Las empresas de software empiezan a medir qué ganan con los agentes de IA y cuánto cuesta incorporarlos a su operación.
Una versión de software que antes requería 30 días hábiles pasó a entregarse en 15. Quipux registró esa diferencia al comparar cinco versiones de su producto Cobro Coactivo, antes y después de incorporar Innti, su plataforma de inteligencia artificial. El resultado incluye pruebas, revisión humana y correcciones.
La comparación abre una pregunta para el negocio del software: cómo aprovechar las horas que ahorra la IA y cuánto cuesta incorporarla a la operación.
Para una compañía que desarrolla tecnología, entregar más rápido puede abrir espacio para atender otros proyectos, ampliar el servicio o responder antes a un cliente. El beneficio depende también del gasto en modelos, infraestructura, capacitación y supervisión, además de la calidad del producto terminado.
Las experiencias de Quipux y Green SQA muestran cómo algunas empresas colombianas están haciendo esas cuentas. Sus voceros reportan mejoras operativas, aunque su alcance varía según la actividad y todavía no permite establecer cuánto se traduce en mayores márgenes o menores precios.
Cuánto cuesta incorporar agentes
Diego Villa, líder de IA de Quipux, y Julián López, director de Desarrollo Digital, explicaron a Forbes Colombia que compararon tres versiones de Cobro Coactivo desarrolladas sin Innti, con un promedio de 30 días hábiles cada una, y dos posteriores que tomaron 15 días en promedio.
Según los directivos, las versiones tenían especificaciones de complejidad similar. Las dos realizadas con Innti se entregaron en agosto y septiembre de 2026.
La comparación corresponde a ese producto durante un proceso de modernización que combina agentes y cambios en la organización del desarrollo. Describe lo ocurrido en esas versiones, sin establecer un porcentaje de mejora aplicable a todos los proyectos de Quipux.
Villa y López señalan que Innti comenzó a operar dentro de la organización en octubre de 2025. La plataforma conecta actividades de análisis de requerimientos, generación de código, automatización de pruebas y documentación.
El trabajo parte de una especificación de lo que necesita el negocio. Con esa información, la IA propone un plan que el desarrollador revisa y aprueba antes de continuar. Después genera código y apoya las pruebas, siguiendo las reglas técnicas de la compañía.
Los directivos reportan $120 millones correspondientes al equipo que diseñó, implementó y estabilizó la plataforma durante cuatro meses de 2025. La cifra comprende el trabajo del líder de IA, el responsable del proyecto y un consultor; excluye licencias e infraestructura.
Desde junio de 2026, Quipux tiene un techo de US$25.000 mensuales para consumo de modelos e infraestructura. Ese presupuesto cubre componentes tecnológicos de la operación, a los que se suma el trabajo de los profesionales que orientan y revisan los resultados.
Villa y López explican que registran el consumo por persona y equipo, seleccionan modelos según la tarea y reutilizan información procesada mediante mecanismos de caché. Según sus registros, en septiembre atendieron 1,03 millones de peticiones, frente a 722.000 en agosto, mientras el costo aumentó un 5%.
El dato muestra cuánto se utiliza la plataforma. Para evaluar su productividad, hay que mirar qué entregan los equipos, en cuánto tiempo y con qué calidad.
Al 22 de octubre, los directivos reportaban 610 personas que habían utilizado Innti desde su lanzamiento y 445 activas durante los 30 días anteriores. Las cifras separan a las personas de los sistemas que emplean la plataforma automáticamente.
En el plano comercial, Villa y López señalan que esa capacidad les permite ofrecer más funcionalidades y servicios. Sus respuestas no precisan cambios en tarifas o contratos asociados a la reducción de tiempos.
Qué recibe el cliente
Gustavo Valencia Rayo, director comercial de Green SQA, empresa especializada en aseguramiento de calidad de software, describe otra forma de aprovechar la eficiencia. La compañía conserva sus esquemas de cobro y utiliza el tiempo liberado para ampliar la cobertura de pruebas y la disponibilidad de los ingenieros asignados.
Según Valencia, esto permite que cada profesional atienda otras necesidades del proyecto sin que el cliente tenga que ampliar su equipo. El beneficio comercial se expresa en el alcance del servicio.
El directivo reporta que el tiempo promedio invertido por caso de prueba pasó de 2,2 horas en 2024 a 1,1 horas actualmente. El indicador reúne diferentes tipos y niveles de pruebas. Aclara que su complejidad varía y que la reducción no puede atribuirse exclusivamente a la inteligencia artificial.
En un proyecto, Green SQA también registró una disminución de 37,5 a 11 jornadas de trabajo de una persona para un ciclo de automatización de pruebas. La comparación mide el esfuerzo dedicado a la actividad, no los días calendario que duró el proyecto.
