La financiación Serie B de Ema eleva la apuesta para el software empresarial y los servicios de TI
Ema ha recaudado 77 millones de dólares en una ronda de financiación Serie B para llevar sus agentes de IA más profundamente a las operaciones corporativas de RR. HH., TI y finanzas. La ronda proporciona a la startup más capital para afrontar directamente a los proveedores de software empresarial y las firmas de servicios de TI.
La financiación Serie B de Ema fue liderada por Creaegis. Los inversores existentes Accel, Section 32 y Prosus aumentaron sus participaciones, elevando la financiación total de Ema a 140 millones de dólares. La compañía afirma que su valoración se ha más que cuadruplicado desde su ronda anterior en 2024, aunque rechazó revelar la nueva cifra.
La historia importante no es solo el tamaño de la ronda. Ema quiere que sus agentes completen trabajo entre aplicaciones existentes, reduciendo la necesidad de que los empleados naveguen manualmente por cada sistema. Si ese modelo se consolida, las aplicaciones de software corren el riesgo de convertirse en bases de datos bajo una capa de flujos de trabajo controlada por IA.
Esto genera presión sobre dos modelos de negocio establecidos. Los proveedores de software venden acceso a aplicaciones mediante licencias y puestos. Las firmas de servicios de TI obtienen ingresos implementando, integrando y operando esas aplicaciones. Ema intenta absorber partes de ambos negocios en un sistema cuyo precio se basa en tareas completadas y resultados empresariales.
La financiación Serie B de Ema convierte una apuesta de producto en un impulso comercial
El nuevo capital lleva a Ema de demostrar su producto a vender un modelo operativo alternativo para el trabajo empresarial.
La financiación anunciada el 23 de septiembre consiste íntegramente en capital primario, según el relato de la empresa sobre la ronda de financiación de Ema. Esto significa que los ingresos se destinan al negocio, en lugar de pagar a accionistas tempranos o refinanciar deuda.
Ema planea destinar gran parte del dinero a ventas, marketing y expansión internacional. La compañía de Mountain View se ha concentrado principalmente en clientes de Estados Unidos y Europa. Ahora planea dirigirse a organizaciones de Asia-Pacífico, Sudamérica y partes de Oriente Medio.
Este cambio importa porque Ema dedicó sus primeros años a desarrollar la plataforma y establecer implementaciones. Ahora emplea a casi 200 personas, con oficinas en Bengaluru, Londres y Vancouver, además de su sede de California. Una organización comercial más amplia da a la empresa mayor capacidad para competir por grandes contratos empresariales de ciclo lento.
Ema fue fundada en 2023 por el CEO Surojit Chatterjee y el líder de ingeniería Souvik Sen. Chatterjee ocupó anteriormente puestos directivos en Google y Coinbase, mientras que Sen trabajó en Google y Okta. La empresa salió del modo sigiloso en 2024 con la ambición de construir un empleado de IA universal.
Su producto original combinaba un motor de flujos de trabajo con EmaFusion, un sistema diseñado para elegir entre distintos modelos de lenguaje. La estrategia quedó patente en el lanzamiento de Ema en 2024, cuando la empresa presentó la elección de modelos como un componente de una plataforma más amplia de automatización empresarial.
La última ronda impulsa esa tesis. Ema afirma que su plataforma ahora puede recurrir a más de 150 modelos de frontera y de código abierto. Los combina con integraciones, conocimiento del dominio, controles de permisos y coordinación de agentes.
La empresa denomina a los sistemas resultantes “empleados de IA”. En términos prácticos, los agentes de IA de Ema son procesos de software que planifican y ejecutan trabajo de varios pasos entre varias aplicaciones empresariales. Pueden recuperar registros, actualizar sistemas, comprobar resultados, solicitar aprobaciones y derivar casos inusuales a personas.
Esto difiere de un chatbot que responde una pregunta a la vez. Un empleado que pregunta por la baja parental podría necesitar información de un repositorio de políticas, datos de elegibilidad de un sistema de RR. HH. y un flujo de aprobación. La propuesta de Ema es que una única experiencia de agente pueda coordinar esos pasos sin obligar al empleado a visitar cada aplicación.
