El CEO de Atlassian: El SaaS no está muriendo, está haciendo el trabajo

Por qué el discurso del apocalipsis del SaaS está equivocado

Mike Cannon-Brookes (CEO de Atlassian) y Alex Rampell (socio general de a16z) mantuvieron una de las conversaciones más lúcidas hasta la fecha sobre lo que la IA realmente le hace a la industria del software. Su argumento central: el pánico del mercado confunde tres tipos fundamentalmente distintos de empresas SaaS, y la historia real no es que el software muera — sino que el software se convierte en el trabajador.

Sobre la metáfora del archivador que lo encuadra todo: “The whole history of software from 1960 until 2022 was you would take a filing cabinet and you turn it into a database. The cool thing about everything that’s happening in AI land is that the filing cabinet can do work.” (Toda la historia del software desde 1960 hasta 2022 consistió en tomar un archivador y convertirlo en una base de datos. Lo fascinante de todo lo que está ocurriendo en el mundo de la IA es que el archivador ahora puede trabajar.) Cannon-Brookes traza el linaje desde Saber Systems (1960, reservas de aerolíneas) pasando por los historiales clínicos electrónicos hasta Salesforce — todo era digitalizar almacenamiento. Ahora la capa de almacenamiento puede actuar. QuickBooks no solo guarda tu contabilidad; puede ejecutar tareas de forma autónoma.

Sobre los tres tipos de SaaS (el marco de Alex Rampell):

1. Licencias atadas a resultados (Zendesk) — en riesgo real. Si la IA resuelve los tickets, el número de licencias podría caer a cero. Pero también podría multiplicarse por 3 o 4 si migran a precios por resultado.
2. Licencias como truco de precios (Workday) — seguras. El precio por empleado parece justo, pero los empleados no usan Workday para producir resultados. El sistema de registro es el valor. La IA lo hace más sólido porque Workday ahora puede hacer verificaciones de referencias, comprobaciones de antecedentes — tareas que antes requerían personas.
3. Terreno intermedio (Adobe, Salesforce) — matizado. Quizá menos licencias en el front-end, pero los datos del back-end son insustituibles.

Sobre por qué el “vibe coding” no va a matar al SaaS: Rampell invoca la teoría de la ventaja comparativa de David Ricardo de 1817: “You could also grow your own food. You could weld your own aluminum. But I have a comparative advantage filming podcasts with you.” (También podrías cultivar tu propia comida. Podrías soldar tu propio aluminio. Pero yo tengo una ventaja comparativa grabando podcasts contigo.) El punto de fondo: el software empresarial acumula décadas de casos límite — “¿Qué pasa en Indiana si la persona se va estando de baja por maternidad?” — que no pueden replicarse con prompts a un LLM. Las reglas no están publicadas; se aprenden con la experiencia.

Sobre los negocios como procesos, no como archivadores: Cannon-Brookes reformula toda la discusión. “Businesses are a set of processes. They’re not a system of record.” (Los negocios son un conjunto de procesos. No son un sistema de registro.) Distingue los procesos limitados por la entrada (atención al cliente — demanda fija, optimizar el rendimiento) de los procesos limitados por la salida (trabajo creativo, ingeniería — potencial ilimitado, aprovechar la ganancia de eficiencia para hacer más). Este marco determina si la IA reemplaza a los trabajadores o amplifica el resultado.

Sobre el cuello de botella del diseño del que nadie habla: La conclusión más subestimada: la capacidad de la IA supera con creces la UX para aprovecharla. “Give people a chat box that can do unlimited power and they’re like, ‘tell me a dad joke.’” (Dale a la gente un cuadro de chat con poder ilimitado y lo usan para pedir chistes malos.) Cannon-Brookes describe el problema de la confianza — usuarios aterrados de que la IA envíe 15 correos sin supervisión — y el “problema de los 50 becarios”, donde gestionar el output de los agentes se convierte en el cuello de botella. La solución de Atlassian: agentes en Jira con los que puedes chatear en medio de una tarea para construir confianza de forma gradual.

Sobre por qué los precios por consumo fracasan: A los clientes les molestan los créditos de IA porque no pueden controlarlos ni compararlos. Cannon-Brookes los llama “fichas de casino” — opacos, intransferibles e inflados cuando los proveedores añaden funciones que consumen créditos sin permiso. El precio por licencia persiste porque parece justo, aunque sea económicamente impreciso.

6 conclusiones clave del CEO de Atlassian sobre la IA y el SaaS

• Tres tipos de SaaS — Licencias atadas a resultados (en riesgo), licencias como truco de precios (seguras) y terreno intermedio (matizado). El mercado no sabe distinguirlos
• El software se está convirtiendo en el trabajador — La era del archivador (1960-2022) almacenaba datos; la era de la IA hace que esos datos actúen
• El “vibe coding” no va a reemplazar el software empresarial — Los casos límite acumulados durante décadas no se pueden replicar con prompts; la ventaja comparativa aplica aquí
• Los negocios son procesos, no registros — Los procesos limitados por la entrada (optimizar) frente a los limitados por la salida (amplificar) requieren estrategias de IA distintas
• El diseño es el verdadero cuello de botella — La confianza, la UX iterativa y el bucle humano-agente son problemas de diseño sin resolver, no problemas tecnológicos
• Los precios por consumo se vuelven en contra — Los créditos de IA se sienten como “fichas de casino”; los clientes quieren precios predecibles, justos y controlables

Qué significa esto para las organizaciones que despliegan agentes de IA

Cannon-Brookes y Rampell llegan a una conclusión relevante para cualquier organización: la revolución de la IA no consiste en reemplazar tu stack de software — sino en que tu stack de software haga el trabajo. Los ganadores serán las plataformas que resuelvan el problema de diseño de la colaboración humano-agente, no solo el problema tecnológico de la capacidad de la IA. Para las empresas que evalúan la adopción de IA, la pregunta no es “qué SaaS eliminar” sino “qué procesos están limitados por la entrada (automatizar) frente a los limitados por la salida (amplificar)”. Esa distinción determina toda tu estrategia de IA.