¿Qué tipo de software será eliminado por la IA?

Hasta ahora, en 2026, la corrección del sector de software no se asemeja mucho a las rondas anteriores de “frenazo en la demanda/subida de tasas de interés”: el mercado parece estar discutiendo el valor terminal—si estas empresas podrán mantener su cuota de beneficios en diez años, y si la ventaja competitiva será resegmentada por la IA “agente (agentic)”.

Según la información de ZF Trading Desk, la analista de investigación global de inversiones de Goldman Sachs, Gabriela Borges, escribió de manera franca en su informe del 16 de este mes: “El mercado está cuestionando la ventaja competitiva y el modelo de negocio del software.” Ella desglosó los siete argumentos bajistas más comunes de los inversores, asignándoles una puntuación de riesgo del 1 al 5, y diferenciando si afectan a aplicaciones de software específicas o si se extienden a infraestructura/seguridad más amplias, e incluso al ROI relacionado con el gasto de capital de los proveedores de la nube.

Lo interesante es que Goldman no considera como riesgo principal (puntuación 1) la “sustitución total del software de sistema por IA”. Las preocupaciones más agudas apuntan en dos direcciones: primero, la transferencia de valor desde la capa de registro del sistema (System of Record, SoR) hacia una “capa de sistema operativo/orquestación agente (agentic)” (puntuación 4); y segundo, que la velocidad de iteración tecnológica hace difícil fijar un precio final (puntuación 5)—es decir, la valoración difícilmente encuentra un “suelo”.

En medio de esta incertidumbre, el informe ofrece señales claras a seguir: en primer lugar, dos tipos de señales—una, si las empresas de software pueden demostrar que la “experiencia en dominio de la industria” realmente puede generar resultados de agente de mayor calidad; y dos, si los fundamentos en los informes financieros pueden mantenerse estables o incluso mejorar.

Esta corrección del sector de software se centra en el “debate sobre el valor terminal”

La conclusión de Goldman Sachs es: en 2026, esta caída se centra en cambiar el debate de “curva de crecimiento a corto plazo” a “si la ventaja competitiva será erosionada por la IA”. El foco principal está en aplicaciones de software, pero también empieza a afectar a infraestructura/seguridad y a las inversiones relacionadas con el gasto de capital de los proveedores de la nube.

Por ello, el enfoque del informe parece más una “descomposición del argumento”: enlistar los siete puntos bajistas, desde “hombre de paja” hasta “argumento sólido”, asignarles puntuaciones de riesgo, y tratar de responder a la misma pregunta—¿qué puede sostener el valor terminal?

Es poco probable que SoR sea completamente desplazado, pero la “externalización del valor” es más peligrosa

• A: Riesgo de “sustitución” de SoR muy bajo (puntuación 1)

El primer argumento bajista es el “rip and replace”: nuevos actores que usan IA para rehacer la capa de registro del sistema, haciendo que sistemas básicos como ERP/CRM/HR queden obsoletos. Goldman Sachs lo califica como bajo riesgo, con una razón muy clara: la IA generativa se asemeja más a un motor de análisis y generación, no a un motor de transacciones; la IA a nivel empresarial requiere datos estructurados, de alta calidad, con trazabilidad, y SoR es precisamente el contenedor y sistema de gobernanza de estos datos.

El informe también reconoce que el riesgo de sustitución real no desaparece: si alguien rehace una arquitectura más moderna, escalable y con menor coste total de propiedad en la capa de SoR, podría impulsar migraciones. Como ejemplo, citan la actualización en la nube de SAP S/4HANA: las migraciones a gran escala suelen durar entre 18 y 36 meses, con altos costos y largos ciclos, dejando espacio para “alternativas más baratas y rápidas”.

Las “acciones defensivas” que propone Goldman Sachs también apuntan a la arquitectura: SoR debe pasar de ser un libro pasivo a convertirse en un “sistema de razonamiento (system of reason)”, de “potenciado por IA (con complementos)” a “nativo en IA (integrado en la arquitectura)”. Algunas señales mencionadas incluyen la replatforming de Salesforce en 2024 y el cambio de enfoque de Workday hacia la apertura.

