La inteligencia artificial vino a resaltar los buenos profesionales, a valorar su inteligencia real

La IA potencia lo humano, no lo reemplaza (Imagen ilustrativa Infobae)

La inteligencia artificial redefine el negocio de la industria del software. Si analizamos el porqué y cómo la IA está redefiniendo el negocio de las empresas desarrolladoras de software, tenemos que tener una visión desde conceptos empresariales por encima de las nuevas tecnologías.

Así, pasamos de la promesa tecnológica a la lógica económica. La IA ya re-configura propuestas de valor, márgenes, contratos (menos horas, más resultados) y el mapa competitivo. Aparecen nuevas líneas de ingreso (agentes, automatizaciones, “AI‑as‑a‑feature”) y servicios que se productizan con activos reutilizables.

Ya no hablamos de SAAS (Software as a Service), es la época del AIAF (AI as a Future)

Ahora, si nos centramos en las personas, potencia lo humano, no lo reemplaza. En salud, la evidencia muestra que el humano + IA puede rendir mejor que cada uno por separado, con matices según contexto y profesional (radiología y screening mamario). Estudios en el sector Salud, por ejemplo, reportan seguridad y reducción de carga cuando la IA actúa como lector de apoyo (ver investigación Harvard Medical School).

Con el software sucede algo análogo: la IA multiplica cuando hay buen diseño, datos y liderazgo. ¿Cuánto? El impacto varía:

• En laboratorio (tareas acotadas), un RCT reportó hasta 55,8% más velocidad con Copilot.
• En práctica empresarial, se estiman ahorros promedio de 10–15% del tiempo total de ingeniería (y más con despliegues maduros).
• En código complejo conocido por expertos, un RCT reciente (METR, 2025) halló hasta −19% de velocidad (más lento) por tiempos de revisión y corrección.

Con lo cual hoy, desde las expectativas reales, grandes y complejas, podemos ver estas mejoras de un dígito alto a dos dígitos bajos; los casos “50%+” existen, pero suelen ser escenarios controlados que no reflejan siempre sistemas empresariales complejos.

Pero 10% es una barbaridad en términos de costos o performance, ese 10% puede ser el diferencial estratégico que separe a los ganadores de los perdedores.

Modelos de monetización: ¿Cómo ganar dinero en la industria del software con IA?

• Servicios con IA incorporada (descubrimiento, prototipos, pruebas, observabilidad/MLOps) y training.
• Asistentes y automatizaciones, cobrados por usuario o por uso.
• Funciones inteligentes dentro de productos existentes (mejor búsqueda, resumen, clasificación, prevención de fraude).
• Aceleradores reutilizables que reducen time‑to‑value y mejoran márgenes.
• Services agent supported: Servicios basados en agentes a nuestros clientes.

Pequeñas y medianas empresas con impacto real. En soporte, conciliación contable, pronósticos, QA y documentación, la adopción crece cuando se integra al proceso (datos limpios, gobierno y seguridad), no cuando se “adapta el modelo” de forma aislada.

Dentro de las pymes, a diferencia de las grandes empresas, la adopción puede ser más fácil y directa, más simple. De igual manera que un microemprendedor quiere vender sus productos por Instagram y en unos minutos arma una tienda en la nube o vende por MercadoLibre y paga con tarjeta usando paypal; de esa misma manera en unas horas puede estar creando un agente con IA que lo ayude a contestar preguntas y hacer los closing de ventas, a veces, sin ayuda ni consultoría, de manera directa. Como dijimos antes, el problema viene siempre, con la escala.

En cuanto al mercado y sus señales de demanda, podemos ver:

• IA en Argentina: USD 1.600 millones en 2025; CAGR 26,3% (2025–2031) hasta USD 6.470 millones (Fuente)
• Herramientas de desarrollo de IA: USD 47,7 millones en 2025; CAGR 6,45% hasta 2030; gasto por empleado: USD 2,12. (Fuente)

Estamos ante un mercado creciente. Desde nuestra visión, donde contamos con clientes corporativos en toda América Latina y Estados Unidos, vemos que la adopción aún no ha comenzado; estamos jugando con la idea en América latina, todavía tenemos muchísimo más para aprender y hacer.

Lo que sí está claro es que esta no es una innovación tecnológica solamente, no es el gerente de sistemas quien innova usando IA; es el Negocio el que innova el propio Negocio y su operación. La fuerza innovadora utilizando la IA viene ejercida por el negocio, es el negocio el que va a exigir IA. No IT.

Pero es Sistemas (o IT) quien deberá salir al cruce a resolver muchos problemas de integración, de integridad de datos y de escalabilidad; planteados por desconocimiento de las áreas que no son de IT. Un entorno desafiante y exigente a la vez.

Implementar sin conocimiento, diseño y liderazgo IA es como acelerar sabiendo que hay un muro por delante

Pensando en qué cambió y cómo se están adaptando a las nuevas necesidades del mercado, me gustaría explicarlo desde una frase: “No es una bala de plata”.

