Juan Ramón González, CEO de Mática: «Afirmar que el SaaS va a desaparecer es sólo un titular llamativo»

Juan Ramón González, CEO de Mática, analiza el impacto de la IA agéntica sobre el software empresarial y cuestiona la idea de una “Saaspocalypse” inminente. A su juicio, la IA puede abaratar el desarrollo y abrir la puerta a soluciones ad hoc, pero un SaaS sigue ofreciendo plataforma, evolución, soporte, seguridad y compatibilidad. En la entrevista también explica el posicionamiento de Anthropic, el papel de los modelos especializados, la velocidad del cambio tecnológico frente a la regulación y el modelo AIShore de Mática, basado en equipos virtuales que combinan talento humano y agentes de IA para multiplicar la productividad.

Entrevista con Juan Ramón González, CEO de Mática

¿Realmente la caída de los SaaS, la famosa Saaspocalypse, viene provocada por la IA agéntica? ¿La IA sustituirá realmente al software especializado?

Cuando hablamos de conceptos como este conviene separar los hechos de los titulares. La llamada “Saaspocalypse” surge de una idea clara: si crear software se vuelve mucho más fácil y barato gracias a la IA, ¿por qué pagar una licencia recurrente por un producto SaaS? Pero esa comparación suele simplificar demasiado la realidad. Cuando una empresa evalúa si desarrollar una solución propia o contratar un SaaS, no solo compara el coste de desarrollo.

Por ejemplo, un SaaS puede costar unos 100K al año más unos 20K de implantación. Desarrollar un software propio podría suponer inicialmente unos 500K, a lo que habría que sumar infraestructura, soporte para incidencias o equipos que mantengan y evolucionen el sistema, que fácilmente pueden añadir otros 70K anuales.

Es cierto que la IA puede reducir mucho el coste de desarrollo. Si construir ese software pasa de costar 500K a, por ejemplo, 50K, y el mantenimiento también baja, en algunos casos la balanza puede empezar a inclinarse hacia soluciones desarrolladas ad hoc. Pero incluso en ese escenario seguimos hablando de algo más que código. Cuando una empresa adopta un SaaS está utilizando una plataforma completa: evolución continua del producto, mantenimiento, soporte, seguridad o compatibilidad con otros sistemas. Por eso creo que los proveedores SaaS tendrán que revisar su propuesta de valor en un contexto donde desarrollar software es más fácil. Pero afirmar que el SaaS va a desaparecer es, probablemente, más un titular llamativo que una realidad.

¿Qué diferencia a Anthropic (y su enfoque) frente a otros actores relevantes del mercado?

Hoy en día, casi todos los proveedores de IA están desarrollando cierto grado de especialización. Por ejemplo, los modelos de Google tienen un componente multimodal —vídeo, imagen, audio— muy potente y además se están integrando de forma muy natural dentro de toda la suite de Google. GPT sigue siendo probablemente el modelo más generalista, pensado para un uso muy amplio en el día a día.

En el caso de Anthropic, su enfoque se ha ido diferenciando bastante por la programación. Sus modelos, como Sonnet 4.6 u Opus 4.6, están funcionando especialmente bien en tareas de desarrollo de software. Pero más allá del modelo en sí, también están construyendo todo un ecosistema alrededor de la programación con IA. Conceptos como MCP, las skills o herramientas como Claude Code van precisamente en esa dirección: facilitar cada vez más el desarrollo de software asistido por IA.

¿Qué está cambiando más rápido: la tecnología, la adopción empresarial o la regulación? ¿Por qué?

Sin lugar a duda lo que cambia más rápido es la tecnología. No solamente la salida continua de nuevos modelos o mejoras en los mismos, lo cual además solo va a acelerarse, desde que los principales proveedores de LLM han dicho que la gran mayoría de su código está escrito con IA, por lo que su ciclo de novedades se ha acelerado radicalmente.

