La expansión del software empresarial tradicional suele ir acompañada de un enorme equipo de ventas y largos ciclos de implementación. Desde el primer contacto hasta el despliegue final, suelen pasar varios meses, con múltiples demostraciones, revisiones de cumplimiento y desarrollo personalizado. Pero el empleado de IA Viktor rompe este paradigma.
Antes de profundizar en los datos comerciales, es necesario entender qué es realmente Viktor. Este producto fue creado por un equipo de investigación con experiencia en DeepMind, y su idea central es crear un "Colega de IA de Nivel 3" (Tier 3 AI Coworker), no simplemente un Copilot. Para el equipo de Viktor, la mayoría de las herramientas de IA actuales se quedan en la fase de "redactar y esperar a que un humano termine", mientras que el objetivo de Viktor es "ejecutar de extremo a extremo y entregar resultados".
En términos simples, Viktor es como un empleado digital incansable. No necesitas enseñarle a usar varios softwares, ni escribir instrucciones complejas. Solo necesitas mencionarlo (@) en el chat de Slack o Teams como a un colega y decirle "Ayúdame a consultar los datos de ventas de la región este de la semana pasada y genera un informe con gráficos". Él mismo extraerá los datos del sistema CRM, generará gráficos en una herramienta de hojas de cálculo y enviará el informe final a la ventana de chat. Además de responder pasivamente, también puede trabajar de forma proactiva cuando se activa por un tiempo o evento específico, como conciliar cuentas automáticamente por la noche, o recopilar datos entre 6 herramientas diferentes para generar una presentación de PPT para la junta directiva.
Según ha revelado la empresa, este producto, sin un equipo de ventas en la plataforma Slack y sin proyectos de implementación, ha logrado unos ingresos anualizados de 20 millones de dólares y sirve a más de 30.000 empresas. Recientemente, Viktor se ha integrado oficialmente en Microsoft Teams, ofreciendo una prueba gratuita al ecosistema de 320 millones de usuarios. Cuando los empleados de IA dejan de lado la ingeniería de prompts y se dirigen a una "mención @ sin barreras", ¿ha llegado ya el punto de inflexión para la automatización empresarial? Esto no es solo una cuestión de actualización de funcionalidades del producto, sino una reestructuración fundamental del modelo comercial de las aplicaciones de IA empresarial.
20 millones de dólares sin equipo de ventas: la victoria del modelo PLG en la IA empresarial
La industria empresarial SaaS ha confiado durante mucho tiempo en la "impulsión por ventas". Para conseguir grandes clientes, las empresas necesitan formar enormes equipos de ventas, configurar gestores de éxito del cliente y pasar por largos ciclos de POC (Prueba de Concepto) e implementación. Este modelo tiene un coste de adquisición de clientes muy elevado y depende en gran medida del mantenimiento de las relaciones personales. Sin embargo, el rendimiento de Viktor en Slack muestra un camino completamente diferente.
Los datos oficiales revelan que Viktor, sin formar un equipo de ventas, sin proyectos de implementación y sin contratos de facturación por usuario, ha logrado unos ingresos anualizados de 20 millones de dólares y sirve a 30.000 empresas. Este modelo puramente PLG (Crecimiento Impulsado por el Producto), aunque tiene precedentes en la era SaaS tradicional, es extremadamente raro en aplicaciones complejas de IA empresarial. Los productos de IA suelen requerir una gran cantidad de configuración de contexto y ajuste de escenarios, lo que dificulta su uso inmediato. La clave de la autopropagación de Viktor radica en que ha reducido al mínimo la barrera de configuración.
El modelo de facturación por usuario del SaaS tradicional a menudo hace que las empresas se enfrenten a la preocupación del "despilfarro por inactividad" al realizar una compra. Comprar 100 cuentas puede significar que solo 20 personas las usen con frecuencia, y las 80 restantes se convierten en un coste hundido. Viktor tiende a facturar por créditos o consumo de tareas, un modelo que se ajusta mejor a la lógica real de ejecución de tareas por la IA. Las empresas ya no pagan por el "número posible de empleados que usarán la IA", sino por el "volumen de trabajo que la IA realmente completa".
Esta forma de facturación reduce el coste de prueba y error para las empresas, permitiendo que supervisores a nivel departamental o incluso empleados base puedan empezar a probar directamente con tarjeta de crédito o créditos gratuitos, evitando los tediosos procesos de aprobación de compras de TI. El éxito de este modelo comercial valida una hipótesis: la barrera central de los productos de IA empresarial no reside en la capacidad de cobertura del canal de ventas, sino en si el producto en sí puede demostrar su valor en un ciclo de experiencia extremadamente corto.
