Bain proyecta US$100.000 millones para SaaS con IA agentiva en EE. UU.

Panorama general

Bain & Company calcula que existe un mercado de alrededor de US$100.000 millones en Estados Unidos para empresas SaaS que ofrezcan automatización mediante IA agentiva. Este mercado surge, según la consultora, de la posibilidad de convertir en software las labores manuales de coordinación que hoy realizan empleados entre diferentes aplicaciones empresariales: ERP, CRM, sistemas de soporte, herramientas de gestión de proveedores y correo electrónico.

El análisis es la segunda entrega de una serie de cinco reportes sobre la industria del software en la era de la IA. El foco está puesto en identificar dónde la IA agentiva puede crear nuevos mercados de software y cómo las compañías SaaS pueden capturarlos.

¿Qué es el trabajo de coordinación y por qué importa?

Bain describe el trabajo de coordinación como esas tareas manuales que conectan una aplicación con otra: extraer datos de un sistema, contrastarlos, interpretar mensajes no estructurados y luego decidir si aprobar, responder, escalar o esperar. Son flujos que suelen atravesar múltiples sistemas y dependen de contexto distribuido.

Las soluciones tradicionales basadas en reglas o la automatización robótica de procesos (RPA) tienen limitaciones cuando hay ambigüedad o la información está dispersa. La IA agentiva —capaz de interpretar información desde varias fuentes, coordinar acciones en sistemas diferentes y operar dentro de marcos de políticas— puede abordar mejor esas situaciones.

Bain enfatiza que la IA agentiva no busca reemplazar las plataformas SaaS como sistemas de registro, sino transformar el trabajo intensivo en coordinación en gasto de software, abriendo así un nuevo frente de monetización para proveedores.

Tamaño del mercado y cobertura actual

Según Bain, los proveedores ya están capturando entre US$4.000 y US$6.000 millones del mercado estadounidense, lo que deja más del 90% todavía por explotar. Además, la consultora estima que Canadá, Europa, Australia y Nueva Zelanda podrían sumar un mercado de tamaño similar fuera de EE. UU., lo que elevaría el total combinado a aproximadamente US$200.000 millones.

Para América Latina, esto sugiere una oportunidad significativa, aunque su materialización dependerá de la tasa de digitalización, la disponibilidad de datos estructurados y las características regulatorias locales.

Distribución por funciones empresariales

El potencial no está distribuido uniformemente entre las áreas de la empresa. Bain ofrece una estimación por función:

• Ventas: alrededor de US$20.000 millones. Su peso se explica más por la cantidad de empleados en ventas que por un mayor potencial de automatización por tarea.
• Costos de bienes vendidos y operaciones: cerca de US$26.000 millones. La gran masa del personal operativo convierte incluso tasas moderadas de automatización en un mercado amplio.
• I+D e ingeniería, soporte al cliente y finanzas: cada una con rangos aproximados entre US$6.000 y US$12.000 millones. Estas áreas combinan plantillas relevantes con oportunidades concretas de automatización en workflows puntuales.

En términos de potencial técnico de automatización (porcentaje de tareas automati-zables), el reporte estima:

• Soporte al cliente e I+D/ingeniería: 40%–60%.
• Finanzas y recursos humanos: 35%–45% (con cuentas por pagar y nómina más automatizables; planificación financiera y relaciones laborales requieren más juicio).
• Ventas e IT: 30%–40% (la variación por trato personal, matices en relaciones y la imprevisibilidad en incidentes de seguridad limitan la automatización).
• Legal: 20%–30% (la revisión de contratos y cumplimiento son repetibles, pero el riesgo de errores exige supervisión más estricta).

Factores que determinan la viabilidad de agentes

Bain identifica seis factores que influyen en cuánto de un workflow puede manejar un agente de IA. Entre ellos, el informe menciona explícitamente: verificabilidad del resultado, consecuencia del fallo, disponibilidad de conocimiento digitalizado y variabilidad del proceso.

En la práctica, es más sencillo automatizar tareas con señales de verificación claras (por ejemplo, compilar código, facturas conciliadas o tickets de soporte resueltos). En contraste, flujos con riesgo regulatorio o financiero —como declaraciones tributarias, cumplimiento legal o respuesta a incidentes de seguridad— demandan supervisión humana más estrecha aunque el agente sea técnicamente capaz.

La disponibilidad de conocimiento digitalizado es otro cuello de botella: los agentes necesitan acceso a datos estructurados y a contexto documentado, además de entradas en formato legible por máquinas y lógica de decisión que muchas veces reside de forma informal en empleados experimentados.

La complejidad de integración también pesa: cuando un workflow pasa por múltiples sistemas y APIs, con capas de autenticación y procesos de manejo de excepciones, la automatización end-to-end resulta más difícil que en flujos contenidos en una sola plataforma. Precisamente, las oportunidades de mayor valor aparecen donde no existe un único sistema de registro que controle todo el resultado, es decir, en intersecciones entre ERP, CRM y sistemas de soporte.

Ejemplos y trayectorias de expansión

El informe cita ejemplos de empresas que ya muestran tracción con modelos basados en IA agentiva: Cursor, Sierra, Harvey, Glean, Salesforce, ServiceNow y Workday. Bain registra cifras públicas o reportadas: Cursor superó los US$16.7 millones en ingreso promedio mensual; Sierra superó US$150 millones anuales; Harvey pasó los US$190 millones anuales y Glean alcanzó US$200 millones anuales.

GitHub sirve como caso ilustrativo de expansión: partiendo de su core en colaboración de desarrolladores y control de código, los datos de repositorios y flujos internos facilitaron extensión hacia productividad asistida por IA y automatización de seguridad.

Bain sugiere dos rutas de crecimiento para proveedores SaaS: automatizar los workflows centrales donde ya hay conocimiento del dominio y confianza del cliente —apoyado en las integraciones existentes— y aprovechar oportunidades en workflows adyacentes que la compañía no cubre actualmente, aunque estas segundas suelen ser más difíciles de penetrar.

Implicaciones para América Latina

Para las empresas y tomadores de decisión en América Latina, la recomendación es clara: el potencial existe, pero su captura depende de factores concretos. Las empresas SaaS regionales pueden competir si invierten en integrar datos de múltiples sistemas, documentar lógica de decisión y diseñar guardrails regulatorios adecuados. Los clientes corporativos latinoamericanos, por su parte, deben evaluar la calidad de sus datos y la madurez de sus integraciones antes de adoptar agentes que actúen de forma autónoma.

Además, las particularidades regulatorias y de privacidad en países de la región pueden exigir adaptaciones locales en la gobernanza de agentes y en la gestión de riesgos.

Conclusión

El reporte de Bain posiciona a la IA agentiva como un motor potencial de nuevos ingresos para el ecosistema SaaS, transformando trabajo de coordinación en gasto de software. Aunque gran parte del mercado permanece sin capturar, la combinación de integración técnica, documentación de conocimiento y control de riesgos será decisiva para que proveedores y clientes en América Latina puedan aprovechar esta ola tecnológica.

David Crawford, presidente de la práctica global de tecnología y telecomunicaciones de Bain, resume el cambio: después de dos décadas de competir sobre sistemas de registro, la próxima fuente de ventaja estará en el “cross-workflow decision context”, es decir, la capacidad de interpretar y actuar en flujos que atraviesan múltiples sistemas.