¿Alguna vez has notado un fenómeno contradictorio? Por un lado, historias de éxito de IA que parecen inundar todos los medios, noticias de financiamiento que vuelan por doquier, y todo tipo de productos de IA que se lanzan a diario. Por otro lado, la realidad empresarial: investigaciones de IBM muestran que el 75% de las soluciones de IA no generan el ROI (retorno de inversión) esperado, y un informe del MIT es aún más duro, indicando que el 95% de los proyectos de IA no tienen ningún retorno medible. ¿De qué se trata esta enorme brecha? ¿Por qué la tecnología de IA, que parece tan brillante, resulta tan difícil de implementar en la práctica?
Hace unos días vi un video, una análisis profundo de Ben sobre los modelos de negocio de IA en 2026. Ben lleva más de dos años dirigiendo una agencia de IA y un negocio de software de IA, y su observación resonó mucho conmigo. Señaló una realidad que muchos pasan por alto: los negocios de IA que realmente generan dinero y aportan valor a los clientes, no suelen ser esas empresas de productos “vistosos” y puramente tecnológicas, sino aquellas que ofrecen una combinación de servicios + productos, que parecen “aburridas”. Este punto cambió por completo mi percepción sobre emprender en IA.
¿Por qué fracasan la mayoría de las soluciones de IA?
Ben en su video compartió una comparación de datos impactante. Aunque el uso de ChatGPT crece rápidamente y las empresas experimentan con muchas soluciones de IA, muy pocos logran ver valor comercial real. Según el estudio del MIT, solo el 5% de los pilotos de soluciones de IA vendidas por proveedores terminan en producción. Deloitte encontró que solo el 15% de las organizaciones reportan un ROI significativo y medible de IA. PWC indica que el 76% de las empresas aún no ven impacto en sus beneficios. Estos números son realmente desoladores.
Pero al mismo tiempo, vemos casos completamente opuestos. Clara reporta que su asistente de IA ayudó a reducir en un 40% los costos de atención al cliente, sin afectar la satisfacción. Intercom resuelve más de un millón de conversaciones de soporte semanalmente. Freshworks usa IA para reducir en un 76% los tiempos de resolución en su mesa de ayuda IT. Con la misma tecnología, ¿por qué algunas empresas obtienen resultados tan sorprendentes y otras no logran nada?
Ben resumió tres factores clave, y creo que lo explicó muy bien. El primero es la personalización y la reestructuración de procesos. La IA puede automatizar tareas, pero solo genera ROI cuando está realmente integrada en los flujos de trabajo reales, no simplemente añadiendo otra herramienta a la pila. Esto suele requerir cierta personalización, integración e incluso rediseño de procesos existentes. La fuerza laboral está estrechamente relacionada con los datos únicos de la empresa, casos extremos, herramientas y la definición de qué es un buen resultado. Un estudio de McKinsey confirma esto: entre 25 atributos analizados, rediseñar y personalizar los flujos de trabajo para IA tiene el mayor impacto en que una organización vea un efecto real en EBIT (beneficio antes de intereses e impuestos).
Yo lo vivo en carne propia. Muchas empresas creen que comprando una herramienta de IA verán resultados inmediatos, como comprar un software de Excel. Pero la IA no funciona así. Cada empresa tiene estructuras de datos distintas, procesos diferentes y definiciones de calidad distintas. Sin una personalización profunda, la IA es como un empleado nuevo que no conoce la empresa y no puede hacer bien su trabajo. Por eso, los productos de IA “listos para usar” suelen tener resultados mediocres, mientras que las soluciones profundamente personalizadas sí generan valor.
