A16z: La mayor oportunidad para la IA está en el software empresarial más difícil de usar

Por qué el mundo todavía depende de SAP
Autor: Eric y Seema Amble, traducción por a16z, compilado por Peggy, BlockBeats

Autor: a16z crypto

Fuente:

Reproducción: Mars Finance

Prólogo: Mientras las discusiones sobre IA todavía se centran en nuevos productos y capacidades, una transformación más estructural está ocurriendo silenciosamente en las capas fundamentales del software empresarial. Lo que nos ocupa no es cuánto más nuevas aplicaciones puede crear la IA, sino cómo está entrando en un escenario más pesado, pero también más real, es decir, en los sistemas centrales de las empresas representados por SAP, Salesforce y ServiceNow.

En términos simples, estos tres tipos de sistemas corresponden a diferentes aspectos del funcionamiento empresarial:

· SAP se encarga de la gestión de recursos clave como fondos, inventarios y producción, siendo el “libro mayor” de la compañía;

· Salesforce administra las relaciones con los clientes y los procesos de ventas, determinando cómo la empresa obtiene ingresos;

· ServiceNow soporta los procesos internos y la infraestructura de operaciones, permitiendo que la organización funcione de manera ordenada. Juntos, constituyen la infraestructura básica de las operaciones diarias de la empresa.

Estos sistemas, por un lado, son extremadamente críticos, pero por otro, suelen ser difíciles de usar, complejos y pesados. Las empresas los sobrecargan con muchas personalizaciones y procesos, convirtiéndolos en portadores de la memoria organizacional y, a la vez, en cargas tecnológicas difíciles de migrar. Cuanto más importantes son, más difícil resulta cambiarlos.

Aquí es donde surge la oportunidad de la IA.

En lugar de reemplazar estos sistemas, una vía más realista es construir sobre ellos una nueva capa de sistemas de acción, que reduzcan los costos de migración en la fase de implementación, simplifiquen las operaciones mediante asistentes y agentes en la fase de uso, y en la fase de expansión, sustituyan las personalizaciones complejas por aplicaciones ligeras. La verdadera transformación no radica en si se reemplaza el sistema en sí, sino en cómo se redefine la interacción entre las personas y los sistemas. La IA no reemplazará a SAP, Salesforce o ServiceNow, pero puede hacer que se vuelvan “invisibles”. Y en esa capa invisible, se reconfigurará el verdadero valor del software empresarial.

A continuación, el texto original:

Con el avance de la IA, las startups y sus clientes concentran su atención en nuevas capacidades y productos que surgen de ellas, como asistentes de voz impresionantes, herramientas de automatización de flujos de trabajo, y plataformas para aplicaciones de generación de texto.

Estas áreas ya han dado lugar a muchas empresas emocionantes (y en las que también hemos invertido). Pero la influencia profunda de la IA probablemente no esté en estos campos tan llamativos, sino en una dirección menos glamurosa, pero con mayor valor: ayudar a las organizaciones a aprovechar mejor el enorme volumen de software que ya están ejecutando.

Aquí hay una cuestión que puede sonar incluso ofensiva, pero que cualquiera que pase una semana en una Fortune 500 entenderá en su realidad: ¿por qué todavía se usan SAP (y ServiceNow, Salesforce)?

La respuesta corta es: SAP y sistemas similares almacenan datos clave que sustentan las operaciones de la empresa. Pero aún más importante, las empresas han construido muchas personalizaciones sobre estos sistemas, añadiendo procesos complejos y roles, muchos de los cuales ni siquiera están claramente documentados. Migrar fuera de estos sistemas suele ser costoso, largo y doloroso, generalmente requiere un gran equipo de consultores, lleva años y cuesta cientos de millones de dólares. Por ejemplo, actualizar de SAP ECC a SAP S/4HANA puede costar 700 millones de dólares, tomar 3 años y requerir un equipo de 50 personas de Accenture. Y, aun así, muchas veces esa migración solo produce informes de solo lectura, con poca flexibilidad operativa.

Pero esto está cambiando.

