VENËEN

Série « Fin du clic et entreprise sans coutures » · 4 / 4

SAAS et IA, ce qui reste quand tout s'efface

par José Vazquez

6 mai 2026 · Lire l'original sur LinkedIn →

Trois articles pour poser le diagnostic, illustrer, réfléchir. Un dernier pour conclure sans complaisance.

Le SaaSpocalypse a mis un nom sur quelque chose qui était en cours depuis plusieurs années. Les marchés ont réagi en quelques heures à ce que les organisations mettront des années à intégrer pleinement. Mais l'intégrer, elles devront. Qu'elles soient cabinet d'expertise comptable, direction des finances d'une collectivité, DSI d'une PME ou service RH d'un groupe, la transformation n'attend pas qu'on soit prêt.

Ce dernier article ne propose pas de feuille de route rassurante. Il propose une lecture lucide de ce qui est en train de se jouer et de ce qu'il faut faire, à date, avant que cela ne change et ne devienne caduc après-demain.

1. Comprendre ce qui s'effondre vraiment

Soyons francs : le modèle économique du SaaS par siège est condamné. Pas progressivement mais structurellement. Quand un agent IA exécute le travail de dix utilisateurs humains sans occuper une seule licence, le modèle à l'abonnement par tête n'a plus de sens. Les éditeurs qui n'auront pas pivoté vers une tarification à l'usage ou à la valeur produite disparaîtront ou seront absorbés par ceux qui l'auront fait.

Ce n'est pas une hypothèse. C'est déjà en cours. Atlassian perd des sièges pour la première fois de son histoire. Workday supprime des postes dans ses propres équipes. Adobe facture des crédits génératifs plutôt que des accès humains. Salesforce lance AgentForce, non pas pour remplacer son CRM, mais pour que les agents IA « vivent » à l'intérieur de ses données. Les grands éditeurs ont compris : la valeur n'est plus dans l'interface. Elle est dans la donnée. Nous le pressentions mais nous n'arrivions pas à définir une orientation à ce constat. Nous le matérialisions à grand coup de « datalake », et donc ? Rien.

Les éditeurs qui contrôlent la donnée (Cegid avec ses millions d'écritures comptables, Silae avec ses 600 000 entreprises clientes, Berger-Levrault avec ses décennies de données de la fonction publique) auront un avantage considérable. Pas parce que leurs interfaces sont meilleures. Parce que leurs données sont irremplaçables. Elles ne le sont pas par leur valeur intrinsèque de jeu de données mais par les actions et les séries d'actions qui les ont générées. Ce n'est pas le « quoi » et son interprétation subséquente qui donne de la valeur à la donnée, mais le « comment » elle a été produite. C'est là que se niche sa réelle valeur. Celui qui contrôle la donnée contrôle la transition et son exploitation stratégique et commerciale.

2. Ce qui émerge, et à quel prix ?

La prochaine couche de valeur dans l'écosystème logiciel ne sera pas une interface. Ce sera une compétence encapsulée.

Un agent IA générique est puissant. Un agent IA qui connaît les spécificités de la paie des experts-comptables français, qui intègre les règles de la commande publique, qui sait comment fonctionne un conseil municipal, cet agent vaut infiniment plus. Et cette connaissance, traduite en instructions, en règles de décision, en workflows métier, deviendra un marché à part entière.

Ce marché suivra une courbe inévitable. D'abord une phase de rareté. Ainsi les skills sectoriels auront une valeur forte, différenciante, presque stratégique dans les deux prochaines années.

Les premiers qui les produiront et les vendront captureront une valeur considérable. Puis viendra la commodisation : les compétences les plus standards seront absorbées par les grandes plateformes, intégrées gratuitement, banalisées. Les prix s'effondreront sur le bas du spectre. La réglementation suivra comme elle a toujours suivi les nouvelles couches technologiques, avec un décalage de trois à cinq ans.

Ce cycle est connu et couru d'avance. Il s'est produit avec le web, avec le mobile, avec le cloud. Ceux qui attendent la stabilisation pour agir arriveront toujours après la redistribution de la valeur.

3. Ce qui reste : l'essentiel

Quand l'interface logicielle disparaît, quand la logique métier migre vers les communautés agentiques, quand le modèle par siège s'effondre : qu'est-ce qui reste ?

Trois choses. Toujours les mêmes.

La donnée. Propre, structurée, accessible, gouvernée, supervisée. L'organisation qui ne sait pas où sont ses données, qui ne peut pas les exposer via API ou MCP, qui les a laissées se fragmenter dans une dizaine de logiciels cloisonnés, cette organisation ne pourra pas déployer d'agents IA efficaces. Elle sera dépendante des éditeurs qui, eux, contrôlent la donnée. La souveraineté sur ses propres données n'est plus une question informatique. C'est une question stratégique.

Le processus. Formalisé, documenté, transmissible, auditable. Un agent IA ne peut apprendre que ce qu'on lui enseigne. Si les processus métier vivent dans la tête des collaborateurs, dans des habitudes non écrites, dans une culture orale, ils ne pourront pas être encapsulés.

Cela va prendre du temps ? Que dire de ces ouvriers d'usine indiens qui portent des caméras montées sur la tête pour capturer des données en vue de former des modèles d'IA pour la robotique.

Les organisations qui ont investi dans la formalisation de leurs méthodes, de leurs règles de gestion, de leur savoir-faire sectoriel, sont celles qui tireront le meilleur parti des agents IA. Les autres produiront des agents médiocres qui reproduiront de l'approximation et, in fine, disparaîtront. Qui peut se satisfaire d'une comptabilité publique ou privée approximative ?

Le jugement humain. Irremplaçable, non pas parce que la machine ne peut pas décider, mais parce que certaines décisions requièrent une responsabilité que seul un humain peut assumer. Le directeur financier qui arbitre une dépense exceptionnelle. L'expert-comptable qui conseille un dirigeant en difficulté. L'agent territorial qui accueille un usager en situation de détresse. Ces moments ne se délèguent pas à un agent IA, et leur valeur va augmenter à mesure que le volume sera absorbé par les machines.

4. Ce qu'il va falloir faire, sans délai

Il y a quatre ans, il y avait un consensus mondial. Les gouvernements, les entreprises, les organismes de formation, les parents : tout le monde disait la même chose. Apprenez à coder. Le code, c'est l'avenir. Le code, c'est l'emploi. Le code, c'est la souveraineté.