La empresa también ha lanzado productos diseñados específicamente para RR. HH., TI y finanzas. Ese empaquetado reduce la distancia entre una plataforma general de agentes y una aplicación empresarial desplegable. Ofrece a los compradores flujos de trabajo predefinidos, al tiempo que mantiene una capa común de orquestación entre departamentos.
Ema afirma que seguirá invirtiendo en esa plataforma junto con su expansión comercial. El equilibrio importa. Contratar vendedores puede aumentar el volumen de contratos, pero los clientes empresariales juzgarán el sistema por su fiabilidad, seguridad, gobernanza y resultados operativos medibles.
Por tanto, la financiación Serie B de Ema marca una transición, no una victoria. Los inversores respaldan a la compañía para que replique sus primeras implementaciones en más organizaciones y regiones. La siguiente etapa exige convertir la tracción comunicada en un uso productivo duradero.
Por qué los agentes de IA empiezan a presionar los puestos de software
La apuesta central de Ema es que las empresas pagarán por trabajo completado en lugar de pagar principalmente por acceso a aplicaciones independientes.
El software empresarial tradicional organiza el trabajo en torno a sistemas de registro. Una empresa compra una aplicación para recursos humanos, otra para gestión de servicios, otra para finanzas y productos adicionales para colaboración, analítica y aprobaciones.
Los empleados deben aprender cada interfaz y entender cómo se mueve la información entre ellas. Después, las empresas pagan a consultores, integradores de sistemas y equipos internos para conectar las aplicaciones. Esta estructura genera ingresos recurrentes para los proveedores de software y trabajo continuo de implementación para las firmas de servicios.
El software empresarial de Ema no elimina de inmediato esos sistemas subyacentes. Primero se sitúa sobre ellos, utilizando integraciones para leer información y realizar acciones autorizadas. El agente se convierte en la interfaz, mientras las aplicaciones establecidas siguen almacenando los registros oficiales.
Chatterjee sostiene que esta estructura puede acabar reduciendo la dependencia de grandes suites de software. Dijo a TechCrunch que algunos clientes avanzan hacia la sustitución de ciertas aplicaciones SaaS porque esos productos se están convirtiendo “en una base de datos”.
Esa afirmación describe la posible inversión del sector. Las aplicaciones empresariales antes controlaban tanto los datos como la experiencia de usuario. Los agentes de IA pueden separar esas capas, permitiendo a los trabajadores solicitar un resultado mientras el agente decide qué sistemas utilizar.
Las consecuencias van más allá del diseño de interfaces. La fijación de precios por puesto asume que los usuarios obtienen valor al iniciar sesión en una aplicación. Cuando un agente realiza el trabajo para muchos empleados, la relación entre puestos, uso y valor se debilita.
Ema afirma que no cobra según los puestos de software ni los tokens de IA consumidos. Sus precios están vinculados a la finalización de tareas y a los resultados empresariales. Este modelo busca alinear el gasto con el trabajo realizado, aunque los clientes siguen necesitando definiciones claras de resultados satisfactorios, excepciones y resultados disputados.
El cambio también modifica cómo los compradores comparan proveedores. Un proceso convencional de compras podría evaluar software de RR. HH. frente a otras suites de RR. HH. Una plataforma de agentes plantea si una empresa necesita otra aplicación completa o si una capa de orquestación puede completar el flujo de trabajo necesario utilizando datos existentes.
Por eso el desafío de Ema va más allá de una categoría de software. La plataforma abarca soporte a empleados, gestión de servicios de TI, operaciones financieras y otros procesos internos. El éxito en un departamento puede abrir una vía hacia flujos de trabajo adyacentes.
Ema afirma que más del 90 % de sus clientes se han expandido más allá de su caso de uso inicial. Algunos, según se informa, utilizan la plataforma en decenas de flujos de trabajo. La empresa también informa de una retención neta de ingresos cercana al 180 %, lo que significa que los clientes existentes aumentaron sustancialmente su gasto con el tiempo.
Estas cifras siguen siendo datos comunicados por la empresa, y Ema no ha revelado su tasa anualizada de ingresos. Aun así, el patrón de expansión importa más que una única demostración. Los agentes empresariales se vuelven estratégicamente significativos cuando un comprador reutiliza la misma plataforma entre departamentos.
