Hay un patrón que sigo viendo en las empresas de software B2B. Alguien en la junta directiva dice "necesitamos IA". Se crea un elemento en la hoja de ruta. Un desarrollador conecta una llamada a la API con un LLM. La página del producto tiene una nueva sección. La presentación de ventas incluye una diapositiva. Seis meses después, el uso es insignificante y nadie puede explicar por qué.
La respuesta es casi siempre la misma: lanzaron una función de IA, no un producto de IA.
La distinción entre función y producto
Una función de IA mejora un flujo de trabajo existente: de forma leve, de manera marginal, de una forma de la que los usuarios pueden prescindir. Resúmenes generados por IA de informes que ya leen. Una interfaz de chat sobre documentación en la que ya buscaban. Autocompletado para campos que ya llenan. Estas cosas pueden ser útiles. No son una estrategia.
Un producto de IA cambia el flujo de trabajo en sí: lo que es posible, quién lo hace, cuánto tiempo toma. No asiste en la tarea existente; reemplaza la tarea con algo que antes no hubiera sido factible. El umbral es simple: ¿esto permite a los usuarios tomar decisiones que antes no podían tomar, o son solo versiones más rápidas de decisiones que ya tomaban?
La mayoría de las "estrategias de IA" son una lista de funciones. Pertenecen a una hoja de ruta. Una verdadera estrategia de IA comienza con una pregunta diferente: ¿qué partes del flujo de trabajo de nuestros usuarios están actualmente limitadas por la velocidad del razonamiento humano?
El problema de go-to-market del que nadie habla
En el software B2B, la persona que compra el producto y la persona que lo usa todos los días suelen ser personas diferentes. Un CTO puede quedar impresionado por una demostración. Un gerente de compras puede justificar el costo con una historia sobre IA. Pero si las personas que usan el software en el día a día no sienten que sus vidas cambiaron, la conversación sobre la renovación es dolorosa.
Las funciones de IA te consiguen más conversaciones de ventas. No necesariamente te consiguen renovaciones.
Las empresas que ganan con la IA en B2B son aquellas en las que la IA cambia algo que el usuario diario realmente nota. Su informe se escribe solo. Su cola de tareas se enruta sola. Su anomalía se detecta a sí misma. No: "hay un pequeño botón de brillos que resume esto que acabas de leer".
La implicación de go-to-market está subestimada. Si tu función de IA no cambia quiénes son tus clientes o cómo te evalúan en la renovación, no es un activo estratégico. Es un centro de costos que también genera textos de marketing.
El modelo de datos es el producto
Lo más difícil de la verdadera integración de IA —la que cambia los flujos de trabajo— es que casi siempre requiere arreglar primero el modelo de datos subyacente.
Pasamos años construyendo Response365 como una plataforma multi-tenant unificada: cada módulo —facturación, inventario, producción, RRHH, cumplimiento— se alimenta de un único esquema conectado. No lo hicimos para "habilitar la IA". Lo hicimos porque una plataforma de gestión empresarial que no puede responder preguntas entre módulos está perdiendo todo su propósito.
Pero la consecuencia es que cuando construimos la capa de business intelligence —donde los usuarios hacen preguntas en lenguaje natural sobre su negocio— realmente funciona. El sistema sabe qué es una factura, cómo se relaciona con una orden de compra, qué significa eso para el flujo de caja y de qué lote de producción provino. La IA funciona porque los datos subyacentes están conectados. No puedes simplemente añadir eso como un parche.
La mayoría de las empresas intentan hacerlo al revés: lanzar la función de IA ahora, limpiar el modelo de datos después. El después nunca llega. Y así, la IA se asienta sobre un esquema fragmentado, produciendo respuestas que son plausibles pero no confiables, lo cual es peor que no tener ninguna respuesta.
Tres preguntas que son más útiles que "¿deberíamos añadir IA?"
¿Qué decisiones en este flujo de trabajo requieren actualmente que alguien mantenga el contexto en más de dos sistemas a la vez? Ahí es donde la IA cambia el resultado, no solo la velocidad. Si la respuesta es "ninguna", tu flujo de trabajo ya está bien estructurado y la oportunidad para la IA es marginal.
Si la IA se equivoca, ¿qué pasa? Si la respuesta es "el usuario no se da cuenta", tu IA no está haciendo nada significativo. Si la respuesta es "un daño significativo", necesitas un human in the loop. Los productos interesantes viven en el medio: donde la IA se equivoca ocasionalmente, el usuario puede notarlo y el ciclo de corrección hace que el sistema sea más inteligente con el tiempo.
¿Quién cambia su comportamiento debido a esto? No "¿quién usa la función?", sino ¿quién se comporta de manera diferente porque existe? Si el trabajo de nadie es materialmente diferente debido a la IA, es una función. Si el flujo de trabajo de alguien cambió fundamentalmente, es un producto.
El momento de la IA en el software B2B es real. Pero la mayoría de las empresas están compitiendo en el nivel equivocado: intentando ganar en qué producto tiene más funciones de IA, cuando las empresas que seguirán aquí en cinco años son las que usaron la IA para cambiar lo que el producto hace fundamentalmente.
La diferencia entre esas dos cosas no es un problema de ingeniería. Es un problema de estrategia de producto. Y comienza mucho antes de la primera llamada a la API.