Des centaines de milliers de personnes se sont reconverties. Des milliards ont été investis dans des bootcamps, des formations, des certifications. Des politiques publiques entières ont été construites sur cette certitude.

Dans une interview récente, Sebastian Siemiatkowski, le CEO de Klarna (celui-là même qui vient de passer de 7 000 à 3 000 collaborateurs sans recruter, par simple attrition naturelle), dit désormais publiquement qu'il code lui-même, sans avoir jamais été ingénieur. Pas parce qu'il a appris. Parce que l'IA code à sa place, à sa demande, en quelques secondes. Il ajoute, avec une lucidité qui devrait faire froid dans le dos, qu'en 2030 Klarna aura probablement encore moins de 2 000 employés. Pas parce que l'entreprise décline. Parce que l'intelligence est désormais dans les outils.

Le consensus d'il y a quatre ans n'était pas faux. Il était simplement déjà obsolète au moment où il s'est formé.

C'est la leçon la plus difficile de cette transformation : les temps de transition se raccourcissent à une vitesse que nos institutions, nos systèmes de formation, nos conventions collectives, nos référentiels métier, nos politiques de l'emploi ne sont pas structurellement capables d'absorber. Nous formons des gens pour des métiers qui se transforment plus vite que la durée de leur formation.

Ce qui s'impose alors à toutes les organisations (entreprises privées, cabinets, collectivités) c'est un retour à une question fondamentale, longtemps négligée : quelle est réellement la substantifique moelle de sa chaîne de valeur ? Et quelle est la contribution mesurable de chaque maillon à cette chaîne ?

Quand l'IA absorbe le volume, quand les agents prennent en charge les tâches répétitives, quand les interfaces disparaissent, ce qui reste visible, ce qui reste justifiable, c'est la contribution réelle. Pas le titre. Pas l'ancienneté. Pas la maîtrise d'un logiciel. La valeur produite, mesurable, irremplaçable.

Pour certains, c'est une libération, enfin reconnus pour ce qu'ils apportent vraiment. Pour d'autres, c'est une mise à nu brutale, des années de confort dans des rôles dont la valeur était masquée par la complexité des outils et des processus.

La question n'est plus « sais-tu utiliser ce logiciel ? » Elle est « que produis-tu que la machine ne peut pas produire ? »

Que vous soyez collaborateur dans un cabinet d'expertise comptable, agent territorial, responsable informatique dans une collectivité ou dirigeant d'une PME qui utilise des logiciels métier, la réalité est la même.

Il va falloir apprendre. Non pas à utiliser un nouveau logiciel. À travailler avec des agents, à les configurer, à les superviser, à corriger leurs erreurs, à identifier ce qu'ils ne savent pas faire. Cette compétence n'est pas technique au sens traditionnel du terme. C'est une compétence de pilotage, de vigilance, de jugement.

Il va falloir formaliser. Écrire ce qu'on sait faire. Documenter les processus. Expliciter les règles de décision qu'on applique instinctivement depuis des années. Ce travail est ingrat, souvent négligé, toujours repoussé. Il devient urgent.

Il va falloir choisir ses dépendances. Tous les éditeurs ne se valent pas face à la transition IA. Certains construisent des architectures ouvertes, des API accessibles, des données portables. D'autres construisent des forteresses, des données captives, des contrats qui rendent la migration impossible, des interfaces qui masquent la donnée plutôt que de l'exposer. Choisir son éditeur logiciel est désormais aussi stratégique que choisir son banquier.

Et il va falloir accepter que la lenteur soit un choix, avec ses conséquences. Les organisations qui attendent que la transformation soit inévitable pour s'y préparer ne seront pas épargnées. Elles seront simplement moins bien préparées quand l'inévitable arrivera.

5. L'avènement de l'intelligence divergente

Il y a une ironie profonde dans ce renversement, que peu osent formuler.

Pendant deux siècles, nos systèmes scolaires ont fabriqué un idéal cognitif très précis : pensée linéaire, conformité aux procédures, mémorisation, exécution fiable et reproductible. Les élèves qui correspondaient à ce modèle réussissaient. Les autres étaient mis de côté : ceux qui pensaient en arborescence plutôt qu'en séquence, qui faisaient des connexions inattendues, qui s'ennuyaient dans les tâches répétitives, qui voyaient les systèmes avant les détails. Diagnostiqués, réorientés, découragés.

L'IA vient de rendre obsolète exactement ce que le système valorisait. La logique séquentielle, l'exécution de procédures, la mémorisation de connaissances codifiées, c'est précisément ce qu'elle fait mieux que n'importe quel humain, plus vite, sans fatigue, sans erreur.

Ce qui résiste à la machine, ce sont les qualités que l'école a longtemps pénalisées : la pensée latérale, la capacité à relier des domaines que rien ne relie a priori, l'intuition sur les systèmes complexes, la tolérance à l'ambiguïté, la sensibilité aux signaux faibles, la créativité de recombinaison. Des qualités surreprésentées chez ceux qu'on appelle les neurodivergents (personnes dys, TDAH, haut potentiel, profils autistiques) qui ont développé par nécessité, souvent dès l'enfance, des modes de pensée alternatifs pour naviguer dans un monde qui n'était pas fait pour eux.

Ce n'est pas dire que les neurodivergents vont « dominer » le monde de demain, ce serait trop simple et réducteur. C'est dire quelque chose de plus fondamental : les critères de valeur cognitive sont en train de se renverser. Et ce renversement réhabilite des millions de personnes que le système a mises de côté au profit d'un modèle cartésien aujourd'hui dépassé.

L'IA standardise l'intelligence conforme. Elle libère peut-être enfin l'intelligence divergente.

Laurent Alexandre et Olivier Babeau posent cette question avec une clarté brutale dans Ne faites plus d'études : pendant des siècles, étudier était le meilleur investissement possible. Ce monde-là est mort. L'intelligence devient gratuite et infiniment disponible. Ce qu'ils appellent de leurs vœux n'est pas la fin du savoir. C'est la fin d'un modèle d'apprentissage fondé sur la conformité et la reproduction, au profit d'un apprentissage exigeant, permanent, profondément personnel.