El momento también refleja mejoras fuera de Ema. Los modelos de frontera han mejorado en razonamiento, uso de herramientas y mantenimiento del contexto en tareas de varios pasos. Los proveedores de nube y los proveedores de software han ampliado los conectores y los marcos de permisos en torno a esos modelos.
Al mismo tiempo, los grandes desarrolladores de IA se acercan a los flujos de trabajo empresariales. Anthropic ha presentado agentes e integraciones para tareas como investigación financiera, cumplimiento y reportes de cierre mensual. Sus plantillas de agentes financieros muestran cómo los proveedores de modelos pueden empaquetar por sí mismos trabajo específico de un dominio.
OpenAI ha avanzado más en los servicios de implementación. Su empresa de despliegue integra ingenieros en organizaciones de clientes y aporta experiencia de implementación junto con sus modelos. Ese enfoque compite por gasto que antes fluía principalmente hacia firmas de consultoría e integradores de sistemas.
Chatterjee presenta a estas empresas de modelos como proveedores, no como competidores directos. Dado que Ema puede dirigir el trabajo entre muchos modelos, las mejoras de los laboratorios de IA pueden aumentar las capacidades de su plataforma. Sin embargo, esos laboratorios también pueden construir sus propios productos de agentes, integraciones y servicios.
Por ello, la frontera competitiva es cambiante. Ema se beneficia cuando mejoran los modelos, pero debe retener suficiente valor en la orquestación, la gobernanza, el conocimiento del dominio y la ejecución de flujos de trabajo. De lo contrario, los proveedores de modelos o las empresas de software establecidas pueden absorber las mismas funciones.
La principal contienda enfrenta a los agentes con la pila de software intensiva en servicios
Ema compite con un modelo combinado de software y servicios, no simplemente con otra startup de agentes de IA.
Las grandes empresas rara vez compran software como un producto independiente. También pagan por configuración, migración de datos, integraciones personalizadas, trabajo de cumplimiento, formación de empleados y soporte continuo. Estos servicios pueden prolongarse mucho después de la firma del contrato de la aplicación original.
La propuesta de Ema comprime partes de esa pila. Sus agentes están diseñados para trabajar entre sistemas existentes, aprender de las implementaciones y completar procesos recurrentes con menos intervención humana. La empresa sostiene que esto puede reducir tanto la dependencia de aplicaciones como el trabajo de implementación intensivo en servicios.
El ejemplo más claro es el soporte de TI. Una mesa de servicio convencional puede recibir un ticket, clasificarlo, buscar documentación, comprobar los permisos del usuario, actualizar un sistema y escalar el caso. Un agente que gestione esos pasos puede reducir el número de tickets rutinarios que llegan a las personas.
Ema afirma que un gran integrador global de sistemas utiliza su asistente para empleados para más de 240.000 asociados en 65 países. Según las cifras de implementación de la empresa, el sistema automatiza más de 100 flujos de trabajo y gestiona alrededor de 2,9 millones de consultas anuales.
La empresa afirma que esa implementación redujo los tiempos de respuesta, mejoró la satisfacción de los empleados, evitó cerca del 60 % de los tickets y permitió al equipo de operaciones de personal operar con menos personal. Estas son mediciones de Ema, no cifras de rendimiento auditadas de forma independiente.
Otra implementación comunicada gestiona más de 1 millón de tickets anuales de gestión de servicios de TI para un gran proveedor de externalización de procesos empresariales. Ema afirma que el sistema de voz asociado procesa más de 1 millón de llamadas en más de 15 idiomas, con menos del 10 % escaladas a personas.
Un tercer cliente, descrito como un conglomerado global, habría pasado del concepto a producción en cuatro semanas. Ema afirma que el despliegue se conectó con más de 20 sistemas de registro y presta servicio a más de 40.000 empleados.
Estos ejemplos ilustran por qué los proveedores de servicios afrontan una decisión compleja. Pueden tratar a los agentes como competidores que automatizan trabajo facturable. También pueden utilizar plataformas de agentes para atender a los clientes con mayor eficiencia, proteger cuentas y crear nuevas ofertas de implementación.