El segundo factor es la capacitación del equipo y el cambio de mentalidad. Ben enfatiza que la IA es una tecnología nueva: el software tradicional es determinista, mientras que el de IA es probabilístico. La gente necesita aprender a evaluar críticamente las salidas de IA, en lugar de confiar ciegamente en ellas. Muchos ven un error en una salida y piensan que la solución no funciona, en lugar de entender la naturaleza de esta tecnología. Si el equipo no aprende a usar IA, a evaluar sus resultados, a verificar cuándo y cómo, la adopción interna fracasa.
Ben puso un ejemplo: su software de SEO con IA es una solución productizada, pero si no capacitan al equipo en cómo usar el sistema y colaborar con la IA, no se adoptará correctamente. Esto es muy importante, porque revela una verdad que muchos ignoran: la IA no es magia, requiere que los humanos aprendan a colaborar con ella. Como cuando en su momento pasamos de interfaces de línea de comandos a interfaces gráficas, los usuarios tuvieron que aprender nuevas formas de interactuar. Ahora, cambiar de software tradicional a IA también requiere una curva de aprendizaje.
El tercer factor es la operación continua y la supervisión humana. Dado que las soluciones de IA prometen entregar resultados y no solo aumentar la productividad, generalmente necesitan alguien responsable que supervise el sistema en operación. Los trabajos cambian, los negocios cambian, la IA evoluciona rápidamente. Todo esto implica que alguien debe monitorear la calidad, mantener un ciclo humano en el proceso, gestionar casos extremos, ajustar prompts y lógica, y en general mantener la coherencia con el negocio.
Ben compara la IA con un becario inteligente: todavía necesita guía y entrenamiento para dar resultados, no es un software que puedas dejar configurado y olvidar. Estoy totalmente de acuerdo. Muchas empresas esperan que la IA funcione como un SaaS tradicional, que una vez desplegado funcione solo. Pero la IA es más como contratar a un empleado: requiere gestión continua, retroalimentación y ajustes. Un estudio de Gartner respalda esto: evaluar y optimizar periódicamente los sistemas de IA puede triplicar las probabilidades de obtener alto valor.
¿Qué hacen las empresas de IA exitosas?
Entonces, ¿cómo aseguran estas empresas que estos factores se cumplan? La respuesta de Ben es sencilla y poderosa: generalmente, añaden una capa de servicios encima de la solución o del software de IA. Esa es la esencia del modelo de negocio “aburrido” pero extremadamente efectivo. Todas las empresas de éxito en IA, que usan software nativo de IA, cada vez más ofrecen combinaciones de consultoría, capacitación y personalización.
Ben analizó varias modalidades principales. La primera: cada vez más, las startups de IA y los negocios de software de IA tienen departamentos de consultoría. Los ingenieros desplegados (forward deployed engineers) o ingenieros de soluciones (solution engineers) son ahora algunos de los roles más demandados y valiosos en estas startups. Varias startups del Y Combinator están contratando estos perfiles para garantizar despliegues efectivos. Estos ingenieros ayudan a optimizar y adaptar los productos a cada cliente, a veces brindando consultoría para priorizar y rediseñar procesos, otras veces capacitando y entrenando a los equipos en colaboración con IA.
He revisado las startups del YC que mencionó Ben: Harvey AI, Strata AI, Sakana, Collectwise, Furai, entre otras, todas están contratando mucho estos perfiles. Incluso grandes empresas como n8n, Relevance AI o Make.com ofrecen servicios a grandes clientes y tienen redes de socios que brindan soporte a pequeños clientes. La historia de n8n, por ejemplo, muestra que mucho del éxito se debe a que creadores en YouTube enseñan a empresarios cómo usar estas herramientas. ¿Qué significa esto? Que incluso los mejores productos necesitan una capa de educación y servicios para realmente generar valor.
Dependiendo del software, algunos se orientan más a servicios personalizados, otros a capacitación y habilitación, otros a consultoría. A veces, una mezcla de las tres. Pero para casi todos estos negocios de software nativo de IA, esa capa de servicios sigue siendo esencial para entregar ROI real. Esto cambió mi visión previa: en la era SaaS, el modelo más exitoso era autoservicio y escalable. Pero en IA, incluso el mejor producto necesita soporte de servicios.
