U.S. SMID-cap and global application software — Interpretación del informe

Visión general

El informe analiza si la productividad de AI reducirá el empleo de oficina y perjudicará al software cobrado por usuario. Bernstein concluye lo contrario por ahora: las empresas que adoptan AI con mayor intensidad contratan más rápido, lo que sugiere que las ganancias de productividad suelen reinvertirse en crecimiento, no solo en recortes de plantilla y ampliación de márgenes.

Perspectivas principales

Bernstein parte del riesgo para el software de aplicaciones: los agentes y copilotos de AI realizan cada vez más tareas de desarrolladores, empleados junior y funciones de soporte. Los copilotos de programación aceleran la entrega de código, mientras los agentes de escritorio y atención al cliente automatizan informes y autoservicio. El informe cita la adopción de ServiceNow Agent Assist en aproximadamente una cuarta parte de su base de clientes y la valoración privada de Sierra de casi $16B. Si estas herramientas reducen el número de empleados, los proveedores que cobran por usuario podrían verse presionados, aun cuando prueben precios por tokens, escala de infraestructura o retorno de inversión. No obstante, el informe considera que los compradores empresariales tienen motivos para seguir prefiriendo asientos: la plantilla es una medida conocida de capacidad, por lo que el coste es más predecible y presupuestable que el consumo variable. Además, el valor del software de aplicaciones suele estar ligado a la productividad de los empleados. Bernstein espera por ello que los asientos sigan siendo una parte importante de las ventas, aunque se combinen con otros medidores y algunos clientes no sean adecuados para este modelo. La evidencia principal procede de Ramp, que identifica el uso de AI con datos reales de gasto financiero y contable. La adopción empieza en el primer mes de la primera racha de tres meses consecutivos con al menos $100 de gasto mensual en proveedores de AI; la intensidad se mide como gasto de AI por empleado base en los tres primeros meses posteriores. Los adoptantes intensivos usan ampliamente agentes de programación, agentes propios basados en tokens API y herramientas AI nativas, mientras que los adoptantes ligeros usan sobre todo chatbots para búsqueda, síntesis y creatividad. La muestra termina en February 2026 y no capta el impulso adicional de contratación tecnológica observado hasta mediados de año. Las empresas estadounidenses con uso profundo de AI contrataron más agresivamente que pares de baja o nula adopción. El aumento fue estadísticamente significativo, hasta 99% de confianza según el dato. Ramp compara en gran medida conjuntos de empresas comparables antes y después de la adopción, en vez de comparar empresas tecnológicas de rápido crecimiento con industrias lentas. En promedio, los adoptantes intensivos crecieron más de 10% por encima de los grupos de control y menor adopción. A los 24 meses de la adopción inicial eran más de 50% mayores que sus pares, aunque hay menos adoptantes tempranos y mayores barras de error; la conclusión robusta es que crecieron más, no la magnitud exacta a 24 meses. La composición de las contrataciones también contradice una narrativa simple de desplazamiento. Ingeniería y ventas fueron fuertes, pero también crecieron administración y servicio al cliente. Hubo fortaleza entre quienes tienen licenciatura y, especialmente, en puestos de entrada. El empleo de PhD tendió a ser plano entre líderes en AI, mientras que los adoptantes bajos mostraron mayor demanda de titulados avanzados y científicos; Bernstein plantea que los adoptantes intensivos podrían ya haber tenido más empleados con PhD. La mayoría de funciones creció más lentamente que el empleo total, señal de productividad, pero el efecto de crecimiento total generó necesidades positivas en las funciones. Finanzas, científicos y operaciones fueron