Otro factor clave es el límite de datos de la empresa. Si las empresas siguen “acotando” su ventaja de datos en las aplicaciones existentes (como la modificación en mayo de 2025 de los términos de API de Slack por Salesforce, limitando entrenamiento de LLM y exportaciones masivas), entonces SoR, como base, será más estable, pero el valor en beneficios puede ser desplazado por nuevas capas superiores.

• B: Valor desplazándose hacia “capa de sistema operativo/orquestación agente” (puntuación 4)

Goldman Sachs considera que el riesgo más realista no es la desaparición de SoR, sino que SoR se convierta en una “base de datos de cumplimiento (compliance data base)”, con el valor concentrado en una capa de orquestación capaz de inferir, llamar APIs y automatizar flujos de trabajo entre sistemas. Los agentes podrán leer, escribir y reconciliar entre múltiples SoR, sin que los usuarios tengan que acceder directamente a las interfaces originales; la ventaja competitiva basada en UI, procesos y hábitos de usuario se verá erosionada.

El informe usa la metáfora de “quién está encima de quién” para describir este escenario: Sierra encima de Salesforce, Anthropic Cowork encima de Microsoft, y el presupuesto adicional probablemente será capturado por las capas superiores. Goldman Sachs también advierte que el mercado es especialmente sensible a esta línea, en parte porque en los ciclos de bajos tipos de interés 2020-2021, varias empresas de aplicaciones con ventajas débiles en su defensa fueron más susceptibles a la narrativa de “desintermediación”.

Las oportunidades para los fabricantes tradicionales se centran en “experiencia en dominio + contexto”. El informe cita varias empresas para ilustrar “por qué el contexto vale dinero”:

• Microsoft enfatiza que mantenerse en un mismo ecosistema reduce latencia, asegura la actualización de datos y proporciona más contexto a los LLM, además de que la migración masiva de datos suele ser más costosa y problemática de lo que se piensa;
• HubSpot atribuye las principales limitaciones de la IA empresarial a la “falta de contexto”, y la capa de registro del sistema puede agregar el historial y la colaboración del cliente, reduciendo la necesidad de “enseñar IA” repetidamente;
• Datadog, en su día de análisis del 12/2, mostró que los modelos internos entrenados con datos propios ofrecen mayor precisión a menor costo, destacando que la experiencia en dominio puede traducirse en diferenciación en modelos y resultados.

La software vertical puede resistir mejor en el corto plazo, pero “ser lo suficientemente útil para ser suficiente” podría cambiar el poder de fijación de precios (puntuación 2)

• El tercer argumento bajista es que “la plataforma horizontal devora a la vertical”: plataformas horizontales que usan IA para que los clientes construyan sus propios flujos de trabajo sectoriales, erosionando la capacidad de fijar precios de los software verticales. Goldman Sachs califica esto con riesgo 2, señalando que aún existen barreras en los software verticales: datos específicos del sector, integración profunda en flujos de trabajo que confiere la propiedad de SoR, reputación a largo plazo, y barreras regulatorias en sectores altamente regulados.

El informe usa como ejemplo a Guidewire: sus clientes gestionan aproximadamente 7.750 millones de dólares en primas de seguros de propiedad y accidentes (P&C Insurance DWP), en al menos un producto de Guidewire, y esa acumulación de datos históricos es una barrera difícil de replicar para nuevos entrantes. También enfatizan que “el tiempo del cliente” es clave: los cambios en software vertical profundamente integrado suelen tomar años, no meses.

Pero no dejan pasar el riesgo completo. También listan los nuevos impactos de la IA horizontal y la integración: colaboraciones de Palantir con AIG y Anthropic en seguros; el lanzamiento de GenOS por Intuit, que facilita la codificación de flujos verticales en software contable horizontal como QuickBooks. La pregunta clave: si las funciones de IA en plataformas horizontales solo son “suficientes” y no “claramente mejores”, ¿seguirán capturando clientes por su integración más sencilla y menor fragmentación? Esto afecta directamente la fijación de precios a largo plazo de los software verticales.