La IA está abriendo un nuevo espacio de posibilidades, permitiendo a las empresas actualizar, personalizar y reemplazar estos sistemas, y, aún más importante, acceder y aprovechar de manera más eficiente los datos que contienen.

Al final, la meta de la IA quizás no sea reemplazar SAP, ServiceNow o Salesforce, sino hacer que sean más programables y fáciles de usar. Los verdaderos ganadores serán aquellas plataformas que puedan hacer dos cosas: primero, aprovechar los presupuestos de transformación digital de las empresas, reduciendo riesgos y acortando ciclos mediante métricas claras; y segundo, infiltrarse progresivamente en las operaciones diarias, convirtiéndose en el centro de control del trabajo, descomponiendo interfaces pesadas en componentes modulares, gobernables, asistidos por IA y aplicaciones ligeras.

En otras palabras, los registros del sistema en sí no desaparecerán; lo que cambiará realmente será la capa de interacción, automatización y extensión que se construye sobre ellos, que será la frontera competitiva de la próxima etapa del software.

SAP es difícil de usar, pero seguimos dependiendo de él

Para entender mejor este asunto, primero expliquemos qué es SAP y qué hace. A simple vista, estos sistemas parecen difíciles de aprender, complejos de operar y caros de modificar, lo que genera frustración. Pero al mismo tiempo, siguen siendo la columna vertebral del funcionamiento de las grandes organizaciones a nivel global. Imagina cómo sería la experiencia diaria usando SAP.

Pero esa “sensación de incomodidad” en realidad es una oportunidad.

Una respuesta que puede parecer incómoda, pero más real, es que, debajo de esas interfaces pesadas y configuraciones interminables, estos sistemas son extremadamente poderosos. Albergan los modelos de datos más críticos de la empresa, definen permisos y controles para garantizar el cumplimiento, contienen flujos de trabajo que soportan operaciones a escala, y están integrados con decenas o incluso cientos de procesos downstream. No son aplicaciones de consumo en internet, sino que representan la memoria organizacional en forma de tablas de datos, sistemas de roles, procesos de aprobación, lógica contable y manejo de excepciones.

Reemplazar estos sistemas no solo es costoso, sino también muy arriesgado. Cuanto más se personaliza, por ejemplo, añadiendo campos, procesos, reglas de precios o lógica de reportes, más se asemeja a una muralla construida con altos costos de cambio, incluso una ventaja competitiva. Por eso, la escalabilidad y la capacidad de adaptación son tan importantes: cada empresa es única, y los cambios —como nuevas regulaciones, productos o estructuras organizativas— requieren que estos sistemas puedan ajustarse continuamente.

Pero esa misma capacidad de expansión, que los hace tan poderosos, también los vuelve frágiles. Cada personalización puede ser una mina en futuras actualizaciones; cada proceso puede convertirse en un laberinto complejo; cada interfaz puede ser una fuente constante de fatiga para el usuario.

Esta fragilidad es casi omnipresente. Aunque CRM se ha adoptado ampliamente, la satisfacción de los usuarios varía mucho; los ERP altamente personalizados suelen estar asociados a retrasos y sobrecostos en proyectos. Los empleados se ven atrapados en flujos fragmentados, con unos 1200 cambios de aplicación por día, lo que equivale a perder unas 4 horas semanales; el 47% de los empleados digitales no encuentra fácilmente la información que necesita. Los grandes proyectos de transformación digital fracasan en aproximadamente el 70% de los casos. Los costos asociados a estos fricciones son enormes: solo en 2023, el mercado de implementación y sistemas integrados alcanzó unos 380 mil millones de dólares.

Es en medio de estos procesos y dolores donde la IA presenta una oportunidad para transformar la forma en que se implementa y se usa el software. Una forma sencilla de entender esta oportunidad es seguir el ciclo de vida del software empresarial: primero, la implementación o migración; luego, el uso diario; y, finalmente, la acumulación de mejoras en respuesta a cambios en el negocio. En cada etapa, la tarea esencial es convertir las intenciones humanas caóticas en acciones correctas, ejecutables y auditables en los registros del sistema.