Pour les millions de salariés qui entrent dans cette transition, la question n'est pas « comment m'adapter au logiciel qui vient ? » Elle est plus vertigineuse : quelle est la forme d'intelligence que j'ai développée malgré le système, et comment la mettre au service de ce que la machine ne saura jamais faire ?

6. La chute

Le logiciel tel que nous le connaissons (l'url, l'écran de connexion, le mot de passe à renouveler, l'identification, les interfaces, les boutons, le tableau de bord) est en train de disparaître comme intermédiaire obligatoire. Ce n'est pas la fin du travail. Ce n'est pas la fin des organisations. C'est la fin d'une certaine façon de les faire fonctionner.

Les experts-comptables qui pensent que leur logiciel de paie sera encore le même dans cinq ans ont peut-être raison sur le logiciel. Ils ont tort sur l'interface et sur le modèle économique qui va avec.

Les agents territoriaux qui pensent que la transformation numérique ne les concernera pas parce que le secteur public change lentement ont peut-être raison sur le tempo. Ils ont tort sur la trajectoire.

La marche est engagée. Elle ne demande pas si vous êtes prêt. Elle demande seulement dans quel état vous l'accueillerez.

Ces articles n'ont d'autre objet que de poser par écrit mes analyses, mes anticipations, et de les partager. Merci de les prendre comme telles. Au plaisir de lire vos commentaires.

Série « Fin du clic et entreprise sans coutures ». Article 4 sur 4.

← Tous les articles Nous contacter →

← News

Series « The end of the click and the seamless enterprise » · 4 / 4

SaaS and AI: what remains when everything fades

by José Vazquez

6 May 2026 · Read the original on LinkedIn →

Three articles to lay out the diagnosis, to illustrate, to reflect. A last one to conclude without complacency.

The SaaSpocalypse put a name on something that had been under way for several years. Markets reacted in a few hours to what organizations will take years to fully absorb. But absorb it they will. Whether an accounting firm, the finance department of a local authority, the IT department of an SME or the HR team of a group, the transformation does not wait for anyone to be ready.

This final article offers no reassuring roadmap. It offers a clear-eyed reading of what is playing out and of what must be done, as of today, before it changes and becomes obsolete the day after tomorrow.

1. Understanding what really collapses

Let us be frank: the per-seat SaaS business model is doomed. Not gradually but structurally. When an AI agent performs the work of ten human users without occupying a single license, the per-head subscription model no longer makes sense. Vendors that have not pivoted toward usage-based or value-based pricing will disappear or be absorbed by those that have.

This is not a hypothesis. It is already under way. Atlassian is losing seats for the first time in its history. Workday is cutting positions in its own teams. Adobe bills generative credits rather than human access. Salesforce launches AgentForce, not to replace its CRM, but so that AI agents « live » inside its data. The major vendors have understood: value is no longer in the interface. It is in the data. We sensed it but could not define a direction for that observation. We materialized it with great « datalake » efforts, and then? Nothing.

The vendors that control the data (Cegid with its millions of accounting entries, Silae with its 600,000 client companies, Berger-Levrault with its decades of public-sector data) will have a considerable advantage. Not because their interfaces are better. Because their data is irreplaceable. It is irreplaceable not through the intrinsic value of a dataset but through the actions and series of actions that generated it. It is not the « what » and its subsequent interpretation that give value to the data, but the « how » it was produced. That is where its real value nestles. Whoever controls the data controls the transition and its strategic and commercial exploitation.

2. What emerges, and at what price?

The next layer of value in the software ecosystem will not be an interface. It will be an encapsulated skill.

A generic AI agent is powerful. An AI agent that knows the specifics of French chartered-accountant payroll, that integrates the rules of public procurement, that knows how a municipal council works, that agent is worth infinitely more. And that knowledge, translated into instructions, decision rules, business workflows, will become a market in its own right.

This market will follow an inevitable curve. First a phase of scarcity. So sector skills will carry strong, differentiating, almost strategic value over the next two years.

The first to produce and sell them will capture considerable value. Then commoditization will come: the most standard skills will be absorbed by the large platforms, integrated for free, made ordinary. Prices will collapse at the bottom of the spectrum. Regulation will follow, as it has always followed new technological layers, with a lag of three to five years.

This cycle is known and a foregone conclusion. It happened with the web, with mobile, with the cloud. Those who wait for stabilization before acting will always arrive after the value has been redistributed.

3. What remains: the essentials

When the software interface disappears, when the business logic migrates to agentic communities, when the per-seat model collapses: what remains?

Three things. Always the same.

Data. Clean, structured, accessible, governed, supervised. The organization that does not know where its data is, that cannot expose it through API or MCP, that has let it fragment across a dozen siloed applications, that organization will not be able to deploy effective AI agents. It will be dependent on the vendors who, for their part, control the data. Sovereignty over one's own data is no longer an IT question. It is a strategic question.

Process. Formalized, documented, transmissible, auditable. An AI agent can only learn what it is taught. If business processes live in the heads of staff, in unwritten habits, in an oral culture, they cannot be encapsulated.

Will this take time? What to say of those Indian factory workers wearing head-mounted cameras to capture data in order to train AI models for robotics.

The organizations that have invested in formalizing their methods, their business rules, their sector know-how, are the ones that will get the most out of AI agents. The others will produce mediocre agents that reproduce approximation and, in the end, will disappear. Who can be satisfied with an approximate public or private accounting?

Human judgment. Irreplaceable, not because the machine cannot decide, but because certain decisions require a responsibility that only a human can assume. The finance director who arbitrates an exceptional expense. The accountant who advises a struggling business leader. The local-government officer who welcomes a citizen in distress. These moments are not delegated to an AI agent, and their value will rise as volume is absorbed by the machines.

4. What must be done, without delay

Four years ago, there was a global consensus. Governments, companies, training bodies, parents: everyone said the same thing. Learn to code. Code is the future. Code is employment. Code is sovereignty.

Hundreds of thousands of people retrained. Billions were invested in bootcamps, courses, certifications. Entire public policies were built on that certainty.