La segunda modalidad son las agencias de servicios “AI-first”, como agencias de marketing o generación de leads, que usan IA en sus procesos internos para automatizar la entrega a clientes. Ben menciona Called IQ, una agencia de generación de leads con IA que automatiza contenidos, emails y outreach en LinkedIn, y que ofrece estos servicios a través de gerentes de clientes o ingenieros de GTM (go-to-market). Estas agencias tienen ventaja porque ellas mismas operan IA, por lo que no necesitan capacitar a los clientes en IA. Pero esto sigue siendo un negocio de servicios, que ofrece consultoría y estrategias personalizadas, generalmente a través de gerentes que cada vez más deben ser técnicos, dando lugar a una nueva posición: ingeniero de GTM con IA.
Me parece muy inteligente este modelo. En lugar de convencer a los clientes de cambiar su forma de trabajar, simplemente les entregas resultados. Los clientes no necesitan aprender IA, solo ver mejores resultados en marketing o más leads. Este modelo oculta toda la complejidad de IA tras el servicio, y el cliente compra resultados, no herramientas. Esto también explica por qué muchas agencias tradicionales, al incorporar IA, pueden aumentar mucho sus márgenes: sus costos de entrega bajan, pero el precio para el cliente no.
La tercera modalidad son las agencias de automatización de IA que maximizan ROI y tracción: no solo construyen, sino que se convierten en socios de IA para las empresas, ofreciendo un servicio completo que incluye auditorías de IA, consultoría, implementación personalizada y capacitación. En estas, los roles más valiosos son los gerentes de entrega (delivery managers), que combinan entendimiento del negocio, conocimientos técnicos y habilidades de comunicación. Ellos hacen consultoría continua, rediseñan procesos, detectan ineficiencias, entrenan equipos y configuran operadores de IA.
Ben compartió su experiencia: al comenzar, su agencia se centraba en la implementación, pero eso a menudo generaba baja adopción. Luego, adoptaron un enfoque que combina estrategia, educación e implementación, y añadieron estos gerentes de entrega. Desde entonces, la adopción y el ROI en sus clientes aumentaron mucho. Este cambio es clave: la implementación técnica es solo una parte, lo importante es que la solución se use correctamente y genere resultados.
Otra figura de alto valor son los AI officers o fractional AI officers, que combinan habilidades de negocio y tecnología para ayudar a las empresas en su transformación. Ben menciona que estos roles tienen diferentes nombres, pero en esencia son profesionales con habilidades muy valiosas, capaces de maximizar el ROI de soluciones de IA.
La línea entre producto y servicio se difumina
Un concepto que me impactó mucho de Ben: aunque ahora podemos construir software excelente en horas con Claude Code, si quieres crear un negocio de productos de IA, en la mayoría de los casos (no en todos, pero en la mayoría) necesitas invertir mucho en ofrecer servicios. Muchos ven los productos y servicios como extremos opuestos, pero Ben dice que en IA esto es más un espectro. Puede haber SaaS totalmente autoservicio, y también agencias de transformación IA totalmente personalizadas.
Estoy totalmente de acuerdo. La tesis de Ben es que la mayoría de los negocios de IA que quieren empezar en 2026, independientemente del modelo, necesitan añadir alguna capa de servicios. Porque incluso si tienes un producto autoservicio, probablemente requiera mucha inversión en educación y onboarding. Con herramientas como Claude Code, la construcción de productos se democratiza cada vez más. Aunque en la era SaaS era difícil construir un producto, ahora crear un SaaS de IA exitoso ya no se trata solo de código, sino de capacidades de despliegue y operación de IA.
