Durante años, el software fue un peaje. Pagabas por acceso, por asientos, por features. La propuesta era simple: "Te damos la herramienta, vos hacés el trabajo". Pero cuando los agentes de IA pueden hacer el trabajo por vos, esa ecuación se invierte completamente.
Si el SaaS tradicional era un peaje por usar herramientas, el Agentic AI es un contrato de resultados. Y esa inversión cambia todo: pricing, distribución, riesgo. Lo interesante es que la mayoría de las empresas están discutiendo los primeros dos mientras ignoran el tercero, que es donde se va a definir quién gana.
El elefante en la sala: ¿Quién asume el riesgo cuando el agente se equivoca?
Esto me surgió hablando con Michele Schocron de Continuum; Casi todas las conversaciones sobre AI en software giran alrededor de "eficiencia" y "ahorro de costos". Pero hay una pregunta que nadie quiere responder directamente: ¿Quién se hace cargo cuando el agente comete un error?
No estoy hablando de un typo en un email. Estoy hablando de errores con consecuencias reales:
- Tu agente de ventas de Salesforce cierra un deal con términos pésimos que te comprometen contractualmente. ¿Quién paga? ¿Salesforce? ¿El modelo de OpenAI que ejecuta el agente? ¿Vos?
- Tu agente de soporte le dice a un cliente que tiene derecho a un reembolso que en realidad no aplica. El cliente te demanda. ¿Quién es responsable? ¿Zendesk que provee la plataforma? ¿Anthropic cuyo modelo generó la respuesta?
- Tu agente de finanzas aprueba una transacción fraudulenta porque interpretó mal los parámetros de compliance. ¿Quién cubre las pérdidas?
Acá está el problema: Las cortes todavía no resolvieron esto. Los tribunales aún no han emitido fallos definitivos sobre quién es responsable cuando un AI agent ejecuta acciones autónomas que resultan en daños. Estamos en 2026, con regulaciones que están entrando en vigor (el EU AI Act empieza a aplicar en agosto), pero sin jurisprudencia clara.
Y mientras tanto, las aseguradoras están haciendo lo único sensato desde su perspectiva: salirse del juego. Las compañías de seguros están agregando exclusiones específicas de AI en las pólizas de Errors & Omissions tradicionales, o subiendo las primas dramáticamente, porque ven el riesgo como "exposición catastrófica". ¿Por qué? Porque un solo update defectuoso de un modelo puede causar pérdidas simultáneas en toda la base de clientes. No es un incidente aislado, es un evento sistémico.
El compliance como moat técnico
Acá viene lo contraintuitivo: el verdadero moat en software agentic no es qué tan bueno es tu modelo, sino qué tan bien podés demostrar que controlás el riesgo.
Las empresas no van a pagar por el software que es 10% más rápido o 15% más barato. Van a pagar por el que les deja dormir tranquilos. Y "dormir tranquilo" en 2026 significa:
1. Compliance automatizado, no como feature sino como arquitectura
Más del 75% de las empresas Fortune 500 ahora exigen un reporte SOC 2 antes de evaluar a un vendor. Pero SOC 2 es apenas el piso. Para agentic software necesitás:
- EU AI Act compliance (si vendés a Europa, no es opcional)
- ISO 42001 (el nuevo estándar de AI governance que se está volviendo prerequisito)
- Audit trails determinísticos de cada decisión que toma el agente
- Capacidad de explicar por qué el agente hizo lo que hizo
Esto no son checkboxes que agregás al final. Es arquitectura desde el diseño. Y es caro. Muy caro. Lo cual es perfecto si sos un incumbent con recursos, y brutal si sos una startup tratando de competir.
2. Indemnización contractual explícita
Acá está la jugada que va a separar winners de losers: los vendors que estén dispuestos a asumir liability contractualmente van a ganar.