In a recent interview, Sebastian Siemiatkowski, the CEO of Klarna (the very one who has just gone from 7,000 to 3,000 staff without recruiting, through simple natural attrition), now says publicly that he codes himself, without ever having been an engineer. Not because he learned. Because AI codes in his place, on demand, in a few seconds. He adds, with a lucidity that should send a chill down the spine, that by 2030 Klarna will probably have even fewer than 2,000 employees. Not because the company is declining. Because intelligence is now in the tools.

The consensus of four years ago was not wrong. It was simply already obsolete the moment it formed.

This is the hardest lesson of this transformation: transition times are shortening at a speed that our institutions, our training systems, our collective agreements, our professional frameworks, our employment policies are not structurally able to absorb. We train people for jobs that transform faster than the length of their training.

What then imposes itself on all organizations (private companies, firms, local governments) is a return to a fundamental, long-neglected question: what is really the essence of one's value chain? And what is the measurable contribution of each link to that chain?

When AI absorbs the volume, when agents take on the repetitive tasks, when interfaces disappear, what remains visible, what remains justifiable, is the real contribution. Not the title. Not the seniority. Not the mastery of a piece of software. The value produced, measurable, irreplaceable.

For some, it is a liberation, finally recognized for what they truly bring. For others, it is a brutal laying bare, years of comfort in roles whose value was masked by the complexity of tools and processes.

The question is no longer « do you know how to use this software? » It is « what do you produce that the machine cannot? »

Whether you are a member of an accounting firm, a local-government officer, an IT manager in a local authority or the head of an SME that uses business software, the reality is the same.

You will have to learn. Not to use a new piece of software. To work with agents, to configure them, to supervise them, to correct their errors, to identify what they cannot do. This skill is not technical in the traditional sense of the term. It is a skill of steering, of vigilance, of judgment.

You will have to formalize. Write down what you know how to do. Document the processes. Make explicit the decision rules you have applied instinctively for years. This work is thankless, often neglected, always postponed. It is becoming urgent.

You will have to choose your dependencies. Not all vendors are equal in the face of the AI transition. Some build open architectures, accessible APIs, portable data. Others build fortresses, captive data, contracts that make migration impossible, interfaces that mask the data rather than expose it. Choosing your software vendor is now as strategic as choosing your banker.

And you will have to accept that slowness is a choice, with its consequences. The organizations that wait for the transformation to become inevitable before preparing for it will not be spared. They will simply be less well prepared when the inevitable arrives.

5. The advent of divergent intelligence

There is a deep irony in this reversal, one that few dare to formulate.

For two centuries, our school systems manufactured a very precise cognitive ideal: linear thinking, compliance with procedures, memorization, reliable and reproducible execution. The students who matched this model succeeded. The others were set aside: those who thought in branches rather than in sequence, who made unexpected connections, who were bored by repetitive tasks, who saw systems before details. Diagnosed, redirected, discouraged.

AI has just rendered obsolete exactly what the system valued. Sequential logic, the execution of procedures, the memorization of codified knowledge, that is precisely what it does better than any human, faster, without fatigue, without error.

What resists the machine are the qualities the school long penalized: lateral thinking, the ability to connect fields that nothing connects a priori, intuition about complex systems, tolerance for ambiguity, sensitivity to weak signals, recombinant creativity. Qualities over-represented among those we call the neurodivergent (people with dyslexia, ADHD, high potential, autistic profiles) who developed out of necessity, often from childhood, alternative modes of thinking to navigate a world that was not made for them.

This is not to say that the neurodivergent will « dominate » the world of tomorrow, that would be too simple and reductive. It is to say something more fundamental: the criteria of cognitive value are being reversed. And this reversal rehabilitates millions of people whom the system set aside in favor of a Cartesian model now outdated.

AI standardizes conforming intelligence. It may at last free divergent intelligence.

Laurent Alexandre and Olivier Babeau pose this question with brutal clarity in Ne faites plus d'études: for centuries, studying was the best possible investment. That world is dead. Intelligence is becoming free and infinitely available. What they call for is not the end of knowledge. It is the end of a learning model founded on conformity and reproduction, in favor of a demanding, permanent, deeply personal learning.

For the millions of employees entering this transition, the question is not « how do I adapt to the software that is coming? » It is more vertiginous: what is the form of intelligence I developed in spite of the system, and how do I put it at the service of what the machine will never know how to do?

6. The fall

Software as we know it (the URL, the login screen, the password to renew, the identification, the interfaces, the buttons, the dashboard) is disappearing as an obligatory intermediary. This is not the end of work. It is not the end of organizations. It is the end of a certain way of making them work.

The accountants who think their payroll software will still be the same in five years may be right about the software. They are wrong about the interface and about the business model that goes with it.

The local-government officers who think digital transformation will not concern them because the public sector changes slowly may be right about the tempo. They are wrong about the trajectory.

The march is under way. It does not ask whether you are ready. It only asks in what state you will greet it.

These articles have no other purpose than to set down in writing my analyses, my anticipations, and to share them. Please take them as such. I look forward to reading your comments.

Series « The end of the click and the seamless enterprise ». Article 4 of 4.

← All articles Contact us →

← News

Serie « El fin del clic y la empresa sin costuras » · 4 / 4

SaaS e IA: lo que queda cuando todo se borra

por José Vazquez

6 de mayo de 2026 · Leer el original en LinkedIn →

Tres artículos para plantear el diagnóstico, ilustrar, reflexionar. Uno último para concluir sin complacencia.

El SaaSpocalypse puso nombre a algo que estaba en marcha desde hacía varios años. Los mercados reaccionaron en unas horas a lo que las organizaciones tardarán años en integrar plenamente. Pero integrarlo, deberán. Ya sean un despacho de contabilidad, la dirección financiera de una administración, el área de TI de una pyme o el departamento de RR. HH. de un grupo, la transformación no espera a que uno esté listo.

Este último artículo no propone una hoja de ruta tranquilizadora. Propone una lectura lúcida de lo que se está jugando y de lo que hay que hacer, a fecha de hoy, antes de que cambie y quede caduco pasado mañana.

1. Comprender lo que realmente se desploma

Seamos francos: el modelo económico del SaaS por asiento está condenado. No progresivamente sino estructuralmente. Cuando un agente de IA ejecuta el trabajo de diez usuarios humanos sin ocupar una sola licencia, el modelo de suscripción por cabeza ya no tiene sentido. Los editores que no hayan pivotado hacia una tarificación por uso o por valor producido desaparecerán o serán absorbidos por los que lo hayan hecho.

