Wall Street no se levantó una mañana y decidió que el software estaba obsoleto. La reciente crisis del software tiene un desencadenante más sencillo: el temor a que los asistentes de IA pasen de las demostraciones al trabajo diario, más rápido de lo que pueden adaptarse los modelos de ingresos. La venta se aceleró después de que las nuevas versiones de Anthropic y OpenAI mostraran herramientas de estilo coworker con plugins para revisión legal, operaciones de marketing, flujos de trabajo de finanzas, análisis de datos y tareas de ventas. En un mercado basado en ingresos por suscripción predecibles, el mensaje sonaba brutal: ¿por qué pagar por una suite cuando el aprendizaje automático y la automatización pueden montar un flujo de trabajo a la carta?
Los precios se movieron como si el relato ya estuviera decidido. Desde finales de enero, varias grandes empresas han sufrido fuertes caídas: ServiceNow cayó más de 22%, Thomson Reuters más de 26%, Intuit más de 26%, Snowflake alrededor de 18% y Salesforce más de 20%. Sin embargo, la realidad es confusa. La IA está remodelando el desarrollo de software, pero las aplicaciones del mundo real siguen chocando con los límites de la calidad de los datos, la exposición a la seguridad y el riesgo ético de la IA. Una forma útil de interpretar el momento no es "la IA sustituye al software", sino "la IA cambia quién captura el valor". Las siguientes secciones separan el bombo tecnológico de la mecánica que decide ganadores y perdedores.
Crisis del software impulsado por la IA: qué ha desencadenado la conmoción del mercado
La sorpresa vino del envoltorio del producto, no de un único avance. Las herramientas de "coworker" enmarcan la IA como una capa operativa entre departamentos, con plugins que parecen miniaplicaciones que sustituyen a las estrechas pantallas de SaaS. Esta presentación alimenta la idea de que un proveedor modelo puede situarse por encima de los operadores tradicionales y obtener márgenes en muchas categorías.
El segundo desencadenante es la ansiedad de construir contra comprar. Si la IA puede generar herramientas internas a partir de peticiones, los directivos empiezan a preguntarse por qué los equipos renuevan los contratos. Se trata del mismo patrón psicológico observado en ciclos anteriores, desde la consolidación de ERP hasta los primeros años de la nube: el mercado valora la amenaza antes de que la realidad de la implantación se ponga al día.
Inteligencia Artificial: los índices se han desplomado, no sólo las empresas débiles
Los analistas señalaron un mecanismo contundente: las amplias cestas de software se vendieron sin mucha discriminación. Cuando el dinero gira con rapidez, los valores de los principales índices de software se mueven juntos aunque su exposición a la sustitución de la IA difiera.
La conclusión práctica para la crisis del software es sencilla: la evolución de los precios puede reflejar el posicionamiento más que los fundamentos. El siguiente paso es separar qué productos son vulnerables a la "IA como interfaz" y cuáles se fortalecen al integrar el aprendizaje automático en los flujos de trabajo existentes.
Para más contexto sobre cómo las narraciones se extienden a segmentos adyacentes, véase este vistazo a la caída de los valores de infraestructura de IAque muestra lo rápido que viaja el sentimiento a través de la pila.
IA y desarrollo de software: donde el bombo publicitario rompe con la realidad de la ingeniería
La IA cambia el desarrollo de software sobre todo allí donde el trabajo es repetitivo: andamiaje de código, escritura de pruebas, generación de migraciones y redacción de documentación. Acelera el rendimiento, pero también aumenta el volumen de código que entra en el sistema, lo que eleva la carga de revisión y el coste de mantenimiento a largo plazo.
Un ejemplo de una empresa mediana de tecnología financiera ilustra la cuestión. Un equipo utiliza un asistente para generar cuadros de mando internos en cuestión de días, pero el grupo de seguridad descubre secretos codificados y registros de auditoría que faltan. La creación es rápida, la corrección es lenta, y el tiempo total del ciclo termina cerca de la antigua línea de base. La crisis no es de velocidad, sino de control.
El aprendizaje automático y los datos frágiles: la calidad de los datos se convierte en el cuello de botella oculto
La mayoría de las herramientas empresariales parecen "inteligentes" sólo cuando los datos están limpios, etiquetados y gobernados. Las funciones de aprendizaje automático se degradan cuando los registros de clientes están duplicados, cuando los permisos son incoherentes o cuando faltan registros. En las aplicaciones del mundo real, el resultado del modelo suele reflejar la higiene de los datos de la organización.
Esto invierte la historia del retorno de la inversión. Los compradores que esperaban que la IA compensara los sistemas desordenados descubren que la calidad de los datos sigue siendo necesaria, a menudo con mayor urgencia. La idea de la crisis del software es que los proveedores con sólidas capacidades de gobernanza, linaje y auditoría ganan ventaja.
