Escribo esto como quien entra a un edificio que, desde afuera, todavía luce impecable. La fachada dice crecimiento: el mercado SaaS se valoró en 266.000 millones de dólares en 2024 y distintas proyecciones lo sitúan alrededor de 315.000 millones a inicios de 2026, con trayectorias que lo empujan hacia el rango del billón de dólares hacia 2032. Pero adentro se escuchan crujidos.
TechCrunch puso nombre a ese sonido en marzo de 2026: “SaaSpocalypse”. El artículo lo plantea como el resultado de presiones que se intensifican en el software como servicio, con una idea subyacente inquietante: una “nueva supremacía” emergiendo, asociada a la comoditización de la IA generativa chocando contra el control de costos de las empresas. No hay en el material disponible una lista de víctimas, ni ejecutivos, ni anuncios puntuales. Hay algo más útil para un CFO o un fundador: el patrón mecánico.
Cuando un sector crece, el mercado perdona ineficiencias. Cuando además aparece una tecnología que cambia la estructura de costos, el perdón se termina. En 2026, la IA no solo “agrega funcionalidades”. Cambia los planos de carga del SaaS: dónde se acumulan los costos, cómo se reconocen los ingresos, y qué tan rápido se rompen los márgenes cuando un piloto se convierte en producción.
El síntoma no es el tamaño del mercado, es el costo marginal que reapareció
Durante años, el relato dominante del SaaS se apoyó en una premisa casi arquitectónica: una vez construido el producto, cada nuevo cliente añade ingresos con un costo marginal bajo. Esa lógica permitió modelos con crecimiento acelerado y estructuras comerciales pesadas, porque el edificio se sostenía con el supuesto de que, al escalar, la unidad económica mejoraba.
La IA generativa altera esa geometría. Entrenamiento, inferencia, almacenamiento, observabilidad, seguridad y gobernanza convierten parte de la entrega de valor en consumo variable. El briefing que acompaña la nota apunta un dato que, para mí, es el equivalente a encontrar una viga subdimensionada: al escalar GenAI, muchas empresas descubren subestimaciones de costos del 500% al 1.000%. Eso no es un desvío menor; es un error de cálculo de cargas.
Por eso el fenómeno se entiende mejor como una inspección estructural, no como un apocalipsis. El sector puede seguir creciendo en valor total mientras una porción significativa de productos y compañías se vuelve económicamente inviable bajo uso real. La tensión se agrava porque la adopción empresarial se acelera: McKinsey reportó que 71% de organizaciones usaban GenAI en al menos una función a inicios de 2025, y Gartner proyecta que 80% de las empresas desplegarán aplicaciones habilitadas por GenAI en 2026. En paralelo, el gasto en aplicaciones habilitadas por IA podría llegar a 644.000 millones de dólares en 2025, con un salto interanual del 76,4%.
En la práctica, esto empuja a los compradores a exigir control y previsibilidad, y a los vendedores a replantear su economía. La grieta aparece cuando el producto promete “inteligencia” como un acabado estético, pero el costo de operar esa inteligencia crece con el uso como si fuese una instalación eléctrica mal dimensionada.
La falla de carga típica: vender IA con precio fijo y costos variables
El SaaS clásico se defendía con contratos previsibles: licencias por asiento, paquetes por módulos, renovaciones anuales. La IA introduce un medidor: tokens, consultas, minutos de cómputo, llamadas a modelos, extracción y generación a escala. Si el proveedor mantiene un esquema de precio fijo mientras su costo es variable y creciente, el margen se vuelve un componente frágil.
De ahí el desplazamiento que el briefing destaca: el giro hacia modelos híbridos y basados en uso. No es una moda de pricing; es una corrección de ingeniería financiera. Si el costo de servir a un cliente puede multiplicarse por diez cuando el piloto despega, el precio debe capturar esa asimetría, o el proveedor termina subsidiando el éxito del cliente.
Este punto conecta con otro dato del mismo paquete: el crecimiento de las firmas SaaS medianas ya venía desacelerando. En 2022, el cuartil superior de empresas con 1M a 30M de ARR creció 62,1%, frente a 78,9% en 2021. Es decir, incluso antes de que la IA se volviera ubicua, el viento de cola se debilitaba. Con una estructura de costos que se vuelve más sensible al uso, la desaceleración no solo reduce valoración; reduce capacidad de absorber errores.
Aquí es donde muchas organizaciones caen en métricas de vanidad: celebran adopción, activaciones, “engagement” con funciones de IA, pero no amarran ese comportamiento a un mecanismo claro de monetización y control de consumo. Un producto con IA que “se usa mucho” puede ser, literalmente, una pérdida proporcional al éxito.
En este contexto, la forma responsable de operar es tratar la IA como una línea de costos que requiere gobierno: límites, presupuestos, observabilidad por cliente y por caso de uso, y condiciones contractuales que definan qué se incluye y qué se cobra aparte. Sin esa instrumentación, el negocio se parece más a una planta industrial sin medidores que a un software escalable.
