Labor as a Service: la supuesta muerte de SaaS y lo que realmente está ocurriendo

El titular que todos malinterpretan

Abre cualquier publicación tecnológica en 2026 y encontrarás un estribillo conocido: "SaaS está muerto." Los capitalistas de riesgo lo tuitean. Los fundadores pivotan por ello. Las keynote de conferencias giran en torno a ello. La narrativa ha alcanzado la velocidad de escape y, a estas alturas, casi parece un hecho consolidado.

Excepto que no lo es.

Afirmar que el Software como Servicio ha llegado a su fin no solo es prematuro: malinterpreta por completo lo que ocurre en el sector. Lo que estamos viendo no es la muerte de un modelo de entrega. Es el nacimiento de una relación nueva entre inteligencia e infraestructura. Si interpreta mal este momento, tomará decisiones que le costarán años.

Aquí está la verdad, dicha sin rodeos: SaaS no se está muriendo. Está a punto de consumirse a una escala que eclipsa cualquier cosa en la historia de la tecnología empresarial. Pero los consumidores no serán seres humanos sentados en escritorios, haciendo clic en paneles y exportando archivos CSV. Los consumidores serán agentes de IA autónomos — incansables, paralelos, operando las 24 horas — que tratarán las aplicaciones SaaS de la misma forma en que los robots de fábrica tratan las máquinas herramienta: como instrumentos de producción, manejados a velocidad sobrehumana.

This shift has a name. We call it Labor as a Service — LAAS — y representa la transformación más importante en cómo las empresas compran, despliegan y obtienen valor de la tecnología desde que Marc Benioff puso un CRM en la nube.

"Las aplicaciones empresariales tal como las conocemos colapsarán en la era de los agentes."

— Satya Nadella, CEO de Microsoft

Nadella no se equivoca sobre el colapso. Solo está hablando de la capa de interfaz. Las aplicaciones en sí —las bases de datos, las API, la lógica de negocio, los motores de flujo de trabajo— no van a desaparecer. Se van a multiplicar. Lo que está colapsando es la suposición de que un humano debe estar entre el problema de negocio y el software que lo resuelve.

Antes de que existiera el SaaS: una historia que la mayoría desconoce

Para entender por qué Labor as a Service es la evolución natural de la industria del software, hay que retroceder mucho más allá de la fundación de Salesforce en 1999. El impulso de entregar capacidad informática como un servicio bajo demanda —en lugar de como un producto que se instala— es tan antiguo como la propia computación comercial.

La era de las oficinas de servicio (décadas de 1930 a 1960)

El árbol de decisión ya era simple entonces. Si el volumen de transacciones era suficientemente alto, comprabas el mainframe. Si no, usabas una oficina de servicio. Ese mismo cálculo —construir frente a comprar, poseer frente a alquilar— ha impulsado cada gran transición de plataforma desde entonces.

El experimento del proveedor de servicios de aplicaciones (años 90)

El modelo ASP fracasó por razones instructivas. El ancho de banda era insuficiente. La latencia era inaceptable para aplicaciones interactivas. La seguridad era dudosa. Y, sobre todo, la mayoría de ASP simplemente alojaban el mismo software monolítico on‑premise en sus propios servidores — no habían re-arquitectado nada para multi‑inquilino ni para una entrega nativa de internet. Intentaban vender una experiencia en la nube con tecnología pre‑nube.

Pero el instinto era correcto. El mercado quería software como servicio. Solo faltaba la infraestructura para alcanzar la ambición.

El nacimiento del SaaS y el fin del software empaquetado

La idea central del SaaS temprano era engañosamente simple. El software siempre fue caro de distribuir y mantener. Si eliminas el problema de distribución entregando por el navegador y el de mantenimiento centralizando las actualizaciones, desbloqueas un modelo de negocio con una economía extraordinaria: ingresos recurrentes, menos fricción en la adquisición de clientes y efectos de red que se refuerzan.

Lo que Benioff intuyó — y lo que el mercado acabó demostrando — es que a la mayoría de las empresas no les importa el software. Les importan los resultados. El CRM es solo el mecanismo con el que logran mejores relaciones con los clientes. Cuanto menos tengan que pensar en ese mecanismo, mejor.