Valencia explica que utilizan agentes en análisis de requerimientos, diseño de pruebas, automatización y revisión de resultados. Los ingenieros mantienen las revisiones críticas y las decisiones de calidad. Los agentes pueden ejecutar algunas correcciones y escalar los casos que no resuelven satisfactoriamente.
La complejidad de las aplicaciones, la información disponible y la experiencia de quienes utilizan las herramientas influyen en el desempeño. De acuerdo con las respuestas de Green SQA, el tamaño de sus equipos y las contrataciones se han mantenido estables, mientras cambian las funciones.
La expectativa de crecer sin contratar
Estos casos ayudan a interpretar las aspiraciones recogidas por Fedesoft y Cenisoft en un sondeo realizado entre abril y mayo de 2026 a 104 empresas afiliadas del sector de software y tecnologías de la información.
El 32,7% reportó agentes de IA en operación. Entre los objetivos de implementación, el 88,46% señaló aumentar la productividad; el 61,54%, reducir costos, y el 50,96%, ampliar su capacidad sin nuevas contrataciones.
Ximena Duque, presidenta ejecutiva de Fedesoft, precisó a Forbes Colombia que este último porcentaje expresa una expectativa. También aclaró que las mejoras de productividad reportadas corresponden a estimaciones empresariales que el sondeo no exigió acompañar de soportes. El 30,77% indicó que aún no había medido el impacto de la IA.
Duque explicó que respondieron directivos de 104 empresas afiliadas al gremio, por lo que los resultados ofrecen una mirada sobre ese grupo, sin representar al conjunto de la industria colombiana.
Escribir código es una parte del trabajo
“Desarrollar software no es solo escribir código”, señala Juan David Gutiérrez, profesor asociado de la Escuela de Gobierno de la Universidad de los Andes y coordinador del grupo Inteligencia Artificial y Futuro de los Trabajos.
Entender lo que necesita el cliente, definir una solución y verificar que funcione siguen siendo actividades centrales. Una herramienta puede acelerar un producto intermedio sin reducir el tiempo necesario para completar el proyecto.
“Trabajar más rápido no necesariamente es una mejora”, advierte Gutiérrez. Para evaluar el efecto empresarial propone observar los resultados por producto, servicio y proceso, además de la relación entre ingresos y costos.
La evidencia internacional muestra beneficios con alcances específicos. Un estudio publicado en febrero de 2026 en Management Science reunió tres experimentos realizados en Microsoft, Accenture y una compañía de Fortune 100 cuya identidad se mantuvo reservada.
El estudio reunió datos de 4.867 desarrolladores y encontró que quienes tuvieron acceso a un asistente de programación completaron un 26,08% más de tareas.
La herramienta estudiada sugería código al programador; los agentes utilizados por las empresas colombianas participan en varias etapas del desarrollo. El aumento de tareas realizadas muestra una mejora en esa actividad, pero no permite saber cuánto ganó la empresa.
Jessica Baolin y Nathen Harvey, autores de un análisis publicado en marzo de 2026 por DORA, programa de investigación de Google Cloud, examinaron los hallazgos de una investigación basada en 1.110 respuestas abiertas de ingenieros de Google. Encontraron que generar código más rápido también exigía dedicar tiempo a revisarlo y comprobar que funcionara.
La medición exige distinguir actividad y resultados. En otro análisis de DORA, publicado en junio, el investigador Evan Conaway advirtió que el consumo de tokens —las unidades de información que procesan los modelos— no basta para evaluar la productividad de un equipo.
La discusión llega al contrato
La búsqueda de eficiencia empieza a reflejarse en las ofertas comerciales del sector. Globant presentó en agosto de 2026 Glob.AI, un modelo de servicios que vincula el precio a resultados producidos o consumo, en lugar de horas o puestos. Los servicios combinan agentes y supervisión de especialistas.
En el anuncio, Martín Migoya, CEO y cofundador de Globant, identificó el consumo innecesario de modelos y la supervisión manual sin estructura como parte de los costos que busca abordar esa propuesta.
El modelo muestra una alternativa para contratar tecnología. Su anuncio, por sí solo, no establece cuánto ahorran los clientes.
En Colombia, los casos consultados describen caminos diferentes. Villa y López, de Quipux, buscan convertir entregas más rápidas en más funcionalidades. Valencia, de Green SQA, plantea mantener el esquema de cobro y ofrecer mayor capacidad dentro de los proyectos.
El cliente necesita que el software llegue a tiempo y funcione bien. Para la empresa que lo desarrolla, el reto es aprovechar las horas ahorradas para atender más proyectos sin que los costos y las correcciones se coman esa ganancia.
La IA ya está ahorrando horas de trabajo. La siguiente prueba será ver si eso permite a las empresas ganar más, a sus clientes pagar menos o a ambos obtener un mejor servicio.
También le puede interesar: Dulces colombianos llegan a Halloween con nuevos mercados y menores exportaciones