La estrategia de Viktor de ofrecer 100 dólares en créditos gratuitos sin necesidad de vincular una tarjeta de crédito tiene como objetivo maximizar la reducción de este ciclo de "verificación de valor". Cuando los empleados descubren que con solo mencionar (@) a Viktor pueden completar tareas de conciliación que antes les llevaban horas, la autopropagación del producto ocurre de forma natural. Según informes públicos, Viktor completó recientemente una ronda de financiación Serie A de 75 millones de dólares, liderada por DN Capital, lo que refleja el reconocimiento del mercado de capitales a su modelo PLG. Sin embargo, cabe señalar que la empresa no ha detallado públicamente la metodología concreta de cálculo de los 20 millones de dólares de ARR (ingresos anuales recurrentes): si se basa en el consumo de créditos, la facturación por acción o un modelo híbrido, es algo que se desconoce. Esta falta de transparencia en la facturación puede ayudar a reducir la barrera de prueba inicial, pero puede convertirse en un obstáculo para el cálculo del ROI (Retorno de la Inversión) en las compras a gran escala de las empresas.
Eliminando la barrera de los prompts: de "redactar y esperar" a "entregar de extremo a extremo"
La clave para que Viktor logre la autopropagación con configuración cero radica en la reducción dimensional de su paradigma de interacción. La efectividad del uso de las herramientas de IA tradicionales depende en gran medida de la capacidad del usuario para escribir prompts. Un artículo del sitio OmniTools, "Observando durante tres años, he dividido el nivel de uso de IA de todos en 10 grados", analizó detalladamente este fenómeno: desde los prompts estructurados hasta las habilidades encapsuladas de los Agentes, el nivel de los usuarios de IA se divide en múltiples estratos, y la ingeniería de prompts se convierte en una barrera invisible.
En los escenarios empresariales reales, esta barrera es especialmente letal. El personal de finanzas, los especialistas de RRHH y los supervisores de operaciones no tienen tiempo, ni la obligación, de aprender a realizar complejos "juegos de prompts" con la IA. Si la efectividad del uso de la IA depende de la capacidad de los empleados para escribir prompts, entonces la IA siempre será solo una herramienta de eficiencia para unos pocos entusiastas, incapaz de convertirse en una infraestructura común para las empresas.
El posicionamiento de Viktor es "Colega de IA de Nivel 3", no un simple Copilot. La lógica nativa del Copilot es "redactar y esperar a que un humano termine"; es bueno resumiendo documentos, redactando correos, pero el último paso siempre requiere intervención humana. Por ejemplo, le pides a un Copilot que escriba un correo de seguimiento a un cliente; después de escribirlo, necesitas copiarlo al cliente de correo, introducir manualmente al destinatario y enviarlo. La lógica de Viktor, en cambio, es "ejecutar de extremo a extremo y entregar resultados". El usuario solo necesita describir el objetivo en lenguaje natural, y el Agente, durante su ejecución, decidirá de forma autónoma los pasos a seguir, invocando las herramientas necesarias para completar el ciclo. Siguiendo con el cliente, Viktor puede conectarse directamente al sistema de correo, completar automáticamente la información del cliente y enviar el correo, incluso programar el próximo recordatorio en función de la respuesta del cliente.
Este mecanismo elimina directamente la barrera de niveles que introduce la ingeniería de prompts. La efectividad del uso de la IA ya no depende de las habilidades de escritura de prompts del empleado, sino de la claridad del objetivo empresarial. Esta forma de interacción empuja a la IA de "herramienta de asistencia" a "ejecutora", permitiendo que el personal no técnico disfrute sin fricciones de los beneficios de la IA.
Pero esto no significa que Viktor no tenga riesgos de mala interpretación. Cuando un usuario describe un objetivo con lenguaje natural vago, el mecanismo de toma de decisiones autónoma durante la ejecución de la IA puede generar un camino de ejecución que no se ajuste a las expectativas del usuario. Por ejemplo, si un usuario dice "limpia el pipeline de ventas", Viktor podría automáticamente marcar algunas oportunidades comerciales sin seguimiento prolongado como "fallidas", mientras que en el proceso de ventas de la empresa esto podría requerir una aprobación más compleja. La falta de barreras reduce el umbral de uso, pero también exige una mayor precisión en la descripción de los objetivos empresariales.
Conciliación automática nocturna y generación de PPT entre herramientas: cómo la IA se consolida como "capa de proceso"
Si la mención @ es una respuesta pasiva a las instrucciones humanas, el mecanismo de activación automática de Viktor muestra la proactividad del empleado de IA, una característica central que lo distingue de los chatbots tradicionales. Según revelaciones oficiales de Viktor, su producto admite escenarios de activación automática sin necesidad de mención @ manual, como la conciliación y cierre nocturno de cuentas, marcado de errores, filtrado de solicitantes y programación de llamadas, generación de presentaciones PPT para la junta directiva integrando datos de 6 herramientas aisladas, o ejecución de tareas operativas rutinarias a las 5 de la mañana.