Guarde esa idea: es la clave de todo lo que viene después.

La edad de oro: mil herramientas para cada tarea

Entre 2008 y 2024, el SaaS pasó de idea disruptiva al modelo de entrega predeterminado para casi todo el software empresarial. Las cifras son abrumadoras.

Cada función empresarial imaginable obtuvo su propia capa de SaaS. Las relaciones con clientes obtuvieron Salesforce y HubSpot. La gestión de proyectos obtuvo Asana, Monday.com, Jira y decenas más. La comunicación obtuvo Slack, Microsoft Teams y Zoom. La contabilidad obtuvo Xero y QuickBooks Online. El marketing obtuvo Mailchimp, Marketo y Klaviyo. Los recursos humanos obtuvieron BambooHR, Workday y Rippling. Incluso funciones de nicho — gestión de listas de espera para restaurantes, programación de citas dentales, despacho HVAC — obtuvieron sus propias aplicaciones SaaS dedicadas.

La explosión del SaaS fue un auténtico triunfo de la especialización. Por primera vez en la historia, una empresa de cinco personas podía acceder al mismo nivel de herramientas que antes estaban reservadas al Fortune 500. La democratización del software de nivel empresarial fue uno de los desarrollos económicos más decisivos del siglo XXI temprano.

Pero esta edad dorada ya traía en sí la semilla de otro problema.

El problema del que nadie habla: la fatiga de herramientas

Para 2024, la empresa mediana usaba entre 100 y 300 aplicaciones SaaS. Las grandes empresas a menudo más de mil. Cada app tenía su propio inicio de sesión, interfaz, lógica, silo de datos y curva de aprendizaje.

La promesa del SaaS era la simplificación. La realidad fue la complejidad a escala.

Piense en cómo luce una operación típica de atención al cliente en 2026. Un agente necesita revisar el CRM para ver el historial del cliente, consultar la base de conocimiento para los detalles de la política, actualizar el sistema de tickets con notas de resolución, revisar la plataforma de facturación para ver el estado de la cuenta, enviar un correo de seguimiento mediante la herramienta de automatización de marketing y registrar la interacción en la plataforma de analítica. Son seis aplicaciones distintas, seis pestañas distintas, seis interfaces distintas, para una sola interacción con el cliente.

The software worked. Each individual tool did its job. But the humano Operar en todas esas herramientas se convirtió en el cuello de botella. Cambiar de contexto, copiar y pegar datos entre sistemas, recordar qué herramienta contiene qué información, navegar por distintas IU con distintos modelos mentales — esta sobrecarga cognitiva consumía una parte enorme de la jornada laboral.

Los estudios empezaron a mostrar que los trabajadores del conocimiento dedicaban solo el 40% de su tiempo al trabajo productivo real. El resto se gastaba en la carga operativa de gestionar las herramientas que debían hacerlos más productivos.

La industria intentó resolver esto con plataformas de integración — Zapier, Workato, MuleSoft —, lo que ayudó pero añadió una capa más de complejidad. Luego llegó la «jugada de plataforma», en la que los grandes proveedores intentaron consolidar todo bajo un mismo techo. Eso ayudó en algunos flujos de trabajo, pero no podía cubrir todos los casos de uso.

El verdadero problema era estructural. El SaaS se diseñó asumiendo que los humanos serían los operadores. Cada panel, cada botón, cada interfaz de arrastrar y soltar se construyó para ojos y manos humanos. ¿Y si el operador no fuera humano?

Entra en escena el agente: software que usa software

La aparición de agentes de AI capaces en 2024 y 2025 cambió la ecuación fundamental del software empresarial. Por primera vez, fue posible desplegar entidades de software autónomas que podían:

• Motivo about problems using natural language understanding
• Plan multi-step workflows without explicit programming
• Ejecutar actions through APIs, interfaces, and tool calls
• Aprende from interactions and improve over time
• Orquestar across multiple systems simultaneously

Esto no era solo automatización. La automatización existía desde hace décadas. La automatización robótica de procesos (RPA) podía hacer clic en botones y rellenar formularios. Los motores de flujo podían enrutar documentos. Las tareas Cron podían ejecutar scripts según un calendario. Pero todo eso exigía que una persona definiera cada paso, cada bifurcación y cada manejador de excepciones por adelantado.

