El modelo SaaS no murió, aprendió a demostrar que sirve
Hay un momento preciso en el ciclo de cualquier modelo de negocio donde la narrativa colectiva deja de describir la realidad y empieza a producirla. El sector SaaS llegó a ese momento hace más de un año, y la industria todavía está procesando lo que significa. No es el colapso que algunos anticiparon con el término "SaaS-pocalypse", pero tampoco es el regreso sin fricción al crecimiento de 2021. Lo que está ocurriendo es más incómodo y más útil que cualquiera de esas dos versiones: los compradores, los inversores y los mercados de capitales están exigiendo prueba de que el software que contratan efectivamente cambia algo medible en quien lo usa.
Eso parece obvio. No lo era.
Durante el período de liquidez abundante que siguió a la pandemia, el modelo de ingresos recurrentes funcionó como un argumento suficiente. Tener una tasa de renovación razonable y una curva de crecimiento ascendente bastaba para sostener múltiplos de valoración que hoy parecen difíciles de justificar. Los múltiplos sobre el ARR —ingreso recurrente anual— alcanzaron niveles que descontaban años de crecimiento futuro como si ese crecimiento fuera una certeza estructural. Según datos de SaaS Capital, esos múltiplos están ahora en mínimos de más de una década, lo que no refleja solo un ajuste de tasas de interés, sino un cambio en qué tipo de evidencia se considera convincente para asignar capital.
El sector no está cayendo. La proyección hacia 2030 sigue siendo de más de 900 mil millones de dólares en valor de mercado global, con un crecimiento anual compuesto que ronda el 18%. Para 2024, el gasto en software como servicio se estimaba cerca de los 232 mil millones de dólares según Gartner. Las cifras absolutas no contradicen la narrativa de expansión. Lo que cambió es la calidad de la evidencia que se necesita para que esas cifras se traduzcan en valoración favorable. Y ese cambio tiene implicaciones operativas muy concretas para quienes construyen o financian estos negocios.
La inteligencia artificial no reemplaza el software; presiona su justificación
Parte del pánico narrativo alrededor del "fin del SaaS" proviene de una lectura apresurada del papel que la inteligencia artificial está jugando en el sector. El argumento simplificado dice: si la IA puede generar código a demanda, construir flujos de trabajo autónomos y replicar funcionalidades que antes requerían contratos anuales, entonces los modelos de suscripción por asiento pierden su razón de ser. Hay algo cierto en esa presión. Hay mucho que exagera la velocidad del cambio y subestima la fricción real de adoptarlo.
Lo que la IA efectivamente está haciendo es bajar el costo marginal de producir software genérico. Eso presiona las capas del mercado que competían principalmente por funcionalidad estándar a precio aceptable. Un CRM básico, una herramienta de gestión de tareas, una plataforma de formularios: estas categorías enfrentan compresión de precio real porque la barrera de replicación se redujo. Pero el software que opera en la intersección de procesos industriales específicos, flujos de datos propietarios y lógica de negocio profunda no se replica con un prompt. La complejidad no desapareció; se redistribuyó.
Las empresas que compran software especializado para industrias como moda, manufactura o logística no están adquiriendo funcionalidades aisladas. Están comprando la acumulación de conocimiento operativo que tardó años en codificarse, más la infraestructura de integración con sistemas heredados, más el cumplimiento normativo incorporado. Ninguna de esas cosas se genera en tiempo real con una herramienta de codificación asistida. Lo que sí puede hacer la IA en este contexto es acelerar la detección de anomalías en esos procesos, automatizar decisiones repetitivas dentro de flujos ya diseñados, o conectar fuentes de datos que antes requerían integración manual costosa. Eso no destruye el modelo: lo obliga a demostrar dónde está generando valor incremental con mayor precisión que antes.
El verdadero efecto de la IA sobre el sector SaaS no es de sustitución sino de exigencia. Obliga a los proveedores a ser más específicos sobre qué parte del problema del cliente están resolviendo, con qué resultado medible y bajo qué condiciones de adopción. Esa exigencia existía antes; la IA la hace imposible de evitar.
Cuando el precio dejó de ser por asiento y empezó a ser por resultado
El cambio de modelo de precios que se está acelerando en el sector tiene implicaciones que van más allá de la mecánica contractual. El paso de licencias por usuario hacia precios basados en consumo o en resultados altera fundamentalmente cómo se distribuye el riesgo entre proveedor y cliente, y qué tipo de relación operativa se necesita para que el modelo funcione.
En el modelo por asiento, el proveedor cobra por acceso y el cliente asume el riesgo de adopción. Si los usuarios no utilizan la herramienta, el contrato igual se renueva hasta que alguien en el área de compras revisa la factura. Ese desacoplamiento entre uso y pago fue durante años una fuente de márgenes cómodos para los proveedores y una fuente de desperdicio silencioso para los compradores. El dato de Zylo sobre "shadow AI" y costos impredecibles de software no es una anomalía: es la expresión contemporánea de un problema estructural que existía mucho antes de que la IA entrara al cuadro.
El modelo basado en resultados cierra ese desacoplamiento por la fuerza. Si el contrato especifica que el proveedor cobra en proporción a la reducción de tiempo de ciclo productivo, o al porcentaje de aumento en tasa de conversión, o a la disminución de errores en un proceso operativo, entonces la relación se vuelve verificable. Eso es bueno para los clientes. Para los proveedores, implica que necesitan instrumentar sus productos con suficiente profundidad como para medir esos resultados de manera confiable, y necesitan tener la convicción, respaldada por datos de clientes anteriores, de que el producto efectivamente los produce.
