La evolución del modelo de servicio: perspectivas de Gartner PLC

Inteligencia Artificial
Estrategia
Trabajo
Datos
Matias Canobra

El modelo de servicio está cambiando de forma, y gran parte de ese cambio está siendo impulsado por la IA. Hace unas semanas asistí a la conferencia de liderazgo de productos de Gartner y fue uno de esos eventos en los que no solo se habla de «tendencias» en abstracto, sino que se puede sentir la rapidez con la que avanza el sector de los servicios.

Los servicios tecnológicos, a nivel mundial, están entrando en una nueva era porque la adopción de la IA se está produciendo a gran velocidad. Algunas personas de Gartner describieron esto como un «superciclo de inteligencia», que consiste básicamente en la idea de que la IA deja de ser una herramienta más a la que se recurre y pasa a actuar como uno de los principales impulsores de la forma en que las organizaciones crean valor.

Una vez que lo miras de esa manera, muchos patrones familiares comienzan a romperse. Cambia la forma en que las empresas compran tecnología, la forma en que se forman los equipos y la forma en que los proveedores entregan sus productos. El modelo (vender horas, dotar de personal a los equipos, ampliar la entrega añadiendo personas) todavía existe, pero la inteligencia artificial, las plataformas de datos y la automatización están empujando al mercado hacia algo diferente: el valor se mide en función de los resultados y el impacto empresarial, no del tiempo empleado.

A continuación se muestran las principales cosas que aprendí del evento.

La nueva célula de trabajo: de equipos funcionales a equipos aumentados

Uno de los cambios más claros discutidos fue cómo la configuración clásica de «fábrica de software» basada en roles está siendo reemplazada por lo que Gartner denomina Augmented Service Cell. Los equipos de alto rendimiento no serán solo un conjunto de funciones tradicionales, sino que necesitarán funciones híbridas, por ejemplo:

  • Orquestadores de IA: personas que configuran el flujo de trabajo para que la IA se encargue del trabajo transaccional, mientras que los humanos se centran en las decisiones estratégicas.
  • Ingenieros de contexto empresarial: los traductores que toman las necesidades empresariales complejas y desordenadas y las convierten en instrucciones que los sistemas autónomos realmente pueden ejecutar.

El nuevo comprador de servicios: de la adquisición de capacidad a los resultados de compra

Se alentará cada vez más a los compradores, y especialmente a los departamentos de compras, a pasar de una mentalidad de «selección de personal» a convertirse en socios de soluciones inteligentes. En la práctica, esto significa ir más allá de la plantilla y centrarse más en aspectos como:

  • Validación de Provider Tech Stack: comprobar la inteligencia artificial y la configuración de entrega del proveedor, y si realmente reduce los plazos.
  • Flexibilidad contractual: dejar espacio para la entrega iterativa, porque la IA y las herramientas van a seguir cambiando.
  • KPI basados en el valor: rastrean el impacto (como el ahorro de costos o el aumento de conversiones) en lugar de solo las horas registradas.
  • Experiencia en la industria: la profundidad real en la industria del proveedor es más importante que nunca. Si no comprenden los puntos débiles específicos de la organización, es difícil tratarlos como a un socio serio.

La era de la especialización: el auge de los modelos lingüísticos pequeños (SLM)

Otro tema que surgió con frecuencia: alejarse de los modelos lingüísticos grandes que sirven para todos los casos e inclinarse más por los modelos lingüísticos pequeños especializados. En los servicios en los que la precisión importa, lo «general» puede convertirse en una debilidad. Los SLM tienden a ofrecer:

  • Eficiencia y costo: son más livianos de usar y, a menudo, responden más rápido.
  • Privacidad y seguridad: es más fácil de implementar localmente o dentro de entornos de nube privada.
  • Precisión técnica: en ámbitos como el legal, financiero o de ingeniería, los datos de formación seleccionados pueden hacer que sean más nítidos que un modelo general.

Evolución de los modelos comerciales: hacia la alineación de valores

Time & Materials está perdiendo poco a poco el control. A medida que la IA aumenta la productividad, la facturación basada únicamente en el tiempo comienza a parecer desconectada de lo que realmente se entrega. La orientación del viaje es la alineación de los resultados y los modelos comerciales que están vinculados al valor percibido.

Ese cambio se desarrolla de manera diferente según el sector:

  • Sector privado: Pagar por los resultados puede acortar el tiempo de comercialización y reducir el riesgo, porque el gasto está vinculado a un impacto competitivo mensurable.
  • Sector público: los enfoques basados en los resultados pueden respaldar los esfuerzos de modernización con hitos más claros, más transparencia y beneficios que son más fáciles de explicar a los ciudadanos.

De la experimentación al impacto: la necesidad de una metodología de ejecución de IA

Un punto que me llamó la atención: la IA no es algo que simplemente «instales». La entrenas, le das forma y la manejas. El éxito o el fracaso a menudo depende de la disciplina de ejecución. Un enfoque de entrega sólido necesita aspectos básicos como:

  • Gobernanza de datos: controlar la calidad de la información antes de automatizar cualquier cosa.
  • Human-in-the-loop: mantener la validación de expertos en el sistema para que los resultados no se conviertan en tonterías.
  • Monitoreo (deriva del modelo): supervisión continua para mantener el rendimiento estable, seguro y alineado a lo largo del tiempo.

Datos para la IA: los datos como base del modelo de servicio

Esto se repitió de diferentes formas en toda la conferencia: sin una verdadera estrategia de «datos para la IA», la IA no tiene mucho en qué apoyarse. Para las empresas de servicios, esto abre una gran oportunidad: ayudar a las organizaciones a preparar, estructurar y mejorar los datos para que la IA pueda impulsar el crecimiento y la productividad.

También significa tratar la calidad y la arquitectura de los datos como un trabajo continuo, no como una limpieza puntual. En el modelo de servicio más reciente, la selección de la información pasa a ser continua, por lo que el conocimiento de la organización permanece estructurado y accesible, y la IA puede responder de manera que se adapte a la realidad real de la empresa.

Conclusión: El futuro de la alianza estratégica

Los servicios tecnológicos están atravesando un cambio estructural bajo la presión (y la oportunidad) de la IA. Para mantener su relevancia, los proveedores tienen que dejar de lado las entregas por horas como centro de gravedad y optar por modelos que se basen en el valor empresarial.

Por lo que he oído (y lo que estoy viendo), las empresas que importarán en la próxima década serán las que puedan reunir cuatro elementos fundamentales:

  • Profundo conocimiento de la industria: por lo tanto, el trabajo se basa en un contexto real.
  • Plataformas tecnológicas avanzadas: el motor que hace posible la entrega moderna.
  • Capacidades de gestión de datos: el combustible que mantiene la IA precisa y útil.
  • Inteligencia artificial: el multiplicador que cambia la economía de la entrega.

Los proveedores que puedan organizar esas piezas no solo superarán la transición, sino que acabarán pareciéndose menos a los proveedores y más a los socios estratégicos, sea cual sea la próxima ola de transformación digital.