A continuación, veremos cómo la IA puede mejorar cada una de estas etapas en la utilización del software tradicional.

Etapa de implementación

Comencemos por la fase de implementación, que es la más arriesgada, sensible al presupuesto y donde el retorno es más claro. Es decir, transformar información dispersa —como reuniones, documentos, tickets— en requisitos estructurados, y generar automáticamente los flujos de trabajo necesarios para la implementación, incluyendo mapeo de procesos y campos, configuración y código, scripts de prueba, planes de migración, manuales, y limpieza y validación de datos previos a la puesta en marcha. Este proceso es muy complejo y propenso a errores. Por ejemplo, Lidl, gigante minorista alemán, invirtió 500 millones de dólares y finalmente abandonó su proyecto de transformación SAP.

Varias empresas están desarrollando herramientas que ayudan en esta fase, como asistentes y sistemas de gestión de proyectos. Algunos ejemplos:

· Axiamatic ofrece una capa de protección basada en IA para ERP, construyendo un grafo de conocimiento del proyecto, que en Slack o Teams advierte sobre posibles problemas en gestión de cambios y requisitos, reduciendo riesgos y acelerando proyectos como S/4HANA, integrándose con SAP Build y consultoras como KPMG, EY, IBM.

· Conduct es una herramienta asistente para mapeo de código y procesos, que genera documentación semántica y técnica durante la migración de ECC a S/4, soportando consultas sobre tablas personalizadas y APIs, acelerando la transferencia interna.

· Auctor proporciona capacidades de entrega asistida para integradores y equipos de servicios profesionales, automatizando la conversión de investigaciones en requisitos estructurados, y gestionando SOW, documentación de diseño, historias de usuario, planes de configuración y pruebas.

· Supersonik se enfoca en habilitación de productos, usando asistentes visuales y de voz en interfaces reales para capacitar, reducir la dependencia de ingenieros de soluciones, y facilitar implementaciones y expansiones impulsadas por canales y clientes.

· Tessera desarrolla capacidades de integración nativa con IA, conectándose directamente a sistemas ERP existentes, evaluando su estado de implementación, identificando y corrigiendo problemas automáticamente durante la migración, gestionando el proceso de extremo a extremo.

Estas empresas aportan valor haciendo que la transformación sea más rápida, económica y controlable: detectando problemas en gestión de requisitos y cambios antes de que escalen, acortando ciclos —donde incluso un mes de retraso puede costar millones—, transformando datos dispersos en conocimiento estructurado para que los equipos internos puedan tomar el control más rápido, y automatizando mapeos, generación de documentación, pruebas y capacitación, reduciendo la dependencia de grandes consultoras.

Creemos que aún hay espacio para más startups en este campo, especialmente aquellas que colaboren con socios existentes en lugar de competir con ellos. Algunas direcciones prometedoras:

· Agentes de implementación que se vinculen a resultados y riesgos, por ejemplo, para rastreo de requisitos, comparación de configuraciones, simulación de cambios, generación de código y detección de desviaciones;

· Herramientas semánticas de documentación que mantengan el conocimiento actualizado y accesible;

· Agentes empoderadores que conviertan la capacitación y la expansión en productos reutilizables.

Dado que las startups pueden aliviar significativamente la carga a nivel empresarial, pueden fijar precios en función del valor que ahorran en retrasos, acceder directamente a los presupuestos de transformación ya asignados por CIO y CFO, y en ese proceso, reemplazar proyectos de integración pesados y costosos.

Uso y mantenimiento

Luego de que un sistema se implementa, el verdadero reto apenas comienza. El uso diario implica navegar en interfaces complejas y desordenadas. La rutina laboral suele cruzar decenas de pantallas, con rotación constante de personal, y muchos procesos marginales que no están bien soportados por la capa de producto. Los usuarios dedican tiempo a buscar campos, sincronizar datos manualmente entre sistemas, o a solicitar a operaciones que corran reportes específicos. El resultado: procesos más lentos, errores frecuentes y costos de capacitación elevados.