No estoy hablando de un "seguro de performance" abstracto. Estoy hablando de cláusulas que digan: "Si nuestro agente ejecuta una acción que te causa daño financiero o legal, nosotros cubrimos hasta $X millones en pérdidas".
Esto requiere tres cosas que la mayoría de las startups de AI no tienen:
- Reservas de capital reales (no podés ofrecer indemnización si estás quemando cash)
- Seguros específicos para AI (que como vimos, casi no existen)
- Confianza técnica de que tu sistema no va a fallar de forma catastrófica
Los únicos que pueden hacer esto hoy son los grandes: Microsoft, Google, etc. Y esa es exactamente la ventaja que van a explotar.
3. El botón de pánico empresarial
Toda empresa que implemente agentes va a querer lo mismo: un kill switch. La capacidad de apagar todo si algo sale mal. Pero el kill switch no es suficiente, necesitás rollback determinístico: poder revertir cada acción que el agente tomó en las últimas 24 horas.
Eso no es fácil. Requiere logging comprehensivo, capacidad de deshacer transacciones, integraciones que soporten reversión. Y es exactamente el tipo de infraestructura que diferencia software enterprise de un MVP.
El timing es perfecto para los que estén preparados
Estamos en un momento único. El EU AI Act entró en vigor en agosto 2024, con la mayoría de los requisitos para sistemas de alto riesgo aplicando desde agosto 2026. Las multas pueden llegar hasta €35 millones o 7% del revenue global anual. En Estados Unidos, Colorado ya tiene su AI Act efectivo desde febrero 2026, California está siguiendo, Texas también.
Las regulaciones están en los libros, pero los casos legales que van a definir "¿quién es responsable?" todavía no llegaron a las cortes. Cuando lleguen (y van a llegar, porque los errores costosos son inevitables) van a establecer precedentes que definan el mercado por la próxima década.
Los vendors que se posicionen ahora como "el agente que podés usar sin miedo" van a capturar todo el upside cuando las empresas se den cuenta de que esto no es negociable.
La trampa de márgenes tiene una salida inesperada
Y al costo del compliance, sumemosle el pricing, porque acá hay una tensión que parece irresoluble pero tiene un plot twist que pocos están viendo.
El modelo de cobrar por "asiento" es obviamente absurdo cuando un solo agente puede reemplazar a diez analistas. Pero el salto a usage-based pricing (créditos, tokens, consumo) traslada todo el riesgo operativo al vendor: si el agente es eficiente, el cliente paga menos; si es ineficiente, el costo de cómputo devora tus márgenes.
Los números, tomémoslo con sal porque lo dice Gartner, dicen que el 70% de las empresas van a preferir "usage-based pricing" sobre "per-seat" para 2026, impulsado por lo que llaman el "seat apocalypse". Y la migración ya está pasando: 79 de las 500 empresas del PricingSaaS Index ofrecen ahora modelo de créditos, un aumento del 126% año contra año.
La pregunta es: ¿cómo protegés márgenes cuando cobrás por uso y el uso es cada vez más eficiente?
El plot twist: La deflación exponencial de costos de IA
Acá viene lo que cambia la ecuación completamente: los costos de desarrollar modelos de IA están colapsando de forma exponencial.
Mirá estos números: en 2023, desarrollar un modelo como GPT-4 le costó a OpenAI cerca de $100 millones. En 2024, DeepSeek (un modelo chino) replicó capacidades similares por $5 millones. Y en 2025, investigadores de Berkeley crearon TinyZero, que reproduce performance comparable por apenas $30. Estamos hablando de una caída del 99.99% en costo en menos de dos años. (Honestamente los números de DeepSeek no los creo reales)
¿Qué significa esto para el modelo de créditos? Que la "trampa de márgenes" tiene una salida inesperada: los vendors pueden permitirse ser cada vez más generosos con los créditos porque el costo por token está cayendo en picada. Lo que hoy te cuesta $1000 en inferencia, en 6 meses te va a costar $100.
