U.S. SMID-Cap and Global Application Software — Interpretación del informe

Visión general

Esta nota sectorial examina si la productividad impulsada por IA podría socavar los precios por usuario del software de aplicaciones. Bernstein concluye que la evidencia disponible a nivel de empresa apunta en cambio a una respuesta de crecimiento mediante contratación entre los adoptantes intensivos de IA, lo que puede hacer que los usuarios sean menos una carga estructural, aunque ciertas categorías de software funcional sigan más expuestas.

Perspectivas principales

Bernstein plantea el debate central como un posible conflicto entre la productividad de IA y el modelo de licencias por usuario que utiliza gran parte del software de aplicaciones. Los copilotos de programación, copilotos de escritorio y agentes de atención al cliente pueden permitir a desarrolladores, directivos y equipos de soporte hacer más con menos personas, generando preocupación de que las licencias ligadas a empleados pierdan su motor de crecimiento. El informe sostiene que los compradores empresariales siguen valorando los usuarios porque son predecibles y escalan con una inversión conocida en capacidad humana; el precio por consumo ligado a tokens u otros usos puede ser difícil de presupuestar. Puesto que el valor del software de aplicaciones suele estar ligado a la productividad de los empleados, el precio por empleado también puede constituir una forma lógica de precio basado en valor. El informe rebate la suposición más amplia de que la IA necesariamente reducirá el empleo de oficina. Bernstein recurre a una analogía con las eras del PC e internet: las mejoras de productividad pueden reinvertirse en crecimiento en vez de capturarse solo como margen, porque las empresas a menudo obtienen mayor beneficio de valoración de la aceleración del crecimiento que de la expansión de márgenes. Bajo esta visión, los trabajadores del conocimiento más productivos se retienen o amplían para crear productos, vender ofertas y buscar nuevas oportunidades. Bernstein observa que los márgenes EBIT del S&P 500 en términos comparables solo crecieron aproximadamente 150 puntos básicos, o 1.5%, entre 1989 y 2019 pese a fuertes mejoras de productividad, mientras que la era del PC de los años 90 coincidió con un sólido crecimiento del PIB estadounidense y un aumento del empleo de oficina. La principal evidencia actual es el estudio a nivel de empresa de Ramp, que utiliza datos de gasto de clientes para diferenciar a los adoptantes intensivos de IA de los adoptantes leves y de los no adoptantes. La adopción de IA se define como el primer mes de un período de tres meses consecutivos en el que una empresa registra al menos $100 de gasto mensual con proveedores de IA; la intensidad de adopción es el gasto en IA por empleado base durante los primeros tres meses posteriores a la adopción. Ramp compara agentes de programación ampliamente desplegados, agentes de IA derivados de API y herramientas nativas de IA con usos más ligeros de chatbots para búsqueda, síntesis y tareas creativas. La muestra termina en febrero de 2026. Bernstein destaca que el análisis compara en gran medida conjuntos de empresas similares antes y después de la adopción e informa diferencias estadísticamente significativas, en algunos casos con 99% de confianza, aunque las barras de error aumentan en intervalos más largos porque hay menos empresas con 24 meses de historial de adopción. Según la interpretación de Bernstein, los adoptantes intensivos crecieron en empleo más de 10% en promedio frente a pares de menor adopción y no adoptantes, y las empresas 24 meses después de la adopción inicial eran más de 50% mayores que esos pares. El informe enfatiza que la conclusión más sólida a largo plazo es direccional —los adoptantes intensivos crecieron más— y no una estimación precisa del punto medio. También cita la recuperación de las vacantes de desarrollo de software en Estados Unidos desde un mínimo a inicios de 2025 como señal confirmatoria independiente. El resultado de contratación es más amplio que un efecto limitado al front office. Ingenieros y ventas fueron fuertes, pero el empleo administrativo y de atención al cliente también creció en promedio; además, hubo demanda notable de empleados con licenciatura y especialmente de nivel inicial. En cambio, el empleo de PhD era más propenso a mantenerse plano en las empresas líderes en IA, mientras que los adoptantes bajos mostraban mayor demanda de títulos avanzados. Bernstein sugiere que esto puede reflejar en parte que las empresas de alta adopción ya tienen más empleados con PhD. El informe identifica finanzas, científicos y operaciones como los tres grupos de funciones con un crecimiento positivo mucho menor o no estadísticamente significativo, lo que podría implicar menor respaldo para software por usuario dirigido a esas funciones. RR. HH. no se desglosó. La adopción de IA ya era significativa en los datos subyacentes: más de 40% de las empresas eran al menos adoptantes leves en enero de 2026, por encima del nivel de altas decenas reportado en la encuesta del U.S. Census de la misma fecha. Bernstein señala posibles diferencias de definición, conocimiento de los encuestados y composición de la muestra, incluido un posible sesgo de Ramp hacia compradores más avanzados tecnológicamente. La adopción fue mayor en la categoría NAICS “Information”, con ~54%, seguida de “Finance/Insurance”, con ~44%, y “Professional/Scientific/Technical Services”, con 36%; la mayoría de los demás sectores se situó en 11-22%. Bernstein considera que estos sectores intensivos en trabajo de oficina pueden ser las siguientes áreas para la misma dinámica de productividad y contratación. Para la cobertura de software, la implicación no es que todos los proveedores mantengan un modelo puramente por usuario. El informe prevé una mezcla de usuarios, cargos basados en ROI, medidores vinculados a infraestructura y consumo de tokens, pero considera que los usuarios seguirán siendo importantes porque los clientes demandan previsibilidad y algunos no encajan bien con los modelos alternativos. Si la adopción intensiva de IA sigue generando contratación inducida por productividad, el precio ligado a empleados puede ser un viento de cola y no un lastre para estas empresas de software. Bernstein matiza la conclusión: algunas empresas e industrias pueden priorizar márgenes cuando las oportunidades de crecimiento son limitadas, la tecnología puede ser operativa en lugar de estar orientada al producto y los datos pueden ser todavía demasiado tempranos para reflejar plenamente la evolución final de la demanda laboral.