Esto quiere decir que ¿una empresa deba ir adaptando las diferentes mejoras, modelos o sistemas nada más salir? Para nada, o eso creo personalmente. Una empresa siempre debe medir el nivel de innovación versus la estabilidad o madurez. Por tanto, aunque en el ámbito de la IA todas las empresas deben entrar, es importante dejar un tiempo prudencial antes de adoptar una tecnología en el entorno productivo de la empresa.

Y a nivel de regulación creo que todavía vamos un paso por detrás, el proceso de regularización actualmente es lento y costoso, aunque importante para tener marcos de trabajo bien establecidos, aunque sí es cierto que es muy difícil regular a la misma velocidad que se está desarrollando la IA

¿Qué criterio debería usar una empresa para elegir proveedor/modelo: capacidad, coste total, seguridad, gobernanza, latencia, privacidad, alineamiento, soporte?

Hay varios puntos, el primero sería para qué quieren la IA. No es lo mismo utilizar IA para programar que para analizar documentos o automatizar procesos. Por ejemplo, si el objetivo es programación, modelos como los de Anthropic suelen funcionar especialmente bien.

Si existen varias opciones viables, el segundo factor importante suele ser el ecosistema cloud de la empresa. Si tu infraestructura está en un proveedor cloud pero quieres usar modelos de otro, normalmente tienes que montar una capa adicional de infraestructura segura para evitar que las comunicaciones queden expuestas. Por eso, siempre que el caso de uso lo permita, suele ser recomendable utilizar los modelos disponibles dentro del propio proveedor cloud donde ya está la infraestructura, de forma que todo el tráfico se enrute internamente.

En cuanto al coste, lo habitual es empezar probando con los modelos más capaces para validar el caso de uso. Una vez confirmado que funciona, el siguiente paso suele ser encontrar el modelo más pequeño o económico que pueda ejecutar esa tarea con el nivel de calidad necesario.

El resto de factores —seguridad, gobernanza o privacidad— dependen muchas veces más del diseño de la arquitectura y de los procesos de gobierno de IA que del modelo en sí. Por eso es clave definir bien el sistema y contar con perfiles especializados que puedan diseñarlo correctamente.

¿Cree que el mercado tenderá a pocos modelos dominantes o a un ecosistema de modelos especializados? ¿Qué evidencia ve?

Personalmente creo que veremos una combinación de ambos. Probablemente existirán unos pocos modelos “core” o fundacionales desarrollados por los grandes proveedores, pero alrededor de ellos irán apareciendo versiones destiladas o ajustadas, más especializadas en tareas concretas y que puedan ser más rápidas y baratas para ciertos usos.

De hecho, la arquitectura agéntica ya apunta en esa dirección. Normalmente hay un agente orquestador con buena capacidad de razonamiento que, en función de lo que pide el usuario, puede llamar a agentes especializados en diferentes áreas. Hoy esos agentes suelen trabajar con modelos bastante generalistas, pero también podrían apoyarse en modelos más específicos para determinadas tareas.

En este contexto, uno de los elementos clave será el uso de datos privados. La mayoría de los modelos actuales se entrenan con grandes volúmenes de datos públicos, pero cuando una organización puede entrenar o ajustar un modelo con datos propios de un sector o actividad concreta, el sistema puede volverse extremadamente eficaz en ese ámbito. Ahí es donde creo que veremos muchos de los avances más interesantes.

¿Qué implicaciones tiene esto para el poder de fijación de precios y la estructura de márgenes en el sector?

No es lo mismo hablar de proveedores de modelos fundacionales que de consultores o integradores que los utilizan para crear soluciones adaptadas a las necesidades de los clientes.

La fijación de precios en lo relativo a LLM está bastante marcada por lo proveedores principales de LLM, y aquí creo que en el futuro habrá una optimización de este tipo de modelos para reducir su coste y por tanto el precio por token.

A nivel del sector, el desarrollo sobre IA, o IA Agéntica ahora mismo es un ámbito muy nuevo, donde debido al poco tiempo de madurez de esta tecnología, todavía no hay un amplio número de profesionales especializados, por lo que los costes de consultoría en este ámbito son altos. A medida que la tecnología madure y se asiente y el número de profesionales especializados en IA e IA Agéntica aumente los costes se deberían de estandarizar.