Los agentes de IA son fundamentalmente diferentes porque motivo. Con un objetivo y acceso a herramientas, pueden descubrir cómo para lograrlo. Pueden manejar situaciones novedosas que nunca antes habían encontrado. Pueden adaptarse cuando un enfoque no funciona. Pueden hacer preguntas aclaratorias cuando los requisitos son ambiguos.

Y, de forma crítica, no necesitan una interfaz gráfica. Interactúan directamente con APIs, bases de datos y datos estructurados: la maquinaria debajo del panel. Lo que antes requería que una persona navegara por tres aplicaciones y copiara información de una pantalla a otra, un agente lo resuelve en segundos con llamadas API directas a los tres sistemas en paralelo.

"Las aplicaciones son esencialmente sistemas CRUD sobre bases de datos. Tienen cierta lógica de negocio. Esa lógica de negocio migrará a la capa de IA."

— Satya Nadella sobre el futuro de las aplicaciones empresariales

Este es el momento en que cambia la narrativa. Las aplicaciones SaaS se construyeron como herramientas para personas. Los agentes de IA convierten esas mismas aplicaciones en herramientas para trabajadores autónomos. El panel deja de ser necesario — no porque la aplicación lo sea, sino porque el operador no necesita una interfaz visual. El agente lee y escribe datos directamente.

Agentes en producción hoy

Esto no es teoría. A principios de 2026, el panorama empresarial ya muestra evidencia clara del cambio:

• Experience Cloud de Adobe deploys AI agents that autonomously write, test, and optimize advertising copy across campaigns
• Workday uses agentic AI to prepare journal entries and process financial data without human data entry
• ServiceNow agents handle support ticket triage, categorization, and initial resolution autonomously
• Operaciones de atención al cliente across industries are deploying AI agents that handle 40-60% of incoming inquiries without human intervention

Investigación del informe State of Agentic Orchestration 2026 de Camunda: el 81 % de las empresas encuestadas considera esencial la orquestación agéntica para una empresa plenamente autónoma; el 57 % ya ejecuta agentes de IA en producción.

¿Qué es Labor as a Service?

Labor as a Service — LAAS — es el modelo de negocio que surge cuando los agentes de IA se convierten en los principales consumidores de herramientas de software.

En el modelo SaaS, usted compra acceso a una herramienta. Paga por asiento, por mes, por el derecho a usar el software. La extracción de valor depende por completo de la eficacia con la que su equipo humano opera esa herramienta. Un CRM es tan bueno como los representantes de ventas que lo actualizan. Una herramienta de gestión de proyectos solo funciona si la gente realmente la usa. Una plataforma de analítica es inútil si nadie lee los paneles.

En el modelo LAAS, usted compra resultados. No paga por un asiento en una plataforma de atención al cliente. Paga por consultas de clientes resueltas. No paga por una licencia de automatización de marketing. Paga por leads calificados generados. No paga por acceso a un sistema contable. Paga por conciliaciones completadas.

The shift is radical not because the software changes, but because the cadena de valor cambios. En SaaS, la responsabilidad del proveedor termina en ofrecer software funcional. Formación, adopción, uso y resultados son problema del cliente. En LAAS, el proveedor asume la cadena completa desde la herramienta hasta el resultado. El agente es el puente que conecta la capacidad del software con el resultado del negocio.

La arquitectura de LAAS

Una oferta de Labor as a Service se construye sobre tres capas:

1. La capa de herramientas (SaaS) — Las aplicaciones de software subyacentes que almacenan datos, ejecutan la lógica de negocio y proporcionan API. Esta es la infraestructura SaaS existente: CRM, ERP, plataformas de comunicación, bases de datos, motores analíticos. Esta capa no desaparece. Crece.
2. La capa de agente (inteligencia) — Agentes de IA autónomos que razonan sobre problemas empresariales, toman decisiones dentro de límites de gobernanza definidos y ejecutan acciones a través de la capa de herramientas. Este es el nuevo nivel intermedio que convierte herramientas en trabajadores.
3. La capa de gobernanza (confianza) — Reglas, restricciones, pistas de auditoría y mecanismos de supervisión humana que garantizan que los agentes operen dentro de los límites aprobados. Esta capa determina qué puede y no puede hacer un agente, cuándo debe escalar a un humano y cómo se registra y revisa cada acción.

