El software de 30 años llegó al límite de lo que podía cobrar
Hay un dato que no aparece en ningún comunicado de prensa pero que lo explica todo: cuando el CEO de Microsoft declara que el 30% del código de la compañía ya lo genera una máquina, no está anunciando un logro de productividad. Está admitiendo, sin decirlo, que la escasez que justificó décadas de precios premium acaba de evaporarse.
Eso es lo que está ocurriendo en el sector que Wall Street llama Big Software, y la pérdida de capitalización de Oracle —más de 463.000 millones de dólares desde septiembre de 2025— no es una anomalía. Es la primera lectura visible de una revalorización que todavía no ha terminado.
La moat no era tecnología, era dificultad de construcción
Durante treinta años, el argumento central de cualquier empresa de software empresarial fue sencillo: construir lo que nosotros construimos requiere cientos de ingenieros, decenas de millones de dólares y años de iteración. Ese costo de entrada era el foso protector. No la marca, no la tecnología en sí, sino la fricción enorme que suponía replicarla.
La inteligencia artificial generativa no compite con ese software. Lo que hace es atacar directamente la fricción que lo protegía. Cuando los modelos de código abierto alcanzan el 90% de las capacidades de los modelos frontera, el costo de construir un competidor funcional colapsa. La startup que antes necesitaba cinco años y cincuenta ingenieros para construir un CRM mínimamente viable ahora puede recorrer esa distancia en una fracción del tiempo y el capital. El foso no desapareció porque alguien construyó un puente mejor; desapareció porque se secó.
Esto cambia radicalmente qué están comprando las empresas cuando contratan una plataforma como Salesforce o un servicio en la nube de Microsoft. Durante décadas, contrataban certeza de ejecución: la garantía de que alguien ya había resuelto el problema de construir el software, lo había probado con miles de clientes y lo mantendría funcionando. Ese argumento sigue siendo parcialmente válido, pero su precio se está ajustando hacia abajo con una velocidad que los modelos financieros de los analistas no anticiparon.
Cuando la productividad se convierte en argumento para el recorte
El movimiento que más revela la tensión interna de estas empresas no es la inversión en inteligencia artificial. Es la secuencia de decisiones que vino después.
Microsoft anunció en mayo de 2025 una ronda de despidos en la que aproximadamente el 40% de los cortes —más de 800 posiciones— correspondían a ingenieros de software en su sede de Redmond. Oracle y Block hicieron lo propio, citando explícitamente la automatización como justificación. La narrativa corporativa enmarcó estos movimientos como una reasignación hacia áreas de mayor crecimiento. Pero la mecánica financiera es más directa: si el 30% del código ya lo produce una máquina, mantener el mismo número de ingenieros humanos destruye el argumento de retorno sobre la inversión en IA que se le presenta al consejo directivo.
Hay una paradoja operativa en este razonamiento que los datos empiezan a señalar. Las herramientas de generación de código producen más errores que el código escrito por ingenieros experimentados. Esto significa que la ganancia de velocidad viene acompañada de un aumento en el costo de supervisión y corrección. Las empresas están sacrificando profundidad de revisión por velocidad de entrega, y eso tiene consecuencias que no aparecerán en los estados financieros durante los próximos trimestres, pero que empezarán a aparecer en la satisfacción del cliente final.
La carrera por demostrar que la inversión en IA está generando retorno —Microsoft comprometió 10.000 millones de dólares en OpenAI, Google invirtió 2.000 millones en Anthropic, Amazon otros 4.000 millones— está creando una presión interna que distorsiona las prioridades de producto. Los proyectos que no tienen una narrativa de inteligencia artificial asociada están siendo cancelados o deprioritizados, independientemente de su valor para el cliente.
El desplazamiento de valor que los balances todavía no muestran
La pregunta más útil para un ejecutivo que evalúa su exposición a este sector no es si Salesforce o Microsoft sobrevivirán. Probablemente lo harán, al menos en alguna forma. La pregunta más útil es hacia dónde se está desplazando el valor que antes capturaban estas plataformas.
El análisis de la arquitectura competitiva apunta en una dirección consistente: el valor se está moviendo desde el software hacia la infraestructura física. Centros de datos, semiconductores, capacidad energética. Las empresas que controlan esos activos —no las que venden licencias de software— son las que están consolidando posición. Las hiperscalers con infraestructura propia tienen una defensa que los pure players de SaaS no pueden replicar rápidamente.
El caso de Oracle ilustra este desplazamiento con una claridad que duele. La compañía intentó posicionarse como proveedor de infraestructura para los modelos de lenguaje más grandes del mercado. Cuando OpenAI decidió redirigir su capacidad hacia Microsoft y Amazon, Oracle perdió ese contrato y con él la narrativa que sostenía su valoración. Más de 463.000 millones de dólares de capitalización bursátil se evaporaron en meses. No por un escándalo, no por una mala decisión contable, sino porque el mercado recalibró qué tan sólida era la posición de Oracle en la cadena de valor de la inteligencia artificial.
Para los ejecutivos que evalúan qué proveedores de software empresarial seguirán siendo relevantes en los próximos cinco años, la pregunta ya no es si tienen una funcionalidad de IA. Es si la capa de IA que ofrecen crea una dependencia real o es simplemente una envoltura sobre modelos que el cliente podría acceder directamente. La diferencia entre esas dos situaciones determinará qué empresas pueden mantener sus márgenes y cuáles entrarán en una espiral de reducción de precios para retener clientes.
El trabajo que el cliente siempre estuvo contratando no era el software
Hay una lectura de fondo en todo esto que los reportes de analistas tienden a esquivar porque complica los modelos de valoración.
Las empresas que compraban Salesforce, o Microsoft Dynamics, o cualquier plataforma de software empresarial de ciclo largo, no estaban comprando tecnología. Estaban comprando la eliminación de una incertidumbre operativa: la certeza de que sus procesos críticos funcionarían, de que habría soporte cuando algo fallara, de que el proveedor estaría ahí en tres años. Eso es lo que justificaba los contratos plurianuales y los precios premium.
La inteligencia artificial no elimina esa necesidad. Lo que elimina es la percepción de que solo las grandes plataformas consolidadas pueden satisfacerla. Cuando un equipo interno puede construir y mantener una herramienta de CRM funcional con una fracción del costo anterior, el argumento del proveedor consolidado deja de ser la única ruta hacia esa certeza operativa.
Las compañías de software empresarial que entiendan esto antes que sus competidores no van a competir en funcionalidades de IA. Van a redefinir qué certeza específica están vendiendo y a quién, y van a construir su modelo de precios alrededor de esa certeza concreta, no alrededor de la complejidad técnica que ya no pueden proteger.
El fracaso de los modelos de alto precio en este ciclo demuestra que el trabajo que el cliente siempre contrató no era acceso a software sofisticado, sino la reducción del riesgo operativo de depender de tecnología que no controla. Quien logre vender esa garantía de forma creíble en un entorno donde construir el software ya no es la barrera, habrá resuelto el problema real. El resto seguirá bajando precios hasta que los márgenes dejen de justificar la operación.
