- En muchísimos softwares verticales por industria, el mayor freno para escalar es la naturaleza cerrada de los sistemas de gestión existentes (ERP/SOR) y sus políticas de bloqueo de integraciones externas
- La mayoría de los datos clave están encerrados en ERP heredados o solo permiten acceso parcial, por lo que las startups emergentes de Vertical AI no pueden conectarse a los sistemas centrales pese a la demanda de sus clientes
- Las nuevas SaaS basadas en IA tienen una necesidad especialmente alta de integración de datos, y enfrentan el nuevo reto de integrar también datos no estructurados (correos, fotos de campo, llamadas, etc.), además de las API tradicionales
- Para resolver esto, los fundadores están probando en la práctica cinco estrategias: “usar credenciales de inicio de sesión”, “alianzas”, “enfoque en SMB”, “IA independiente del ERP” y “uso de infraestructura de IA”
- Se proyecta que los frameworks estandarizados de agentes de IA (como MCP) y los modelos de RPA/operador basados en IA serán una nueva forma de integración en el futuro
Software vertical por industria y el problema de integración
- Según el Departamento de Trabajo de EE. UU., existen más de 1,000 industrias, y en cada una el ERP/SOR (sistema de gestión del negocio) cumple el rol de “centro de datos”
- La mayoría de los ERP verticales limitan la provisión de API de integración externa o solo la permiten de forma costosa y compleja
- Ejemplos: Epic en salud, Yardi en bienes raíces y Dentrix en odontología bloquean o solo permiten parcialmente la integración de nuevas SaaS mediante un fuerte control de los datos
- Esta estructura, pese al descontento de los clientes (caída del NPS), deriva en un efecto de bloqueo que dificulta abandonar el ERP
Obstáculos de integración que enfrenta la Vertical AI
- Incluso los clientes iniciales suelen exigir: “si no se integra con el ERP, no lo podemos usar”
- Los proveedores heredados suelen evitar API públicas o integraciones por competencia o por falta de capacidad técnica
- Los equipos de TI corporativos (especialmente CIO y ejecutivos) también desconfían del acceso a datos por parte de IA externa o nuevas SaaS
Qué puede cambiar la IA y cuáles son sus límites
- A diferencia del SaaS tradicional, los productos basados en IA requieren aprovechar también datos no estructurados fuera del ERP (correos, papel, fotos, conocimiento verbal, etc.)
- Las soluciones de IA, en lugar de resolverlo, a veces hacen más visible la dificultad de integración de datos
- El alcance de la integración se amplía desde las “API oficiales” hasta las “rutas no oficiales + datos externos no estructurados”
Cinco estrategias que los fundadores están intentando en la práctica
1. Kludge (apaños e integración no oficial)
- Recibir del cliente la cuenta/permisos de acceso al ERP para que el agente de IA lea y escriba datos directamente
- Uso de atajos como crawling automatizado o inyección directa en la base de datos
- Caso real: fallo RTMS vs PointClickCare (basado en la ley estadounidense de acceso abierto a información médica), que resultó desfavorable para un EHR que restringía el acceso de IA
- Ventaja: resultados rápidos
- Desventajas: riesgo legal, compliance (HIPAA, GDPR, etc.), problemas de seguridad e imposibilidad de escalar a largo plazo
2. Alianzas
- Cerrar alianzas oficiales con ERP/plataformas heredadas, para que la IA funcione junto con el ERP
- Convencer al ERP con algo como: “la IA está de moda; asóciate con nosotros, danos acceso a los datos y comparte parte de los ingresos”
- Ventajas: posibilidad de escalar más rápido que el propio ERP y cerrar acuerdos grandes
- Desventajas: barreras y lentitud según la industria, además de la posible reacción o bloqueo por parte del ERP
3. Segmentation (segmentación de mercado: foco en SMB)
- Apuntar a pequeñas y medianas empresas (SMB) con ERP más abiertos vía API o más fáciles de reemplazar
- En el mercado SMB, el bloqueo heredado es menor y, aunque la competencia es fuerte, las barreras de entrada son más bajas
- Ojo: el tamaño de ese mercado SMB debe ser suficiente
4. Wedge Selection (IA sin dependencia del ERP)
- Enfocarse en Vertical AI para áreas que no requieren integración con ERP/SOR
- Ejemplos: ventas con IA por industria, soporte al cliente con IA, etc.
- También es posible cobrar por desempeño (generación de leads, volumen de tickets resueltos, etc.)
- Se puede usar un enfoque donde el cliente ingresa directamente los datos en el ERP (hand-off)
5. Uso de infraestructura y estándares de IA
- Aparición de frameworks estándar de integración para IA (por ejemplo, Anthropic Model Context Protocol, MCP)
- Reducen la carga de hacer integraciones únicas para cada SaaS/API y permiten una expansión modular
- Concepto de “usuario de computadora” basado en IA (Operator, CUA, etc.): una evolución con IA del RPA tradicional, que va de automatizar clics simples a operar según imágenes y contexto
- Ejemplos: OpenAI ChatGPT Operator (automatización de navegador basada en web), Adept (RPA de IA empresarial)
- Aún está en una etapa temprana, pero se espera que cumpla un papel relevante en la Vertical AI empresarial
Conclusión e insights
- El problema de integración con ERP/SOR en la IA vertical no es solo un asunto técnico o de API, sino también de estructura industrial y estrategia de entrada al mercado
- Según el cliente, el ERP, los datos y el alcance de uso de la IA, hace falta diseñar estrategias multicapa y flexibles
- En el futuro, los frameworks estandarizados de agentes de IA y la tecnología de RPA/Operator basada en IA podrían consolidarse como nuevas formas de integración
- La clave de los casos de éxito reales está en combinar y aplicar estas estrategias (apaños, alianzas, SMB, IA no integrada y estándares de infraestructura)
Aún no hay comentarios.