Estos escenarios revelan una tendencia importante: la IA está pasando de la "capa de conversación" a convertirse en la "capa de proceso" de la empresa. Un artículo del sitio OmniTools, "Con un DAU que alcanza 3-4 veces el segundo de la industria, ¿qué grieta abre WorkBuddy de Tencent en los Agentes de oficina?", exploró cómo los Agentes de oficina sirven a grupos no desarrolladores. Tanto Viktor como WorkBuddy comparten una lógica central: encapsular procesos fijos que originalmente requerían cruzar múltiples sistemas y etapas manuales en tareas atómicas ejecutables automáticamente por la IA.
Tomemos la conciliación financiera como ejemplo. En el proceso tradicional, el personal de finanzas necesita exportar datos de pagos de Stripe, datos contables de Xero, realizar comparaciones con VLOOKUP en Excel, identificar discrepancias y marcarlas manualmente. Este proceso es tedioso y consume tiempo, normalmente unas 2 horas del personal de finanzas. Viktor, a través de conexiones autenticadas gestionadas, se integra con más de 3200 herramientas. Cuando el tiempo del sistema alcanza el punto configurado por la noche, Viktor inicia sesión automáticamente en Stripe y Xero, extrae los datos del día, ejecuta la lógica de comparación y envía el informe con los errores marcados al canal de finanzas. Todo el proceso no requiere intervención humana y, según la empresa, tarda solo 6 minutos.
Otro ejemplo es la generación de PPT para la junta directiva entre herramientas. Un ejecutivo necesita un informe que incluya datos de ventas, progreso del producto y comentarios del mercado. De forma tradicional, un asistente tendría que abrir por separado el CRM, la herramienta de gestión de proyectos, el sistema de servicio al cliente, copiar datos, crear gráficos y finalmente pegarlos en el PPT. Viktor puede ejecutar automáticamente esta serie de acciones a las 5 de la mañana, generando directamente un archivo PPT completo en la ventana de chat.
Lo que sustenta esta capacidad de activación automática es el mecanismo de memoria a nivel organizacional y percepción de contexto de Viktor. Según evaluaciones de terceros, Viktor posee memoria persistente. Si un miembro del equipo de finanzas corrige una vez un error de Viktor sobre el formato UTM o las reglas de conciliación, Viktor lo recordará permanentemente y aplicará esa regla automáticamente en todas las tareas posteriores relacionadas. Incluso puede leer el historial de conversaciones del canal y explicar de forma proactiva las razones de decisiones pasadas.
Este mecanismo hace que Viktor no sea solo una herramienta que ejecuta tareas, sino una "capa de proceso" que consolida las mejores prácticas y reglas comerciales de la empresa. Reduce los costes de fricción asociados a los recordatorios manuales, la transferencia de tareas y la "gestión emocional". Cuando un empleado veterano se va y llega uno nuevo, las reglas y procesos almacenados en la memoria de Viktor permanecen, garantizando la continuidad de la ejecución empresarial.
De Slack a Teams: cómo el modelo PLG navega en las profundas aguas de la conformidad empresarial
La integración de Viktor en Microsoft Teams es un paso clave en su proceso de comercialización. Aunque Slack es conocido por su flexibilidad y facilidad para desarrolladores, siendo el "campo de pruebas" para equipos ágiles y empresas innovadoras, Microsoft Teams posee una estructura departamental, cadena de aprobación y organigrama más completos, siendo el "lugar donde residen las grandes organizaciones reales". Los datos oficiales muestran que Teams tiene 320 millones de usuarios. La entrada de Viktor en Teams marca el paso del "juguete para entusiastas" al "campo de visión central de las compras empresariales".
Sin embargo, pasar de Slack a Teams no es una simple migración de plataforma, sino el comienzo de la entrada del modelo PLG en aguas profundas de conformidad. En Slack, los usuarios pueden instalar y autorizar una aplicación en segundos; esta baja fricción es la base de la propagación viral de Viktor. Pero en Teams, esta instalación en segundos se reemplaza por largas colas de aprobación del administrador de TI, revisiones de seguridad (como el cumplimiento SOC 2) y políticas de gobernanza de aplicaciones.