Esta arquitectura de tres capas es esencial. Sin la capa de herramientas, los agentes no tienen con qué trabajar. Sin la capa de agentes, las herramientas aún requieren personas para operarlas. Sin la capa de gobernanza, los agentes están fuera de control y no son confiables.

Toda implementación seria de LAAS necesita las tres.

El giro inesperado: el SaaS no ha muerto

Aquí es donde la narrativa popular se equivoca de forma catastrófica.

Cuando la gente dice que «el SaaS está muerto», imagina un mundo en el que el CRM desaparece, la herramienta de gestión de proyectos se evapora y el software contable deja de existir. Visualiza agentes de IA trabajando desde un vacío sin forma, conjurando resultados empresariales mediante inteligencia pura.

Así no funciona nada de esto.

Los agentes de IA necesitan herramientas. Necesitan bases de datos de lectura y escritura. Necesitan lógica de negocio para ejecutar. Necesitan protocolos de comunicación para integrarse. Necesitan modelos de datos para entender. Cada acción de un agente es, en esencia, una llamada API a un sistema de software.

Los agentes no reemplazan el software. Los agentes consumen software.

Y lo consumen a una velocidad y volumen que ninguna fuerza laboral humana podría igualar. Considere las implicaciones:

• Un agente humano de atención al cliente gestiona quizá 40-60 interacciones al día. Un agente de IA puede gestionar miles al mismo tiempo.
• Una persona hace llamadas API desde un navegador, una por una y de forma deliberada. Un agente hace llamadas API de forma programática, en paralelo y en milisegundos.
• Una persona trabaja 8-10 horas al día, 5 días a la semana. Un agente trabaja 168 horas por semana, 52 semanas al año, sin pausas, sin bajas y sin rotación.

Si usted es una empresa SaaS y su producto tiene precio por llamada a la API, por transacción o por volumen de datos procesados, la era de LAAS es lo mejor que le ha pasado. Sus métricas de consumo están a punto de dispararse.

Si su precio es por asiento — por usuario humano — entonces sí, tiene un problema. No porque su software esté siendo reemplazado, sino porque su modelo de precios no captura el valor que se está creando. El software es más útil que nunca. Pero el usuario que ocupa el asiento ya no es humano.

Los números no mienten

El gasto global en SaaS se está acercando a los 300 mil millones de dólares en 2025 y se prevé que se acelere, no que se contraiga. Se espera que el gasto en software empresarial crezca más del 15 % en 2026, y la mayor parte de ese crecimiento estará impulsado por aplicaciones habilitadas con IA. El mercado B2B SaaS va camino de alcanzar los 1,58 billones de dólares para 2031.

No son cifras de una industria moribunda. Son cifras de una industria potenciada por una nueva clase de consumidor que opera a velocidad de máquina.

La economía de LAAS: del precio por usuario al precio por resultado

La transformación económica del SaaS al LAAS afecta cada aspecto de cómo se compra, vende y valora la tecnología.

Dimensión	Modelo SaaS	Modelo LAAS
Lo que compras	Acceso a herramientas de software	Resultados de negocio completados
Unidad de facturación	Por asiento, al mes	Por resultado, por resolución, por tarea
El valor depende de	Habilidad humana al usar la herramienta	Capacidad del agente y calidad de la gobernanza
Escalar requiere	Contratar más gente, comprar más licencias	Aprovisiona más capacidad de agente
Tiempo hasta obtener valor	Semanas a meses (formación, adopción)	Horas a días (despliegue del agente)
Utilización	Varía según el compromiso de los empleados	Cerca del 100 % — los agentes no procrastinan
Horario de atención	Horario comercial (8-10 h/día)	168 horas por semana, 52 semanas por año
Coherencia de calidad	Varía según la persona	Gobernado, auditable, consistente

El modelo de precios por resultado tiene implicaciones profundas para compradores y vendedores. Para los compradores, significa pagar solo por el valor recibido. No más «software de estantería»: licencias compradas y nunca usadas. No más «compramos el plan enterprise pero solo usamos tres funciones». Cada dólar gastado corresponde a una unidad medible de trabajo completado.