Tomá el caso de Box. En 2024 lanzaron un modelo de créditos para sus features de IA: cada usuario recibe 20 créditos mensuales, cada tarea cuesta 1 crédito. Si un equipo de 100 personas usa los 2000 créditos incluidos, Box gana lo mismo que antes. Pero si usan 5000 créditos (porque el agente es súper eficiente), Box tendría que cobrar más por los créditos extra.
Acá viene el plot twist: Box puede permitirse bajar el precio por crédito cada trimestre porque su costo de procesamiento está cayendo más rápido que el uso está creciendo. El cliente siente que está "pagando por valor", pero Box sigue protegiendo márgenes porque la deflación de costos es más rápida que la expansión de uso.
La tensión real entonces no es "más eficiente = menos revenue". La tensión real es: ¿podés bajar precios más rápido que caen tus costos, manteniendo márgenes, mientras competís con vendors que también están bajando precios?
Es una carrera hacia el fondo donde el ganador no es el que tiene el mejor modelo, sino el que tiene los mejores unit economics para sostener una guerra de precios de 24 meses.
Por eso el outcome-based pricing cobra sentido
Intercom lanzó Fin, su chatbot de soporte, con un modelo simple: te cobran solo cuando el bot resuelve el ticket, no por cuántos tokens consumió en el proceso. Tu precio está atado al valor de negocio, no al costo de cómputo.
Esto es lo que llamo "Agentic ELA" (Enterprise License Agreement): cobrás por outcomes (ticket resuelto, reunión agendada, lead calificado), no por consumo. Te desacoplás de la volatilidad del costo de inferencia. Y si tu agente mejora con el tiempo y resuelve más tickets con menos recursos, tu margen sube, no baja.
El problema es que esto solo funciona si podés medir outcomes de forma determinística. Y ahí volvemos al punto anterior: necesitás infraestructura de logging, audit trails, capacidad de demostrar que el agente realmente resolvió el problema. Compliance y pricing no son temas separados, son la misma arquitectura.
El discovery cambió de pantalla
Ahora hablemos de algo que parece tangencial pero es estructural: cómo se vende software cambió fundamentalmente, y la mayoría de los vendors no se dieron cuenta.
El CAC (Customer Acquisition Cost) está explotando. El CAC promedio para SaaS ahora es $205, con empresas enterprise llegando a $500 por cliente, un aumento del 60% en los últimos 5 años. Y la reacción instintiva es: "Los canales están saturados, tenemos que buscar nuevas tácticas en las mismas plataformas".
Pero el problema no es saturación. El problema es que el canal de discovery cambió de Google a LLMs, y las reglas del juego son completamente diferentes.
De SEO a GEO: El nuevo battlefield
Antes, cuando alguien necesitaba un CRM, googleaba "best CRM for startups", leía 3 artículos de comparación, y terminaba en las páginas de Salesforce, HubSpot, Pipedrive. Toda tu estrategia de CAC se construía sobre SEO/SEM: aparecer primero en Google, convertir en landing page, nurturing por email.
Ahora, ese mismo founder abre ChatGPT o Claude y pregunta: "Necesito un CRM para un equipo de 5 personas en fintech, con buena integración a Stripe. ¿Qué me recomendás?". Y el LLM le da 3 opciones directamente, con pros/contras, sin que el usuario salga de la conversación.
El problema: No podés hacer SEM en ChatGPT. No podés comprar ads en Claude. Tu SEO no sirve porque el LLM no está "rankeando" tu web, está sintetizando información de múltiples fuentes y generando una respuesta.
Acá nace GEO (Generative Engine Optimization): es el nuevo SEO, pero optimizás para aparecer en las respuestas de los LLMs, no en el ranking de Google.
