De los chatbots al work OS: cómo los asistentes de IA se comen el SaaS empresarial

Hace tres años, el chatbot empresarial era una pestaña de novedad. Los empleados lo abrían para redactar un correo o resumir un PDF y volvían al trabajo real dentro de su CRM, su herramienta de tickets, su portal de RR. HH. y sus hojas de cálculo. A finales de 2026 ese cuadro está cambiando. La ventana de chat se está convirtiendo, en silencio, en el lugar donde empieza el trabajo —y cada vez más a menudo donde termina—. El asistente de IA empresarial ya no es una función atornillada al software; se está convirtiendo en el producto mismo.

Ese giro tiene un nombre que vuelve una y otra vez en los decks de estrategia: el work OS de IA. La idea es sencilla. Si un solo asistente puede leer tus archivos, consultar tus sistemas de negocio, lanzar flujos multi-paso con horario y ejecutar acciones con un rastro de aprobación, empieza a comportarse como un sistema operativo del trabajo del conocimiento. Todo lo demás —incluida buena parte de las plataformas SaaS de IA que las empresas han pagado durante una década— corre el riesgo de convertirse en la fontanería debajo.

Este artículo mira cómo llegaron aquí las grandes plataformas de asistentes, qué significa «work OS» en la práctica y qué hace a la economía del software empresarial: precio por puesto, sistemas de registro y la capa de interfaz que los proveedores SaaS han tratado durante mucho tiempo como su foso.

Del motor de respuestas al motor de acciones

Fase 1: la caja de chat

La primera generación de asistentes empresariales era esencialmente una versión segura del chat de consumo. Los argumentos de venta: protección de datos, controles de administración y la promesa de que los prompts de la empresa no se usarían para entrenar modelos. Útil, pero contenido: el asistente solo sabía lo que pegabas en él.

Fase 2: conectores y contexto

La segunda fase fue el contexto. Los asistentes aprendieron a llegar a los lugares donde vive de verdad el conocimiento de la empresa. Las páginas de ayuda de OpenAI describen ya plugins de ChatGPT que se conectan a herramientas como Slack, SharePoint, Airtable y Google Drive. Crucial: el asistente solo ve lo que el usuario ya puede ver en la app conectada. En los planes Enterprise y Edu estas integraciones están desactivadas por defecto, y los administradores deciden cuáles están disponibles y para quién.

Google tomó la misma ruta con Gemini Enterprise, lanzado el 9 de octubre de 2025. En el post de lanzamiento, el CEO de Google Cloud Thomas Kurian dijo que la plataforma se conecta a los datos de la empresa «wherever it lives», nombrando Google Workspace y Microsoft 365 además de aplicaciones de negocio como Salesforce y SAP, todo bajo un marco de gobernanza central. Reuters describió el producto como una plataforma conversacional donde los empleados chatean con los datos, documentos y aplicaciones de su empresa.

Fase 3: agentes que hacen el trabajo

La tercera fase, la que está en marcha, es la acción. Los workspace agents de OpenAI, en research preview para los planes ChatGPT Business, Enterprise, Edu y Teachers, permiten a los equipos construir un agente una vez, compartirlo en un workspace, ejecutarlo con horario, usarlo en Slack o dispararlo vía API. Los propios ejemplos de OpenAI son elocuentes: revisar leads, resumir solicitudes de soporte, generar informes, actualizar tickets, editar documentos y enviar mensajes. Esa es la lista de trabajos que la gente hacía haciendo clic por varias interfaces SaaS.

Debajo está el Model Context Protocol (MCP), un estándar abierto para conectar modelos de IA a herramientas. La documentación de OpenAI dice que el soporte MCP completo, incluidas acciones de escritura y modificación, se está desplegando en beta a clientes Business, Enterprise y Edu. Sus ejemplos incluyen arrancar workflows, crear tareas de gestión de proyectos y actualizar el CRM, todo desde ChatGPT. Microsoft anunció un amplio soporte MCP first-party en Build 2025 en GitHub, Copilot Studio, Dynamics 365, Azure AI Foundry y Windows 11, y se unió al steering committee de MCP. El lanzamiento de Gemini Enterprise de Google nombró MCP junto al protocolo Agent2Agent (A2A) como estándares de comunicación entre agentes.

Una vez estandarizado el acceso de lectura y escritura, el asistente deja de ser un espectador y se convierte en un controlador.

Los grandes actores y sus estrategias

Cuatro compañías definen hoy el mercado del asistente de IA empresarial, cada una desde un punto de partida distinto.

OpenAI: el asistente como destino

La estrategia de OpenAI es hacer de ChatGPT la puerta de entrada. Su página Enterprise describe modelos y agentes, incluidos «ChatGPT Work» y el agente de código Codex, que usan «your approved tools, files, and team processes». La dirección es clara: los usuarios no deberían necesitar salir de ChatGPT para trabajar. Apps, plugins, apps MCP a medida y workspace agents tiran el resto del software hacia la conversación, no al revés.