No es una hipótesis. Ya está en marcha. Atlassian pierde asientos por primera vez en su historia. Workday suprime puestos en sus propios equipos. Adobe factura créditos generativos en lugar de accesos humanos. Salesforce lanza AgentForce, no para reemplazar su CRM, sino para que los agentes de IA « vivan » dentro de sus datos. Los grandes editores lo han entendido: el valor ya no está en la interfaz. Está en el dato. Lo intuíamos pero no lográbamos definir una orientación para esa constatación. Lo materializábamos a golpe de « datalake », ¿y entonces? Nada.

Los editores que controlan el dato (Cegid con sus millones de asientos contables, Silae con sus 600.000 empresas clientes, Berger-Levrault con sus décadas de datos de la función pública) tendrán una ventaja considerable. No porque sus interfaces sean mejores. Porque sus datos son irremplazables. No lo son por el valor intrínseco de un conjunto de datos, sino por las acciones y las series de acciones que los generaron. No es el « qué » y su interpretación posterior lo que da valor al dato, sino el « cómo » se produjo. Ahí es donde se anida su valor real. Quien controla el dato controla la transición y su explotación estratégica y comercial.

2. Lo que emerge, ¿y a qué precio?

La próxima capa de valor en el ecosistema del software no será una interfaz. Será una competencia encapsulada.

Un agente de IA genérico es potente. Un agente de IA que conoce las especificidades de la nómina de los expertos contables franceses, que integra las reglas de la contratación pública, que sabe cómo funciona un pleno municipal, ese agente vale infinitamente más. Y ese conocimiento, traducido en instrucciones, en reglas de decisión, en workflows de negocio, se convertirá en un mercado en sí mismo.

Ese mercado seguirá una curva inevitable. Primero una fase de escasez. Así, las skills sectoriales tendrán un valor fuerte, diferenciador, casi estratégico en los dos próximos años.

Los primeros que las produzcan y las vendan capturarán un valor considerable. Luego vendrá la comoditización: las competencias más estándar serán absorbidas por las grandes plataformas, integradas gratuitamente, banalizadas. Los precios se desplomarán en la parte baja del espectro. La regulación seguirá, como siempre ha seguido a las nuevas capas tecnológicas, con un desfase de tres a cinco años.

Este ciclo es conocido y previsible. Se produjo con la web, con el móvil, con la nube. Los que esperan la estabilización para actuar llegarán siempre después de la redistribución del valor.

3. Lo que queda: lo esencial

Cuando la interfaz de software desaparece, cuando la lógica de negocio migra hacia las comunidades agénticas, cuando el modelo por asiento se desploma: ¿qué queda?

Tres cosas. Siempre las mismas.

El dato. Limpio, estructurado, accesible, gobernado, supervisado. La organización que no sabe dónde están sus datos, que no puede exponerlos vía API o MCP, que los ha dejado fragmentarse en una decena de programas compartimentados, esa organización no podrá desplegar agentes de IA eficaces. Será dependiente de los editores que, ellos sí, controlan el dato. La soberanía sobre los propios datos ya no es una cuestión informática. Es una cuestión estratégica.

El proceso. Formalizado, documentado, transmisible, auditable. Un agente de IA solo puede aprender lo que se le enseña. Si los procesos de negocio viven en la cabeza de los colaboradores, en hábitos no escritos, en una cultura oral, no podrán ser encapsulados.

¿Esto va a llevar tiempo? ¿Qué decir de esos obreros de fábrica indios que llevan cámaras montadas en la cabeza para capturar datos con vistas a entrenar modelos de IA para la robótica?

Las organizaciones que han invertido en la formalización de sus métodos, de sus reglas de gestión, de su saber hacer sectorial, son las que sacarán el mayor partido de los agentes de IA. Las demás producirán agentes mediocres que reproducirán aproximación y, al final, desaparecerán. ¿Quién puede conformarse con una contabilidad pública o privada aproximada?

El juicio humano. Irremplazable, no porque la máquina no pueda decidir, sino porque ciertas decisiones requieren una responsabilidad que solo un humano puede asumir. El director financiero que arbitra un gasto excepcional. El experto contable que aconseja a un dirigente en dificultad. El empleado público que acoge a un ciudadano en situación de angustia. Esos momentos no se delegan a un agente de IA, y su valor aumentará a medida que el volumen sea absorbido por las máquinas.

4. Lo que habrá que hacer, sin demora

Hace cuatro años, había un consenso mundial. Los gobiernos, las empresas, los organismos de formación, los padres: todo el mundo decía lo mismo. Aprended a programar. El código es el futuro. El código es el empleo. El código es la soberanía.

Cientos de miles de personas se reconvirtieron. Se invirtieron miles de millones en bootcamps, formaciones, certificaciones. Se construyeron políticas públicas enteras sobre esa certeza.

En una entrevista reciente, Sebastian Siemiatkowski, el CEO de Klarna (ese mismo que acaba de pasar de 7.000 a 3.000 colaboradores sin contratar, por simple atrición natural), dice ahora públicamente que programa él mismo, sin haber sido nunca ingeniero. No porque haya aprendido. Porque la IA programa en su lugar, a petición suya, en unos segundos. Añade, con una lucidez que debería helar la sangre, que en 2030 Klarna tendrá probablemente incluso menos de 2.000 empleados. No porque la empresa decline. Porque la inteligencia está ahora en las herramientas.

El consenso de hace cuatro años no era falso. Simplemente ya era obsoleto en el momento en que se formó.

Es la lección más difícil de esta transformación: los tiempos de transición se acortan a una velocidad que nuestras instituciones, nuestros sistemas de formación, nuestros convenios colectivos, nuestros referenciales de oficios, nuestras políticas de empleo no son estructuralmente capaces de absorber. Formamos a personas para oficios que se transforman más rápido que la duración de su formación.

Lo que se impone entonces a todas las organizaciones (empresas privadas, despachos, administraciones) es un regreso a una cuestión fundamental, largamente descuidada: ¿cuál es realmente la quintaesencia de su cadena de valor? ¿Y cuál es la contribución medible de cada eslabón a esa cadena?

