SAS cumple 50 años redefiniendo la Tecnología
Por Giovanni Vargas
A los 50 años de su fundación, SAS Institute se encuentra en una posición singular en el mundo tecnológico: su trayectoria permite analizar con mayor claridad una cuestión que hoy define la competitividad empresarial: no basta con adoptar IA, hay que operarla con criterio, gobernanza y valor económico tangible. Es un actor imprescindible de Inteligencia Artificial, uno de sus arquitectos históricos.
El aniversario no es un ejercicio de nostalgia corporativa, sino una oportunidad para evaluar la evolución de un modelo empresarial que ha logrado sostener relevancia durante cinco décadas en un sector donde la obsolescencia es la norma.
Desde sus orígenes en la investigación académica en la década de 1960 hasta su consolidación como proveedor global de analítica avanzada, la empresa ha mantenido una premisa operativa constante: convertir datos en decisiones confiables. Esa formulación, aparentemente sencilla, contiene una distinción crítica frente a gran parte del mercado actual: el foco no está en el modelo, sino en la decisión.
El propio Jim Goodnight lo sintetizó en términos que siguen siendo estratégicamente vigentes: ayudar a las personas a tomar decisiones en las que puedan confiar. Esta insistencia en la confianza no es retórica; es una arquitectura operativa que atraviesa desde la cultura organizacional hasta el diseño de producto.
La transformación de SAS no ha sido disruptiva en el sentido clásico sino acumulativa. Su evolución hacia plataformas como SAS Viya refleja una transición desde herramientas analíticas hacia sistemas integrados de decisión, donde datos, modelos y ejecución convergen.
La clave está en cómo la empresa ha interpretado la Inteligencia Artificial. Mientras gran parte del mercado ha priorizado la capacidad generativa o la velocidad de despliegue, SAS ha enfatizado la industrialización de la IA: su integración en procesos críticos, su gobernanza y su trazabilidad.
Bryan Harris, director de tecnología de SAS, lo plantea con precisión: la ventaja competitiva en la próxima etapa no dependerá de tener IA potente, sino de combinarla con gobernanza, transparencia y rendición de cuentas. Este enfoque introduce un matiz relevante frente a la narrativa dominante de “innovar rápido”: la IA empresarial no es un experimento, es infraestructura crítica.
Esto se vuelve evidente en la arquitectura de SAS Viya, que no se limita a ofrecer modelos, sino que incorpora copilotos, agentes, gestión de datos y mecanismos de control dentro de un mismo entorno. La intención es clara: cerrar la brecha entre experimentación y operación, uno de los principales cuellos de botella en la adopción de IA a escala.
El problema real: ejecutar la IA, no desarrollarla
Uno de los aportes más relevantes del enfoque de SAS es su diagnóstico del problema estructural que enfrentan las organizaciones. No es la falta de modelos -estos son cada vez más accesibles- sino la incapacidad de integrarlos en procesos reales con impacto medible.
Los obstáculos identificados son consistentes a nivel global: déficit de talento especializado, limitaciones presupuestarias, fragmentación de datos y, sobre todo, ausencia de gobernanza. En ese contexto, la proliferación de soluciones improvisadas -lo que podría denominarse “arquitectura ad hoc de IA”- tiende a generar más complejidad que ventaja competitiva.
SAS introduce un elemento diferenciador: los aceleradores por industria. Estos no son paquetes genéricos, sino configuraciones diseñadas sobre procesos específicos -cadena de suministro, fraude financiero, gestión pública- que reducen el tiempo de implementación y aumentan la probabilidad de retorno.
El caso del SAS Supply Chain Agent es ilustrativo. La planificación de oferta y demanda (S&OP) es uno de los procesos más complejos en manufactura y retail, tradicionalmente basado en hojas de cálculo y ciclos mensuales. La introducción de un agente capaz de operar de forma continua, simular escenarios y explicar decisiones transforma no solo la eficiencia operativa, sino la lógica de planificación empresarial.
No se trata de automatización incremental, sino de redefinir la temporalidad de la toma de decisiones: de ciclos discretos a flujo continuo.
Industrias donde la IA deja de ser promesa
El impacto sectorial de SAS permite entender mejor dónde la IA ya no es un concepto aspiracional, sino una herramienta funcional.
