El 3 de septiembre de 2026, eGain reportó sus resultados del año fiscal 2026: ingresos totales de 91,1 millones de dólares, un crecimiento de 3% interanual, e ingresos provenientes de clientes que usan IA con un alza de 20%. En el mismo comunicado, la compañía informó que Gartner la nombró líder en su primer Cuadrante Mágico dedicado a gestión del conocimiento para servicio al cliente. La acción cerró con una caída superior al 17%.
Los números completos
- Ingresos fiscal 2026: 91,1 millones de dólares, +3% interanual.
- Ingresos de clientes con IA: +20% interanual; el ARR de esos clientes representa el 72% del ARR total de SaaS.
- Utilidad neta no-GAAP: 13,0 millones de dólares frente a 5,7 millones el año anterior.
- EBITDA ajustado: 13,6 millones (margen de 15%) frente a 8,6 millones (margen de 10%) en 2025.
- Efectivo: 73,3 millones de dólares al 30 de junio de 2026.
- Guía fiscal 2027: ingresos de 84,5 a 86,0 millones, pérdida neta GAAP de 2,0 a 3,0 millones y margen de EBITDA ajustado de 1% a 2%.
Por qué la contradicción no es tal
Un vendedor de software de atención al cliente puede tener casi tres cuartas partes de su base recurrente en clientes que ya usan IA, mejorar su rentabilidad de forma notable y aun así proyectar menos ingresos el año siguiente. Eso no describe una empresa que perdió la ola de la IA: describe una transición de mezcla, donde el negocio heredado se contrae más rápido de lo que el negocio nuevo compensa.
Para quien compra, no para quien invierte, hay una señal más interesante: que Gartner haya creado por primera vez un cuadrante específico de gestión del conocimiento para servicio al cliente. Eso significa que el mercado dejó de tratar el conocimiento como una función escondida dentro del sistema de tickets y empezó a tratarlo como una categoría propia, con compradores propios.
La lección operativa: el bot no es el activo, el conocimiento sí
Buena parte de los proyectos de IA en atención al cliente fracasan por una razón poco glamorosa: la empresa compró un modelo conversacional y lo conectó a una base documental desordenada, desactualizada y sin dueño. El resultado es un agente que responde con seguridad cosas que ya no son ciertas.
- El conocimiento necesita gobierno: quién escribe, quién aprueba, cada cuánto se revisa y cuándo caduca un artículo.
- Necesita trazabilidad: toda respuesta automatizada debería poder señalar la fuente exacta que la sustenta.
- Necesita medición separada: la tasa de resolución del bot y la calidad del contenido son dos métricas distintas, y confundirlas oculta el problema real.
Qué mirar en su propia operación
Antes de comparar proveedores, conviene una pregunta más simple: ¿cuántos de sus artículos de ayuda fueron revisados en los últimos seis meses? Si la respuesta es incómoda, ningún modelo va a arreglar eso.
En TEKFENIX diseñamos Servigo365 partiendo de esa premisa: la mesa de ayuda multicanal con IA sirve en la medida en que el conocimiento detrás esté vivo, versionado y atribuible. Y en sucursales, donde la atención empieza antes del ticket, Nexturno gestiona turnos y colas para que el contexto del cliente llegue completo al momento de la atención en vez de reconstruirse desde cero. Para empresas del Caribe y Latinoamérica que están evaluando IA en soporte, el orden importa: primero el conocimiento, después el agente.