Para los vendedores, esto significa un tipo distinto de relación. Ya no están en el negocio de las herramientas. Están en el negocio del trabajo. Sus ingresos se correlacionan directamente con el valor que entregan a los clientes, lo que significa que sus incentivos están perfectamente alineados con los de ellos. Esto es más saludable que el precio por asiento, donde el proveedor se beneficia del número de asientos independientemente de si esos asientos producen resultados.

La pregunta del margen

Los escépticos preguntan de inmediato por los márgenes. Si entregas resultados en lugar de acceso al software, ¿no escalan tus costes con la entrega? Sí — pero la curva de coste de la inferencia de IA se desploma más rápido que casi cualquier coste tecnológico de la historia. Los costes de los modelos bajaron aproximadamente un 80% solo en los dos primeros meses de 2025. A medida que la inferencia se abarata, el margen del precio por resultado mejora de forma notable.

La analogía es la infraestructura en la nube. La tarificación por hora de cómputo de AWS parecía arriesgada frente a vender licencias perpetuas de servidor. Pero a medida que bajaron los costos de infraestructura y creció el uso, el modelo de precios por consumo demostró ser abrumadoramente superior tanto para el proveedor como para el cliente.

Cómo se ve LAAS en la práctica

Los marcos abstractos son útiles, pero la comprensión real llega al ver LAAS en funcionamiento. Revisemos tres escenarios que ilustran el modelo.

Escenario 1: atención al cliente que nunca duerme

Una empresa de servicios para el hogar — plomería, HVAC, electricidad — recibe cientos de consultas por semana. Bajo el modelo SaaS, compraría una plataforma de helpdesk (Zendesk, Freshdesk), un CRM (HubSpot, Salesforce), una herramienta de programación (ServiceTitan) y una plataforma de comunicaciones (Twilio). Luego contrataría y formaría representantes de atención al cliente para operar los cuatro sistemas.

En el modelo LAAS, un agente de IA opera los cuatro sistemas de forma autónoma. Cuando un cliente llama a las 2 AM con una emergencia de calefacción, el agente clasifica la llamada según los criterios de emergencia de la empresa, consulta el sistema de agenda en busca de técnicos de guardia disponibles, revisa el historial del cliente en el CRM, envía al técnico adecuado, envía al cliente una confirmación y registra todo en el helpdesk para revisión de calidad.

La empresa no paga cuatro licencias SaaS más un salario humano. Paga por consulta resuelta. Las herramientas SaaS siguen en marcha —el agente las necesita— pero el cuello de botella humano desaparece.

Escenario 2: operaciones de marketing a velocidad de máquina

Una empresa de e-commerce de mercado medio necesita ejecutar campañas de marketing multicanal. Enfoque tradicional: contratar un equipo de marketing, suscribirse a una plataforma de email, un programador de redes sociales, una suite de analítica, una herramienta de A/B testing y un CMS. Luego pasar meses formando al equipo, construyendo flujos e iterando rendimiento.

Enfoque LAAS: un agente incorpora las guías de marca, el catálogo de productos y los datos históricos de rendimiento de la empresa. Luego crea contenido de campaña de forma autónoma, programa la distribución por canales, monitorea métricas en tiempo real, ajusta la segmentación y los mensajes según los resultados y genera informes semanales para revisión humana. El director de marketing pasa de operador a estratega: define objetivos y revisa resultados en lugar de hacer clic por seis interfaces distintas.

Escenario 3: cierre financiero que se ejecuta solo

A fin de mes, los equipos de contabilidad de todo el mundo celebran el ritual del «cierre»: conciliar cuentas, emparejar transacciones, preparar asientos, revisar desviaciones y generar informes. Es un proceso intensamente manual y multisistema que suele tardar 5 a 10 días hábiles.

