La misma semana, dos personas que no se conocen y operan en mundos distintos dijeron lo mismo.

Jason Shuman, inversionista seed en Primary Venture Partners en Nueva York, lo puso así:

“Silicon Valley thinks AI agents are a $20/mo self-serve subscription. Main Street is paying local agencies $10,000 just to turn them on.”

Aaron Levie, CEO de Box (empresa de $5B+ en valor de mercado), dijo esto:

“We dramatically underestimate how much change management it is going to take to automate most knowledge worker tasks.”

Un inversionista que pasa sus días con PyMEs y startups. Un CEO que pasa los suyos con enterprise y Fortune 500. Ninguno citó al otro. Y ambos llegaron al mismo lugar: el dinero real de la IA no está en vender el software. Está en instalarlo.

Dos señales desde lados opuestos del mercado

Shuman compartió datos que condensan el problema en tres números. El 54% de las PyMEs no tiene expertise interno en IA. El 41% tiene datos demasiado malos para que la IA funcione. Y el 41% ya prefiere comprar IA a través de un proveedor local de tecnología.

Tres datos que cuentan una historia que Silicon Valley no quiere escuchar. No puedes hacer “1-click install” de un agente de IA en un CRM desordenado, un servidor de 15 años, o una base de datos donde la mitad de los campos son texto libre sin estructura. No funciona. Y la mayoría de las empresas del mundo real están exactamente en esa situación.

Levie lo ve desde el otro lado — las empresas grandes. Y el diagnóstico es idéntico: datos atrapados en sistemas legacy sin APIs decentes, contexto faltante para que la IA haga su trabajo, equipos que no son técnicos y no van a serlo mañana. El change management necesario para automatizar el trabajo del conocimiento es mayor que lo que cualquiera está admitiendo.

Pero Levie añade algo que importa: “This is actually good news if you’re building right now because the opportunity is to build the software bridges to make this easier, or to build new services firms to help with this change management.”

La oportunidad no es vender más suscripciones. Es ser el puente entre lo que la IA promete y lo que la empresa necesita hacer para que funcione.

Cada revolución tecnológica crea una clase de instaladores

Esto no es nuevo. Lo he visto tres veces en mi carrera, y la historia lo registra al menos una vez más.

Electricidad, 1880-1920. Mientras Edison y Westinghouse vendían la tecnología — generadores, cables, bombillas — el trabajo real lo hicieron miles de electricistas locales que cablearon edificio por edificio, fábrica por fábrica. En 1901, 49 contratistas de 18 ciudades fundaron la NECA (National Electrical Contractors Association) en el mismo evento donde Thomas Edison iba a inaugurar la iluminación eléctrica de la Exposición Panamericana de Buffalo. Para 1910, se gastaba más en cablear edificios que en construir plantas generadoras.

PCs, 1980-2000. IBM y Microsoft ponían las cajas y el software, pero el dinero real fluyó por el canal. Los VARs (Value-Added Resellers) y MSPs (Managed Service Providers) que configuraban redes y mantenían servidores construyeron una industria masiva. Hoy, solo en EE.UU., ese canal genera más de $500 mil millones anuales según GTIA (antes CompTIA).

Cloud, 2010-2020. El ascenso de AWS, Azure y Google Cloud creó un mercado de servicios más grande que la infraestructura misma. Accenture, Deloitte y miles de consultoras boutique capturaron más en migraciones que AWS en hosting. El trabajo no era encender un servidor virtual — era migrar datos de sistemas de 20 años, reentrenar equipos y rediseñar procesos que llevaban décadas sin tocarse.

En cada caso, el patrón es el mismo. La tecnología es genérica. La última milla es local, desordenada y requiere confianza. El fabricante gana con escala. El instalador gana con relación.

Los datos de Gartner de febrero de 2026 lo confirman a nivel macro: el gasto global en servicios IT alcanza $1.87 billones (trillions) en 2026, mientras el gasto en software se queda en $1.4 billones. La capa de servicios supera a la capa de producto por $470 mil millones. Eso no es una anomalía — es la estructura permanente de cómo se adopta la tecnología.

Por qué el autoservicio no funciona con IA

Hay una diferencia que importa y que Shuman identifica bien. Cuando tu empresa adoptó Slack, Zoom o Google Workspace, agregaste una herramienta nueva. No tocaste lo que ya tenías. La base de datos siguió igual. Los procesos siguieron iguales. Los roles siguieron iguales. Abriste una app nueva y empezaste a usarla.

La IA no funciona así.

Implementar IA en una operación real significa tocar los datos existentes — limpiarlos, conectarlos, estructurarlos. Significa rediseñar decisiones que hasta ahora tomaba una persona. Significa que el equipo de ventas, o el de operaciones, o el de finanzas, cambie cómo hace las cosas que lleva haciendo años.

Las herramientas de colaboración son aditivas. La IA es transformativa. Lo aditivo puede ser self-serve. Lo transformativo no.

Y los datos de Shuman lo confirman desde el lado de la demanda: si el 41% de las PyMEs tiene datos demasiado malos para que la IA funcione, no hay suscripción de $20/mes que resuelva eso. Alguien tiene que entrar, ver qué hay, limpiarlo y conectarlo. No un chatbot. Una persona con contexto sobre tu negocio.

BCG encontró que el 70% del éxito en proyectos de IA depende de las personas y los procesos, no de la tecnología. Eso no es un accidente. Es la consecuencia natural de que la IA toca todo lo que ya existe — y lo que ya existe está desordenado.

Tres modelos de instalador (y cuál gana)

Si el mercado de instalación de IA es real — y los datos dicen que sí — entonces la pregunta es quién lo captura. Veo tres modelos compitiendo.