Microsoft: la suite establecida, recentrada en Copilot

Microsoft ya posee la suite de productividad, la capa de identidad y buena parte de la pila de desarrolladores empresariales. Su movimiento es hacer de Microsoft 365 Copilot la capa de orquestación encima de todo eso. En Build 2025 la compañía presentó Copilot Tuning, que permite a los clientes usar sus propios datos y procesos para construir agentes de dominio en low-code, y la orquestación multiagente en Copilot Studio. En el lado del desarrollador, el Microsoft Agent Framework de código abierto fusiona AutoGen y Semantic Kernel y soporta OpenAPI, A2A y MCP.

Microsoft también es notablemente agnóstica en modelos. Anthropic anunció que Claude Sonnet 4 y Claude Opus 4.1 se volvieron modelos seleccionables en el agente Researcher de Microsoft 365 Copilot y en Copilot Studio. Para los compradores, el mensaje es que la plataforma importa más que cualquier modelo único: exactamente lo que se espera de una compañía que se posiciona como work OS.

Google: Workspace más una plataforma de agentes abierta

El argumento comercial de Google con Gemini Enterprise combina integración profunda con las apps de Workspace y una promesa explícita de apertura, incluido el trabajo con Microsoft 365 y SharePoint. Google también ha plegado su tooling de desarrollador en lo que ahora llama Gemini Enterprise Agent Platform, posicionada como el lugar para construir, escalar, gobernar y optimizar una «agentic workforce». La apuesta: la plataforma de agentes, no el editor de documentos, se convierte en el ancla a largo plazo.

Anthropic: el modelo dentro del OS de todos, y el suyo

Anthropic juega en ambos lados. Claude se vende directamente a empresas y también aparece dentro de las plataformas de otros proveedores, de Microsoft 365 Copilot a Salesforce. The Register informó de que AIforce de Salesforce, presentado en Dreamforce, expone los datos, workflows y lógica de negocio de la compañía a través de interfaces que incluyen Slack y Claude. Cuando un gigante del CRM entrega una vía para consumir su lógica desde un asistente de terceros, la dirección del viaje es difícil de pasar por alto.

Qué significa de verdad «work OS de IA»

La frase se usa con holgura, así que conviene definirla. Un work OS de IA tiene más o menos cinco capas:

1. Un front end conversacional y agentico único: la ventana de chat, más agentes que corren en segundo plano.
2. Un fabric de conectores: plugins, servidores MCP y APIs que llegan a documentos, correo, calendarios y sistemas de línea de negocio.
3. Identidad y permisos: acceso basado en roles, autenticación de usuario final frente a cuenta de servicio, y controles de acción por herramienta. Los workspace agents de OpenAI, por ejemplo, permiten que cada conexión corra con la cuenta del usuario o con una cuenta del agente, y recomiendan cuentas de servicio con acceso mínimo.
4. Gobernanza y auditoría: logs de llamadas a herramientas y archivos accedidos, y puertas de aprobación antes de acciones sensibles como enviar mensajes o actualizar registros.
5. Una capa de modelo: cada vez más intercambiable, como muestra la adopción de Claude por Microsoft.

Mire esa pila y note lo que falta: la UI de la aplicación. En un work OS, las pantallas que los proveedores SaaS pasaron años diseñando son opcionales. El agente llama a la API, el usuario revisa el resultado en el chat y el dashboard cuidadosamente construido del proveedor puede no cargarse nunca.

El impacto en el SaaS empresarial

1. El precio por puesto bajo presión

El licensing por puesto asume que un humano se sienta delante del software. Los agentes rompen esa hipótesis. The Register lo dijo sin rodeos: cuando agentes de IA y APIs hacen el trabajo en lugar de usuarios humanos con nombre ocupando puestos, cobrar por usuario encaja peor.

Salesforce es el caso de estudio más claro porque experimenta en público. Su página de precios de Agentforce ofrece tres modelos lado a lado: licencias por usuario, Flex Credits a 500 $ por 100.000 créditos (una acción estándar cuesta 20 créditos y una de voz 30) y Conversations a 2 $ cada una. Salesforce Ben informó de un paso más: pricing pay-per-resolution para el nuevo Agentforce Help Agent, anunciado para julio de 2026, donde al cliente solo se le cobra cuando el agente resuelve un problema por sí solo. Palabras de Salesforce: «If the customer asks for a human or walks away unhappy, there is no charge.»

Salesforce no está solo. Channel Insider señala que Intercom cobra por su agente Fin según outcomes definidos como incidencias resueltas, y que Zendesk amplía el pricing basado en outcomes en torno a resoluciones verificadas. El mismo artículo ordena el mercado en cuatro modelos: suscripciones tradicionales, consumo, basado en acciones y basado en outcomes.

Aun así el puesto no ha muerto. TechTarget citó a Marc Benioff diciendo que algunos clientes «still want pure user pricing; it’s predictable», mientras otros quieren pricing de agente, uso, consumo u outcome. «We’ve had to throw away our price book, en esencia», dijo. El pricing por outcome también tiene un problema de medición: comprador y vendedor deben acordar qué cuenta como resultado facturable. Espere contratos híbridos, no un cambio limpio.