Cuando la IA absorbe el volumen, cuando los agentes asumen las tareas repetitivas, cuando las interfaces desaparecen, lo que queda visible, lo que queda justificable, es la contribución real. No el título. No la antigüedad. No el dominio de un software. El valor producido, medible, irremplazable.

Para algunos, es una liberación, por fin reconocidos por lo que aportan de verdad. Para otros, es una desnudez brutal, años de confort en roles cuyo valor estaba enmascarado por la complejidad de las herramientas y los procesos.

La pregunta ya no es « ¿sabes usar este software? » Es « ¿qué produces que la máquina no puede producir? »

Ya sea usted colaborador en un despacho de expertos contables, empleado público local, responsable informático en una administración o dirigente de una pyme que utiliza software de gestión, la realidad es la misma.

Habrá que aprender. No a usar un nuevo software. A trabajar con agentes, a configurarlos, a supervisarlos, a corregir sus errores, a identificar lo que no saben hacer. Esta competencia no es técnica en el sentido tradicional del término. Es una competencia de pilotaje, de vigilancia, de juicio.

Habrá que formalizar. Escribir lo que uno sabe hacer. Documentar los procesos. Explicitar las reglas de decisión que se aplican instintivamente desde hace años. Ese trabajo es ingrato, a menudo descuidado, siempre aplazado. Se vuelve urgente.

Habrá que elegir las dependencias. No todos los editores valen lo mismo frente a la transición a la IA. Algunos construyen arquitecturas abiertas, API accesibles, datos portables. Otros construyen fortalezas, datos cautivos, contratos que hacen imposible la migración, interfaces que enmascaran el dato en lugar de exponerlo. Elegir el editor de software es ahora tan estratégico como elegir al banquero.

Y habrá que aceptar que la lentitud es una elección, con sus consecuencias. Las organizaciones que esperan a que la transformación sea inevitable para prepararse no serán perdonadas. Simplemente estarán peor preparadas cuando lo inevitable llegue.

5. El advenimiento de la inteligencia divergente

Hay una ironía profunda en este vuelco, que pocos se atreven a formular.

Durante dos siglos, nuestros sistemas escolares fabricaron un ideal cognitivo muy preciso: pensamiento lineal, conformidad con los procedimientos, memorización, ejecución fiable y reproducible. Los alumnos que correspondían a este modelo triunfaban. Los demás quedaban apartados: los que pensaban en árbol en lugar de en secuencia, que hacían conexiones inesperadas, que se aburrían en las tareas repetitivas, que veían los sistemas antes que los detalles. Diagnosticados, reorientados, desalentados.

La IA acaba de volver obsoleto exactamente lo que el sistema valoraba. La lógica secuencial, la ejecución de procedimientos, la memorización de conocimientos codificados, es precisamente lo que hace mejor que cualquier humano, más rápido, sin fatiga, sin error.

Lo que resiste a la máquina son las cualidades que la escuela penalizó durante mucho tiempo: el pensamiento lateral, la capacidad de relacionar campos que nada relaciona a priori, la intuición sobre los sistemas complejos, la tolerancia a la ambigüedad, la sensibilidad a las señales débiles, la creatividad de recombinación. Cualidades sobrerrepresentadas entre los que llamamos neurodivergentes (personas dis, TDAH, alto potencial, perfiles autistas) que desarrollaron por necesidad, a menudo desde la infancia, modos de pensamiento alternativos para navegar en un mundo que no estaba hecho para ellos.

No es decir que los neurodivergentes vayan a « dominar » el mundo del mañana, sería demasiado simple y reductor. Es decir algo más fundamental: los criterios de valor cognitivo se están invirtiendo. Y ese vuelco rehabilita a millones de personas que el sistema apartó en favor de un modelo cartesiano hoy superado.

La IA estandariza la inteligencia conforme. Quizá libere por fin la inteligencia divergente.

Laurent Alexandre y Olivier Babeau plantean esta cuestión con una claridad brutal en Ne faites plus d'études: durante siglos, estudiar era la mejor inversión posible. Ese mundo ha muerto. La inteligencia se vuelve gratuita e infinitamente disponible. Lo que reclaman no es el fin del saber. Es el fin de un modelo de aprendizaje fundado en la conformidad y la reproducción, en favor de un aprendizaje exigente, permanente, profundamente personal.

Para los millones de asalariados que entran en esta transición, la pregunta no es « ¿cómo me adapto al software que viene? » Es más vertiginosa: ¿cuál es la forma de inteligencia que he desarrollado a pesar del sistema, y cómo ponerla al servicio de lo que la máquina nunca sabrá hacer?

6. La caída

El software tal como lo conocemos (la url, la pantalla de conexión, la contraseña que renovar, la identificación, las interfaces, los botones, el cuadro de mando) está desapareciendo como intermediario obligatorio. No es el fin del trabajo. No es el fin de las organizaciones. Es el fin de una cierta manera de hacerlas funcionar.

Los expertos contables que piensan que su software de nómina seguirá siendo el mismo dentro de cinco años quizá tengan razón sobre el software. Se equivocan sobre la interfaz y sobre el modelo económico que la acompaña.

Los empleados públicos que piensan que la transformación digital no les concernirá porque el sector público cambia lentamente quizá tengan razón sobre el tempo. Se equivocan sobre la trayectoria.

La marcha está en curso. No pregunta si usted está listo. Solo pregunta en qué estado la recibirá.

Estos artículos no tienen otro objeto que plasmar por escrito mis análisis, mis anticipaciones, y compartirlos. Gracias por tomarlos como tales. Con gusto leeré vuestros comentarios.

Serie « El fin del clic y la empresa sin costuras ». Artículo 4 de 4.

← Todos los artículos Contáctenos →

← News

Série « O fim do clique e a empresa sem costuras » · 4 / 4

SaaS e IA: o que resta quando tudo se apaga

por José Vazquez

6 de maio de 2026 · Ler o original no LinkedIn →

Três artigos para estabelecer o diagnóstico, ilustrar, refletir. Um último para concluir sem complacência.

O SaaSpocalypse deu um nome a algo que estava em curso há vários anos. Os mercados reagiram em poucas horas ao que as organizações levarão anos a integrar plenamente. Mas integrá-lo, terão de o fazer. Quer sejam uma sociedade de contabilidade, a direção financeira de uma autarquia, o departamento de TI de uma PME ou o serviço de RH de um grupo, a transformação não espera que estejamos prontos.