Este insight es profundo: la tecnología se vuelve más accesible, pero la capa de servicios se vuelve más importante. Antes, solo los que sabían programar podían crear valor, porque programar era difícil. Ahora, programar ya no basta, porque la IA puede ayudarte a programar. Lo que realmente importa es entender las necesidades del cliente, diseñar la solución correcta y asegurarse de que se implemente y use bien. Todo esto requiere capacidades de servicio, no solo técnicas.
Ben dice que muchos sueñan con construir un producto de IA, mantenerlo simple y venderlo a miles. Pero para la mayoría, sin experiencia en startups, conexiones con VC o redes en Silicon Valley, la realidad es que ofrecer servicios no solo es más rápido, sino que también es la vía más efectiva para entregar ROI hoy. Además, los servicios son una excelente forma de producto: cuando el mismo patrón se repite en diferentes clientes, con ajustes similares, integraciones y capacitación, eso se vuelve un producto que se puede escalar y repetir.
Creo que este es el punto más importante: los buenos productos nacen de evidencia, no de suposiciones. A16Z (Andreessen Horowitz), un fondo de inversión top, publicó un artículo sobre el crecimiento basado en productos versus basado en servicios en la era de IA. Detectaron la misma tendencia: las empresas que maximizan ROI y generan ingresos sostenibles a largo plazo son las que adoptan modelos de negocio orientados a servicios de IA. Aunque esto puede significar márgenes menores al inicio y más trabajo, en general permite encontrar más rápido el ajuste producto-mercado.
Ben usa su software de SEO con IA como ejemplo. Han construido sistemas de SEO personalizados para entender qué funciona, qué genera resultados, qué integraciones son necesarias y cómo hacer que los usuarios sean eficientes. A partir de ese proceso, han ido productizando cada vez más esas soluciones. Pero incluso después de trabajar con más de 100 empresas, todavía necesitan invertir mucho en educación y capacitación para que esas soluciones realmente entreguen resultados.
Reflexiones profundas sobre el modelo de negocio de IA
Tras escuchar a Ben, tengo una comprensión más profunda de la esencia del negocio de IA. Creo que no solo estamos ante una revolución tecnológica, sino ante un cambio radical en los modelos de negocio. En la era del software tradicional, la escalabilidad era la clave: las empresas más exitosas eran aquellas que podían atender a más clientes con costos marginales mínimos. Por eso el modelo SaaS fue tan popular: una vez desarrollado el software, atender a un cliente o a mil no cuesta mucho más.
Pero la IA cambia las reglas del juego. El valor de la IA no está solo en el software, sino en cómo se aplica a escenarios específicos. Los datos, procesos y objetivos de cada empresa son diferentes, por lo que la implementación y el impacto varían mucho. Por eso, la personalización y la capa de servicios son tan importantes. No podemos pensar en IA solo como un producto, sino como una combinación de producto y servicio.
La IA se asemeja más a una consultoría combinada con software. Quien solo intenta un producto puro suele tener problemas de adopción, porque aunque la tecnología sea avanzada, los clientes no saben cómo usarla o integrarla. Quien solo ofrece servicios, aunque satisface necesidades, tiene dificultades para escalar y mantener márgenes. La clave está en encontrar un equilibrio: ofrecer productos con capacidades escalables, pero respaldados por una capa de servicios que garantice la adopción y el valor real.
Ben señala que los roles más valiosos en este ecosistema son los que combinan habilidades técnicas y de negocio. Los ingenieros desplegados, los ingenieros de GTM, los gerentes de entrega, los AI officers: todos ellos deben entender tanto la tecnología como el contexto empresarial. La tendencia es que estos perfiles sean cada vez más híbridos, y eso será una ventaja competitiva.
Desde la perspectiva emprendedora, mi consejo es que no empiecen solo con un producto escalable. Primero, ofrezcan servicios, aprendan qué funciona, qué necesita personalización, qué genera resultados. Cuando hayan acumulado experiencia y evidencias, podrán convertir esas soluciones en productos más estandarizados. La ruta de servicio a producto es más segura y sostenible, aunque requiere paciencia y esfuerzo.