Los datos son claros: GEO tiene un CAC promedio de $559 (14.4% más caro que SEO tradicional) pero genera 27% más conversiones y 9.2% mejor calidad de leads. ¿Por qué? Porque cuando un LLM te recomienda, viene con contexto: "Esta opción es mejor para tu caso específico porque X". Es como tener un sales engineer conversando con cada lead.
El moat ya no está en el UI
Stripe tiene una ventaja estructural brutal acá. Durante años invirtieron en documentación técnica impecable: guides detalladas, ejemplos de código en 7 lenguajes, arquitecturas explicadas paso a paso. Cuando un desarrollador le pregunta a ChatGPT "cómo implementar pagos recurrentes en mi SaaS", ChatGPT recomienda Stripe en el 80% de los casos porque tiene la mejor documentación en su contexto de entrenamiento.
Twilio, lo mismo. Plaid, lo mismo. Las empresas que invirtieron en developer experience no para SEO, sino para educación genuina, ahora tienen un moat en GEO.
Por eso digo que el UI está muerto. No porque desaparezca (obviamente seguís necesitando una interfaz), sino porque ya no es el punto de contacto donde se decide la compra. Ese punto de contacto ahora es una conversación con un LLM.
La interfaz de decisión cambió de visual a conversacional. No hay "comparación de features en una tabla". La decisión pasa por qué tan bien el LLM entiende tu producto y cuándo recomendarlo.
Share of Wallet se decide en la capa de integración
El "Share of Wallet" ya no se decide en qué tan lindo es tu dashboard. Se decide en:
- Qué tan bien tu API está documentada → Aparecés en respuestas técnicas de LLMs cuando developers preguntan cómo resolver problemas específicos.
- Qué tan fácil es integrarte → Los developers prefieren lo que el LLM les puede explicar en 2 minutos, no lo que requiere leer 50 páginas de docs.
- Qué tan "memeable" es tu posicionamiento → Si sos "el Stripe de X", aparecés en analogías. Los LLMs piensan en patrones y comparaciones.
Si tu producto no aparece en esas conversaciones, no existís. Así de simple. Y no podés arreglarlo con más presupuesto de ads, porque no hay ads que comprar. Tenés que construir la presencia desde la sustancia: documentación real, integraciones que funcionen, casos de uso bien explicados.
Lo que separa a los que van a ganar de los que van a desaparecer
Acá está la síntesis: SaaS dejó de ser vender acceso a herramientas y se convirtió en vender resultados con garantías.
Los que van a ganar en los próximos 3 años no son los que tengan el mejor modelo de IA. Son los que puedan responder estas tres preguntas mejor que sus competidores:
- ¿Podés asumir liability contractualmente? Si tu agente se equivoca, ¿estás dispuesto a pagar por el error? Los que puedan decir "sí" y respaldarlo con capital y seguros van a capturar enterprise.
- ¿Tus unit economics sobreviven una guerra de precios de 24 meses? La deflación de costos de IA es exponencial, pero tus competidores también tienen acceso a esa deflación. ¿Podés bajar precios más rápido que ellos sin destruir márgenes?
- ¿Tu producto aparece cuando alguien le pregunta a un LLM? Si la respuesta es no, no importa qué tan bueno sea tu software. El discovery cambió de canal, y si no estás en ese canal, estás fuera del juego.
Lo interesante es que estas tres cosas están conectadas. No podés ofrecer indemnización sin compliance robusto. No podés sostener una guerra de precios sin outcome-based pricing. No podés ganar en GEO sin documentación e integraciones que hagan que tu producto sea fácil de explicar y recomendar.
Los incumbents (de nuevo, MSFT, Google, Stripe, Salesforce, etc.) tienen ventaja en los primeros dos. Las startups pueden ganar en el tercero si se mueven rápido. Pero nadie puede ignorar ninguno de los tres y sobrevivir.
Si el SaaS lo pensas como Service as a Software, entendes como cambió el riesgo y la estructura de costos y vas a tener ventaja cuando el mercado corrija.