las tres áreas con crecimiento mucho menor o sin significación positiva, y el estudio no desglosó recursos humanos. La adopción ya es relevante: más de 40% de las empresas eran al menos adoptantes ligeros en January 2026, frente al nivel high-teens de la encuesta contemporánea del U.S. Census. Bernstein atribuye la diferencia potencial a definiciones, conocimiento de los encuestados o al sesgo de Ramp hacia compradores tecnológicamente avanzados. La adopción fue aproximadamente 54% en Information, aproximadamente 44% en Finance and Insurance y 36% en Professional, Scientific and Technical Services; la mayoría de los demás sectores se situó entre 11% y 22%. Las vacantes estadounidenses de desarrollo de software en Indeed también se recuperaban desde el mínimo de early-2025, lo que Bernstein presenta como confirmación fuera de la muestra de Ramp. Bernstein explica el resultado por incentivos corporativos: la aceleración sostenida del crecimiento puede elevar más las valoraciones que un aumento puntual de margen. La productividad puede reinvertirse en mantener o ampliar una plantilla más productiva, crear productos y aumentar la capacidad de venta. Aproximadamente dos tercios de los desarrolladores trabajan en sectores más propensos a invertir en crecimiento y solo aproximadamente 25% en sectores más propensos a reducir equipos. El grupo orientado al crecimiento incluye tecnología, internet, bancos, determinadas manufacturas de automoción, aeroespacial y defensa, y líderes intensivos en tecnología de otros sectores. La analogía histórica respalda esta tesis. Entre 1989 y 2019, pese a grandes ganancias de productividad, el margen EBIT comparable del S&P 500 solo aumentó aproximadamente 1.5%, o alrededor de 150 basis points, en 30 años. Bernstein argumenta que la competencia dificulta sostener márgenes excesivos, mientras que el crecimiento de ingresos con márgenes similares añade beneficios y EPS. En la era madura del PC de los años 1990, la productividad de oficina coincidió con fuerte crecimiento del GDP estadounidense y mayor empleo en servicios profesionales y empresariales, no con una contracción generalizada. La era de internet reforzó posteriormente la productividad en industrias de datos e información. GenAI podría aliviar restricciones para encontrar, crear y vender nuevas ofertas. La conclusión es condicional. Empresas maduras o dominantes con oportunidades de crecimiento limitadas, o empresas sin producto, capacidades, recursos o capacidad comercial para convertir AI en crecimiento, pueden priorizar márgenes. Por ello, el software basado en asientos dirigido a finanzas, ciencia u operaciones puede recibir menos apoyo que el dirigido a funciones de mayor crecimiento. La evidencia aún es temprana para determinar cómo evolucionarán finalmente el empleo y la demanda. Aun así, Bernstein ve la contratación inducida por productividad como un contrapeso importante al temor de que AI vuelva obsoletas estructuralmente las licencias por asiento. La tabla de valores del 31 August 2026 mantiene sin cambios modelos y recomendaciones. Atlassian, GitLab, Okta, ServiceNow, Microsoft, SAP, Adobe y Workday tienen Outperform; Zoom y HubSpot, Market-Perform; y Salesforce, Underperform. Los precios actuales y objetivos son, respectivamente, USD 194.17 y USD 309.00 para TEAM, USD 46.54 y USD 60.00 para GTLB, USD 173.04 y USD 143.00 para OKTA, USD 147.99 y USD 248.00 para NOW, USD 96.68 y USD 108.00 para ZM, USD 507.29 y USD 660.00 para MSFT, USD 257.54 y USD 195.00 para CRM, USD 220.89 y USD 319.00 para SAP, USD 292.79 y USD 379.00 para ADBE, USD 197.45 y USD 238.00 para WDAY, y USD 261.36 y USD 220.00 para HUBS. Las cifras de rendimiento relativo, en el mismo orden, son (9.8)%, (22.1)%, 67.6%, (38.3)%, (0.2)%, (18.9)%, (18.5)%, (37.8)%, (36.9)%, (33.4)% y (64.9)%; son rendimientos relativos históricos reportados, no potenciales implícitos frente al precio objetivo.