La atomización como defensa: menos “suite”, más ajuste fino entre segmento, caso de uso y canal
Cuando el costo marginal sube, la estrategia de vender “todo a todos” se vuelve más peligrosa, no menos. La IA acelera esta dinámica por dos razones.
Primero, porque la “inteligencia” se está comoditizando. Si muchos proveedores pueden integrar capacidades generativas similares, el diferencial deja de estar en tener IA y pasa a estar en dónde se aplica y qué resultado medible produce. Segundo, porque cada caso de uso tiene una huella de costos distinta. No cuesta lo mismo automatizar un resumen de reuniones que ejecutar una cadena de análisis sobre documentos extensos con requisitos de seguridad y auditoría.
La defensa racional es la atomización: un encaje preciso entre un segmento, un trabajo específico y un canal de adquisición que no requiera quemar caja indefinidamente. En lugar de una “suite de IA para empresas”, lo sostenible tiende a ser “IA para este proceso, en esta industria, bajo estas restricciones, cobrada de esta manera”.
La industria ya insinúa el movimiento hacia lo específico: el briefing cita que el vertical de real estate y construcción muestra 75% de crecimiento mediano de ARR, lo que suele ocurrir cuando hay un problema operativo claro y un comprador que entiende el valor. En verticales así, la conversación no gira en torno a “tener IA”, sino a reducir tiempos, errores, riesgos o aumentar conversiones en un flujo concreto.
La atomización también cambia el canal. Un producto horizontal puede escalar con marketing masivo, pero un producto que afecta procesos críticos —y que además consume recursos variables— necesita ventas consultivas más cortas y con expectativas claras de uso. Si el canal promete una luna y el contrato no acota consumo, el primer despliegue serio se convierte en un boquete de margen.
Este es el punto donde el “SaaSpocalypse” se vuelve selección natural: sobreviven los modelos que pueden decir con precisión qué cliente deben tener, cuánto cuesta servirlo en producción y cómo se cobra esa producción sin que el comprador sienta que le movieron el piso.
Consolidación y disciplina: el mercado premia a quien convierte costos fijos en variables controladas
Otro indicador relevante del momento es la consolidación: 2.698 transacciones de M&A en 2025, un récord según el briefing. Cuando un mercado se consolida en ese volumen, no es solo apetito; es reordenamiento. Los compradores buscan escala, acceso a clientes, datos, y productos que ya tengan encaje, mientras muchos vendedores buscan salida antes de que el costo de competir suba.
La IA empuja ese reordenamiento por un motivo sencillo: operar modelos generativos con calidad empresarial exige inversión en infraestructura, seguridad, cumplimiento y fiabilidad. Para algunas compañías, eso será más fácil dentro de un grupo con más caja o con infraestructura compartida. Para otras, el camino viable será especializarse tanto que su eficiencia sea su defensa.
En paralelo, las empresas compradoras están endureciendo control de gasto. Gartner anticipa que el gasto en software empresarial subirá al menos 40% hacia 2027 impulsado por IA, lo que paradójicamente aumenta la presión por optimizar contratos. Cuando el presupuesto crece, también crece la visibilidad del desperdicio. El resultado típico es renegociación, racionalización de herramientas y exigencia de modelos de precio que conecten valor con consumo.
En ese nuevo equilibrio, la disciplina financiera deja de ser un “buen hábito” y se vuelve un requisito de supervivencia. Los modelos que mejor se comportan son los que:
- convierten infraestructura en costos variables medidos y asignables por cliente y caso de uso;
- diseñan contratos que reflejan el consumo real sin volverse impredecibles para el comprador;
- evitan subsidios permanentes disfrazados de “inversión en adopción”;
- y sostienen una propuesta específica donde el valor se puede demostrar en métricas operativas, no en narrativas.
La “SaaSpocalypse”, leída así, no anuncia el fin del SaaS. Señala el fin de un tipo de SaaS: el que creía que podía vender promesas de automatización ilimitada con precios fijos y contabilidad creativa del costo.
La nueva norma: el SaaS que sobrevive es el que puede presupuestarse como una máquina
El TechCrunch de marzo de 2026 lo describe como presiones que se intensifican: crecimiento masivo del sector, IA que se vuelve commodity y controles de costos empresariales. Mi lectura estructural es más concreta: el SaaS está dejando de ser “solo software” y se parece cada vez más a un sistema operativo con consumo medible. Eso obliga a redibujar planos.
El proveedor que quiera salir ileso necesita tres capacidades que antes eran opcionales. Primera, instrumentación: saber cuánto cuesta cada cliente en producción, no en una demo. Segunda, pricing con mecánica: híbrido o por uso, pero con barandas, umbrales y paquetes que hagan el gasto gobernable. Tercera, foco: una propuesta que encaje en un segmento y proceso específico, donde la IA no sea el decorado, sino el motor que reduce un costo o riesgo verificable.
Los mercados no castigan la ambición; castigan las estructuras que no soportan la carga real. Las empresas no fallan por falta de ideas, sino porque las piezas de su modelo no logran encajar para generar valor medible y caja sostenible.
