IA agéntica: qué empresas de software están en riesgo de quedar obsoletas

El S&P 500 se mantiene prácticamente estable en los últimos tres meses, pero debajo de esa calma superficial ocurre un movimiento sísmico: gigantes tecnológicos cayeron más de 20% en el último trimestre, mientras que otros ganadores emergieron. Microsoft registró su peor trimestre desde 2008 con una caída cercana al 23%, Nvidia acumuló pérdidas del orden del 20% desde sus máximos, y un índice de software empresarial perdió dos billones de dólares de capitalización entre enero y febrero. Al mismo tiempo, Alphabet mostró resultados positivos, junto con fabricantes de chips como TSMC y Broadcom.

Sergio Pernice, físico, investigador y director de la carrera de Ingeniería en Inteligencia Artificial de UCEMA, analiza el fenómeno desde tres perspectivas complementarias. En primer lugar, señala factores macroeconómicos: tensiones geopolíticas, incertidumbre arancelaria, volatilidad del petróleo y una Reserva Federal más restrictiva de lo esperado. Sin embargo, el diagnóstico más profundo apunta a otro lado.

En segundo término, Pernice identifica una corrección en los "hyperscalers" (Microsoft, Amazon, Meta, Alphabet). Estos gigantes proyectan gastar más de 600.000 millones de dólares en infraestructura este año, pero el mercado comenzó a cuestionar cuándo se verán los retornos. Explica que históricamente, los beneficios de los grandes booms de infraestructura —desde ferrocarriles hasta internet temprano— terminan en manos de quienes utilizan la infraestructura, no en quienes la construyen. "Construir suele ser caro, riesgoso y poco rentable. El negocio está en usarla", sintetiza.

Pero el tercer factor es el más determinante y no es cíclico: desde hace seis meses los agentes de IA funcionan de verdad. No están por funcionar; ejecutan acciones. Eso disparó una revaluación brutal de cualquier empresa cuyo producto pudiera ser replicado o automatizado por un agente. "El mercado se hace una pregunta incómoda: si un agente puede hacer el trabajo que antes requería cinco licencias o suscripciones, ¿qué queda del modelo de negocio por usuario?", advierte Pernice.

La diferencia con generaciones anteriores de IA es radical. Antes, la inteligencia artificial producía outputs —texto, clasificaciones, predicciones— que los humanos leían para decidir qué hacer. Ahora, la IA agéntica concreta acciones por sí sola: ejecuta pasos, invoca herramientas, modifica sistemas externos, recupera información y cierra el ciclo sin intervención humana en cada etapa. Esto reconfigura completamente el mapa empresarial.

Este cambio trae tres consecuencias que Pernice subraya. Primero, la IA deja de reemplazar tareas individuales para reemplazar flujos enteros de trabajo. Segundo, como el agente navega por las aplicaciones sin que el usuario las abra directamente, las aplicaciones dejan de ser productos visibles para convertirse en piezas invisibles que alimentan al agente. Eso elimina la relevancia del diseño, el branding y la experiencia de usuario tradicionales. "Ahora el objetivo es que la aplicación sea amigable para el agente de IA, no para el humano", resume.

Tercero, esto altera la economía del software. "Cuando construir una aplicación interna baja de meses a días, la decisión de comprar o construir se rebalancea fuertemente hacia construir", explica Pernice. Muchas empresas preferirán armar su propia herramienta a medida con ayuda de IA agéntica antes que pagar una suscripción mensual por algo genérico.

¿Qué empresas corren mayor riesgo? Pernice establece un criterio claro: lo que mejor resiste a la IA es aquello que no puede replicarse fácilmente. Sobrevivirán tres categorías. Primero, los sistemas de registro con datos propietarios profundos —plataformas como ServiceNow, Workday y Snowflake donde residen datos críticos y estructurados de una organización. Segundo, el software vertical especializado con requisitos regulatorios altos, que enfrenta barreras legales y de cumplimiento. Tercero, plataformas con red de efectos que se vuelven más valiosas a medida que crece su usuario.

En contraste, el software genérico sin datos diferenciadores corre riesgo real. Las herramientas horizontales —esas que cualquier agente de IA podría replicar rápidamente— enfrentan un futuro incierto. El mercado ya está repricing esa realidad incómoda.