Código más barato trae más competencia, pero crear productos no equivale a construir empresas (puntuación 2)

• El cuarto argumento bajista es la “reducción del costo del código”.** Goldman Sachs reconoce que las herramientas de codificación con IA reducirán barreras de entrada y atraerán a más nuevos actores, pero califica el riesgo como 2, porque: el desarrollo de software no es solo escribir código; los ingenieros dedican mucho tiempo a diseño, depuración, identificación de riesgos, revisiones; las herramientas aumentan la eficiencia, pero no eliminan los puestos de trabajo.

El informe también aporta datos de “el humano sigue en el ciclo”: un estudio de Faros con 10,000 desarrolladores muestra que los equipos que usan IA para tareas completan un 21% más de tareas, hacen un 98% más de fusiones de pull requests, pero el tiempo de revisión de pull requests aumenta un 91%. La eficiencia puede desplazar cuellos de botella a nuevas etapas, especialmente en entregas empresariales, donde seguridad, mantenimiento, integración, orquestación de procesos, ecosistema y GTM siguen siendo tareas duras.

“El futuro será personalizado” puede quitar parte del presupuesto, y Palantir lo hace creando plataformas (puntuación 3)

• El quinto argumento bajista es que “las empresas preferirán construir internamente”.** La conclusión de Goldman Sachs es más una posición de compromiso, pero sin ambigüedades: la reducción en costos de código no cambiará en general la decisión de construir vs comprar, pero las empresas sí pueden reasignar presupuestos a la construcción interna en ciertos escenarios, riesgo 3. La razón principal es que los costos y responsabilidades de mantenimiento se acumularán a largo plazo—aunque la eficiencia de los agentes reduzca los costos de mantenimiento, los proveedores especializados también reducirán sus costos, y la “frontera de rendimiento/costo” seguirá en su mayoría en manos de los fabricantes.

El informe sugiere que lo que más puede ser desplazado por la construcción interna es esa “zona intermedia” entre SoR tradicional, que requiere coordinación entre múltiples departamentos y que en el pasado no se integraba bien con software empaquetado.

Palantir aparece como ejemplo de paradigma de personalización: co-construcción de casos de uso de IA productiva con clientes, enfatizando ROI medible. Muestran que en EE. UU., su negocio comercial creció un 109% en 2025, y esperan que en 2026 esa tasa se acelere a más del 115%. Además, usan ingenieros de despliegue en primera línea para traducir las intenciones del cliente en sistemas operativos, y consolidan soluciones específicas en capacidades reutilizables; en medio de dudas sobre “software o servicio”, mantienen un margen bruto cercano al 85%.

Goldman Sachs también advierte que la ola de construcción interna podría estar cerca de un “pico local”: los proveedores SaaS están mejorando sus capacidades de IA, y las políticas de gobernanza de datos y seguridad (mencionan A2A, MCP) están en evolución, mientras los equipos de TI también avanzan. ServiceNow ya ha declarado que está recuperando presupuestos que antes iban a “construcción interna”.

“Impuesto LLM” comprimirá márgenes: más realista en 12–24 meses, pero a largo plazo, el poder de fijación de precios (puntuación 3)

• El sexto argumento bajista es que la estructura de márgenes será reescrita.** Goldman Sachs estima que la industria enfrentará una presión moderada en márgenes durante 12 a 24 meses: los proveedores absorberán primero los costos de inferencia en GPU y las tarifas de API de modelos de terceros para impulsar adopción. Porque la IA convierte la “intensidad de uso” en costo (consumo de tokens, complejidad del modelo, frecuencia de consultas), y el SaaS pasará de un apalancamiento de costos fijos a una economía más cercana a “pago por consumo”.

El informe cita a Bessemer, que observa que algunas de las empresas nativas de IA que más rápido alcanzaron 100 millones de dólares en ARR tienen márgenes en torno al 25%, y muchas incluso negativos; las empresas más maduras en IA tienen márgenes en torno al 60%, aún por debajo del SaaS tradicional.