Marco de análisis

Bernstein primero plantea el riesgo de que la automatización por AI afecte los precios de software vinculados a asientos y luego lo contrasta con el estudio de gasto y fuerza laboral de Ramp. Compara el empleo antes y después de la adopción dentro de conjuntos de pares, examina diferencias por función y educación, revisa las tasas de adopción por sector y usa datos de Indeed como confirmación externa. Por último, vincula los resultados con ciclos históricos de productividad del PC e internet y con la decisión entre reinvertir eficiencia en crecimiento o capturarla como margen.

Notas metodológicas

• OtroOtro

  Comparación antes y después de la adopción dentro de conjuntos de empresas comparables

  Ramp compara empresas similares, en gran medida frente a sus propias trayectorias de empleo antes y después de una adopción intensiva de AI, para reducir el sesgo de comparar tecnología de rápido crecimiento con sectores más lentos.

• Marco de análisis sectorialDescomposición de volumen y precio

  Crecimiento del empleo por función, educación e intensidad de adopción

  El informe divide el crecimiento agregado de plantilla por funciones y categorías de trabajadores para determinar si la contratación total oculta pérdidas en administración, atención al cliente, perfiles junior u otros grupos.

• Marco de ciclo y coyunturaAnálisis de puntos de inflexión del ciclo

  Confirmación de la tendencia de contratación

  Bernstein compara los resultados de Ramp con la recuperación de vacantes estadounidenses de desarrollo de software desde el mínimo de early-2025 para evaluar si la señal de empleo va más allá de la muestra de Ramp.

• OtroOtro

  Analogía histórica de productividad de las eras del PC e internet

  El informe usa anteriores auges de productividad impulsados por tecnología para sostener que la eficiencia puede reinvertirse en crecimiento y empleo adicional de trabajadores del conocimiento, en vez de principalmente en expansión sostenida de márgenes.

• Métodos de valoraciónValoración por P/E y PEG

  Múltiplos de beneficios ajustados

  La tabla de valores compara las empresas cubiertas mediante EPS ajustado y P/E ajustado para 2026A, 2027E y 2028E.

• Métodos de valoraciónOtro

  Valoración EV/Sales para HubSpot

  HubSpot se muestra con EV/Sales en vez de P/E ajustado, conforme a la convención de valoración específica de la empresa indicada en el informe.

Correspondencia y comparación de activos

Correspondencia estructurada entre la tesis y activos concretos (fortalezas, debilidades, pares y riesgos).

• Atlassian (TEAM)

  Empresa de software de aplicaciones cubierta con Outperform; el informe no cambia su modelo, objetivo de USD 309.00 ni recomendación.

  Fortalezas

  Posible participación en demanda resiliente por asiento si la productividad de AI respalda la contratación de equipos de producto.

  Comparación

  Incluida en la tabla de valores de software de múltiples empresas de Bernstein.

  Riesgos

  La tesis sectorial depende de datos de empleo tempranos y puede variar por función del cliente.

• GitLab (GTLB)

  Empresa de software cubierta con Outperform; el informe no cambia su modelo, objetivo de USD 60.00 ni recomendación.

  Fortalezas

  Posible exposición al crecimiento de equipos de desarrollo de software habilitados por AI.

  Comparación

  Incluida en la tabla de valores de software de múltiples empresas de Bernstein.

  Riesgos

  El informe no establece que la tendencia agregada de contratación se traduzca uniformemente en crecimiento de asientos por empresa.

• Okta (OKTA)

  Empresa de software cubierta con Outperform; el informe no cambia su modelo, objetivo de USD 143.00 ni recomendación.

  Fortalezas

  Posible respaldo de una contratación organizativa más amplia bajo la tesis sectorial de Bernstein.

  Comparación

  Incluida en la tabla de valores de software de múltiples empresas de Bernstein.

  Riesgos

  La evidencia de empleo es temprana y desigual entre funciones.

• ServiceNow (NOW)

  Empresa de software de aplicaciones cubierta con Outperform; el informe no cambia su modelo, objetivo de USD 248.00 ni recomendación.

  Fortalezas

  La adopción de Agent Assist en aproximadamente una cuarta parte de la base de clientes ilustra demanda práctica de agentes de AI.

  Debilidades

  La automatización orientada al soporte también puede suscitar preocupación por el desplazamiento de asientos de servicio al cliente.

  Comparación

  Se utiliza como ejemplo del informe sobre adopción de agentes de AI empresariales.

  Riesgos

  Los beneficios de automatización no tienen por qué generar asientos adicionales en todas las funciones.

• Zoom Video Communications (ZM)

  Empresa de software cubierta con Market-Perform; el informe no cambia su modelo, objetivo de USD 108.00 ni recomendación.

  Fortalezas

  Posible participación en una demanda continua de software empresarial ligado a empleados.

  Comparación

  Uno de los dos valores Market-Perform de la tabla.

  Riesgos

  La tesis de contratación sectorial no establece beneficios operativos específicos de la empresa.

• Microsoft (MSFT)

  Empresa de software cubierta con Outperform; el informe no cambia su modelo, objetivo de USD 660.00 ni recomendación.

  Fortalezas

  El informe menciona resultados de Microsoft y copilotos de escritorio al analizar adopción y productividad.

  Comparación

  Citada junto con HubSpot y Salesforce al tratar la adopción de front office.

  Riesgos

  El informe señala que los comentarios actuales de las empresas no muestran claramente una mejora de adopción en front office.

• Salesforce (CRM)

  Empresa de software de aplicaciones cubierta con Underperform; el informe no cambia su modelo, objetivo de USD 195.00 ni recomendación.

  Fortalezas

  Podría beneficiarse si la productividad de AI se reinvierte en ventas y otras funciones de crecimiento.

