Al considerar la inteligencia artificial aplicada en los negocios, existen muchos enfoques: identificar oportunidades en el mercado, resolver problemas de los clientes, impresionar a los interesados o pronosticar tendencias futuras—donde juega un papel el liderazgo de pensamiento. Alternativamente, uno podría emplear jerga de la industria, discutiendo IA en contextos SaaS B2B, retorno de inversión en compras o estrategias complejas que involucran destilación de modelos, pero la claridad es más valiosa. Un enfoque actual en las discusiones sobre retorno de inversión es el mercado "vertical". Contrario a lo que el término podría implicar lingüísticamente—un mercado que se expande “hacia arriba” como un rascacielos—, un mercado vertical se refiere a un sector especializado que atiende a un nicho empresarial específico. Como explica Julie Young de Investopedia, los mercados verticales apuntan a grupos concretos de clientes con productos/servicios adaptados, como software diseñado exclusivamente para hospitales o firmas financieras. Este enfoque permite una mayor especialización y, potencialmente, márgenes más altos, aunque el tamaño limitado del mercado y las barreras de entrada elevadas significan tanto oportunidades como una competencia más intensa. Para simplificar: un mercado vertical significa que un negocio se enfoca en un solo tipo de cliente; por ejemplo, crear software únicamente para hospitales en lugar de para todas las industrias. Esta especialización ofrece mejor comprensión del cliente pero con menos compradores y mayores desafíos. El “software vertical” sirve a estos sectores definidos en múltiples niveles—como los sistemas de gestión hospitalaria diseñados específicamente para proveedores de salud. En un panel reciente en Stanford titulado “IA aplicada: convertir industrias en motores de innovación”, los expertos Sri Pangular (Mayfield), Bratin Saha (DigitalOcean), Lisa Dolan (Link Ventures) y Philip Rathle (Neo4J) discutieron el papel de la IA en la automatización de flujos de trabajo y tareas de conocimiento en los verticales. Dolan resaltó los modelos tradicionales de capacitación de empleados—donde los juniors dominan tareas básicas antes de avanzar—y propuso reflejar este enfoque en la capacitación de agentes de IA para generar confianza empresarial y facilitar una implementación más amplia en diferentes industrias. Saha hizo énfasis en la IA generativa y los grandes modelos de lenguaje (LLMs) como avances que permiten automatizar dominios de conocimiento de alto costo, como la salud, las finanzas y los servicios legales, desbloqueando ROI a través de la reducción de costos.

Rathle señaló que, aunque los ahorros son significativos en procesos rutinarios, el verdadero valor reside en aplicaciones centrales críticas donde las respuestas de calidad son esenciales, ya que los errores pueden ser costosos. Dolan indicó que los esfuerzos de automatización centrados en sistemas aislados como los CRM son menos transformadores que aquellos dirigidos a procesos centralizados, reconociendo la naturaleza gradual del progreso. Respecto a precios, Rathle instó a las empresas a decidir entre enfoques horizontales (más amplios) o verticales (especializados). El software vertical, al estar más cercano a los clientes finales, puede valorar en función del valor creado, a diferencia de los modelos tradicionales basados en licencias por usuario. Dolan observó un cambio de precios por asiento a precios por rendimiento, haciendo hincapié en que las empresas deben gestionar la relación con el cliente y el flujo de trabajo para mejorar los modelos de IA de manera iterativa. Rathle estuvo de acuerdo, advirtiendo que cobrar por agentes de IA como si fueran asientos humanos no es sostenible, ya que a los compradores no les gusta ese enfoque. Sobre el papel evolutivo de la IA, Saha describió un espectro que va desde IA como herramienta hasta convertirse en un colega de confianza. Al principio, la IA ayuda con tareas, pero con mayor confianza y delegación, eventualmente asume responsabilidades importantes, pudiendo llevar a las organizaciones a que los humanos gestionen múltiples agentes de IA. En resumen, el impacto de la IA en los negocios implica aumentar la automatización, desarrollar agentes de IA sofisticados, análisis de ahorro de costos y modelos de colaboración en evolución. A medida que la tecnología de IA madura, las empresas deben aprovecharla con prudencia, equilibrando innovación, creación de valor e integración sostenible en los mercados verticales y más allá.