La naturaleza probabilística de la IA y su impacto en los negocios
La razón por la que la capa de servicios es tan crucial radica en la naturaleza probabilística de la IA. A diferencia del software determinista, la IA puede producir resultados diferentes en cada ejecución, y su calidad depende de muchos factores: datos, prompts, contexto, entrenamiento. Esto significa que no basta con desplegar y olvidar; hay que monitorear, ajustar, entrenar y mejorar continuamente.
Por eso, la supervisión humana y la operación continua son imprescindibles. La IA necesita un ciclo humano en el proceso: revisar resultados, corregir errores, ajustar prompts, actualizar modelos. Como dice Ben, la IA es como un becario inteligente: necesita guía constante. Solo así se puede garantizar que entregue resultados útiles y consistentes.
Perspectivas y recomendaciones para el futuro
Con base en el análisis de Ben y mis propias reflexiones, creo que en los próximos 2-3 años, el modelo de negocio basado en servicios de IA seguirá dominando. La tecnología aún evoluciona rápidamente, y cada empresa tiene necesidades distintas. La estandarización todavía no ha llegado, y quienes puedan ofrecer personalización y soporte continuo serán los que más valor obtengan.
De 3 a 5 años, veremos que algunos modelos comienzan a productizarse. Las soluciones que se descubren en el proceso de servicio se convertirán en funciones de productos. Pero incluso entonces, la mayoría de los negocios exitosos seguirán combinando servicios y productos, como en el mercado de software actual, donde las implementaciones y consultorías siguen siendo clave.
A largo plazo, la tecnología será más madura y confiable, y los usuarios aprenderán a colaborar con IA. Pero la capa de servicios no desaparecerá: la complejidad y diversidad de los negocios siempre requerirán ayuda especializada para integrar IA en procesos únicos.
Para quienes quieren entrar en IA, mi consejo es desarrollar habilidades híbridas: aprender a usar herramientas como Claude Code, pero también entender profundamente las necesidades del cliente, diseñar soluciones y comunicarse efectivamente. La capacidad de combinar tecnología y negocio será muy valiosa.
Ben recomienda que los profesionales se posicionen como operadores o responsables de IA en sus empresas, automatizando procesos internos, mostrando resultados y entrenando a otros. Esto te hará indispensable y te preparará para el futuro.
Para emprendedores, la estrategia recomendada es comenzar con una agencia de IA o un fractional AI officer. Así, irás acumulando experiencia en consultoría, implementación y capacitación. La inversión en estas áreas puede generar ingresos recurrentes de 10 a 20 mil dólares mensuales con pocos clientes, y te prepara para escalar.
Si ya tienes una agencia, enfócate en ofrecer un portafolio completo: consultoría, capacitación, auditorías, workshops. La clave es que estos servicios generen ROI real y puedan ser repetidos y escalados. La repetición de patrones y la creación de soluciones estandarizadas será la base para un negocio sostenible.
Reflexión final sobre el futuro del negocio de IA
Tras escuchar a Ben, tengo una visión más clara: en 2026, aún no hay expertos definitivos en IA. Todos estamos aprendiendo, explorando. Esa incertidumbre es una oportunidad: quienes profundicen, practiquen y compartan, podrán liderar el campo. Aprovechar la gran brecha de adopción actual es clave: ¡entra ahora! No esperes a que todo esté maduro, porque la ventana de oportunidad se cerrará.
Creo que los próximos años serán decisivos para definir los modelos de negocio de IA. Las empresas que encuentren el equilibrio entre producto y servicio, que realmente aporten valor y desarrollen habilidades híbridas, serán las que dominen esta era. El modelo de negocio “aburrido” de combinar servicios y productos, que parece poco glamoroso, puede ser el más sostenible y valioso en el largo plazo.
