El desconocido dato de los mercados que revela qué empresas están quedando obsoletas con el avance de la IA y cuáles no

Como en varios ámbitos de la vida, son muchas las cuestiones de las que se conoce solo la punta del iceberg; lo que figura a simple vista es solo una capa superficial de ciertos fenómenos, pero por debajo se dan dinámicas donde se juega lo determinante. En el caso del S&P 500, uno de los indicadoras más importantes del mundo, que funciona como termómetro de la economía estadounidense, ocurre lo mismo. Este índice se mantuvo prácticamente estable en los últimos tres meses (más allá de las recientes oscilaciones, como consecuencia de los eventos geopolíticos). Sin embargo, pocos conocen qué está pasando debajo de esa superficie: gigantes tecnológicos cayeron más de un 20% en el último trimestre, mientras que otros subieron. En ese contexto, se despierta una inquietante pregunta: ¿qué está empujando esta nueva foto del mercado?

Efectivamente, el último trimestre muestra un balance inusual para los mercados americanos: Microsoft cayó alrededor de 23% en ese periodo y registró su peor trimestre desde 2008; Nvidia acumuló una caída del orden del 20% desde sus máximos; Meta descendió cerca de un 10% y un índice de software empresarial -que agrupa a Atlassian, Salesforce, Adobe, Workday, ServiceNow y compañía- perdió más de dos billones de dólares de capitalización entre enero y febrero.

Al mismo tiempo, Alphabet (la compañía matriz de Google y otros negocios) muestra resultados positivos. Aunque no son los únicos: los fabricantes de chips TSMC y Broadcom también sostuvieron sus valuaciones y las generadoras eléctricas asociadas a centros de cómputo tuvieron un trimestre notable.

“Lo importante no es solo la magnitud: es que las grandes tecnológicas dejaron de moverse en bloque. Hasta el año pasado, cuando subía Nvidia, subían todas; hoy, hay ganadores y perdedores dentro del grupo”, explica Sergio Pernice, físico, investigador y director de la carrera de Ingeniería en Inteligencia Artificial de UCEMA. En definitiva, la foto muestra que la correlación interna entre las grandes tecnológicas se rompió: dejaron de moverse “todas juntas” en bolsa.

En diálogo con LA NACION, el experto de UCEMA comparte su análisis de la situación de los mercados, explica por qué cayó la valoración de algunas de estas compañías y qué deberían hacer las empresas para mantenerse vigentes en un entorno que cambia rápido.

¿Qué explica la caída de los gigantes tecnológicos?

En primer lugar, Pernice explica este fenómeno como una respuesta a un contexto más macro: un ambiente lleno de tensiones geopolíticas, una incertidumbre arancelaria que golpea, el precio del petróleo que afecta el costo de operar centros de cómputo y una Fed más dura de lo esperado (el Sistema de la Reserva Federal, el “banco central” de los Estados Unidos).

En segundo lugar, se aleja del contexto sociopolítico y alude a un fenómeno que está ocurriendo en el caso de los “hyperscalers” (empresas tecnológicas como Microsoft, Amazon, Meta y Alphabet, capaces de proveer servicios en la nube a gran escala). “Lo que estamos viendo se parece a una corrección”, apunta Pernice y agrega: “El mercado finalmente empezó a preguntarse: si los hyperscalers van a gastar más de US$600.000 millones en infraestructura este año, ¿cuándo empiezan a verse los retornos?“. Explica que el gasto de capital llegó a niveles históricos como porcentaje del flujo operativo, y la historia de los grandes booms de infraestructura —desde los ferrocarriles hasta el internet temprano— muestra que los retornos tienden a ir a quienes viajan arriba de la infraestructura, no a quienes la construyen. En definitiva, señala que construir la infraestructura suele ser caro, riesgoso y poco rentable, mientras que el negocio suele estar en usar esa infraestructura.

Por último, apunta a un tercer factor, al que señala como el más interesante, porque no es cíclico: “Desde hace unos seis meses los agentes de IA empezaron a funcionar. No «están por funcionar»: funcionan. Eso disparó una revaluación brutal de cualquier empresa cuyo producto pudiera ser replicado, evitado o automatizado por uno. En definitiva, es el mercado revisando 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?“.