En una implementación de LAAS, los agentes se encargan del trabajo mecánico: extraer transacciones del ERP, conciliarlas con los feeds bancarios, preparar asientos contables estándar, señalar anomalías para revisión humana y generar estados financieros preliminares. Un proceso que consumía a un equipo de contadores durante una semana ahora se completa en horas, con humanos revisando el resultado en lugar de producirlo.

El papel humano en un mundo LAAS

La objeción más común al LAAS —y, en general, a los agentes de IA— es existencial: «¿Qué pasará con las personas?»

Es una pregunta justa y merece una respuesta reflexiva en lugar de un tecno-optimismo despectivo.

In a LAAS world, human roles shift from operación a supervisión, de ejecución a gobernanza, de haciendo a decidiendo. Esto no es un eufemismo de eliminación. Es una transformación real en la naturaleza del trabajo.

Piense en cómo cambió el papel del trabajador de fábrica durante la Revolución Industrial. Antes de la automatización, una persona daba forma personalmente a cada componente. Después de la automatización, las personas diseñaban los procesos, mantenían el equipo, inspeccionaban el resultado y resolvían las excepciones que las máquinas no podían manejar. El valor total producido se disparó, y la naturaleza del trabajo se volvió más compleja y más valiosa, no menos.

La misma dinámica se está produciendo ahora en el trabajo del conocimiento:

• Agentes de atención al cliente pasan a ser estrategas de experiencia del cliente que diseñan políticas de interacción, revisan el rendimiento del agente, gestionan casos escalados que requieren empatía y criterio, y refinan continuamente las reglas de gobernanza que limitan el comportamiento de la IA.
• Coordinadores de marketing pasan a ser directores de marketing que definen la estrategia de campaña, revisan el contenido generado por IA para alinearlo con la marca, analizan el rendimiento a un nivel superior y toman decisiones creativas que requieren contexto cultural e intuición humana.
• Contadores pasan a ser analistas financieros que revisan estados preparados por IA, investigan anomalías, ofrecen orientación financiera estratégica y abordan decisiones que exigen juicio y comprensión del contexto empresarial más allá de lo que los números pueden transmitir.

El hilo común: los humanos suben en la cadena de valor. El trabajo repetitivo, guiado por procesos y de navegación entre muchas herramientas lo cubren los agentes. Lo estratégico, lo que exige juicio, creatividad y empatía se queda con las personas. En muchos casos, el papel humano se vuelve más interesante, no menos.

El imperativo de gobernanza

Hay un nuevo rol humano que la era del LAAS crea de la nada: gobernanza de IA.

Cuando los agentes operan de forma autónoma, alguien debe definir los límites. ¿Qué puede decir el agente a los clientes? ¿Qué autoridad de precios tiene? ¿Cuándo debe escalar? ¿Cómo auditamos sus decisiones? ¿A qué contenido puede referirse? ¿Qué constituye una alucinación frente a una inferencia válida?

Estas cuestiones de gobernanza son en esencia humanas. Exigen juicio ético, experiencia en el dominio y responsabilidad que no puede delegarse en la propia IA. Toda empresa que despliega LAAS necesita personas que entiendan la tecnología y el negocio lo bastante como para fijar salvaguardas adecuadas.

Esta es una de las razones por las que construimos Office 168/52 como lo hicimos. Bob, nuestro agente de IA, está diseñado desde cero con la gobernanza en el centro. Cada respuesta se basa en el contenido aprobado por el cliente. Cuando Bob no sabe algo, lo dice. Cada interacción queda registrada, auditable y revisable. La IA no opera en el vacío: opera dentro de un marco de confianza que las personas definen y mantienen.

