Globant ha presentado Glob.AI, una plataforma desde la que las empresas podrán contratar y desplegar servicios de inteligencia artificial bajo un modelo de pago ligado al consumo o a los resultados obtenidos. La propuesta introduce un cambio relevante frente a la contratación tradicional de servicios tecnológicos, habitualmente vinculada a horas de trabajo, equipos asignados y proyectos con una duración determinada. Queda por comprobar hasta qué punto ese esquema puede trasladarse a proyectos empresariales complejos, donde el resultado final no siempre es fácil de delimitar o medir.
El servicio se articula alrededor de los denominados «AI Pods», unidades gestionadas en las que distintos agentes de IA ejecutan tareas bajo supervisión de profesionales de Globant. La compañía lleva trabajando con este modelo desde mediados de 2025 y ahora pretende agruparlo en una plataforma accesible mediante un sistema «self-service».
La principal diferencia está en la unidad que Globant propone utilizar para facturar. En lugar de cobrar principalmente por el número de profesionales asignados o por las horas dedicadas, Glob.AI contempla precios asociados a «outputs» validados o al consumo realizado durante la ejecución de las tareas.
Glob.AI traslada los AI Pods a un modelo de servicio
Los AI Pods combinan agentes especializados, flujos de trabajo automatizados y procesos deterministas para realizar tareas de desarrollo, análisis o transformación tecnológica. Globant mantiene una capa de supervisión humana encargada de controlar los resultados y gestionar aquellas fases en las que la automatización no resulta suficiente.
Martín Migoya, CEO y cofundador de Globant, vincula el lanzamiento con el aumento del uso de sistemas basados en agentes y con el coste creciente asociado al consumo de modelos de IA. Según explicó, uno de los problemas de determinadas implementaciones consiste en utilizar más recursos computacionales y tokens de los necesarios para obtener un resultado útil.
La compañía plantea sus AI Pods como una forma de organizar ese consumo mediante agentes paralelos, ciclos automatizados, «workflows» y procesos definidos previamente. La cuestión afecta directamente al coste operativo de los proyectos de inteligencia artificial: a medida que las organizaciones amplían el uso de modelos generativos, controlar cuántas inferencias se ejecutan, con qué modelos y para qué tareas empieza a tener peso en los presupuestos.
Globant asegura además que el sistema permite elegir qué modelos se utilizan y dónde se ejecutan. Según la empresa, los datos de los clientes no se emplean para entrenar modelos externos y el consumo de tokens puede quedar registrado en una «Token Vault» propiedad del cliente.
Esa arquitectura responde a una preocupación creciente dentro de las grandes organizaciones. La adopción de IA empresarial depende cada vez menos de la disponibilidad de modelos y más de cuestiones relacionadas con gobernanza, trazabilidad, costes y control de los datos. Sin embargo, estos mecanismos tendrán que adaptarse también a las políticas internas y requisitos regulatorios de cada organización.
Un modelo que altera la facturación de servicios tecnológicos
El elemento con mayor impacto potencial de Glob.AI está fuera del propio modelo de inteligencia artificial. Globant intenta trasladar parte de los servicios profesionales a una lógica más cercana al consumo de software o infraestructura tecnológica.
Durante décadas, consultoras y proveedores de servicios han estructurado una parte considerable de sus ingresos alrededor del tiempo dedicado por sus equipos. El número de profesionales, sus perfiles y las horas previstas determinan buena parte del precio de un proyecto. La automatización mediante agentes introduce otra variable: parte del trabajo puede ejecutarse sin una relación directa entre tiempo humano y producción.
Glob.AI plantea que los clientes puedan acceder a un catálogo de servicios, seleccionar un AI Pod e iniciar determinados trabajos desde la propia plataforma. La empresa sostiene que esto puede reducir fases como el «discovery», las solicitudes de propuestas y algunos procesos de contratación previos al inicio de los proyectos.
En proyectos corporativos de gran tamaño, sin embargo, esas etapas cumplen también funciones de control presupuestario, seguridad, cumplimiento normativo y gestión de proveedores. El acceso inmediato al servicio no elimina necesariamente esos requisitos internos.
Globant atribuye a su modelo mejoras de productividad de al menos un 30% frente a un esquema en el que un ingeniero utiliza herramientas de IA como apoyo. La cifra procede de la propia compañía y el anuncio no detalla una metodología homogénea que permita comparar ese rendimiento entre diferentes tipos de proyecto.
También cambia la duración prevista de la relación con el cliente. La compañía describe Glob.AI como un servicio continuo en el que las mejoras y nuevas versiones se incorporan desde la plataforma, frente a proyectos definidos exclusivamente alrededor de una fecha de inicio y otra de finalización.
Este enfoque puede desplazar parte de la negociación comercial desde el tamaño del equipo hacia la definición del resultado. Y esa definición puede convertirse en uno de los aspectos más delicados: cuanto más complejo sea un proyecto, más difícil resulta establecer qué constituye exactamente un «output» terminado y qué parte corresponde a correcciones, mantenimiento o cambios posteriores.
Globant lleva los AI Pods a clientes corporativos
Antes del lanzamiento de Glob.AI, Globant ya había utilizado AI Pods en proyectos iniciados durante el último año. La compañía cita implementaciones en empresas y organizaciones de sectores como finanzas, energía, deporte, medios, entretenimiento y ciencias de la salud.
Entre los casos comunicados figura FIFA, donde Globant sitúa en un 20% la mejora de eficiencia en generación de «throughput», manteniendo o aumentando los niveles de calidad. En LALIGA, la empresa señala que determinadas funciones basadas en IA pudieron desplegarse en tres meses.
YPF habría reducido hasta un 40% los plazos asociados a procesos de contratación, mientras que PharmaMar habría acelerado 15 veces la obtención de determinados «insights» utilizados en investigación oncológica. Globant menciona además el caso de un banco comercial, cuyo nombre no identifica, donde una migración desde COBOL se habría completado en dos meses frente a una estimación inicial de 14 meses utilizando un enfoque convencional.
Son resultados vinculados a proyectos concretos, por lo que no permiten extrapolar automáticamente el mismo rendimiento a otras organizaciones. Sí ofrecen una indicación de los tipos de trabajo que Globant pretende trasladar progresivamente al catálogo de la nueva plataforma.
La compañía también menciona colaboraciones relacionadas con Anthropic, AWS, Vercel, OpenAI, Adobe, Microsoft Azure, Google Cloud Platform, SAP y Salesforce. Los usuarios que accedan inicialmente mediante la lista de espera podrán utilizar flujos de trabajo basados en agentes orientados tanto a sistemas empresariales de uso general como a procesos específicos de determinadas industrias.
La expansión de este modelo podría afectar a una cuestión especialmente relevante para el sector de servicios tecnológicos: cómo se reparte el valor económico entre trabajo humano, modelos de IA, infraestructura y propiedad intelectual cuando una parte creciente de la ejecución está automatizada.
Para los departamentos de compras y tecnología, el atractivo de pagar por resultados dependerá de la capacidad de definirlos, verificarlos y compararlos. Para los proveedores, supone asumir una parte distinta del riesgo de ejecución. Si el modelo se extiende, la discusión comercial podría desplazarse progresivamente desde cuántas personas participan en un proyecto hacia cuánto cuesta producir, validar y mantener un resultado concreto mediante sistemas de IA.