Aquí, la oportunidad de la IA es construir una capa de acción más amigable y potente sobre estos sistemas tradicionales.

Estas empresas buscan que los equipos obtengan más valor de los sistemas existentes. En la práctica, suelen ser asistentes que aparecen en Slack o en barras laterales del navegador, que mediante búsqueda semántica responden “¿dónde encuentro tal dato?” o “¿cómo hago tal operación?”, y en sistemas con API, ejecutan acciones seguras como crear tickets, ingresar asientos contables o actualizar condiciones de proveedores. También pueden enlazar múltiples sistemas, formando flujos de trabajo compuestos, por ejemplo, extraer pedidos de SAP, verificar contratos en Coupa, redactar diferencias en ServiceNow, incluyendo aprobaciones, auditorías y permisos finos. Los productos destacados también monitorizan uso, ahorros de tiempo y errores.

Pero en realidad, muchas tareas clave en las empresas no están expuestas mediante APIs estandarizadas, sino que permanecen en interfaces variadas: clientes tradicionales, escritorios virtuales, paneles administrativos incompletos. Por eso, los agentes de operación computacional, que automatizan acciones en entornos no estructurados, se vuelven un complemento esencial a las APIs. Extienden la automatización a ese 30-40% de procesos que no pueden ser llamados por interfaz.

Su capacidad central no es solo hacer clics, sino ejecutar de forma estable en entornos caóticos. Necesitan entender la estructura de las interfaces, localizar elementos estables, recuperarse en cambios de ventanas o layouts, y registrar avances en puntos clave para poder reanudar con seguridad. Cuando estas capacidades se combinan con mecanismos de validación (como comparaciones, reconciliaciones, entornos sandbox) y controles empresariales (autenticación única, gestión de claves, permisos mínimos, auditorías), se puede transformar trabajo manual en procesos automatizados gobernables y repetibles, como clasificación de tickets, cierres de fin de período, actualizaciones de clientes o ajustes de precios, incluso en partes de SAP, ServiceNow o Salesforce que no estaban diseñadas para automatización.

Se puede entender así: las APIs hacen más eficientes los caminos estándar, y la operación computacional hace posible automatizar también los procesos de cola larga.

Empresas como Factor Labs y Sola ya han desplegado estos agentes en producción, reemplazando gastos de externalización de procesos y ayudando a grandes organizaciones a escalar tareas automatizadas.

Capa de extensión

Por último, aunque hagamos más accesibles SAP, ServiceNow y Salesforce, las empresas siguen cambiando. Esto implica que los registros del sistema también deben evolucionar. Nuevos productos, políticas, fusiones, regulaciones, y una larga cola de procesos que nunca justifican un desarrollo independiente, empujan a que el software se adapte a la realidad del negocio. Antes, las opciones eran dos: personalizar profundamente el sistema, asumiendo la fragilidad; o desarrollar aplicaciones dispersas, enfrentando problemas de integración, gobernanza y mantenimiento.

La IA ofrece una tercera vía: construir experiencias pequeñas y gobernables sobre los sistemas existentes, sin romper su núcleo.

Construir nuevas herramientas y automatizaciones sobre sistemas tradicionales es como poner una capa más “usable” sobre un software poco amigable. El patrón básico es crear una plataforma unificada de datos y acciones: leer datos del sistema mediante API y eventos (con apoyo de scraping seguro si es necesario), convertirlo en modelos semánticos de objetos de negocio —pedidos, proveedores, tickets—, y ofrecer interfaces de operación con control de permisos, aprobaciones y auditorías.