Quién gana en la era LAAS

No todas las empresas están igualmente preparadas para la transición de SaaS a LAAS. Así se reconfigura el panorama competitivo:

Ganadores

• empresas SaaS API-first — Si tu software está pensado para consumirse de forma programática, los agentes pueden usarlo de inmediato. Las empresas con APIs robustas y bien documentadas se convierten en infraestructura esencial en el stack LAAS.
• Empresas de IA centradas en el resultado — Las empresas que venden consultas resueltas, leads cualificados o tareas completadas en lugar de licencias de software ya operan en el modelo LAAS. Llevan ventaja en precios, entrega y expectativas del cliente.
• Plataformas con enfoque en gobernanza — La confianza es el recurso más escaso en la era de los agentes. Las plataformas que demuestren auditabilidad, respuestas basadas en evidencias y toma de decisiones transparente ocuparán una posición premium.
• Especialistas verticales — Los agentes que comprenden en profundidad un sector concreto —sanidad, servicios para el hogar, legal, servicios financieros— superarán a los agentes genéricos porque la experiencia de dominio se acumula. Cuanto más entienda un agente sobre emergencias HVAC o la agenda de citas dentales, mejor servirá a esos clientes concretos.
• Pequeñas empresas — LAAS es el gran igualador. Una empresa de cinco personas puede desplegar agentes de IA que ofrecen el mismo nivel de servicio al cliente, ejecución de marketing y eficiencia operativa que una de 500 empleados. La ventaja de escala por plantilla desaparece.

Perdedores

• SaaS solo de panel — Si el valor principal de tu producto es una interfaz vistosa para que las personas vean datos y no ofreces acceso API robusto, los agentes no pueden usarlo. Tu software se convierte en una capa de visualización sobre datos a los que los agentes acceden directamente desde el origen.
• Fricción por resistentes a precio por asiento — Las empresas que insisten en precios por plaza humana verán presionados sus modelos de ingresos cuando los clientes pasen operadores humanos a flujos basados en agentes. El número de plazas caerá aunque el uso aumente.
• Empresas de personal indiferenciadas — Las agencias y empresas de personal que ofrecen mano de obra humana genérica a nivel de proceso para tareas que los agentes pueden cubrir competirán directamente con proveedores de LAAS que entregan los mismos resultados a menor coste y con mayor consistencia.

El camino por delante: de 2026 a 2030

Estamos en las primerísimas etapas de la transformación LAAS. Según las trayectorias actuales y las tendencias observables, esto es lo que probablemente deparan los próximos cuatro años:

2026: El año del despliegue de agentes

Aquí estamos ahora. La tecnología está probada. Los primeros adoptantes ven resultados reales. Según investigaciones de G2, el 72 % de las empresas usa o prueba agentes de IA. MIT's Harvard Data Science Review publicó hallazgos que muestran mejoras de productividad de 2 a 10 veces cuando los flujos se rediseñan en torno a agentes en lugar de solo superponer la IA a procesos humanos existentes.

Pero hay una brecha. La investigación de Camunda muestra un 73% de desalineación entre la visión empresarial de IA agéntica y la realidad. La mayoría sigue en piloto. Los próximos 12 meses serán pasar de piloto a producción.

El 84% de los líderes empresariales planea aumentar este año la inversión en agentes de IA. El capital ya se está moviendo.

2027: La revolución de precios

A medida que crece el uso de agentes, el modelo de precios por asiento quedará bajo presión insostenible. Las empresas SaaS migrarán a precios por uso, por resultado o híbridos que contemplen consumidores no humanos. Los que se muevan temprano en 2026-2027 captarán cuota desproporcionada frente a los rezagados.

También veremos surgir «agent marketplaces»: plataformas donde las empresas pueden suscribirse a agentes especializados para funciones concretas, igual que hoy se suscriben a herramientas SaaS. Pero en lugar de suscribirse al software, se suscribirán a la capacidad.

2028: La ola de integración

A medida que proliferan los agentes, la orquestación es crucial. Los sistemas multiagente—agentes especializados para atención, marketing, finanzas y operaciones que colaboran y comparten contexto—serán la arquitectura empresarial estándar. Esto genera enorme demanda de integración, gobernanza de datos y estándares de comunicación entre agentes.

Las empresas que resuelvan la orquestación multiagente serán la próxima generación de proveedores de plataformas empresariales.