Chatterjee afirma que muchas empresas de servicios ya están trabajando con Ema mientras transforman sus propios modelos de negocio. Esa cooperación tiene sentido porque las empresas aún necesitan diseño de procesos, gobernanza, integración y cambio organizativo. La IA no elimina esos requisitos.
La presión recae con mayor intensidad sobre el trabajo repetible facturado mediante grandes equipos. Si un agente puede resolver solicitudes comunes, conciliar registros rutinarios o realizar comprobaciones estándar, los clientes cuestionarán contratos basados principalmente en el volumen de mano de obra.
Sin embargo, la relación de servicios podría persistir de una forma diferente. Los agentes requieren controles de acceso, sistemas de evaluación, reglas de escalado y supervisión. Las organizaciones reguladas también necesitan evidencias que muestren a qué datos accedió un agente y por qué realizó una acción concreta.
Algunas empresas de modelos reconocen explícitamente esa realidad. Anthropic, por ejemplo, se ha asociado con un importante proveedor de TI para integrar Claude en sistemas utilizados por industrias reguladas. La alianza con DXC incluye planes para formar ingenieros desplegados en campo, en lugar de eliminar por completo el trabajo de servicios.
Por tanto, Ema debe demostrar que su enfoque centrado en el producto reduce la dependencia de servicios personalizados sin limitarse a trasladar esos servicios a otro lugar. Una plataforma que requiera una amplia configuración manual para cada cliente debilitaría su argumento económico.
El margen bruto comunicado ofrece una primera señal. Ema afirma que su margen se acerca al 80 %, pese a realizar trabajos comúnmente asociados con servicios intensivos en mano de obra. Chatterjee atribuye ese nivel, en parte, a la reducción del soporte humano a medida que el sistema aprende de los despliegues.
Los inversores parecen creer que la plataforma puede conservar una economía propia del software al tiempo que aborda cargas de trabajo propias de los servicios. Creaegis lideró la ronda, mientras que todos los principales inversores existentes participaron con un compromiso mayor.
Eso no resuelve la competencia. Los contratos empresariales pueden ocultar costes significativos de despliegue, ingeniería específica para cada cliente y gastos de inferencia en la nube. Un margen bruto declarado elevado debe mantenerse estable a medida que la empresa entra en más regiones, sectores y flujos de trabajo complejos.
Ema también se enfrenta a empresas de agentes bien financiadas. Sierra se centra en gran medida en el trabajo de cara al cliente y afirma que sus agentes gestionan miles de millones de interacciones. Una ronda de financiación de Sierra de la que se informó valoró a esa empresa por encima de los 15.000 millones de dólares.
Otros competidores se especializan en atención al cliente, sistemas de voz, flujos de trabajo departamentales o infraestructura para agentes. Proveedores consolidados como Microsoft, Salesforce, ServiceNow, Workday y SAP pueden incorporar agentes dentro de productos en los que los clientes ya confían.
La ventaja de Ema debe venir de su capacidad para trabajar a través de esas fronteras. Si el agente de cada empresa establecida sigue siendo más fuerte dentro de su propia suite, los compradores podrían preferir una capa de orquestación independiente. Si las empresas establecidas cooperan eficazmente entre sistemas, la posición de Ema será más difícil de defender.
Los agentes de IA de Ema dependen de la orquestación, no de un solo modelo
La tesis técnica de Ema sostiene que una automatización empresarial fiable requiere coordinación en torno a modelos de lenguaje, no lealtad a un único proveedor de modelos.
Un modelo de lenguaje puede interpretar la solicitud de un empleado, pero la ejecución empresarial requiere componentes adicionales. El sistema debe identificar al usuario, recuperar datos autorizados, seleccionar herramientas, conservar el contexto, verificar resultados y reconocer cuándo debe intervenir una persona.
EmaFusion funciona como la capa de enrutamiento en la arquitectura de Ema. La empresa afirma que puede seleccionar entre más de 150 modelos de frontera y de código abierto. Se pueden asignar distintos modelos según los requisitos de la tarea, el rendimiento, las políticas de datos o los costes operativos.
Este diseño flexible respecto a los modelos reduce la dependencia de un solo proveedor. También permite a Ema beneficiarse cuando un proveedor lanza un modelo más potente. Chatterjee ha descrito por ese motivo los avances en laboratorios de frontera como beneficiosos para la empresa.