  Debilidades

  La recomendación específica de la empresa sigue siendo Underperform pese a la tesis sectorial más constructiva sobre asientos.

  Comparación

  El único valor Underperform de la tabla.

  Riesgos

  El informe indica que los resultados y comentarios actuales no apuntan claramente a una mejora de adopción en front office.

• SAP (SAP)

  Empresa global de software cubierta con Outperform; el informe no cambia su modelo, objetivo de USD 319.00 ni recomendación.

  Fortalezas

  Posible respaldo de empresas que mantienen precios predecibles vinculados a empleados.

  Comparación

  Incluida en la tabla de cobertura global de software de Bernstein.

  Riesgos

  Los sectores clientes con oportunidades de crecimiento limitadas pueden destinar los ahorros de AI a márgenes en lugar de a contratación.

• Adobe (ADBE)

  Empresa de software cubierta con Outperform; el informe no cambia su modelo, objetivo de USD 379.00 ni recomendación.

  Fortalezas

  Posible exposición a la reinversión de productividad de AI en crecimiento.

  Comparación

  Incluida en la tabla de valores de software de múltiples empresas de Bernstein.

  Riesgos

  El informe no cuantifica un beneficio de asientos específico de la empresa.

• Workday (WDAY)

  Empresa de software de aplicaciones cubierta con Outperform; el informe no cambia su modelo, objetivo de USD 238.00 ni recomendación.

  Fortalezas

  Posible respaldo si el empleo empresarial total continúa expandiéndose.

  Debilidades

  Las funciones de recursos humanos no se identificaron por separado en el estudio subyacente.

  Comparación

  Incluida en la tabla de valores de software de múltiples empresas de Bernstein.

  Riesgos

  La visibilidad limitada sobre contratación en recursos humanos impide una extrapolación directa del estudio.

• HubSpot (HUBS)

  Empresa de software de aplicaciones cubierta con Market-Perform; el informe no cambia su modelo, objetivo de USD 220.00 ni recomendación.

  Fortalezas

  Posible exposición a contratación en ventas y otras funciones orientadas al crecimiento.

  Comparación

  Se valora mediante EV/Sales en lugar de la convención de P/E ajustado aplicada a la mayoría de las entradas.

  Riesgos

  El informe señala que los resultados actuales de la empresa no muestran claramente una mejora de adopción en front office.