Este último artigo não propõe um roteiro tranquilizador. Propõe uma leitura lúcida do que está a jogar-se e do que é preciso fazer, à data de hoje, antes que isso mude e se torne caduco depois de amanhã.

1. Compreender o que realmente se desmorona

Sejamos francos: o modelo económico do SaaS por lugar está condenado. Não progressivamente mas estruturalmente. Quando um agente de IA executa o trabalho de dez utilizadores humanos sem ocupar uma única licença, o modelo de subscrição por cabeça deixa de fazer sentido. As editoras que não tiverem pivotado para uma tarifação ao uso ou ao valor produzido desaparecerão ou serão absorvidas por aquelas que o tiverem feito.

Não é uma hipótese. Já está em curso. A Atlassian perde lugares pela primeira vez na sua história. A Workday suprime postos nas suas próprias equipas. A Adobe fatura créditos generativos em vez de acessos humanos. A Salesforce lança o AgentForce, não para substituir o seu CRM, mas para que os agentes de IA « vivam » dentro dos seus dados. As grandes editoras compreenderam: o valor já não está na interface. Está no dado. Pressentíamo-lo mas não conseguíamos definir uma orientação para essa constatação. Materializávamo-lo à força de « datalake », e então? Nada.

As editoras que controlam o dado (a Cegid com os seus milhões de lançamentos contabilísticos, a Silae com as suas 600 000 empresas clientes, a Berger-Levrault com as suas décadas de dados da função pública) terão uma vantagem considerável. Não porque as suas interfaces sejam melhores. Porque os seus dados são insubstituíveis. Não o são pelo valor intrínseco de um conjunto de dados, mas pelas ações e pelas séries de ações que os geraram. Não é o « quê » e a sua interpretação subsequente que dá valor ao dado, mas o « como » ele foi produzido. É aí que se aninha o seu valor real. Quem controla o dado controla a transição e a sua exploração estratégica e comercial.

2. O que emerge, e a que preço?

A próxima camada de valor no ecossistema do software não será uma interface. Será uma competência encapsulada.

Um agente de IA genérico é poderoso. Um agente de IA que conhece as especificidades do processamento salarial dos contabilistas franceses, que integra as regras da contratação pública, que sabe como funciona uma assembleia municipal, esse agente vale infinitamente mais. E esse conhecimento, traduzido em instruções, em regras de decisão, em workflows de negócio, tornar-se-á um mercado por direito próprio.

Este mercado seguirá uma curva inevitável. Primeiro uma fase de escassez. Assim, as skills setoriais terão um valor forte, diferenciador, quase estratégico nos próximos dois anos.

Os primeiros que as produzirem e as venderem capturarão um valor considerável. Depois virá a banalização: as competências mais padronizadas serão absorvidas pelas grandes plataformas, integradas gratuitamente, banalizadas. Os preços desmoronar-se-ão na parte baixa do espectro. A regulação seguirá, como sempre seguiu as novas camadas tecnológicas, com um desfasamento de três a cinco anos.

Este ciclo é conhecido e previsível. Aconteceu com a web, com o móvel, com a nuvem. Aqueles que esperam a estabilização para agir chegarão sempre depois da redistribuição do valor.

3. O que resta: o essencial

Quando a interface de software desaparece, quando a lógica de negócio migra para as comunidades agênticas, quando o modelo por lugar se desmorona: o que resta?

Três coisas. Sempre as mesmas.

O dado. Limpo, estruturado, acessível, governado, supervisionado. A organização que não sabe onde estão os seus dados, que não os pode expor via API ou MCP, que os deixou fragmentar-se numa dezena de softwares compartimentados, essa organização não poderá implementar agentes de IA eficazes. Ficará dependente das editoras que, essas sim, controlam o dado. A soberania sobre os próprios dados já não é uma questão informática. É uma questão estratégica.

O processo. Formalizado, documentado, transmissível, auditável. Um agente de IA só pode aprender o que lhe é ensinado. Se os processos de negócio vivem na cabeça dos colaboradores, em hábitos não escritos, numa cultura oral, não poderão ser encapsulados.

Isto vai demorar tempo? Que dizer daqueles operários de fábrica indianos que usam câmaras montadas na cabeça para capturar dados com vista a treinar modelos de IA para a robótica?

As organizações que investiram na formalização dos seus métodos, das suas regras de gestão, do seu saber-fazer setorial, são as que tirarão o melhor partido dos agentes de IA. As outras produzirão agentes medíocres que reproduzirão aproximação e, no fim, desaparecerão. Quem se pode contentar com uma contabilidade pública ou privada aproximada?

O juízo humano. Insubstituível, não porque a máquina não possa decidir, mas porque certas decisões requerem uma responsabilidade que só um humano pode assumir. O diretor financeiro que arbitra uma despesa excecional. O contabilista que aconselha um dirigente em dificuldade. O trabalhador autárquico que acolhe um cidadão em situação de aflição. Esses momentos não se delegam a um agente de IA, e o seu valor aumentará à medida que o volume for absorvido pelas máquinas.

4. O que será preciso fazer, sem demora

Há quatro anos, havia um consenso mundial. Os governos, as empresas, os organismos de formação, os pais: toda a gente dizia a mesma coisa. Aprendam a programar. O código é o futuro. O código é o emprego. O código é a soberania.

Centenas de milhares de pessoas reconverteram-se. Investiram-se milhares de milhões em bootcamps, formações, certificações. Construíram-se políticas públicas inteiras sobre essa certeza.

Numa entrevista recente, Sebastian Siemiatkowski, o CEO da Klarna (esse mesmo que acaba de passar de 7 000 para 3 000 colaboradores sem recrutar, por simples atrição natural), diz agora publicamente que programa ele próprio, sem nunca ter sido engenheiro. Não porque aprendeu. Porque a IA programa no seu lugar, a seu pedido, em poucos segundos. Acrescenta, com uma lucidez que devia gelar o sangue, que em 2030 a Klarna terá provavelmente ainda menos de 2 000 empregados. Não porque a empresa esteja em declínio. Porque a inteligência está agora nas ferramentas.

O consenso de há quatro anos não era falso. Era simplesmente já obsoleto no momento em que se formou.