La consultoría grande. Accenture, Deloitte, McKinsey. Proyectos de 6 a 12 meses, equipos de 15 personas, presupuestos de seis cifras mínimo. Funciona para Fortune 500. Es irrelevante para el 54% de PyMEs que Shuman describe — no pueden pagar $500K por un piloto de IA, y no deberían.

La agencia local o MSP. Proyectos de $5K a $50K, relación directa, proximidad. Esto es el “$10,000 just to turn them on” de Shuman. Es la empresa que ya maneja tu email y tu firewall, y ahora agrega implementación de agentes de IA. El problema: muchos MSPs todavía están aprendiendo IA. La oferta no ha alcanzado la demanda.

El especialista vertical. No geográfico, sino por industria. La empresa que conoce prácticas dentales, o logística de transporte, o restaurantes — y construye implementaciones de IA específicas para ese vertical. Necesita gente que combine conocimiento del negocio con capacidad técnica — lo que en IQ Source llamamos maestros de agentes.

Mi apuesta es que los modelos dos y tres ganan para PyMEs y medianas empresas. La consultoría grande se queda con enterprise. Y la oportunidad más grande está en la intersección: el especialista vertical que opera con costos de agencia local.

Sequoia Capital cuantificó esto con un ratio de 6:1 — por cada dólar en software, seis en servicios. Lo que Shuman y Levie agregan es la perspectiva de la demanda: las PyMEs ya están buscando a estos instaladores. El 41% que prefiere comprar a través de un proveedor local no está esperando a que Silicon Valley les venda una suscripción.

El instalador no es un técnico — es un traductor

Cuando leí los tweets de Shuman y Levie no aprendí nada nuevo. Reconocí algo que vengo viendo hace más de 25 años en cada ciclo tecnológico: la herramienta es genérica, la integración es específica, y el que gana es el que conoce el territorio del cliente — no el que conoce el producto.

Pero esta vez hay una diferencia. Con la electricidad, las PCs y la nube, el instalador era esencialmente un técnico. Sabía cablear, configurar servidores o migrar bases de datos. El trabajo era mecánico y predecible.

Con la IA, el trabajo del instalador es otro. No alcanza con saber conectar una API. El instalador de IA tiene que entender cómo opera el negocio — los flujos reales, no los documentados — y diseñar dónde un agente aporta valor y dónde crea riesgo. Tiene que saber que un flujo de aprobación de compras que en el organigrama tiene 4 pasos, en la realidad tiene 11 — incluyendo aprobaciones informales por WhatsApp y una verificación manual contra una hoja de cálculo que alguien actualiza los viernes por la tarde.

Ese perfil no es un ingeniero. Tampoco es un gerente de operaciones. Es algo nuevo: alguien que traduce entre el negocio y los agentes de IA. Jason Calacanis lo llamó “el maestro de agentes de IA” — la persona que entiende un negocio lo suficientemente profundo como para desplegar y gestionar agentes sin escribir una línea de código.

En IQ Source, ese es nuestro trabajo. Y lo convertimos en un servicio.

Lo que hacemos: AI Maestro

Nuestro servicio de AI Maestro es exactamente lo que Shuman y Levie están describiendo — el instalador que conecta la promesa de la IA con la operación real.

Cuando una empresa nos contacta, la primera reunión nunca es sobre qué modelo usar. Es sobre cómo opera el negocio hoy. Quién toma qué decisiones, con qué datos, en qué momento. Y dónde está el desperdicio que un agente podría eliminar.

Aproximadamente 3 de cada 10 veces, la respuesta es que la IA no es lo que necesitan. A veces el problema es de datos — están sucios, dispersos, o simplemente no tienen suficientes. A veces es de proceso — la operación manual no funciona bien, y automatizar el caos solo te da caos más rápido. En esos casos decimos que no. Y eso construye más confianza que cualquier demo.

Cuando sí avanzamos, el trabajo se ve así:

Arqueología de procesos. No el diagrama de flujo bonito que alguien hizo para una presentación. Nos sentamos con las personas que hacen el trabajo, seguimos los documentos a través del sistema, y mapeamos el proceso real — con sus atajos, sus excepciones y su conocimiento tribal. No se puede automatizar lo que no se entiende. Y no se puede entender desde un documento de procesos.

Limpieza y conexión de datos. El 41% con datos malos que menciona Shuman es lo que vemos cada semana. Antes de cualquier agente, hay que limpiar, estructurar y conectar. Este paso no es glamoroso. Es el que determina si la IA funciona o no.

Despliegue de agentes dentro del flujo de trabajo. Los agentes no pueden ser una pestaña más que la gente abre cuando se acuerda. Tienen que vivir dentro de las herramientas que el equipo ya usa — su CRM, su ERP, su sistema de tickets. Diseñamos esa integración para que la IA sea parte del trabajo, no un paso adicional.

Acompañamiento del cambio. Levie tiene razón: el change management es lo que todos subestiman. No basta con que el agente funcione — el equipo tiene que cambiar cómo trabaja. Eso toma tiempo, paciencia y alguien que esté ahí cuando las cosas no salen como en la demo. El maestro de agentes es esa persona.

El 41% que ya prefiere proveedores locales entiende algo que el resto todavía no: que la confianza, el contexto y la relación con tu operación importan más que cuál modelo elegiste.

Si ya tienes herramientas de IA que compraste pero que nadie usa del todo — o si estás evaluando por dónde empezar — envíanos la lista. Te decimos cuáles tienen sentido para tu operación, cuáles necesitan un maestro de agentes, y cuáles puedes cortar.

Conoce nuestro servicio de AI Maestro