Cuando la IA se convierte en la interfaz, ¿qué pasa con el SaaS?

Durante años, iniciar sesión en software de martech significaba entrar en un panel de control. Ya fuera que alguien necesitara analizar ventas, revisar datos de clientes, monitorear el rendimiento de campañas o gestionar una cuenta, el panel servía como punto de partida. Las empresas de software invirtieron mucho en hacer esos entornos más fáciles de navegar porque lograr que los clientes ingresaran a la aplicación era fundamental para que el producto entregara valor.

Los asistentes de IA están empezando a cuestionar esa suposición, ya que la gente se está acostumbrando a comenzar haciendo una pregunta en lugar de buscar a través de menús e informes. Pueden decirle a un asistente de IA lo que quieren saber o lograr y esperan que la tecnología determine qué información necesita para responder.

A medida que ese comportamiento se traslada al lugar de trabajo, las empresas de software verán a clientes que pueden seguir confiando en su software mientras dedican menos tiempo dentro de la propia aplicación, lo que cambia la forma en que exponen sus capacidades e incluso cómo miden el valor que los clientes obtienen del producto.

El software puede convertirse en parte de la conversación

Los asistentes de IA como Claude y ChatGPT ya han cambiado la forma en que las personas buscan información y realizan tareas cotidianas. La adopción empresarial crea una oportunidad diferente porque estos sistemas pueden conectarse cada vez más con las aplicaciones especializadas y los datos propietarios que los empleados usan en el trabajo.

Model Context Protocol (MCP) es una tecnología que hace posibles esas conexiones. MCP ofrece una forma estandarizada para que las aplicaciones de IA se conecten con fuentes de datos externas y herramientas de software. En lugar de requerir que cada interacción comience dentro de una aplicación específica, los proveedores de software pueden hacer que partes de sus productos sean accesibles a través de los entornos de IA que sus clientes utilizan.

Para visualizarlo, imagine una aplicación de análisis. Tradicionalmente, un comercializador podría iniciar sesión, abrir un informe, seleccionar un rango de fechas, aplicar filtros y comparar varios grupos de clientes antes de encontrar una respuesta. Con una interfaz de IA conectada al software subyacente, ese comercializador podría simplemente preguntar qué clientes recientemente adquiridos se prevé que se conviertan en clientes de alto valor.

El software de análisis sigue realizando una tarea importante tras bastidores, ya que contiene los datos relevantes, aplica modelos especializados y brinda capacidades desarrolladas para un caso de uso particular, pero la forma en que el cliente accede a esas capacidades comienza a cambiar.

Los datos propietarios se vuelven cada vez más valiosos

Brindar a los usuarios acceso conversacional al software también revela una de las limitaciones de la IA de propósito general.

Un modelo puede saber mucho sobre marketing o comercio electrónico sin saber qué ocurrió dentro de una empresa concreta ayer. No sabe automáticamente cómo una marca calcula el valor del cliente o después de qué período considera que un cliente está inactivo. La IA empresarial útil depende del acceso a la información específica de la organización que la utiliza.

Las empresas de software ya poseen gran parte de esa información especializada. Las plataformas de datos de clientes comprenden el comportamiento del cliente y las herramientas de inteligencia empresarial organizan los datos de rendimiento de la compañía. Otras aplicaciones empresariales contienen información igualmente especializada sobre las organizaciones a las que sirven.

Conectar esos sistemas con IA brinda al modelo una forma de trabajar con información específica de la empresa en lugar de depender únicamente de su conocimiento general.

A medida que los modelos de IA continúan mejorando, los datos propietarios y las capacidades de software especializadas podrían convertirse en una fuente cada vez más importante de diferenciación. El modelo puede ofrecer la experiencia conversacional, mientras que las aplicaciones empresariales proporcionan los datos y la funcionalidad fundamentales que hacen que la conversación sea útil para un negocio en particular.

Las respuestas son solo una parte de la oportunidad

La siguiente etapa del software conversacional también dependerá de lo que ocurra después de que la IA proporcione una respuesta. Conocer una visión es útil, pero actuar sobre ella es donde el software empresarial obtiene gran parte de su valor.

Imagine preguntar a un asistente de IA qué clientes tienen más probabilidades de realizar otra compra, y luego usar esa respuesta para crear una audiencia y ponerla a disposición de otro sistema, convirtiendo la conversación en un flujo de trabajo. Posibilidades similares existen en todo el software empresarial. Un usuario podría identificar un problema e iniciar el siguiente paso sin pasar por varias aplicaciones, porque los sistemas subyacentes seguirían realizando funciones especializadas mientras el asistente de IA coordina cómo el usuario accede a ellos.

Una vez que la IA pueda iniciar acciones, los productos SaaS comienzan a parecer más colecciones de capacidades especializadas que un sistema de IA puede invocar cuando sea necesario. Un producto de análisis podría identificar una audiencia, una plataforma de comercio podría proporcionar datos de transacciones y una plataforma de marketing podría activar una campaña, y lo mejor es que el usuario no necesita navegar por cada aplicación para que esos productos contribuyan al flujo de trabajo. Entonces, las empresas de software pueden comenzar a diseñar flujos de trabajo en torno a lo que el cliente quiere lograr, en lugar de la secuencia de pantallas necesarias para llegar allí.

El panel de control sigue teniendo una función

Es poco probable que los paneles desaparezcan por completo, simplemente porque algunas tareas se benefician de la exploración visual o de la capacidad de examinar grandes cantidades de información de una vez. Los usuarios seguirán necesitando aplicaciones dedicadas para muchos tipos de trabajo; solo que su papel se ha vuelto menos central.

Un cliente puede abrir una aplicación cuando sea necesaria una exploración más profunda, mientras maneja preguntas y acciones rutinarias a través de un asistente de IA. Otro usuario puede interactuar con el software subyacente de forma regular sin abrir su interfaz tradicional.

Las empresas SaaS históricamente han tratado los inicios de sesión, las sesiones y el tiempo pasado dentro del producto como señales de compromiso. El software mediado por IA complica esas métricas. Un cliente que rara vez abre un panel podría seguir siendo un usuario muy comprometido si un asistente de IA llama regularmente a los datos, modelos o flujos de trabajo del producto en su nombre..

Construya para donde el cliente trabaja

Las empresas SaaS pasaron años intentando convertirse en la aplicación que los clientes abren primero. Los asistentes de IA introducen la posibilidad de que ninguna aplicación empresarial individual mantenga consistentemente esa posición. El software aún necesita proporcionar datos confiables, funcionalidad especializada y ejecución fiable.

Las empresas que se preparan para este modelo deberían comenzar a preguntar qué partes de sus productos los clientes necesitan con mayor frecuencia, qué datos pueden ponerse a disposición de los sistemas de IA de forma segura y qué acciones los usuarios deberían poder iniciar de manera conversacional. Creo que el panel seguirá siendo útil, pero quizás ya no será donde comiencen las interacciones.