Pernice explica que las generaciones anteriores de IA producían outputs: texto, una clasificación, una predicción. El humano leía ese output y decidía qué hacer con él. Ahora, la IA agéntica concreta acciones: ejecuta pasos, llama herramientas, modifica el estado de sistemas externos, recupera información, decide qué hacer a continuación y cierra el lazo sin un humano en cada paso. Esto reconfigura completamente el mapa de los negocios e introduce en una nueva era.

Este nuevo paradigma trae, a su vez, tres consecuencias importantes que Pernice remarca; en primer lugar, cambia el sustituto laboral: la IA ya no reemplaza tareas, sino que reemplaza flujos enteros de trabajo. En segundo lugar, dado que el agente es el que recorre las aplicaciones a través de las órdenes de una persona, pero sin que esta abra ninguna, las aplicaciones dejan de ser productos visibles con los que el usuario convive y se vuelven piezas invisibles que alimentan al agente. “Eso cambia todo: qué tan importante es el diseño, el branding, la experiencia de usuario — porque el usuario ya no las ve. En todo caso, ahora el objetivo es que la aplicación sea amigable para el agente de IA, no para el humano", sintetiza Pernice.

Por último, alude a que esto implica un cambio en la economía del software a medida: “Cuando construir una aplicación interna baja de meses a días, la decisión de «comprar o construir» se rebalancea fuertemente hacia construir", indica Pernice y explica que, con este escenario, muchas empresas preferirán armar su propia herramienta a medida con ayuda de la IA agéntica, en lugar de pagar una suscripción mensual por algo genérico.

¿Qué tiene que hacer una empresa para no quedar obsoleta?

En ese contexto, Pernice señala cuáles son las compañías más vulnerables a estos cambios, que podrían desaparecer en este escenario de transformación:

• En primer lugar, apunta a los softwares que organizan y automatizan los procesos de trabajo, dado que realizan actividades que los agentes replican muy bien (Atlassian, por ejemplo, empresa dueña de Trello, cayó alrededor de 35%; Salesforce, líder en CRM, que brinda software que ayuda a guardar datos de clientes, gestionar soporte y atención, descendió un 28%).
• Los softwares cuyo valor está en brindar una interfaz amigable sobre datos ajenos (no tanto la tecnología de fondo, sino cómo se presenta la información).
• Alude a la ciberseguridad basada en pattern matching (sistemas de seguridad que detectan amenazas comparando lo que ven con patrones conocidos). “Cuando salió un agente de auditoría realmente competente en febrero, JFrog cayó 24% en un solo día y arrastró a CrowdStrike, Okta y Zscaler”, ejemplifica Pernice.
• Por último, cita al “software creativo subjetivo” (como podría ser el caso de canva), el que se usa para crear cosas, no para ejecutar procesos fijos. “Ahí, no hay un criterio objetivo de corrección, por lo que la IA generativa compite de frente”, sentencia Pernice.

¿Qué resistirá a los cambios? Pernice señala un criterio general para responder a estar pregunta: lo que mejor resiste a la IA es aquello que, por distintos motivos, no puede replicarse fácilmente. En concreto, señala tres áreas que sobrevivirán a los cambios: “Los sistemas de registro con datos propietarios profundos —las plataformas donde una empresa guarda sus datos más críticos y estructurados, como ServiceNow, Workday, Snowflake—, el software vertical especializado con requisitos regulatorios altos (el que fue diseñado para una industria específica, para el cual su construcción pudo haber tomado años y que involucra certificaciones y responsabilidad legal, en contraposición al “horizontal”, que sirve para cualquier empresa) y, por supuesto, la infraestructura de energía eléctrica para alimentar los centros de cómputo, chips especializados (las GPUs de Nvidia, los TPUs de Google, los ASICs de Broadcom) y data centers y redes, lo que se conoce como el «fierro» alrededor del chip". En relación al primero (los sistemas de registro) explica que un agente de IA puede escribir código o mandar mails, pero no es capaz de inventar los datos históricos de nómina o de ventas de una empresa: tiene que ir a buscarlos a estos sistemas. Esto hace que compitan con la IA, porque se vuelven la fuente autorizada desde la que la inteligencia artificial trabaja.