É a lição mais difícil desta transformação: os tempos de transição encurtam-se a uma velocidade que as nossas instituições, os nossos sistemas de formação, as nossas convenções coletivas, os nossos referenciais de profissão, as nossas políticas de emprego não são estruturalmente capazes de absorver. Formamos pessoas para profissões que se transformam mais depressa do que a duração da sua formação.

O que se impõe então a todas as organizações (empresas privadas, sociedades, autarquias) é um regresso a uma questão fundamental, longamente negligenciada: qual é realmente a essência da sua cadeia de valor? E qual é a contribuição mensurável de cada elo para essa cadeia?

Quando a IA absorve o volume, quando os agentes assumem as tarefas repetitivas, quando as interfaces desaparecem, o que resta visível, o que resta justificável, é a contribuição real. Não o título. Não a antiguidade. Não o domínio de um software. O valor produzido, mensurável, insubstituível.

Para alguns, é uma libertação, finalmente reconhecidos pelo que realmente trazem. Para outros, é uma desnudação brutal, anos de conforto em papéis cujo valor estava mascarado pela complexidade das ferramentas e dos processos.

A pergunta já não é « sabes usar este software? » É « o que produzes que a máquina não consegue produzir? »

Quer seja colaborador numa sociedade de contabilidade, trabalhador autárquico, responsável informático numa autarquia ou dirigente de uma PME que utiliza software de gestão, a realidade é a mesma.

Será preciso aprender. Não a usar um novo software. A trabalhar com agentes, a configurá-los, a supervisioná-los, a corrigir os seus erros, a identificar o que não sabem fazer. Esta competência não é técnica no sentido tradicional do termo. É uma competência de pilotagem, de vigilância, de juízo.

Será preciso formalizar. Escrever o que se sabe fazer. Documentar os processos. Explicitar as regras de decisão que se aplicam instintivamente há anos. Este trabalho é ingrato, muitas vezes negligenciado, sempre adiado. Torna-se urgente.

Será preciso escolher as dependências. Nem todas as editoras valem o mesmo face à transição para a IA. Algumas constroem arquiteturas abertas, API acessíveis, dados portáveis. Outras constroem fortalezas, dados cativos, contratos que tornam a migração impossível, interfaces que mascaram o dado em vez de o expor. Escolher a editora de software é agora tão estratégico como escolher o banqueiro.

E será preciso aceitar que a lentidão é uma escolha, com as suas consequências. As organizações que esperam que a transformação seja inevitável para se prepararem não serão poupadas. Estarão simplesmente pior preparadas quando o inevitável chegar.

5. O advento da inteligência divergente

Há uma ironia profunda nesta inversão, que poucos ousam formular.

Durante dois séculos, os nossos sistemas escolares fabricaram um ideal cognitivo muito preciso: pensamento linear, conformidade com os procedimentos, memorização, execução fiável e reproduzível. Os alunos que correspondiam a este modelo tinham sucesso. Os outros eram postos de lado: os que pensavam em árvore em vez de em sequência, que faziam ligações inesperadas, que se aborreciam nas tarefas repetitivas, que viam os sistemas antes dos detalhes. Diagnosticados, reorientados, desencorajados.

A IA acaba de tornar obsoleto exatamente aquilo que o sistema valorizava. A lógica sequencial, a execução de procedimentos, a memorização de conhecimentos codificados, é precisamente o que ela faz melhor do que qualquer humano, mais depressa, sem fadiga, sem erro.

O que resiste à máquina são as qualidades que a escola durante muito tempo penalizou: o pensamento lateral, a capacidade de ligar domínios que nada liga à partida, a intuição sobre os sistemas complexos, a tolerância à ambiguidade, a sensibilidade aos sinais fracos, a criatividade de recombinação. Qualidades sobrerrepresentadas entre aqueles a que chamamos neurodivergentes (pessoas dis, PHDA, alto potencial, perfis autistas) que desenvolveram por necessidade, muitas vezes desde a infância, modos de pensamento alternativos para navegar num mundo que não foi feito para eles.

Não é dizer que os neurodivergentes vão « dominar » o mundo de amanhã, seria demasiado simples e redutor. É dizer algo mais fundamental: os critérios de valor cognitivo estão a inverter-se. E essa inversão reabilita milhões de pessoas que o sistema pôs de lado em favor de um modelo cartesiano hoje ultrapassado.

A IA padroniza a inteligência conforme. Talvez liberte por fim a inteligência divergente.

Laurent Alexandre e Olivier Babeau colocam esta questão com uma clareza brutal em Ne faites plus d'études: durante séculos, estudar era o melhor investimento possível. Esse mundo morreu. A inteligência torna-se gratuita e infinitamente disponível. O que eles reclamam não é o fim do saber. É o fim de um modelo de aprendizagem fundado na conformidade e na reprodução, em favor de uma aprendizagem exigente, permanente, profundamente pessoal.

Para os milhões de trabalhadores que entram nesta transição, a pergunta não é « como me adapto ao software que aí vem? » É mais vertiginosa: qual é a forma de inteligência que desenvolvi apesar do sistema, e como pô-la ao serviço daquilo que a máquina nunca saberá fazer?

6. A queda

O software tal como o conhecemos (o url, o ecrã de conexão, a palavra-passe a renovar, a identificação, as interfaces, os botões, o painel de controlo) está a desaparecer como intermediário obrigatório. Não é o fim do trabalho. Não é o fim das organizações. É o fim de uma certa maneira de as fazer funcionar.

Os contabilistas que pensam que o seu software de processamento salarial será ainda o mesmo daqui a cinco anos talvez tenham razão quanto ao software. Enganam-se quanto à interface e quanto ao modelo económico que a acompanha.

Os trabalhadores autárquicos que pensam que a transformação digital não lhes dirá respeito porque o setor público muda lentamente talvez tenham razão quanto ao ritmo. Enganam-se quanto à trajetória.

A marcha está em curso. Não pergunta se está pronto. Só pergunta em que estado a acolherá.

Estes artigos não têm outro objetivo senão registar por escrito as minhas análises, as minhas antecipações, e partilhá-las. Obrigado por as tomarem como tal. Será um prazer ler os vossos comentários.

Série « O fim do clique e a empresa sem costuras ». Artigo 4 de 4.

← Todos os artigos Contacte-nos →