En 2025 el mercado de TI vivió un año volátil, marcado por la introducción de aranceles, el aumento de las tasas del visado H-1B, y una explosión de inversión en IA. El temor actual es que las empresas de software por suscripción sean sustituidas por soluciones de IA en los próximos años. Aunque ese miedo es real y las condiciones del mercado fueron, en el mejor de los casos, inciertas, el 2026 todavía registra como un buen año. Grandes plataformas como Meta, OpenAI y AWS, entre otras, están adquiriendo numerosas compañías y parecen favorecer el modelo de comprar en lugar de construir en esta era de desarrollo acelerado.

Las soluciones de seguridad de la información se han convertido en una mercancía muy demandada, con servicios especializados como DRaaS (Disaster Recovery as a Service) y MSS (Managed Security Services) en primera línea. Las empresas muestran desconfianza a delegar totalmente en IA, especialmente cuando hay implicaciones regulatorias o atención directa al cliente. En este contexto, las compañías deberán equilibrar el coste de los servicios de consultoría humana para la interacción con clientes internos o externos, o la confirmación del cumplimiento regulatorio con la inversión necesaria en soluciones de IA.

La naturaleza de “caja negra” de muchos modelos de IA puede llevar a que las organizaciones utilicen soluciones SaaS consolidadas para las funciones principales y, posteriormente, recurran a la IA para complementar la generación de informes y el análisis. Si bien la IA tendrá, sin duda, un impacto masivo en el sector tecnológico y en la economía en general, las soluciones de software de nicho y los servicios especializados continuarán desempeñando un papel clave en la puesta en marcha, el mantenimiento y la garantía de fiabilidad de los datos que alimentan estos nuevos sistemas y empresas.

1. Enfocarse en la integración IA-primero: en lugar de ver a la IA como una amenaza, adoptarla como acelerador. Diseñar productos con capacidades de IA que aumenten, no sustituyan, el valor humano: asistentes que mejoren la productividad, generación de insights accionables y automatización segura de tareas repetitivas.
2. Diferenciación por especialización: profundizar en nichos verticales y casos de uso donde el conocimiento sectorial, la lógica de negocio y el cumplimiento normativo sean decisivos. Las plataformas generalistas tendrán dificultades para replicar esta combinación de experiencia y confianza.
3. Priorizar seguridad, explicabilidad y cumplimiento: invertir en modelos interpretables, auditorías de IA, control de sesgos y trazabilidad de datos. Ofrecer garantías regulatorias y certificaciones como ventaja competitiva frente a soluciones “caja negra”.
4. Arquitectura abierta y API-first: construir productos interoperables que permitan a los clientes incorporar funciones de IA externas o propias sin perder control. Las APIs y los estándares abiertos facilitan la integración con plataformas mayores y reducen el riesgo de obsolescencia.
5. Ofrecer soluciones híbridas humano-AI: empaquetar servicios que combinen automatización con supervisión humana en puntos críticos (atención al cliente, decisiones regulatorias, revisiones de calidad). Esto reduce el miedo de los clientes a delegar completamente en IA.
6. Invertir en datos y observabilidad: garantizar calidad, gobernanza y pipeline de datos robustos. La confianza en los outputs de IA depende de la integridad y la trazabilidad de los datos de entrada; ofrecer herramientas de monitorización y validación como parte del producto.
7. Modelo de negocio flexible y valor medible: pasar de licencias fijas a modelos basados en resultados o consumo que demuestren ROI claro. Implementar pruebas de concepto rápidas y métricas que evidencien el valor diferencial frente a soluciones puramente basadas en IA.
8. Formación y retención de talento: capacitar a equipos en ML Ops, ingeniería de datos y seguridad de IA. Fomentar roles mixtos (product owners técnicos y expertos sectoriales) que traduzcan necesidades del cliente en funcionalidades seguras y útiles.
9. Innovación continua en UX y confianza del usuario: mejorar la experiencia y la transparencia en el uso de IA (explicar limitaciones, ofrecer controles y opciones de reversión). La confianza y la facilidad de uso son barreras de entrada decisivas.

En resumen, las empresas y áreas de TI no deben competir solo con la IA, sino construir sobre ella: integrándola, especializándose, reforzando la seguridad y la gobernanza de datos, y ofreciendo propuestas de valor que combinen lo mejor de la automatización con la supervisión humana. Quienes adopten estas estrategias estarán mejor posicionados para convertir la disrupción en oportunidad y sostener su relevancia en el mercado.

Michael Kent

CEO Grupo Empresarial Q-Vision Technologies

[email protected]