¿Dónde se capturará el valor en esta nueva era tecnológica? “En cada ola tecnológica hay una o dos capas estratégicamente escasas —difíciles de replicar, caras de construir, con pocos proveedores globales— y el valor tiende a acumularse ahí“, explica el especialista. Señala que, mientras que en la era donde reinaba el software como servicio (también llamado “Saas”), momento en el que Microsoft dominaba como nadie, las dos áreas estratégicas se concentraban en la distribución empresarial y los flujos de trabajo; en la era agéntica, estará en los Chips especializados (las GPUs de Nvidia, los TPUs de Google, los ASICs de Broadcom), porque definen el costo unitario de la inferencia (de las respuestas que luego brinda el modelo de IA), donde se pelea el margen; y en los modelos de frontera -como Gemini, Claude, GPT y unos pocos más-, porque explica que entrenar un modelo de frontera cuesta miles de millones y hay solo tres o cuatro en el mundo.

El especialista indica que la comparación Google-Microsoft ilumina el punto: “Las dos compañías son igual de grandes e igual de integradas verticalmente. Pero Google posee las dos áreas estratégicas escasas: tiene sus TPUs desde hace más de una década y tiene Gemini, uno de los tres modelos top del planeta. Microsoft alquila ambas: el modelo se lo provee OpenAI, que ahora le compite, y los chips se los da Nvidia, a lo que los analistas ya llaman «el impuesto Nvidia». El resultado: Google mantuvo su valuación, mientras Microsoft vivía su peor trimestre en casi dos décadas”.

¿Qué hacer para no quedar atrás?

Pernice opina que una tecnológica que quiera proyectarse en el tiempo debe tener al menos una ventaja que la IA necesite para funcionar y que sea difícil de replicar—datos propietarios (que solo esa tecnológica tiene), distribución (usuarios, que garanticen, por ejemplo, una base sólida de clientes), integraciones profundas, compliance, marca de confianza en mercados regulados—, y diseñarse para ser compatible con los agentes en vez de competir contra ellos. “La regla informal: si un agente puede usar tu API para hacer trabajo, sos infraestructura; si puede reemplazarla, sos el diario en papel del año 2005″, sintetiza el experto.

Un suceso reciente brinda un preludio de lo que podría llegar a pasar en este mercado. El gigante tecnológico Anthropic, que rompió relaciones con Trump -luego de haberle negado el permiso de utilización de su IA para “todo uso legal”, por lo que dejó de ser utilizada por el Departamento de Defensa de EE. UU.-,acaba de frenar el lanzamiento de Claude Mythos, su modelo de IA más potente.

Anthropic detalló en un comunicado que la evolución de los modelos de IA alcanzaron un nivel de capacidad de programación que les permite superar a todos, excepto a los humanos más expertos, en la detección y explotación de vulnerabilidades de software. La compañía indicó algunos hallazgos preocupantes, entre ellos, su habilidad para saltarse las limitaciones de seguridad, red o sistema de archivos impuestas al modelo. "Las consecuencias —para la economía, la seguridad pública y la seguridad nacional— podrían ser graves”, aseguran en el comunicado.

Por su parte, Pernice señala que esto es relevante por dos motivos. En primer lugar, apunta que, para aquellos que cuenten con una compañía o que gestionen infraestructura que depende de software (en definitiva, el Estado y prácticamente cualquier empresa) el tiempo para ordenar los sistemas es corto y la probabilidad de que tu software más importante tenga vulnerabilidades que estos sistemas van a encontrar es 100%.

Un segundo motivo cierra su argumento: “Mythos es un recordatorio de que los modelos siguen mejorando y cada salto redistribuye valor de maneras que no se pueden anticipar con precisión. El derrumbe del software horizontal, la fortaleza del silicio y la energía, son el primer movimiento de una reorganización que va a durar varios años. Mythos es el segundo movimiento. Habrá un tercero y un cuarto. El mercado está, a los golpes, descubriendo ese reordenamiento en tiempo real. Y lo que estamos viendo no es caos: es el sonido que hace una industria cuando se reorganiza en torno a capas que hasta hace muy poco ni siquiera existían”.

Por María Josefina Lanzi

• FuturIA
• Inteligencia artificial
• Tecnología

---

---

Conforme a

Según un estudio. Los traders de IA ya están probando los mercados de predicción (y perdiendo dinero)

Para ajustarse a la era de la IA. Meta y Microsoft reducen miles de puestos de trabajo

Palo y palo entre las IA. DeepSeek V4 llega con dos nuevos modelos para competir con ChatGPT, Claude y Gemini