paralelo, también maduró el ecosistema de herramientas alrededor de los agentes. En 2026, AutoGPT se parece mucho menos a un meme sobre "IA totalmente autónoma" y mucho más a una plataforma low-code con constructor visual, biblioteca y marketplace de agentes. En ese mismo periodo, CrewAI pasó de ser un framework de orquestación a una Agent Operations Platform, donde el foco ya no está solo en encadenar agentes, sino en memory, guardrails, RBAC, audit logs y gestión de despliegues en producción. Dicho de otro modo, OpenAI, AutoGPT y CrewAI importan, pero pertenecen a capas distintas de un mismo mercado: la plataforma fundacional, la capa de construcción y distribución, y la capa operativa. (35)

Dónde los agentes ya están generando valor real

El soporte es uno de los mercados más naturales para los agentes. Anthropic subraya expresamente que la atención al cliente encaja bien con un enfoque agéntico porque combina diálogo, acceso a datos externos, capacidad de actuar y un criterio de éxito claro: el problema se resuelve o no se resuelve. En su Resolution Platform, Zendesk ya no describe solo una capa de chat sobre una base de conocimiento, sino una pila de agentes de IA, knowledge graph, acciones e integraciones, reasoning controls y medición de calidad. El punto clave es que el foco no está en un "chat mejor", sino en la resolución real. (2)

En ventas, los agentes atacan una de las zonas más costosas y repetitivas: la prospección. HubSpot Breeze Prospecting Agent monitoriza buying signals, localiza contactos a través de proveedores conectados, redacta outreach personalizado y puede trabajar con revisión humana o en un modo más autónomo. Es un buen ejemplo de cómo empieza a desaparecer una capa entera de trabajo digital manual: donde antes un BDR dedicaba horas a investigar empresas, encontrar contactos y preparar los primeros mensajes, ahora gran parte de ese ciclo pasa a manos de un ejecutor de software. (7)

En analítica ocurre algo parecido. Salesforce Tableau Next presenta la agentic analytics como el paso de dashboards estáticos a una colaboración entre usuarios y agentes de IA a lo largo de todo el ciclo "datos -> análisis -> acción". ThoughtSpot fue aún más lejos a finales de 2025 con varios agentes de BI para modelado de datos, construcción de visualizaciones, generación de código y razonamiento analítico. La lógica es la misma: el valor se desplaza desde una pantalla más con gráficos hacia la preparación de datos, la detección de anomalías, la explicación de causas y la recomendación del siguiente paso. (8)

Qué categorías SaaS sufrirán presión primero

Si quitamos el hype y miramos solo la economía del workflow, los primeros productos bajo presión son los que combinan cuatro rasgos: entradas estandarizadas, pasos repetibles, resultados medibles y un coste del error controlable.

Entre ellos están sobre todo:

• capas de soporte Tier-1, donde el trabajo consiste en responder preguntas frecuentes, enrutar casos, cambiar estados, lanzar acciones estándar y escalar situaciones complejas a una persona;
• herramientas estrechas de prospección y outbound cuyo producto consiste, en esencia, en vigilar señales, encontrar contactos, enriquecer registros y personalizar el primer contacto;
• extensiones ligeras de BI para reporting recurrente, construcción de dashboards estándar y explicaciones iniciales sin un modelo de dominio profundo;
• herramientas sencillas de approval y ops, donde el empleado actúa sobre todo como enrutador entre sistemas y no como portador de una pericia única;
• productos envoltorio alrededor de la base de conocimiento corporativa, cuando les falta una capa fuerte de permisos, datos e integraciones y casi todo su valor se reduce a "chat con documentos".

Eso no significa necesariamente que las marcas desaparezcan de forma literal. Con más frecuencia, una categoría se comprime, queda absorbida por una plataforma mayor o se ve obligada a cambiar su monetización. Dicho de otra forma, no desaparece todo el SaaS, sino sobre todo el SaaS cuya ventaja competitiva dependía demasiado de que una persona recorriera manualmente una interfaz estándar.

Lo que no desaparecerá, y por qué

Los sistemas de registro no desaparecen solo porque aparezca un agente encima de ellos. Alguien sigue teniendo que almacenar clientes, contratos, pagos, inventario, registros de RR. HH., permisos y logs de acciones. CRM, ERP, sistemas de billing, plataformas de servicio y núcleos sectoriales siguen siendo la fuente de verdad. Es mucho más probable que los agentes se conviertan en una nueva capa de ejecución por encima que en un sustituto de esas plataformas.

Por eso los grandes proveedores no parecen necesariamente condenados. Oracle está construyendo AI Agent Studio, un marketplace y observabilidad alrededor de Fusion Applications, incrustando así una capa agéntica directamente en su stack corporativo existente. En 2025, ServiceNow lanzó AI Agent Studio, AI Agent Orchestrator y AI Agent Control Tower, reconociendo de hecho que la siguiente etapa de la automatización no es una ventana de chat aislada, sino una capa gestionable de agentes, workflows y control. (10)

Los productos más resistentes serán los que posean al menos uno de tres activos: un modelo de dominio profundo, el estatus de sistema oficial de registro o un ecosistema fuerte de datos, permisos y procesos. En esos segmentos, el agente no sustituye a la plataforma. La vuelve más ejecutable.

Qué nuevos productos aparecerán

La pregunta más interesante no es "¿qué SaaS muere primero?", sino "¿qué nuevos mercados están apareciendo alrededor de la capa agéntica?". Ya se distinguen al menos cinco categorías.

• Agent ops: tracing, evals, control de coste y latencia, entornos sandbox, gestión de memoria, rollbacks y reproducibilidad.
• capas de governance: permisos, policy enforcement, approval loops, auditoría de acciones y límites seguros para la autonomía;
• builders y marketplaces: catálogos de agentes listos para usar, plantillas, bibliotecas internas de herramientas y componentes de dominio reutilizables;
• workspaces agénticos especializados por dominio: productos que combinan sistema de registro, conocimiento, acciones y un operador humano alrededor de una función como soporte, ventas o finanzas;
• servicios outcome-based: modelos en los que se paga no por un asiento en una interfaz, sino por un caso resuelto, un workflow completado, un lead recomendado u otro resultado terminado.

Esta ola importa también porque cambia no solo el producto, sino también el pricing. Cuando un agente hace el trabajo de varios usuarios, el viejo modelo por asiento empieza a parecer más débil. No es casual que soporte y categorías cercanas se estén moviendo cada vez más hacia precios basados en resultados y no en pantallas o logins. (6)

Los agentes de IA no están matando al SaaS. Están cambiando dónde vive el producto

El mayor error en la conversación sobre agentes es preguntar qué SaaS va a morir primero. La pregunta más útil es otra: quién va a controlar la orquestación, el acceso a datos, la calidad de ejecución, la auditabilidad y el modelo de precio en un mundo donde el software empieza a hacer el trabajo por sí mismo.

El siguiente mercado de automatización no es simplemente "otro producto SaaS con un botón de IA". Es un mercado de productos que venden ejecución de workflows, autonomía controlada y un resultado de negocio claro. SaaS seguirá siendo el sistema de registro. Los agentes serán cada vez más el sistema de trabajo por encima de él. Justo en esa intersección es donde está naciendo el nuevo mercado de automatización.