Los departamentos de TI de las grandes empresas están muy alerta ante cualquier aplicación de terceros con permisos de lectura/escritura de datos. Para lograr la ejecución de tareas de extremo a extremo, Viktor debe obtener permisos de lectura y escritura en el CRM, sistemas financieros e incluso repositorios de código. Estos altos permisos significan que no puede evitar los ciclos de compra de la empresa. La ruta de propagación PLG "de abajo hacia arriba" que Viktor validó en Slack podría verse bloqueada en Teams por el control "de arriba hacia abajo" del departamento de TI.
Para enfrentar este desafío, Viktor también ofrece en Teams una prueba con 100 dólares en créditos gratuitos, sin necesidad de vincular una tarjeta de crédito. Esta es una típica estrategia de "cuña", que intenta que los empleados base experimenten el valor del producto antes de que el departamento de TI lo detecte, generando una demanda interna que impulse la aprobación de conformidad del departamento de TI. Sin embargo, aún queda por ver cuánto éxito tendrá esta estrategia en el ecosistema de Teams. Después de todo, la decisión de compra empresarial no depende solo de la experiencia del producto, sino también del riesgo de conformidad y la seguridad de los activos de datos.
El precio de la ejecución completamente automática: riesgo de caja negra y juego de confianza
La visión de "sin barreras" y "ejecución completamente automática" que Viktor describe sin duda toca un punto sensible en la eficiencia operativa empresarial. Pero en el despliegue real, este modelo enfrenta una crisis de confianza y riesgos de caja negra que no pueden ignorarse.
Para lograr una amplia cobertura y entrega de extremo a extremo, Viktor sacrifica el control detallado de cada paso de ejecución. Las herramientas tradicionales de automatización de flujos de trabajo (como n8n o Zapier), aunque tediosas de configurar, hacen visibles el flujo de datos y las ramas lógicas en cada paso, permitiendo al personal de operaciones localizar errores claramente. En cambio, el mecanismo de toma de decisiones autónoma durante la ejecución de Viktor hace que el proceso de ejecución sea, en cierta medida, una "caja negra". Cuando la IA tiene permisos de "lectura/escritura" en sistemas como el CRM o financieros, una alucinación del modelo o una mala interpretación de una instrucción en lenguaje natural podría provocar que se escriban datos erróneos en el sistema de producción, causando contaminación de datos o incluso interrupciones del negocio.
Lo que más preocupa a los responsables de decisiones de compra empresarial es a menudo el riesgo de "operación errónea". Si el empleado de IA puede actualizar automáticamente la información del cliente en HubSpot o crear facturas en Xero, sin estrictos "permisos por usuario" (Per-user permissions) y "registros de auditoría" (Audit logs), una ejecución incorrecta podría requerir un gran esfuerzo humano para revertir y recuperar los datos. Por ejemplo, si Viktor, al limpiar automáticamente el pipeline de ventas, marca erróneamente un lote de oportunidades de alto valor como "fallidas", el equipo de ventas podría perder pistas importantes de clientes, y este error podría descubrirse varios días después.
Para prevenir estos riesgos, las empresas en la práctica a menudo se ven obligadas a activar la "configuración predeterminada con aprobación prioritaria". Esto significa que Viktor, antes de ejecutar operaciones de escritura críticas, debe esperar la confirmación manual. Este compromiso reduce el riesgo, pero rompe la visión de "funcionamiento completamente automático sin supervisión", reintroduciendo pasos de intervención humana. Encontrar el equilibrio entre la "mejora de la eficiencia" y el "desastre de la operación errónea" es una pregunta que todos los productos de empleados de IA deben responder.
El mecanismo de activación automática de Viktor también plantea nuevos desafíos de gestión. Cuando la IA puede ejecutar tareas automáticamente basándose en eventos o tiempo, las empresas necesitan establecer un nuevo sistema de monitoreo para asegurar que el comportamiento de la IA siempre cumpla con las reglas comerciales y los requisitos de conformidad. Una gestión de permisos estricta, registros de auditoría detallados y caminos de decisión explicables son requisitos previos para el despliegue a gran escala de los empleados de IA. Si estos problemas no se resuelven adecuadamente, los empleados de IA podrían quedarse para siempre en escenarios periféricos a nivel departamental, incapaces de entrar realmente en los flujos centrales del negocio empresarial.
De Slack a Teams, Viktor ha validado el atractivo de la interacción sin barreras en el mercado empresarial, pero también ha expuesto la resistencia a la conformidad del modelo PLG en las grandes organizaciones. Para que los empleados de IA se conviertan realmente en infraestructura empresarial, no solo necesitan modelos más inteligentes y umbrales de interacción más bajos, sino también un marco de gobernanza que gane la confianza de las empresas. Cuando la balanza entre eficiencia y seguridad se equilibre gradualmente, el verdadero punto de inflexión de la automatización empresarial llegará.