En servicios financieros, la detección de fraude ha evolucionado hacia modelos que operan en tiempo real, entrenados con patrones globales de comportamiento ilícito. Esto es particularmente relevante en un entorno donde el fraude impulsado por IA -deepfakes, identidades sintéticas- está aumentando tanto en sofisticación como en volumen.
En salud, el uso de gemelos digitales para simular operaciones hospitalarias o procesos de esterilización introduce una capacidad predictiva que reduce riesgos y optimiza recursos.
En el sector público, la aplicación de analítica avanzada a programas sociales como SNAP demuestra cómo la IA puede mejorar la precisión en la asignación de recursos, reduciendo errores y fraude sin requerir una reingeniería completa de sistemas legacy.
En marketing, la evolución hacia sistemas multiagente dentro de plataformas como Customer Intelligence 360 redefine la relación entre automatización y control. La IA no sustituye al estratega, pero amplifica su capacidad de ejecución a escala, manteniendo trazabilidad y coherencia.
Incluso en el ámbito deportivo, la implementación en clubes como el Liverpool FC muestra cómo la personalización en tiempo real se convierte en un activo estratégico para monetizar audiencias globales.
Uno de los elementos más subestimados en la conversación sobre IA es la gobernanza. En muchos casos se percibe como un freno a la innovación, cuando en realidad es un habilitador de escala.
Reggie Townsend, responsable de ética y gobernanza en SAS, plantea una idea clave: la gobernanza no es solo cumplimiento, es un motor de crecimiento. Esta afirmación tiene implicaciones profundas. Sin estructuras de control, la IA no puede expandirse de forma sostenible dentro de una organización.
La proliferación de “shadow AI” -uso no autorizado de herramientas- refleja precisamente esa ausencia de marcos estructurados. SAS AI Navigator busca resolver este problema centralizando la visibilidad sobre casos de uso, alineándolos con políticas internas y regulaciones externas.
Este enfoque es particularmente relevante considerando que, según proyecciones de mercado, una proporción significativa de empresas enfrentará incidentes relacionados con IA en los próximos años.
Un aspecto menos visible, pero igualmente determinante, es la cultura corporativa de SAS. A diferencia de muchas empresas tecnológicas que han priorizado crecimiento acelerado, SAS ha construido su modelo sobre estabilidad, inversión en talento y ausencia de deuda.
Este enfoque, ha generado una ventaja estructural: continuidad estratégica. La coherencia entre cultura, producto y modelo de negocio reduce la fricción interna y facilita la ejecución a largo plazo.
El profesor Jeffrey Pfeffer lo sintetiza de forma contundente: SAS no siguió tendencias en cultura empresarial, las definió. La rotación de talento y la presión por resultados inmediatos afectan la capacidad de innovación en muchas organizaciones, este modelo adquiere una relevancia renovada.
El discurso dominante en tecnología ha estado centrado en la IA generativa, pero el siguiente ciclo competitivo parece desplazarse hacia la integración: cómo esas capacidades se insertan en sistemas empresariales complejos.
SAS está apostando por ese terreno menos visible pero más determinante. Su incursión en IA cuántica, aunque aún incipiente, responde a la misma lógica: preparar casos de uso reales antes de que la tecnología madure completamente.
La distinción clave aquí es entre capacidad tecnológica y valor económico. Muchas organizaciones ya tienen acceso a modelos avanzados; pocas han logrado traducirlos en ventajas sostenibles.
A los 50 años, SAS no compite únicamente como proveedor de software, sino como diseñador de sistemas de decisión. Esa diferencia explica en gran medida su permanencia.
Su propuesta es una de las más estructuradas desde la perspectiva empresarial: integrar datos, modelos, procesos y gobernanza en una arquitectura coherente.
El reto hacia adelante no será tecnológico, sino estratégico: demostrar que un enfoque basado en control, transparencia y propósito puede competir frente a modelos más veloces pero menos estructurados.
Si algo sugiere su trayectoria, es que la sostenibilidad en tecnología no depende de quién llega primero, sino de quién logra mantenerse operativo cuando la innovación deja de ser novedad y se convierte en infraestructura.