Automatización de la IA: qué se sustituye, qué se absorbe
La automatización no es una categoría única. Algunas tareas son flujos de trabajo en los que basta con hacer clic, fáciles de sustituir por un agente. Otras dependen de políticas, cumplimiento y excepciones, en las que los humanos siguen marcando los límites y aprobando los resultados. El mercado se vende como si todas las tareas fueran del primer tipo.
Un modelo mejor es preguntarse: ¿el producto vende una interfaz de usuario o vende un resultado con responsabilidad? Si solo vende interfaz de usuario, una capa de IA lo amenaza. Si vende resultados con controles, puede absorber la IA y mantener el poder de fijación de precios.
Lista de comprobación práctica para compradores que se enfrentan a la crisis del software
Los equipos de adquisición e ingeniería pueden reducir el riesgo tratando las funciones de IA como sistemas operativos, no como complementos. El camino más rápido hacia la claridad es probar la IA en un flujo de trabajo limitado con modos de fallo mensurables.
- Defina un flujo de trabajo y una métrica de éxito antes de activar la automatización de la IA.
- Mida los tipos de error, no sólo el tiempo ahorrado, incluidas las fugas de permisos y las fusiones de datos erróneos.
- Exigir registros, repeticiones y pistas de auditoría para cada acción de IA en producción.
- Ejecute avisos de equipo rojo contra el flujo de trabajo para sacar a la superficie las vías de inyección y exfiltración de datos.
- Despliegue de puertas en comprobaciones de calidad de datos: duplicados, campos que faltan y asignaciones de funciones.
- Establezca puntos de aprobación humana para acciones de alto impacto como pagos, envíos legales y acceso de usuarios.
Este enfoque convierte el bombo publicitario de la tecnología en una decisión de ingeniería y evita que la crisis del software se convierta en una historia de interrupción del servicio.
Ética y seguridad de la IA: la crisis dentro de la crisis
La ética de la IA ya no es un tobogán político. Cuando los asistentes tocan textos legales, notas de RRHH o transcripciones de atención al cliente, el sistema se convierte en una superficie de privacidad y parcialidad. Si un proveedor no puede explicar a dónde van los datos, quién puede acceder a ellos y cómo se rastrean los resultados, la adopción se ralentiza.
El riesgo para la seguridad también aumenta porque la IA amplía la capa de interfaz. La inyección de prompts, el abuso de herramientas y los plugins con permisos excesivos crean nuevas vías de intrusión. El resultado es una paradoja: la IA impulsa la automatización, mientras que los equipos de seguridad añaden fricción para mantener los sistemas seguros.
Las organizaciones que buscan lecciones concretas sobre infracciones pueden comparar patrones en este informe sobre la dinámica de las violaciones de datosA continuación, asigne esos modos de fallo a los plugins de IA y a los permisos de los agentes.
Crisis del software basado en IA: quién corre más riesgo y por qué
El riesgo se concentra en torno a productos en los que los costes de cambio son bajos y la diferenciación escasa. Si el valor principal es el contenido planificado, los informes básicos o el simple enrutamiento de tickets, una capa de IA puede comprimir los precios. Esto no significa que el producto desaparezca, sino que los márgenes se reducen.
En el lado más seguro se sitúan las plataformas vinculadas a flujos de trabajo regulados, integraciones profundas y resultados verificados. Siguen enfrentándose a retos de innovación, pero también cuentan con distribución, confianza y conjuntos de datos específicos del sector. A corto plazo, la IA las refuerza mejorando la búsqueda, el resumen y el apoyo a la toma de decisiones dentro de los procesos establecidos.
Por qué la analogía con las puntocom induce a error en 2026
La era puntocom recompensó primero el tráfico y después los modelos de negocio. El ciclo actual de la IA está limitado por los costes de computación, el acceso a los datos y la responsabilidad. Estas limitaciones determinan los precios y favorecen a los proveedores que gestionan el coste por tarea y demuestran la gobernanza.
La mejor analogía es la migración temprana a la nube: muchos operadores tradicionales sobrevivieron mediante la reorganización, la agrupación y el cambio a los precios basados en el uso cuando era necesario. La crisis del software es dolorosa, pero también obliga a establecer métricas de valor más claras.
Nuestra opinión
La crisis del software impulsada por la IA es real en los mercados, pero desigual en las operaciones. El mayor daño se debe a la valoración errónea del riesgo: suponer que cada producto SaaS es una función a la espera de ser devorada por un asistente. En la práctica, el aprendizaje automático y la automatización elevan el nivel de la funcionalidad básica, al tiempo que suben el listón de la confianza, la auditabilidad y la calidad de los datos.
Los ganadores tratarán la IA como una disciplina de ingeniería, no como un titular de marketing. Los perdedores se apresurarán a lanzarla sin controles y lo pagarán más tarde con incidentes de seguridad, retrocesos en el cumplimiento de normativas y pérdida de clientes. Si este tema es importante para su trabajo, compártalo con alguien que presupueste proyectos de IA, ya que la diferencia entre el bombo publicitario de la tecnología y las aplicaciones en el mundo real es ahora una partida presupuestaria.