Quizás tu próxima contratación no será humana
De SaaS a GaaS: El nacimiento de la IA Agéntica y la economía de los Tokens
Desde hace un mes, la estrategia de Kelmia ha dado un vuelco muy importante. Y no se trata de un pivotaje, sino de una evolución natural en el nuevo mundo que vivimos.
Hemos creado una nueva compañía, Kelmia Systems, donde no desarrollamos ninguna aplicación de software. Todo lo que hacemos son exclusivamente Agentes de Inteligencia Artificial que resuelven problemas.
No fue una decisión repentina. Fue la conclusión lógica de observar hacia dónde se mueve el mundo.
El cambio que el CEO de Nvidia confirmó hace dos semanas
En la Conferencia Global de Inteligencia Artificial y Computación Acelerada, el CEO de NVIDIA confirmó lo que algunos ya estábamos trabajando sin saberlo y él le puso nombre: el paso del SaaS al GaaS.
Del Software as a Service al Agentic AI as a Service.
La evolución de los modelos de software tradicionales (SaaS) hacia plataformas que ofrecen Agentes de Inteligencia Artificial autónomos bajo demanda
La diferencia entre SaaS y GaaS es simple pero radical.
Una herramienta SaaS te da un martillo. Tú decides cuándo clavar, dónde clavar y cuántas veces. El GaaS te da un carpintero. Tú le dices qué construir.
Lo que nadie cuenta sobre los agentes
El debate público se centra en la tecnología. Pero yo discrepo (como siempre, jejeje).
Yo creo que el reto está en la gestión. Y lo digo por la experiencia de manejar ya un sistema multi agente para el área de administración de nuestro primer cliente de agentes.
Porque cuando tienes agentes que trabajan solos, los problemas reales no son técnicos. Son de gobierno:
¿Cómo evitar que un agente tome decisiones que no debería tomar?
¿Cómo saber que está usando datos reales y no inventados?
¿Cómo mantener el control sin microgestionar?
Y sobre todo, ¿Cómo controlar el coste de sus operaciones manteniendo la efectividad?
Estos retos los estamos resolviendo con tres principios que cualquier persona con experiencia directiva reconocerá:
1. Autonomía con límites claros. Los agentes actúan solos en todo lo repetitivo y bien definido. Se detienen y preguntan cuando hay dinero real, reputación real o decisiones irreversibles. Igual que un buen empleado.
2. Transparencia total. Cada decisión queda registrada con su razonamiento. No hay cajas negras. Si algo sale mal, sabes exactamente por qué.
3. El humano aprueba lo que importa. Nuestros clientes no gestionan agentes, aprueban decisiones importantes con un clic. El resto lo gestionan los agentes.
La economía que viene
El CEO de Nvidia predice que cada empleado, además de su salario, tendrá un presupuesto anual de tokens, la nueva moneda de la productividad, para multiplicar su capacidad de productividad por diez.
Yo no sé todavía calibrar eso, pero si sé que todo mi equipo al completo (18 personas) ya tienen una suscripción Pro de equipo en Claude con la instrucción clara de usarlo en su día a día. Y sin duda que evolucionaremos el modelo. Aunque lo de los tokens igual no es mala idea :)
Esta semana han visto la luz nuestros primeros agentes. Ya trabajan 24 horas, no se van de vacaciones, no tienen ego y escalan sin fricción. El coste marginal de añadir capacidad es casi cero.
La pregunta estratégica que hay que hacerse desde ya
Parece mentira porque esto acaba de empezar, pero la pregunta ya no es “¿debería usar IA?”. Esa conversación ya está claramente superada.
La pregunta es: ¿qué parte de mi operación puede dirigir un agente mejor que un humano?
Empieza por lo repetitivo, lo bien definido y lo que no requiere juicio humano. Ahí es donde el ROI es inmediato y el riesgo es mínimo. Nosotros hemos empezado por el Área de Administración de nuestros clientes, donde hay cientos de tareas que se repiten continuamente.
El resto las decisiones que importan, las relaciones que construyen confianza, la visión que da dirección, eso sigue siendo tuyo.
Por ahora.
¿Tienes ya identificado qué parte de tu empresa podría dirigir un agente? Responde a este en comentarios, te podemos ayudar.