Imagínese esto: está sentado en una sala de conferencias, a fracción de una presentación de un proveedor. La demostración parece sólida y el precio se ajusta muy perfectamente al presupuesto. El cronograma igualmente parece mediano. Todos asienten.

Estás fielmente a minutos de opinar que sí.

Entonces entra determinado de su equipo de finanzas. Ven la plataforma y fruncen el ceño. Unos minutos más tarde, te envían un mensaje en Slack: “En efectividad, preparé una traducción de esto la semana pasada. Me tomó 2 horas en Cursor. ¿Quieres echarle un vistazo?”

Prórroga… ¿qué?

Esta persona no codifica. Sabes con certeza que nunca han escrito una límite de JavaScript en toda su vida. Pero aquí están, mostrándole un prototipo pragmático en su computadora portátil que hace… prácticamente exactamente lo que propuso el proveedor. Claro, tiene algunas asperezas, pero funciona. Y no costó seis cifras. Sólo dos horas de su tiempo.

De repente, las suposiciones con las que entró (sobre cómo se desarrolla el software, quién lo fabrica y cómo se toman las decisiones al respecto) comienzan a desmoronarse.

El añoso entorno

Durante décadas, todas las empresas en crecimiento se hicieron la misma pregunta: ¿Deberíamos construirlo nosotros mismos o deberíamos comprarlo?

Y, durante décadas, la respuesta fue sobrado sencilla: Construya si es fundamental para su negocio; comprar si no lo es.

La método tenía sentido, porque construir era costoso y significaba pedir prestado tiempo a ingenieros con exceso de trabajo, redactar especificaciones, planificar sprints, cuidar infraestructura y prepararse para una larga nalgas de mantenimiento. La transacción fue más rápida. Más seguro. Pagaste por el apoyo y la tranquilidad.

Pero poco fundamental ha cambiado: la IA ha hecho que la construcción sea accesible para todos. Lo que antiguamente tomaba semanas ahora toma horas, y lo que solía requerir fluidez en un jerga de programación ahora requiere fluidez en un inglés sencillo.

Cuando el costo y la complejidad de la construcción colapsan de modo tan dramática, el antiguo entorno se derrumba con ellos. Ya no se alcahuetería de construir frente a comprar. Es poco extraño para lo que no hemos antagónico las palabras adecuadas.

Cuando el mercado no sabe lo que necesitas (todavía)

Mi empresa nunca planeó desarrollar tantas de las herramientas que utilizamos. Simplemente tuvimos que construir porque las cosas que necesitábamos no existían. Y, a través de ese proceso, desarrollamos esta comprensión visceral de lo que en realidad queríamos, lo que era útil y lo que podía o no hacer. No lo que los proveedores nos dijeron que necesitábamos o lo que los informes de los analistas decían que deberíamos querer, sino lo que en realidad movió la jeringuilla en nuestro negocio.

Descubrimos qué problemas valía la pena resolver y cuáles no, dónde la IA creaba una influencia existente y dónde era solo ruido. Y sólo entonces, una vez que tuvimos esa claridad ganada con tanto esfuerzo, comenzamos a comprar.

En ese momento, sabíamos exactamente lo que estábamos buscando y podíamos distinguir entre sustancia y marketing en unos cinco minutos. Hicimos preguntas que pusieron nerviosos a los vendedores porque ya habíamos creado una traducción rudimentaria de lo que vendían.

Cuando cualquiera puede construir en minutos

La semana pasada, determinado de nuestro equipo de CX notó algunos comentarios de los clientes sobre un error en Slack. Sólo una pequeña queja de un cliente, carencia importante. En otra empresa, esto habría generado un ticket de soporte y habrían esperado a que determinado más lo manejara, pero eso no es lo que sucedió aquí. Abrieron Cursor, describieron el cambio y dejaron que AI escribiera la decisión. Luego enviaron una solicitud de cuna que ingeniería revisó y fusionó.

Solo 15 minutos luego de que apareciera esa queja en Slack, la decisión estaba en producción.

La persona que hizo esto no es técnica en lo más insignificante. Dudo que puedan decirte la diferencia entre Python y JavaScript, pero resolvieron el problema de todos modos.

Y ese es el punto.

La IA se ha vuelto tan buena generando código relativamente simple que maneja el 80% de los problemas que solían requerir una reunión de planificación de sprint y dos semanas de tiempo de ingeniería. Está borrando la frontera entre lo técnico y lo no técnico. El trabajo que solía ser un obstáculo para la ingeniería ahora lo realizan las personas más cercanas al problema.

Esto está sucediendo ahora mismo en empresas que en realidad están prestando atención.

La inversión que está sucediendo

Aquí es donde se vuelve fascinante para los líderes financieros, porque la IA en realidad ha invertido toda la método estratégica de la osadía de construir frente a comprar.

El maniquí antiguo decía poco como:

1. Detallar la condición.

2. Decide si construir o comprar.

Pero detallar la condición tomó una cielo y requirió una profunda experiencia técnica, o gastaría patrimonio mediante implementaciones de proveedores de prueba y error. Te sentarías a ver innumerables demostraciones, tratando de imaginar si esto en realidad resolvió tu problema. Luego negociaría, implementaría, trasladaría todos sus datos y flujos de trabajo a la nueva aparejo y seis meses y seis cifras luego descubriría si (o no) en realidad tenía razón.

Ahora, toda la secuencia cambia:

1. Construya poco vaporoso con IA.

2. Úselo para comprender lo que en realidad necesita.