Desde esa base, se pueden construir rápidamente aplicaciones específicas para cada escenario, más modernas y ajustadas a las necesidades reales. Por ejemplo, en lugar de que un comprador pase 10 pasos en SAP para registrar un proveedor, se ofrece una app sencilla que recopila datos, revisa duplicados, pasa por aprobaciones y escribe la información en SAP. O, en lugar de que el equipo de ingresos tenga que cambiar términos en múltiples pantallas de Salesforce, se les da un editor en hoja de cálculo que permite cambios masivos, validaciones, previsualizaciones y auditorías. O, en lugar de construir portales nuevos, se crea un punto de entrada unificado para tareas frecuentes: crear devoluciones, extender créditos, abrir tickets secundarios, registrar gastos, todo en un solo lugar, sin cambiar de páginas.

Estas capas de extensión también pueden enlazar flujos y automatizaciones entre sistemas, algo difícil de cubrir solo con un proveedor. Por ejemplo, disparar procesos automáticos: cuando llega una factura con diferencia mayor al 3%, generar una explicación y enviarla a aprobación; o, si un ticket se abre dos veces, crear un problema, asignar responsable, actualizar estado del cliente, y pasar por revisión manual en puntos clave.

Con el tiempo, las mejores prácticas se convertirán en módulos reutilizables, que definan no solo qué hacer, sino cómo hacerlo en cada entorno, de forma segura y conforme a las reglas.

Productos como Cell de General Magic facilitan la construcción de estos flujos: subir especificaciones OpenAPI, convertir cada API en acción, y usar scripts sencillos para invocar esas acciones en un entorno controlado, con soporte de análisis, multiinquilino, seguridad y permisos. Así, el trabajo deja de ser montar interfaces desde cero, y pasa a ser combinar acciones y estrategias en sistemas confiables.

¿Cómo será el fin de esta historia?

Nuestra visión es que estos sistemas tradicionales seguirán existiendo, pero ya no serán la principal interfaz de trabajo. Los sistemas ERP, CRM, ITSM, que están profundamente integrados en la estructura de las organizaciones, no serán reemplazados rápidamente. Seguirán evolucionando lentamente, manteniendo su función de registros. Lo que cambiará realmente será la capa de acción orientada al usuario: la IA será la entrada predeterminada para entender cómo funcionan los sistemas, ejecutar flujos de trabajo, y construir aplicaciones modernas ligeras que eviten las interfaces tradicionales. En otras palabras, esa capa puente se convertirá en la autopista principal.

En esta nueva paradigma, las aplicaciones que perduren no serán solo chatbots, sino más bien un sistema operativo: un plano unificado de datos y acciones, basado en modelos semánticos de objetos de negocio, con controles de seguridad y gobernanza que permitan a la IA operar con fiabilidad en producción. Para los usuarios finales, ya no será necesario aprender qué interfaz usar, qué campo, qué código de transacción, ni volver a aprender tras cambios en la interfaz o en los procesos; solo describir el resultado deseado, y el sistema lo ejecutará. Durante el proceso, el sistema podrá hacer preguntas aclaratorias, mostrar una vista previa de la acción, y, bajo mecanismos de aprobación y auditoría, completar la tarea.

Por ejemplo, podrías dar instrucciones como: “Crea una devolución y notifica al cliente”, “Abre un ticket secundario y consulta las tres últimas incidencias relacionadas”, o “Completa el proceso de incorporación de proveedor, incluyendo recopilación de datos, aprobación y condiciones de pago”. Hoy, estas tareas suelen requerir cambiar entre SAP, Salesforce, ServiceNow y hojas de cálculo. En el nuevo paradigma, se integrarán en un flujo de trabajo unificado.

El resultado de esta transformación será menor error y reversión, menor dependencia de la experiencia, ciclos de procesamiento más rápidos y costos de capacitación mucho menores, porque toda la interacción será impulsada por intención, percibida por roles, y diseñada para la autosuficiencia.

La barrera de entrada también se irá acumulando en el uso real: cada flujo exitoso se convertirá en un módulo de intención reutilizable; cada excepción en una nueva restricción de seguridad; cada migración en un elemento de la historia del sistema; cada integración en una comprensión más profunda del funcionamiento real de la organización. Con el tiempo, esta capa de IA será el núcleo para entender cambios, prevenir desviaciones, medir resultados y construir nuevos flujos, incluso si los sistemas subyacentes no cambian.