Datos clave

• Ventaja de empleo de los adoptantes intensivos>10%Crecimiento promedio por encima del control de no adoptantes y de sus pares con menor adopción.
• Diferencia de tamaño empresarial a los veinticuatro meses>50%Los adoptantes intensivos eran más de 50% mayores que pares con menor o nula adopción, aunque la barra de error se amplió en este horizonte.
• Confianza estadísticaUp to 99%Nivel de confianza de que los adoptantes intensivos registraron mayor crecimiento, según el dato medido.
• Umbral de adopción de AIAt least $100 per month for three consecutive monthsEl primer mes del primer período que cumple la condición define la adopción.
• Fecha final de la muestra de RampFebruary 2026La muestra no incorpora el impulso adicional de contratación tecnológica que Bernstein observó hasta mediados de año.
• Empresas con algún nivel de adopción de AI>40% by January 2026La tasa de Ramp fue muy superior al resultado high-teens de la encuesta contemporánea del U.S. Census.
• Adopción de AI en sectores líderesInformation ~54%; Finance/Insurance ~44%; Professional/Scientific/Technical Services 36%La mayoría de los demás sectores registró tasas de adopción de 11% a 22%.
• Composición del empleo de desarrolladores~2/3 growth-oriented; ~25% more likely to shrink teamsClasificación de Bernstein sobre los sectores en los que trabajan los desarrolladores.
• Expansión comparable de margen EBIT a largo plazo1.5% (~150 bps)Comparación del S&P 500 de 1989 a 2019 pese a la importante mejora de productividad laboral.
• TEAM — AtlassianOutperform; current USD 194.17; target USD 309.00; relative performance (9.8)%EPS ajustado 2026A/2027E/2028E: USD 5.85/7.61/9.35; P/E ajustado: 33.2x/25.5x/20.8x.
• GTLB — GitLabOutperform; current USD 46.54; target USD 60.00; relative performance (22.1)%EPS ajustado 2026A/2027E/2028E: USD 0.96/1.00/1.34; P/E ajustado: 48.2x/46.6x/34.7x.
• OKTA — OktaOutperform; current USD 173.04; target USD 143.00; relative performance 67.6%EPS ajustado 2026A/2027E/2028E: USD 3.50/4.05/4.45; P/E ajustado: 49.4x/42.7x/38.9x.
• NOW — ServiceNowOutperform; current USD 147.99; target USD 248.00; relative performance (38.3)%EPS ajustado 2026A/2027E/2028E: USD 3.50/3.92/4.69; P/E ajustado: 42.2x/37.8x/31.5x; el año base indicado es 2025.
• ZM — ZoomMarket-Perform; current USD 96.68; target USD 108.00; relative performance (0.2)%EPS ajustado 2026A/2027E/2028E: USD 5.92/6.41/6.94; P/E ajustado: 16.3x/15.1x/13.9x.
• MSFT — MicrosoftOutperform; current USD 507.29; target USD 660.00; relative performance (18.9)%EPS ajustado 2026A/2027E/2028E: USD 17.28/19.96/24.01; P/E ajustado: 29.4x/25.4x/21.1x.
• CRM — SalesforceUnderperform; current USD 257.54; target USD 195.00; relative performance (18.5)%EPS ajustado 2026A/2027E/2028E: USD 12.52/17.13/15.49; P/E ajustado: 20.6x/15.0x/16.6x.
• SAP — SAPOutperform; current USD 220.89; target USD 319.00; relative performance (37.8)%EPS ajustado 2026A/2027E/2028E: EUR 6.10/7.71/8.72; P/E ajustado: 31.2x/24.7x/21.8x; el año base indicado es 2025.
• ADBE — AdobeOutperform; current USD 292.79; target USD 379.00; relative performance (36.9)%EPS ajustado 2026A/2027E/2028E: USD 20.95/24.99/29.15; P/E ajustado: 14.0x/11.7x/10.0x; el año base indicado es 2025.
• WDAY — WorkdayOutperform; current USD 197.45; target USD 238.00; relative performance (33.4)%EPS ajustado 2026A/2027E/2028E: USD 9.23/11.58/15.30; P/E ajustado: 21.4x/17.1x/12.9x.
• HUBS — HubSpotMarket-Perform; current USD 261.36; target USD 220.00; relative performance (64.9)%Las cifras 2026A/2027E/2028E son USD 9.70/13.20/15.91; múltiplos EV/Sales: 3.8x/3.2x/2.8x; el año base indicado es 2025.

Impacto e implicaciones

El informe afirma que la evidencia reduce, pero no elimina, la preocupación estructural de que AI erosione los ingresos de software de aplicaciones ligados a empleados. Si la adopción intensiva aumenta productividad y contratación, el número de asientos puede seguir creciendo junto con precios híbridos por asiento, consumo y resultados. El beneficio probablemente variará por sector cliente y función, y será menor para productos dirigidos principalmente a finanzas, ciencia u operaciones.

Riesgos

• La evidencia de Ramp puede ser aún demasiado temprana para reflejar cómo evolucionarán la demanda laboral y los puestos de trabajo a largo plazo.
• Las barras de error aumentan en horizontes más largos porque pocas empresas habían adoptado AI 24 meses antes.
• La base de clientes de Ramp puede sesgarse hacia compradores tecnológicamente avanzados, limitando la representatividad de sus tasas de adopción.
• Las diferencias entre la tasa de adopción de Ramp y la encuesta del U.S. Census pueden reflejar definiciones distintas o conocimiento de los encuestados.
• Las funciones de finanzas, científicos y operaciones mostraron crecimiento positivo mucho menor o no estadísticamente significativo, lo que reduce el respaldo potencial para software dirigido a ellas.
• El estudio no desglosó funciones como recursos humanos, dejando inciertas áreas importantes de demanda de software de aplicaciones.
• Empresas maduras, empresas con oportunidades orgánicas limitadas y sectores donde la tecnología es principalmente operativa pueden destinar los ahorros de AI a márgenes o inversiones fuera del software en lugar de ampliar contratación.

Aspectos que vigilar

• Si los adoptantes intensivos de AI siguen superando a los adoptantes bajos y no adoptantes en empleo cuando la muestra se extienda más allá de February 2026.
• Si continúa la recuperación de las vacantes estadounidenses de desarrollo de software desde el mínimo de early-2025.
• Las tendencias de contratación por función, especialmente finanzas, científicos, operaciones y la categoría no desglosada de recursos humanos.
• Si la adopción de AI se amplía más allá de Information, Finance and Insurance y Professional, Scientific and Technical Services.
• Cómo los proveedores de software de aplicaciones equilibran asientos con precios por consumo, infraestructura y resultados.