#Análisis: Eso son 3 horas de trabajo

En el tiempo que llevo en el mundo de la tecnología y la consultoría, una métrica ha reinado sin cuestionamiento: la relación hora-hombre/costo. Esta unidad no solo ha determinado la manera de presupuestar, sino que ha sido la columna vertebral de la contabilidad de proyectos y negocios, tal como lo estandarizan metodologías fundacionales como la PMBOK (Project Management Body of Knowledge).

Otro parámetro inmutable, en este caso para la economía del software empresarial, especialmente en el SaaS ha descansado sobre otra unidad de licencia por usuario, con algunas variaciones en el elemento a contabilizar, pero apalancada en la idea que lo que había en el otro lado era principalmente usuarios.

Hablamos de dos enormes sectores de negocio —la venta de tiempo de talento humano y el acceso a herramientas digitales— que enfrentan no solo un cuestionamiento de sus modelos fundamentales, sino una eventual fusión de sus identidades producto primero de la «nebulización» de los servicios y ahora la llegada de la Inteligencia Artificial Agéntica.

Si las consultoras se convierten en grandes operadoras de soluciones de IA y la IA representa una amenaza al SaaS como evolución del mercado de software), las líneas divisorias se empiezan a difuminar. Podemos estar ante una redefinición donde para las consultoras la tecnología deja de ser una herramienta de eficiencia técnica y se convierte, en instrumento de transformación del modelo de negocio per se, incursionando más agresivamente en el sector SaaS (o como se vaya a llamar en el futuro).

Replantear la vigencia del modelo Time & Materials es una realidad documentada hace varios años y recuerdo entonces a Pedro Pacheco Rodríguez sensibilizando a nuestra organización sobre este tema hace más de una década. Informes recientes de Gartner y Forrester confirman lo que la innovación venía gestando: la IA generativa está eliminando el tiempo necesario para ejecutar tareas de nivel junior y medio, desde el análisis de datos hasta la generación de código. El entregable que ayer facturamos a 40 horas hoy se genera en mucho menos tiempo y con una supervisión mínima.

Esto hace que el modelo de tarifas escalonadas (Junior, Senior, Gerente, Socio) empiece a crujir, especialmente porque el panorama de lo que hoy representa un esfuerzo y las competencias necesarias para ello ha cambiado.

La estructura piramidal tradicional se difumina ante la pérdida de necesidades de una base operativa en formación, la falta de preparación de los mandos medios para adoptar estas tecnologías o gestionar a quienes la utilizan, y el abaratamiento de un conocimiento técnico que la IA ya posee y que otrora formaba aporte exclusivo de rol.

La Alta Dirección se encuentra ante un territorio desconocido. Para ilustrarlo con un ejemplo pragmático: la redacción y estructuración de este análisis me llevó dos horas de trabajo en solitario. Bajo el paradigma anterior, un «Thought Leadership» similar habría involucrado dos días de personal junior para investigación, medio día de un gerente para revisión y otro tanto del responsable de la publicación. Si existían correcciones, la inversión se duplicaba. Hoy, esa ineficiencia es invendible. Esto además suma a un problema que ya hoy está aquejando a las consultoras y cuyo impacto se extenderá a todas las organizaciones: ¿cómo se forman las generaciones de relevo?

Este es un punto crítico y poco discutido: Al automatizar las tareas de bajo valor (niveles entry-level), se desmonta el entorno tradicional de aprendizaje para los profesionales junior, dónde “sudan” el cómo se hacen las cosas y el porqué. Si a esto sumamos un sistema educativo desfasado, nos enfrentamos a un vacío en el plan de formación del talento cualificado para posiciones de toma de decisiones medias y superiores en el futuro cercano.

Lo que probablemente ocurra es que esas posiciones comiencen a ser ocupadas por quienes saben cómo implementar o liderar los agentes AI, lo cual es una competencia necesaria pero insuficiente al momento de reconocer aquello que se está haciendo mal. Quizá la AI también supla ese conocimiento y lo que quede es asumir el cambio de esos roles. Es para mí una fotografía difusa en este momento y tenemos que buscar una respuesta para que la eficiencia de hoy no sea causa de la ignorancia de mañana.

… tenemos que buscar una respuesta para que la eficiencia de hoy no sea causa de la ignorancia de mañana.