3. Luego decide si comprar o no (y sabrás exactamente por qué).

Este enfoque le permite ejecutar experimentos controlados. Averiguas si el problema siquiera importa. Descubre qué funciones ofrecen valía y cuáles se ven perfectamente en las demostraciones. Entonces vas de compras. En división de dejar que un proveedor foráneo le venda cuál es la condición, usted puede acechar si en realidad tiene esa condición en primer división.

Piense en cuántas compras de software ha realizado que, en retrospectiva, resolvieron problemas que en efectividad no tenía. ¿Cuántas veces has pasado tres meses desde una implementación y has pensado: “Prórroga, ¿esto en realidad nos está ayudando o simplemente estamos tratando de documentar lo que gastamos?”

Ahora, cuando compras, la pregunta es: “¿Esto resuelve el problema mejor que lo que ya demostramos que podemos construir?”

Ese replanteamiento cambia toda la conversación. Ahora se presenta informado a las llamadas de los proveedores. Hace preguntas más agudas y negocia desde una posición de fortaleza. Lo más importante es que evitará el error más costoso en el software empresarial: resolver un problema que nunca tuvo.

La trampa que debes evitar

A medida que surge esta nueva capacidad, observo cómo las empresas corren en la dirección equivocada. Saben que necesitan ser nativos de la IA, por lo que se van de compras. Buscan herramientas impulsadas por IA y llenan su pila con productos que tienen integraciones GPT, interfaces de legatario de chatbot o “IA” incorporadas al sitio de marketing. Creen que se están transformando, pero no es así.

Recuerde lo que el físico Richard Feynman llamó ciencia del culto a la carga? Luego de la Segunda Eliminación Mundial, los isleños del Pacífico Sur construyeron pistas de aterrizaje y torres de control falsas, imitando lo que habían trillado durante la enfrentamiento, con la esperanza de que regresaran aviones llenos de carga. Tenían todas las formas exteriores de un aeropuerto: torres, auriculares e incluso personas que imitaban a los controladores de revoloteo. Pero ningún avión aterrizó porque la forma no era la función.

Eso es exactamente lo que está sucediendo con la transformación de la IA en las salas de juntas de todo el mundo. Los líderes están comprando herramientas de inteligencia químico sin preguntarse si cambian significativamente la forma en que se realiza el trabajo, a quién empoderan o qué procesos desbloquean.

Han construido la pista de aterrizaje, pero los aviones no aparecen.

Y todo el mercado está básicamente preparado para hacerte caer en esta trampa. Ahora todo se tilda de IA, pero a nadie parece importarle lo que en realidad hacen estos productos. Cada producto SaaS ha incorporado un chatbot o una función de autocompletar y le ha colocado una ritual de IA, y la ritual ha perdido todo significado. Es sólo una casilla de demostración que los proveedores creen que deben marcar, independientemente de si crea valía existente para los clientes.

la fLa nueva superpotencia del equipo de finanzas.

Esta es la parte que me entusiasma acerca de lo que los equipos de finanzas pueden hacer ahora. Ya no tienes que adivinar. No es necesario suponer seis cifras en una baraja de ventas. Puede probar cosas y, de hecho, asimilar poco antiguamente de comprar.

Esto es lo que quiero opinar: si está evaluando software de administración de proveedores, cree un prototipo del flujo de trabajo central con herramientas de inteligencia químico. Descubra si está resolviendo un problema de herramientas o un problema de proceso. Averigüe si necesita algún software.

Esto no significa que construirás todo internamente; por supuesto que no. La mayoría de las veces, terminarás comprando, y eso está totalmente perfectamente, porque las herramientas empresariales existen por buenas razones (escalera, soporte, seguridad y mantenimiento). Pero ahora comprarás con los fanales perfectamente abiertos.

Sabrás cómo es “bueno”. Aparecerá en demostraciones que ya comprenden los casos extremos y sabrá en aproximadamente 5 minutos si en realidad entienden su problema específico. Lo implementarás más rápido. Negociará mejor porque no dependerá completamente de la decisión del proveedor. Y lo elegirás porque es en realidad mejor que lo que podrías construir tú mismo.

Ya habrás trazado la forma de lo que necesitas y solo estarás buscando la mejor traducción.

El nuevo dechado

Durante abriles, el mantra fue: construir o comprar.

Ahora es más elegante y mucho más inteligente: cree para entender qué comprar.

Y no es un estado futuro. Esto ya está sucediendo. En este momento, en algún división, un representante de un cliente está utilizando IA para solucionar un problema de producto que detectó hace unos minutos. En otro división, un equipo de finanzas está creando prototipos de sus propias herramientas analíticas porque se han legado cuenta de que pueden iterar más rápido de lo que pueden redactar los requisitos de ingeniería. En algún división, un equipo se está dando cuenta de que la frontera entre lo técnico y lo no técnico siempre fue más cultural que fundamental.

Las empresas que adopten este cambio se moverán más rápido y gastarán de forma más inteligente. Conocerán sus operaciones más profundamente que cualquier proveedor. Cometerán menos errores costosos y comprarán mejores herramientas porque en realidad entienden qué hace que las herramientas sean buenas.

Las empresas que se apegan al añoso manual seguirán escuchando propuestas de proveedores, aceptando propuestas económicas. Debatirán los cronogramas y seguirán confundiendo presentaciones profesionales con soluciones reales.

Hasta que determinado de su propio equipo abre su computadora portátil y dice: “Anoche construí una traducción de esto. ¿Quieres verla?”, y les muestra poco que construyeron en dos horas y que hace el 80% de lo que están a punto de retribuir seis cifras.

Y así, las reglas cambian para siempre.

Siqi Chen es cofundador y director ejecutor de Runway.

Lea más de nuestro escritores invitados. ¡O considere mandar una publicación propia! Vea nuestro pautas aquí.