2029 - 2030: LAAS como estándar

Para finales de la década, LAAS será el modelo predeterminado para cómo pymes consumen servicios tecnológicos. La pregunta no será «¿debemos usar agentes de IA?», sino «qué agentes, gobernados por quién, sobre qué infraestructura SaaS, entregando qué resultados?»

Las grandes empresas operarán modelos híbridos donde especialistas humanos trabajen junto a equipos de agentes, con marcos de gobernanza que abarquen a ambos. El organigrama incluirá agentes de IA como miembros reconocidos de equipos funcionales, con capacidades, restricciones y métricas de desempeño definidas.

El gasto en SaaS habrá crecido mucho —los agentes consumen más software que los humanos—, pero el ingreso vendrá del consumo por API, no de licencias por asiento. La industria será mayor que nunca, con una base de clientes distinta: más máquinas que personas.

Dónde encaja Office 168/52

No nos propusimos crear una empresa de Labor as a Service. Nos propusimos resolver un problema concreto: las empresas de servicios perdían clientes porque no podían ofrecer interacción con clientes de nivel experto las 24 horas del día.

Pero la solución que construimos — Bob, un agente de IA que aprende su negocio de forma autónoma, fundamenta cada respuesta en su contenido aprobado y opera con inteligencia gobernada y auditable — es exactamente lo que describe el modelo LAAS.

Cuando implementas Bob en tu sitio web, no estás comprando un chatbot. No te suscribes a un software y luego averiguas cómo usarlo. Estás desplegando un compañero digital que:

• Aprende tu negocio desde el primer día by analyzing your website, products, services, and policies
• Opera 168 horas a la semana, 52 semanas al año — that's where our name comes from
• Respuestas solo de su contenido aprobado, rechaza especular cuando no tiene evidencia
• Mejora continuamente from every customer interaction
• Cuesta una fracción of the human labor it augments

Bob usa las herramientas SaaS subyacentes — la capa de comunicación, de datos, de analítica —, pero usted no tiene que tocarlas. Obtiene el resultado: conversaciones expertas con clientes, leads capturados, preguntas respondidas, emergencias enrutadas. Eso es Labor as a Service.

Y como la gobernanza está integrada en la arquitectura de Bob desde cero, usted obtiene algo que la mayoría de soluciones de IA no puede ofrecer: confianza. Cada respuesta está basada en evidencia. Cada interacción queda registrada. Cuando Bob no sabe algo, dice "No lo sé" en lugar de inventar. En una era en la que la alucinación de IA es la principal barrera para la adopción empresarial, esto no es una función: es la base.

El inconveniente, el quid y la conclusión

Volvamos al titular: "Labor as a Service: La muerte de SaaS".

Ahora sabes la verdad: no es una muerte. Es una metamorfosis.

La oruga no muere al convertirse en mariposa. Se transforma en algo que opera en un plano totalmente distinto. SaaS —las herramientas, las API, la infraestructura de datos— es la oruga. LAAS —la entrega de trabajo terminado impulsada por agentes, orientada a resultados y protegida por gobernanza— es la mariposa.

Las herramientas no desaparecen. Se multiplican. El consumo de software está a punto de alcanzar niveles inimaginables cuando Benioff lanzó Salesforce desde aquel apartamento en 1999. Pero el consumo lo impulsarán agentes inteligentes a velocidad de máquina, no humanos haciendo clic en paneles.

Las empresas que entienden esto —que ven la capa de herramientas y la capa de trabajo como complementarias y no como rivales— construirán las empresas definitorias de la próxima década.

Las empresas que toman «el SaaS está muerto» al pie de la letra y abandonan la capa de herramientas se quedarán sin la infraestructura que sus agentes necesitan para operar.

Y las empresas que ignoren por completo la revolución de agentes, aferrándose a la idea de que el software es algo que las personas usan con manos y ojos, quedarán rezagadas frente a competidores cuya fuerza laboral de IA nunca duerme, nunca repite el mismo error y opera su stack con una precisión que ningún equipo humano puede igualar.

Bienvenido a la era del trabajo como servicio (Labor as a Service). El software no ha muerto. Solo está consiguiendo su primer operador incansable.