Sin embargo, el acceso a modelos por sí solo ofrece una protección limitada. Los competidores a menudo pueden licenciar los mismos modelos fundacionales. El valor defendible de Ema debe residir en sus integraciones, lógica de flujos de trabajo, controles empresariales, datos de evaluación y conocimiento de cómo se comportan los procesos en producción.
Consideremos una solicitud de RR. HH. relacionada con una política de permisos. El modelo de lenguaje podría comprender la pregunta, pero una ejecución precisa depende de documentos de políticas vigentes, normas específicas de cada ubicación, registros laborales y autoridad de aprobación. Cada fuente puede cambiar de forma independiente.
Un agente fiable debe distinguir entre responder una pregunta y modificar un registro oficial. Debe saber cuándo se requiere consentimiento, cuándo un responsable debe aprobar una acción y cuándo la información contradictoria hace que la automatización no sea segura.
El mismo principio se aplica a TI. Restablecer accesos, aprovisionar software o modificar un grupo de seguridad puede afectar a sistemas sensibles. El agente necesita permisos restringidos y una pista de auditoría clara. Una respuesta fluida no puede sustituir una ejecución correcta.
Los flujos de trabajo financieros elevan aún más las exigencias. Las conciliaciones, aprobaciones de compras y cambios de cuentas deben seguir controles formales. Un agente puede preparar o ejecutar pasos, pero las empresas necesitan separación de funciones y supervisión humana para las decisiones críticas.
Ema afirma que sus sistemas pueden comprobar su propio trabajo y dirigir aprobaciones cuando sea necesario. Esos controles son fundamentales para la credibilidad del producto. También son difíciles de evaluar a partir del número de clientes o del volumen agregado de consultas.
La promesa más amplia de la plataforma se asemeja a un plano de control inteligente. En lugar de sustituir inmediatamente cada sistema, coordina el entorno existente mediante una interfaz común. Con el tiempo, las aplicaciones poco utilizadas pueden perder importancia estratégica si el agente controla la interacción.
Ese mecanismo explica por qué el software empresarial de Ema amenaza a las empresas establecidas incluso antes de que los clientes cancelen aplicaciones. El agente puede debilitar la relación directa entre los usuarios y los productos individuales. Los proveedores pasan a ser suministradores de infraestructura bajo la interfaz de otra empresa.
El mismo mecanismo favorece la expansión entre departamentos. Una capa común de agentes puede combinar información de TI, RR. HH. y finanzas cuando un proceso cruza límites organizativos. La incorporación de empleados, por ejemplo, puede implicar creación de identidad, solicitudes de equipos, registros de nómina, confirmaciones de políticas y aprobaciones de responsables.
También es aquí donde el conocimiento personal y organizativo cobra importancia. Un agente necesita más que registros transaccionales. Puede requerir políticas, historial de proyectos, documentos y contexto que explique cómo trabaja realmente un equipo.
Para los trabajadores del conocimiento individuales, una base de conocimiento personal aborda un problema relacionado a menor escala. Hace que la información dispersa sea más fácil de recuperar y aplicar sin sustituir los sistemas donde se originó esa información.
El desafío de Ema consiste en aplicar una capa de contexto comparable en todas las operaciones empresariales, preservando al mismo tiempo los permisos y la rendición de cuentas. Cuantos más sistemas toque un agente, más valiosa será la coordinación. También aumenta el posible impacto de un error.
Ese equilibrio mantiene a las personas dentro del sistema. Según la empresa, la arquitectura de Ema incluye supervisión humana para las decisiones críticas. Los despliegues más sólidos probablemente automatizarán las rutas rutinarias y dirigirán los casos ambiguos, sensibles o de alto impacto a empleados cualificados.
Lo que las cifras de crecimiento de Ema aún no demuestran
Ema ha comunicado métricas de expansión inusualmente sólidas, pero la empresa no ha revelado suficientes detalles financieros para verificar la sostenibilidad de su crecimiento.
Ema afirma que cuenta con más de 50 acuerdos empresariales activos y más de 1 millón de usuarios empresariales activos. Según se informa, la plataforma ha gestionado más de 5 millones de acciones y consultas entre clientes como Hitachi, ADP, PwC, Google, KPMG, Wipro, Microsoft y NTT DATA.