Aquí aparece una trampa que merece atención. Varios proveedores que están adoptando el lenguaje de "precios por valor" o "modelos orientados a resultados" no están construyendo la infraestructura de medición que ese modelo requiere. Están usando el vocabulario del resultado sin el aparato de verificación que lo haría creíble. Eso no es una transición de modelo, es un reencuadre cosmético del contrato anterior. La diferencia entre un modelo de resultados y uno de acceso con marketing de resultados está en si el proveedor acepta que su compensación varíe cuando los resultados no se materializan. Pocos lo aceptan todavía en la práctica.
El movimiento hacia precios por consumo que están adoptando plataformas de infraestructura y algunas capas de aplicación es una versión más honesta de esta transición. El cliente paga por lo que usa, el proveedor tiene incentivo para que el uso sea alto porque refleja adopción real, y ambos tienen visibilidad sobre la relación entre actividad y costo. El problema es que ese modelo introduce volatilidad presupuestaria que los equipos de finanzas de grandes organizaciones manejan mal, lo que genera resistencia interna en el proceso de compra incluso cuando el producto es superior.
El SaaS vertical tiene una ventaja que el horizontal no puede copiar rápido
La distinción entre software horizontal y vertical siempre existió, pero la presión actual del mercado la está haciendo más estratégicamente relevante. El software horizontal compite en escala de adopción y amplitud funcional. El vertical compite en profundidad de comprensión del dominio y en el costo de cambio que esa profundidad genera. En un entorno donde la IA baja el costo de producir funcionalidad genérica, la ventaja del horizontal se erosiona más rápido que la del vertical.
Un proveedor que lleva diez años construyendo software para la cadena de producción textil tiene incorporado en su producto un conocimiento sobre estándares de trazabilidad, lógica de desperdicio de material, integración con maquinaria específica y cumplimiento normativo regional que no se replica copiando su interfaz. Ese conocimiento tardó años en traducirse a lógica de software porque requirió conversaciones reales con operadores de planta, con directores de producción, con auditores de calidad. La IA puede acelerar la próxima iteración de ese producto. No puede comprimir los diez años de aprendizaje acumulado en el actual.
La métrica que mejor predice la durabilidad de un SaaS vertical no es la tasa de crecimiento de nuevos contratos, sino la retención neta de ingresos, que mide si los clientes existentes están expandiendo su uso y gasto con el tiempo. Según los datos disponibles, los inversores y prestamistas están usando esta métrica, junto con la retención bruta de ingresos, como el indicador más confiable de que el producto tiene adherencia real. Una retención neta por encima del 110% indica que la expansión dentro de la base instalada está compensando la pérdida de clientes, lo que hace el modelo autosuficiente en términos de crecimiento sin depender exclusivamente de adquisición nueva.
Ese patrón es más difícil de construir en software horizontal porque requiere que el cliente encuentre razones para expandir el uso dentro de la misma plataforma, y esas razones compiten con la oferta de docenas de alternativas que hacen lo mismo con variaciones menores. En el vertical, la expansión ocurre de manera más natural porque el proveedor tiene visibilidad sobre otras fricciones del mismo proceso operativo que ya conoce bien. El siguiente problema a resolver está al lado del que ya resolvió.
La trampa para los proveedores verticales es confundir la profundidad del dominio con comodidad estratégica. Conocer bien una industria es una ventaja inicial, no una garantía permanente. Si ese conocimiento no se actualiza con los cambios en los procesos del cliente, con las nuevas regulaciones, con la evolución de la tecnología disponible, se convierte en deuda técnica disfrazada de especialización. Los proveedores que mantienen retención neta alta a lo largo del tiempo son los que siguen aprendiendo del cliente con la misma intensidad después del año tres que en el año uno.
La durabilidad no es una narrativa, es una arquitectura de ingresos con fricciones reales
El sector SaaS llega a 2026 habiendo pasado por una prueba de estrés que fue parte corrección de valoración, parte ajuste macroeconómico y parte presión genuina de nuevas tecnologías. Lo que emerge de ese proceso no es un modelo roto en busca de redención narrativa. Es un modelo más legible, donde las métricas que siempre debieron importar —retención, expansión dentro de la base instalada, costo de adquisición de cliente en relación con su valor de vida— están recibiendo la atención que merecían desde antes.
El término "SaaS-pocalypse" describió con exactitud el miedo, no la realidad. Lo que está ocurriendo es una selección dentro del sector: los proveedores que construyeron su crecimiento sobre adopción real, sobre retención demostrada y sobre expansión orgánica dentro de sus clientes están pasando el filtro con modelos intactos. Los que crecieron sobre la facilidad de vender en un entorno de gasto tecnológico sin escrutinio están enfrentando el costo de haber postergado esa conversación.
Para quienes construyen o financian estos negocios, el ajuste no requiere un cambio de filosofía sino una claridad que el contexto anterior hacía opcional: demostrar, con datos propios y verificables, que el producto produce el resultado que justifica el contrato. Eso no es un estándar nuevo impuesto por el mercado. Es el estándar que siempre definió si un modelo de negocio era sólido. El mercado simplemente dejó de aceptar diferirlo.