¿En qué se diferencia Matix del resto de competidores? ¿En qué se basa su modelo AIShore?

En el desarrollo asistido por IA normalmente se pasa por distintos niveles de madurez. Se empieza utilizando un chat para resolver dudas de código o con sistemas de autocompletado. Después se evoluciona hacia entornos de desarrollo asistidos por IA, como Cursor o Claude Code. Matix va un paso más allá.

En lugar de ser solo una herramienta que mejora la productividad de una persona, Matix permite crear un equipo virtual completo que replica los roles habituales de un proyecto de software: Product Owner, arquitectos, programadores, testers, y también perfiles especializados bajo demanda mediante subagentes, como expertos en seguridad o infraestructura.

Así se configura un equipo extendido en el que algunos roles pueden ser personas y otros miembros virtuales de IA, todos trabajando con la misma metodología que utilizamos en Mática.

Esto permite que los equipos dispongan de una capacidad de trabajo mucho más elástica: pueden asignar tareas o fases concretas del ciclo de vida del software a este equipo ampliado, aumentando mucho la capacidad de desarrollo sin perder los niveles de calidad, gracias a procesos constantes de validación y control.

El modelo AIShore se basa precisamente en esa idea: crear factorías de software potenciadas por IA, donde el equipo humano y el equipo de IA trabajan de forma integrada para aumentar la productividad y reducir el coste total de los proyectos.

¿Cómo recomienda gestionar el dilema “velocidad vs control” para no quedarse atrás sin asumir riesgos inaceptables?

Este punto es algo que en Mática hemos trabajado siempre desde el área de Innovación. Es importante conocer todas las novedades, y ahora mismo en el ámbito de IA cada semana hay nuevas tecnologías, modelos o técnicas que probar. Pero no todo eso debe ir a producción. Una empresa tiene unas necesidades y obligaciones relacionadas con seguridad, integración etc. que deben tenerse en cuenta.

Nosotros siempre esperamos un tiempo desde que una novedad sale a mercado hasta que se integra en entornos productivos. Antes puede probarse en entornos de PoC controlados, evaluar los pros y contras, pero sobre todo debe auditarse y probarse en esas líneas que comentaba antes de plantearse un uso productivo.

¿Cómo cambia la organización: roles, incentivos, formación, y relación TI–negocio?

Con Matix todo cambia… o casi todo. Los roles siguen siendo los mismos, pero las prioridades sobre las que debe enfocarse nuestro equipo sí que cambian. Los roles de programación más pura son los primeros que pueden ser aumentados con IA. Ahora por ejemplo estamos trabajando en añadir roles especialistas, como desarrollo seguro, calidad etc. mediante agentes de IA para darle a los equipos capacidades que antes no tenían tan a su disposición.

El modelo de incentivos también va a cambiar a futuro, aunque todavía es pronto. Cuando la medición del rendimiento no se realice tanto por el trabajo propio de desarrollo sino sobre tu capacidad para coordinar un equipo de IA y que produzca trabajo de alta calidad y con los estándares definidos, el modelo de incentivos va a cambiar.

A nivel de formación además hay 2 ámbitos: por un lado, está la formación del equipo para ser capaz de construir sistemas agénticos, esta es una formación más estándar, en una nueva tecnología y frameworks de desarrollo. Y hay otra formación, enfocada en cómo trabajar con agentes en el entorno de desarrollo de software que requiere de mucha práctica, de experimentación, porque aprender a trabajar con IA, requiere trabajar con la IA, entender e interiorizar sus puntos fuertes y débiles, la forma óptima de pasarle instrucciones, etc. En este punto en Mática estamos ya impartiendo y mejorando sobre la marcha un curso interno en esta línea, basado en la experiencia de las personas que más tiempo llevan ya trabajando con IA.