La empresa también afirma que sus ingresos crecieron 50 veces durante los últimos dos años. Según Chatterjee, las reservas de ingresos han superado los 150 millones de dólares, mientras que la retención neta en dólares ronda el 180 %.
Cada cifra requiere contexto. Un crecimiento de cincuenta veces puede partir de una base pequeña. Ema no reveló los ingresos iniciales ni su tasa actual de ingresos anualizados, lo que dificulta evaluar la escala absoluta.
Las reservas no son lo mismo que los ingresos reconocidos. La cifra de Ema incluye el valor total de acuerdos plurianuales, incluidos contratos de dos o tres años. Parte de ese valor se reconocerá más adelante y puede depender de las condiciones contractuales o de una entrega satisfactoria.
Una retención neta en dólares cercana al 180 % indicaría una gran expansión entre los clientes existentes. Sin embargo, los lectores desconocen el tamaño de la cohorte medida, el período de cálculo o cómo afecta la fijación de precios basada en resultados al resultado.
Los usuarios activos y las acciones completadas también miden cosas distintas. Una empresa puede poner un agente a disposición de una gran plantilla, mientras que solo una parte lo utiliza con regularidad. El volumen de consultas no revela la complejidad de las tareas, la precisión ni cuántas solicitudes requirieron corrección humana.
Los clientes identificados de Ema aportan una validación significativa, pero el alcance de cada despliegue individual varía. Un flujo de trabajo departamental limitado en una gran corporación es diferente de una sustitución a escala empresarial de software consolidado.
Por tanto, el lenguaje de sustitución merece cautela. Ema tiene evidencias de que los clientes están ampliando sus despliegues y automatizando cargas de trabajo significativas. No ha demostrado que un gran número de organizaciones haya eliminado sus aplicaciones SaaS principales.
El resultado a corto plazo podría ser la incorporación, más que la sustitución. Las empresas podrían seguir pagando a los proveedores de software existentes al tiempo que añaden una plataforma de agentes sobre ellos. Eso puede mejorar la experiencia del empleado, pero aumentar el gasto tecnológico total.
La fijación de precios basada en resultados también plantea cuestiones de medición. El cliente y el proveedor deben acordar qué cuenta como trabajo completado. Un ticket de soporte resuelto no tiene valor si la resolución es incorrecta, genera un incidente posterior o frustra al empleado.
Los agentes pueden generar costes ocultos mediante supervisión, gestión de excepciones, uso de modelos, revisiones de seguridad y mantenimiento de integraciones. Estos costes pueden seguir siendo manejables, pero los compradores necesitan una contabilidad operativa completa, en lugar de una métrica estrecha de automatización.
La seguridad presenta otra incertidumbre. Un agente capaz de actuar en RR. HH., TI y finanzas recibe acceso amplio a información sensible y sistemas empresariales. Credenciales comprometidas, instrucciones defectuosas o entradas manipuladas pueden propagarse a través de flujos de trabajo conectados.
La gobernanza se vuelve más difícil cuando la plataforma utiliza muchos modelos subyacentes. Las empresas necesitan entender por dónde viajan los datos, qué modelo gestionó una solicitud, qué reglas gobernaron la elección y cómo se evaluó el resultado.
La expansión internacional añade requisitos regulatorios y de localización. Las normas laborales, obligaciones de privacidad, rendimiento lingüístico y residencia de datos varían entre los mercados objetivo de Ema. Un flujo de trabajo que funciona bien en una jurisdicción puede requerir cambios sustanciales en otra.
La presión competitiva también aumentará. Los proveedores de modelos pueden ofrecer plantillas de agentes y equipos de despliegue. Las empresas establecidas de software pueden incluir agentes en los contratos existentes. Las firmas de servicios pueden desarrollar sus propios productos de orquestación o convertirse en socios de implementación para múltiples plataformas.
La arquitectura neutral respecto a modelos de Ema ayuda, pero la neutralidad por sí sola no es una ventaja duradera. Los compradores esperarán integraciones más profundas, evaluaciones más sólidas y controles específicos para cada dominio. También compararán los resultados de Ema con los de agentes integrados en el software que ya poseen.