2. Sistemas de registro: siguen siendo esenciales, pero menos visibles

Si el asistente se convierte en el front end, ¿qué pasa con el CRM, el ERP y la plataforma de RR. HH.? La respuesta corta: se vuelven más importantes como datos y lógica, y menos importantes como destinos.

Los agentes necesitan una fuente de verdad fiable de la que leer y a la que escribir. Todo asistente de IA empresarial serio se apoya en conectores hacia exactamente estos sistemas, como muestra la lista de Google de Salesforce y SAP. Los proveedores que poseen datos limpios, con permisos y bien modelados sostienen algo que un asistente no puede inventar solo.

El riesgo es la comoditización. Si el valor de un proveedor solo se alcanza a través de una API llamada por el agente de otro, la relación con el cliente, el hábito diario y buena parte del poder de pricing suben en la pila. Por eso los proveedores de sistemas de registro se apresuran a lanzar sus propios agentes (Agentforce es el ejemplo obvio) al tiempo que abren acceso «headless» a asistentes de terceros. Se cubren: poseer el agente donde sea posible, ser el back-end indispensable donde no.

3. La capa de UI es el verdadero campo de batalla

Durante veinte años la diferenciación SaaS vivió en gran medida en la interfaz: mejores workflows, dashboards más bonitos, menos clics. Un work OS de IA aplana esa ventaja. Cuando la instrucción «actualiza la oportunidad, registra la llamada y redacta el seguimiento» puede ejecutarse a través de tres herramientas desde un solo prompt, la elegancia de las pantallas de cada herramienta importa menos.

Esto crea tres perfiles de ganadores probables:

• Dueños de plataforma (Microsoft, Google, OpenAI, Anthropic) que controlan el front end, la identidad y la gobernanza de agentes.
• Dueños de datos: sistemas de registro con datos profundos, propietarios y bien gobernados que todo agente debe tocar.
• Especialistas en workflows duros y regulados, donde la lógica de dominio, el cumplimiento y la responsabilidad siguen justificando un producto dedicado.

El medio aplastado es la herramienta horizontal cuyo valor principal era una interfaz cómoda sobre datos que viven en otro sitio.

Qué deben hacer ahora los compradores empresariales

Para CIOs y equipos de compras, el giro hacia las plataformas SaaS de IA y el trabajo liderado por asistentes plantea preguntas prácticas:

• Elija un work OS primario a propósito. La mayoría de las organizaciones no harán correr cuatro asistentes por igual. Decida cuál posee el front end y trate a los demás como proveedores de modelo o de conectores.
• Audite los permisos de los conectores. El acceso de escritura vía MCP es potente. Use los controles de administración que estas plataformas ofrecen: plugins desactivados por defecto, acceso por roles, puertas de aprobación y logs de auditoría.
• Prefiera cuentas de servicio con mínimo privilegio para agentes que corren sin supervisión, como recomienda la propia guía de OpenAI.
• Renegocie pensando en agentes. Si los agentes harán el trabajo que hacían los puestos, pida a los proveedores opciones de consumo, acción u outcome y modele el coste bajo cada una.
• Mantenga limpio su sistema de registro. Un asistente solo es tan bueno como los datos a los que puede llegar. La calidad de datos es ya estrategia de IA.
• Exija estándares abiertos. El soporte de MCP y A2A reduce el dependencia del proveedor a un solo asistente.

Qué deben hacer ahora los proveedores SaaS

Para los proveedores, el manual operativo es incómodo pero claro:

• Sea agent-ready primero. Publique APIs robustas y servidores MCP, con permisos finos y semántica de acción clara. Si su producto no puede usarse desde el asistente de otro, lo sustituirá uno que sí pueda.
• Lance su propio agente donde tenga contexto único. Datos de dominio más lógica de dominio es la combinación defendible.
• Repiense el packaging. Ofrezca pricing híbrido antes de que los clientes lo exijan. El enfoque de tres modelos de Salesforce muestra a la vez la oportunidad y la complejidad.
• Mueva el valor hacia outcomes y confianza. Gobernanza, auditabilidad y resultados medibles son los nuevos diferenciadores, más que las pantallas.

Conclusión

El chatbot empresarial ha crecido. Los conectores le dieron contexto, MCP le dio manos y los workspace agents le dieron un horario y una descripción de puesto. El resultado es un work OS de IA emergente en el que el asistente es el producto y muchas aplicaciones SaaS se convierten en servicios que llama.

Eso no significa que el SaaS empresarial desaparezca. Sistemas de registro, workflows especializados y datos de confianza valen más que nunca. Pero la economía se desplaza: de puestos a acciones y outcomes, de interfaces a APIs, y de poseer la atención del usuario a ganarse un lugar en la caja de herramientas del asistente. Los proveedores que lo acepten pronto serán aquellos a los que los agentes sigan llamando.

Lecturas relacionadas

• Tres campos de batalla de las interfaces de IA: chat, copilotos in-app y agentes autónomos
• Los agentes computer-use entran en producción: lo que realmente funciona en la empresa
• Modelos open-weight de frontera frente a API cerradas: la contrapartida de la soberanía

Imágenes: ilustraciones originales creadas para AndBeyond.Tech; no aparecen logotipos ni personas reales.