La inteligencia artificial está transformando radicalmente cómo las empresas gestionan sus operaciones internas. Mientras plataformas como ServiceNow, Jira y Freshworks agregan capacidades de IA a sus ecosistemas existentes, nuevos actores como Serval están reimaginando completamente la automatización empresarial desde sus cimientos. El punto de inflexión no es simplemente que las máquinas puedan generar código a partir de instrucciones en lenguaje natural, sino que los sistemas de IA ahora pueden identificar, proponer y ejecutar automaciones antes de que un empleado siquiera sepa que existe un problema.
La diferencia estratégica es profunda. Los ERP y plataformas de gestión de servicios tradicionales como SAP, Oracle NetSuite y Odoo fueron diseñados en torno a la idea de que los usuarios humanos reportan problemas, crean tickets y gestionan flujos de trabajo. Serval plantea una premisa distinta: ¿y si el sistema pudiera observar continuamente tus operaciones, anticipar problemas recurrentes y proponer soluciones antes de que alguien levante la mano? Con su nuevo agente “Catalyst”, la empresa está demostrando que un sistema de IA puede examinar historial de tickets, procedimientos operativos estándar e instrucciones en lenguaje natural, identificar patrones de trabajo repetitivo, y luego construir automáticamente los flujos de trabajo, formularios, políticas de acceso y dashboards necesarios para resolver esos problemas a escala. Más aún, puede crear agentes de fondo que inspeccionan continuamente sistemas conectados en busca de problemas emergentes y proponen correcciones incluso antes de que un empleado abra un ticket.
Este enfoque representa una amenaza implícita para los proveedores establecidos. ServiceNow, con su Build Agent, ya puede traducir instrucciones en lenguaje natural en aplicaciones de pila completa y flujos de trabajo. Atlassian y Freshworks están agregando capacidades similares a sus plataformas. Pero Serval sostiene que su verdadera ventaja competitiva no radica en poder construir automaciones con IA, sino en hacer que el propio ciclo de vida de la automatización sea agentico. Un administrador comienza con un único prompt, y el sistema no solo genera un flujo de trabajo de grado empresarial, sino que además crea agentes de fondo que continúan buscando nuevas oportunidades de automatización. En Ramp, por ejemplo, Catalyst aceleró la construcción de flujos un 50%, permitiendo que equipos fuera de IT —finanzas, recursos humanos, operaciones— automáticamente realizaran tareas que antes requerían especialistas en tecnología.
¿Cuál es el impacto para Latinoamérica y sus empresas? La región enfrenta desafíos únicos en adopción tecnológica. Muchas organizaciones medianas y grandes dependen de SAP, Odoo u otros ERP que acumulan años de personalizaciones, reglas de negocio propietarias y conocimiento técnico compartimentalizado. Cambiar un flujo de trabajo simple en estos sistemas puede ser sorprendentemente costoso porque requiere especialistas que comprendan capas de lógica personalizadas. Una plataforma como Serval, que puede leer documentación existente, examinar el historial de operaciones y generar automáticamente las integraciones necesarias, ofrece una alternativa más accesible para empresas que no quieren iniciar un proyecto de transformación digital masivo. Además, en mercados donde el talento especializado en IT es escaso y costoso, la capacidad de que equipos no técnicos usen Catalyst para automatizar procesos de recursos humanos, finanzas y operaciones crea oportunidades inmediatas de mejora de productividad. Las empresas latinoamericanas que adopten estos sistemas de IA agentica podrían diferenciarse significativamente de la competencia regional, especialmente en sectores como fintech, logística y servicios compartidos.
Para empresarios e inversores, el mensaje es claro: estamos en un momento de transición en la industria de software empresarial. Las plataformas que históricamente han dominado —ServiceNow, SAP, Odoo— están añadiendo IA a sistemas diseñados hace décadas. Los nuevos entrantes están construyendo desde cero con IA como el material fundacional. El ganador probablemente no será quien tenga el modelo de lenguaje más sofisticado, sino quien comprenda mejor cómo hacer que esos modelos trabajen dentro de marcos de gobernanza empresarial, con controles de permisos adecuados, integración profunda con sistemas existentes y una interfaz administrativa lo suficientemente simple como para que no requiera especialistas. Para las empresas en Latinoamérica, esto significa que las decisiones sobre plataformas de automatización y gestión de servicios tomarán una nueva urgencia en los próximos 18-24 meses. La ventaja de adopción temprana será significativa, pero también lo será el riesgo de elegir una plataforma que no pueda escalar con las ambiciones agenticas de IA. Por último, inversores que observen esta evolución deberían enfocarse en empresas que no simplemente “añaden IA a lo antiguo”, sino que reimaginan los flujos operativos desde la perspectiva de sistemas que actúan, aprenden y mejoran de forma continua sin intervención humana constante.