Lo explicó Fred Brooks: “No hay un único avance tecnológico o de gestión que, por sí solo, prometa una mejora de un orden de magnitud en productividad, confiabilidad y simplicidad en una década” (Texto original 1986/87 aquí). Además, el software arrastra cuatro dificultades esenciales:

1. Complejidad (no tiene complejidad lineal conforme crece el proyecto).
2. Conformidad (esa sensación que tenemos todos que el software se adapta a todo, como si fuera un flujo de agua).
3. Cambiabilidad ( eso que pensamos que siempre se puede modificar, como si fuera fácil. A nadie se le ocurriría pedir agregar 5 pisos a una casa, sin embargo, en el mundo del software cosas similares son un pedido común).
4. Invisibilidad (no vemos el software, lo entendés a través de sus diseños, no está embebido en el espacio).

A eso, la práctica agrega la más determinante: comunicación. Ningún chatbot arregla un backlog mal priorizado o una estrategia difusa (Ley de Brooks, 1975: sumar gente a un proyecto atrasado lo retrasa más).

Cómo se adaptan los casos que mejor funcionan, les comparto un checklist accionable:

1. Empezar en chico: casos acotados con métricas de tiempo, calidad y costo.
2. Diseño y datos primero: seguridad, observabilidad, cumplimiento y ética desde el inicio.
3. Cambio cultural: explicar el para qué, capacitar, medir sesgos y rediseñar flujos.
4. Gobierno de IA: comité liviano, criterios de make/buy, evaluación de modelos y contratos.
5. Comunicación: alinear negocio‑UX‑datos‑operación antes de automatizar.

Volviendo a la tecnología, ¿qué pasa con la IA y dónde estamos hoy?

Imagina una montaña rusa: primero subimos gritando “¡todo se arregla con IA!” (pico de expectativas). Después viene la bajada, donde vemos que no era tan fácil (valle de la desilusión). Finalmente, la cosa se acomoda y usamos la IA para lo que sirve de verdad. Y por supuesto esto no lo digo yo, está muy estudiado. Esto pasó con todas las tecnologías conocidas hoy. SAAS, BPMs, Mobile, etc..

Hoy estamos en pleno ascenso, gritando que todos nos vamos a quedar sin trabajo por la IA, mientras algunos ya reportan mejoras modestas (≈10%), o incluso retrocesos en ciertos contextos. En pocos años, el impacto real se verá con nitidez y se dividirán aguas entre alfabetizados digitales y quienes no lo estén. Más allá de este proceso que debemos transcurrir, la inversión y el camino hacia esto ya empezó y el mercado dice que no hay vuelta atrás, aunque debamos transitar por esta “montaña rusa”.

Como conclusión, pienso en los desafíos para Argentina. ¿Podemos liderar? ¿De qué depende? Aunque sueñe duro, HOY NO. De ninguna manera en la actualidad estamos a la altura de liderar en esta nueva tecnología. Aquí no ocurre la innovación en IA, la misma está en China y Silicon Valley, USA. Creo que es importante tener expectativas realistas que no por eso son modestas y mucho menos, fáciles de alcanzar. Pero aun así, para los objetivos más modestos, faltan escala de inversión, coordinación público-privada y demanda inteligente.

Talento hay; falta prioridad. I+D: Argentina invierte ~0,55% del PBI (2022); mientras que el promedio OCDE ~3%.

Qué falta (y es factible):

1. Triplicar I+D en 5 años y orientarla a misiones IA sectoriales (salud, agro, energía, finanzas públicas) con métricas de impacto.
2. Compras públicas pro‑innovación: contratos por resultado (ahorro/eficiencia), no por horas; sandboxes regulatorios. Sin proteccionismo, con inteligencia.
3. Datos de calidad y acceso: catálogos y sandboxes federales con privacidad por diseño.
4. Hubs con foco en producto: clusters que conecten UIA, Vaca Muerta, agro y manufactura con proyectos de IA locales.
5. Talento en escala: créditos fiscales para capacitación en IA aplicada y certificaciones para PYMEs.
6. Liderazgo claro: un liderazgo claro, co-construido, público privado y no dependiente de colores políticos o líderes temporales de instituciones y con financiamiento, igualmente, público-privado. Con un plan a 30 años, a largo plazo.

El país que mejor aprenda a aprender con IA, liderará por simple selección natural de productividad.

Entonces, la IA redefine el negocio del software, pero el valor sigue naciendo de equipos que diseñan bien, comunican mejor y ejecutan con excelencia. La IA es motor y lupa a la vez: amplifica lo bueno y expone lo que falta.

La IA nos está dando la posibilidad de tener un país industrializado. Una vez más es la industria del software la que nos abre una ventana de esperanza a potenciar el modelo agroexportador.

Si nosotros no consolidamos nuestro ADN en conocimiento sintetizado en modelos de IA y productos y herramientas, lo van a hacer otros. Por ejemplo, todo el conocimiento de Vaca Muerta se venderá al mejor postor a quienes hacen Shale en USA o en cualquier otra parte del mundo, cuando podría ser vendido por empresas argentinas. Lo mismo con el Agro, lo mismo con cada productora argentina de alimentos, lo mismo con cada matriz productiva que es ADN nuestro.

Temas Relacionados

Leer en la fuente

QvaClick recopila noticias desde fuentes oficiales y públicas. Los derechos pertenecen a sus respectivos autores y editores. QvaClick no se hace responsable de los contenidos externos enlazados.