La financiación Serie B de Ema da a la empresa tiempo y recursos para responder a estas preguntas. No las elimina. La evidencia más importante vendrá de despliegues repetidos en producción, resultados auditados, comportamiento de renovación y una economía estable.
Tres señales mostrarán si Ema puede transformar el gasto empresarial
La próxima prueba es si Ema puede convertir la expansión entre clientes en reducciones medibles de la dependencia de software y servicios.
La primera señal es la retirada de aplicaciones. Ema afirma que algunos clientes avanzan hacia la sustitución de grandes productos SaaS, pero no ha identificado un conjunto amplio de reemplazos ya completados. Ejemplos concretos de aplicaciones canceladas o de compromisos de licencias reducidos reforzarían su afirmación central.
Los compradores deben diferenciar entre menos inicios de sesión de empleados y un menor gasto en software. Un agente puede ocultar una aplicación mientras la empresa sigue pagando por el sistema subyacente. Un desplazamiento real exige un cambio contractual, una implantación más pequeña o la retirada de un producto.
La segunda señal es la calidad de la expansión. Ema informa que más del 90 % de los clientes ha avanzado más allá de su primer caso de uso. La evidencia más sólida serán renovaciones que mantengan una alta retención neta sin grandes equipos de ingeniería a medida ni márgenes decrecientes.
Conviene observar si el margen bruto se mantiene cerca del nivel que Ema reporta a medida que los despliegues se vuelven más complejos. Márgenes estables respaldarían la afirmación de que el software puede absorber trabajo de servicios de forma eficiente. Márgenes a la baja sugerirían que la automatización empresarial aún exige una entrega humana considerable.
La tercera señal es la respuesta de los actores establecidos y los socios. Los proveedores de software pueden exponer más funciones a agentes externos, restringir el acceso a sus plataformas, mejorar sus propios asistentes o incluir la automatización en los acuerdos existentes. Las empresas de servicios pueden resistirse al desplazamiento de mano de obra o usar agentes para rediseñar sus ofertas.
Los desarrolladores de modelos también son relevantes. OpenAI y Anthropic están creando productos empresariales, organizaciones de despliegue y alianzas con consultoras. Sus acciones pueden mejorar la tecnología que utiliza Ema y, al mismo tiempo, reducir el espacio disponible para plataformas independientes de orquestación.
Durante los próximos meses, las divulgaciones de clientes serán más informativas que otro anuncio de financiación. Los despliegues identificados deberían explicar qué flujos de trabajo funcionan de forma autónoma, qué siguen gestionando las personas, cómo se mide el éxito y si han cambiado los contratos de software o servicios anteriores.
Los compradores empresariales deberían examinar la misma evidencia antes de considerar a los empleados de IA como sustitutos. Necesitan precisión a nivel de tarea, tasas de escalamiento, controles de seguridad, costes operativos totales y responsabilidad contractual. Una interfaz pulida no basta cuando el software puede modificar registros financieros, de personal o de acceso.
Los trabajadores del conocimiento también deberían prestar atención, porque la interfaz con el software corporativo está cambiando. Los empleados pueden dedicar menos tiempo a navegar por aplicaciones y más a definir resultados, revisar excepciones y supervisar trabajo automatizado.
Ese cambio puede reducir la administración repetitiva, pero también desplaza la influencia hacia la plataforma que controle el contexto y la ejecución. Las organizaciones deben decidir quién gobierna esa capa, qué registros siguen siendo la fuente autorizada y cómo pueden los empleados cuestionar la decisión de un agente.
La financiación Serie B de Ema hace que sea más difícil descartar esta competencia como un experimento de producto. La empresa cuenta ahora con 77 millones de dólares de nuevo capital para vender una alternativa directa a las operaciones empresariales intensivas en servicios.
La pregunta para los compradores es concreta: ¿pueden los agentes de IA de Ema eliminar aplicaciones, mano de obra de implementación y costes operativos sin debilitar el control? Sigan las retiradas reales, la economía de las renovaciones y los resultados de producción verificados. Esas señales mostrarán si Ema está cambiando el gasto empresarial o simplemente añadiendo otra capa al mismo.