Pero no consideran esto como una caída definitiva: citan datos de Epoch AI, que muestran que los costos de inferencia LLM bajan entre 9 y 900 veces al año; y que los precios para obtener rendimiento similar a GPT-4 en tareas como GPT MMLU caen aproximadamente un 40 veces anualmente. La recuperación de márgenes a largo plazo dependerá de la “fijación de precios diferenciada”. También señalan la ventaja estructural de Microsoft: su integración vertical y relación con OpenAI le permiten capturar beneficios en varias capas de valor y reducir la fuga de “impuesto LLM” de terceros.

Lo más difícil de fijar precios es la velocidad tecnológica: la incertidumbre misma reduce las valoraciones (puntuación 5)

• El séptimo argumento bajista, considerado por Goldman Sachs como el de mayor riesgo, es que la velocidad de evolución tecnológica es tan rápida que el escenario final es impredecible.** La nota recopila actualizaciones recientes—Anthropic (Cowork, Opus 4.6, plugins verticales), OpenAI (Frontier, OpenClaw), Google DeepMind (Deep Think), Meta (Avocado). Citan un informe de Bridgewater de noviembre de 2025: que las leyes de expansión del preentrenamiento siguen vigentes; y muestran ejemplos recientes de modelos y puntuaciones de referencia (como GPQA Diamond, con múltiples modelos >90%).

Usan la metáfora de “cintas adhesivas” para ilustrar la imprevisibilidad: ChatGPT democratizó capacidades al ponerlas en una interfaz fácil de usar; Cowork llevó esas capacidades a la interfaz gráfica de escritorio, permitiendo a usuarios no técnicos experimentar. Mirando más atrás, la difusión de agentes autohospedados como OpenClaw, en diálogo con el CEO de Cloudflare, Matthew Prince, se describe como una posible réplica en los próximos tres años de la velocidad de difusión de ChatGPT en los últimos tres, con la principal restricción a corto plazo siendo la seguridad.

La incertidumbre también puede abrir nuevos TAM. Citan un ejemplo del equipo de Microsoft MAI Superintelligence: que en un caso en NEJM, la tasa de éxito en diagnósticos con MAI-DxO alcanzó el 85%, y que tras ingresar datos iniciales en el blog de Microsoft y en ChatGPT, el TAM estimado sería entre 50 y 100 mil millones de dólares anuales (escenario optimista: 150-200 mil millones). Pero la conclusión de Goldman Sachs no es “apostar a un escenario”, sino aceptar que lo desconocido hace más difícil anclar el valor terminal, y que la alta incertidumbre suele traducirse en múltiplos de valoración más bajos.

Las señales para “mantenerse firme” son: experiencia en dominio que se materialice, y que los fundamentos no se deterioren

Goldman Sachs reduce las señales estables observables a dos: primero, si las empresas de software pueden demostrar con productos y casos que la experiencia en dominio realmente genera resultados de agente de mayor calidad; y segundo, si los fundamentos en los informes financieros pueden mantenerse o incluso mejorar (especialmente verificando en los resultados trimestrales). Antes de eso, favorece una “ventaja competitiva basada en arquitectura”—que no solo esté en la interfaz y los flujos de trabajo, sino que se extienda a niveles más profundos de tecnología y estructura de plataforma.

Este contenido destacado proviene de ZF Trading Desk.

Para un análisis más detallado, incluyendo interpretaciones en tiempo real y estudios de primera línea, únase a【**ZF Trading Desk▪ Membresía Anual**】

![](https://img-cdn.gateio.im/social/moments-405e5113af-27450a9e61-8b7abd-d8d215)

Aviso de riesgo y exención de responsabilidad

El mercado tiene riesgos, invierta con prudencia. Este artículo no constituye consejo de inversión personal ni considera objetivos, situación financiera o necesidades particulares del usuario. El usuario debe evaluar si las opiniones, puntos de vista o conclusiones aquí expresadas se ajustan a su situación específica. La inversión es bajo su propio riesgo.