El cliente, además, ha evolucionado. Al igual que un paciente llega hoy a la consulta médica armado con diagnósticos —correctos o no— obtenidos en redes y buscadores, los clientes corporativos se pueden presentar con una preparación inusualmente alta sobre temas que no dominan, trayendo a la mesa una visión de sus problemas que antes solo podía obtener a través de un consultor. A esto se suma sus creencias, justificadas o no, de que gran parte del esfuerzo humano de sus proveedores es, en realidad, ineficiencia facturable. y en consecuencia con la expectativa de que la adopción algorítmica represente servicios «mejores» y «más baratos».

En consecuencia, lo que antes era el bastión de las consultoras —el acceso primario al conocimiento, al experto y a marcos de trabajo propietarios— ahora puede ser accesible, al menos de una forma peligrosamente superficial, a través de cualquier LLM bien orquestado. Y aquí la clave para diferenciarse y aportar valor pasa por desarrollar la habilidad de orquestar. Como señalan The Economist y Harvard Business Review. La ventaja competitiva ya no es «saber», sino la capacidad de implementación técnica y la orquestación de soluciones y sistemas complejos.

Crédito: Pixabay.

¿Qué está pasando con los SaaS?

La volatilidad reciente en las acciones de titanes del SaaS (observen los movimientos de $CRM o $WDAY) evidencia el nerviosismo de los inversores como parte de de un fenómeno que se viene gestando hace un tiempo.

Ya en 2024, voces autorizadas como Dharmesh Shah de HubSpot y analistas de ARK Invest advertían sobre la inminente deflación de los ingresos por software, desde el argumento que si Machine Learning, autómatas y ahora los agentes de IA pueden ejecutar flujos de trabajo completos, la necesidad de interfaces humanas disminuye. La visión tradicional del software como herramienta que requiere un humano en cada «asiento» cambia para considerar una infraestructura silenciosa operada por agentes.

La relación entre usuarios y procesos se viene contrayendo y eso amerita revisar cómo medimos y facturamos. Otra historia es el mercado de consumo masivo, y de eso no hablaremos ahora.

A esto debemos sumar la democratización tecnológica. Hace apenas unos años, los proyectos de Machine Learning o automatización eran relevantes, reservados para grandes corporaciones con CAPEX intensivo.

En contraste, esta nueva oleada de IA y agentes comenzó de forma inversa: como productos de consumo masivo sujetos a una rápida commoditización. Aunque el mercado eventualmente se estabilizará y aparecerán soluciones premium, hoy grandes y chicos comienzan la carrera desde la misma línea de salida.

Sin embargo, aquí surge un riesgo crítico: la fragilidad de los procesos agénticos y el fenómeno de la «caja negra». Existe una tendencia peligrosa a automatizar procesos que no se comprenden en profundidad. Al delegar decisiones operativas a agentes autónomos sin un dominio absoluto del flujo de trabajo subyacente, creamos sistemas opacos que incumplen con los atributos básicos de un proceso auditable (Formalización, Trazabilidad, Criterios de evaluación, Controles identificables, Medición y monitoreo, Repetibilidad y Control de cambios).

Y esto además genera un riesgo enorme. ¿Quién es responsable cuando una estrategia generada por un agente alucina o incumple normativas? ¿Quién asume las consecuencias cuando las decisiones tomadas se sustentan en datos mal generados o conclusiones erróneas de la IA? Estamos adoptando un riesgo sistémico, pero de esto hablaré en un próximo artículo.

También es importante bajar nuestras expectativas y vital evitar la falacia de que la IA simplificará nuestro entorno operativo. Todo lo contrario.

Como argumenté anteriormente en mi análisis sobre la paradoja de la tecnología, no estamos simplificando la vida profesional, la estamos densificando. Estamos ante una manifestación clara de la Paradoja de Jevons: la eficiencia en la producción de tareas cognitivas no reducirá la demanda de consultoría, sino que aumentará la demanda de una consultoría de mucha mayor complejidad. Goldman Sachs apunta en esta dirección: la eficiencia eleva el estándar, no elimina la necesidad.

El mercado dejará de pagar por horas de ejecución o licencias pasivas. Pagará por resultados, por la gestión de la complejidad y por la capacidad de gobernar estas cajas negras. La transición no es meramente tecnológica, es estructural.

*El autor es MBA Unimet y Licenciado en Computación UNE. Exsocio PwC Argentina y Venezuela, líder de las prácticas de Risk Assurance, Cybersecurity and Forensics Services.

Lea más contenido interesante y actual: 

• #Atención: BDV activó servicio de venta de divisas a personas naturales por montos de hasta US$1.000 

• Empresarios en Falcón plantean a Pdvsa cancelar deudas pendientes para reactivar industria petrolera