Marco de análisis

Bernstein combina comparaciones de Ramp entre empresas antes y después de adoptar IA basadas en gasto, resultados de empleo por función, tasas de adopción por industria, una comprobación frente a las tendencias de vacantes de software y comparaciones históricas con las eras del PC e internet. Después relaciona la evidencia de contratación con la economía de precios del software empresarial y con la elección corporativa entre reinvertir las ganancias de productividad en crecimiento o retenerlas como margen.

Notas metodológicas

• Marco de análisis sectorialMarco de oferta y demanda

  Demanda de software por usuario vinculada al crecimiento del empleo y a la preferencia de los compradores por precios predecibles.

  El informe trata el número de empleados como un impulsor de demanda de licencias por usuario y evalúa si la IA cambia ese impulsor mediante contratación, en lugar de desplazamiento laboral.

• Marco de análisis sectorialDescomposición de volumen y precio

  Modelos de precio por usuario, basados en ROI, vinculados a infraestructura y por consumo de tokens.

  Bernstein distingue la métrica de precio de la demanda subyacente del cliente y sostiene que los usuarios pueden seguir siendo importantes incluso cuando los proveedores añaden otras formas de cobro.

• OtroOtro

  Comparación de Ramp antes y después de la adopción de IA entre empresas similares, utilizando gasto en IA y empleo.

  El estudio citado compara empresas en torno a la adopción, en vez de comparar simplemente sectores no relacionados, con el objetivo de reducir el sesgo de muestra; Bernstein señala que las estimaciones posteriores tienen barras de error más amplias.

Correspondencia y comparación de activos

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

• ServiceNow (NOW)

  Empresa de software de aplicaciones explícitamente cubierta y potencialmente vinculada a la continuidad de la demanda basada en usuarios.

  Fortalezas

  Se cita que Agent Assist está adoptado por aproximadamente una cuarta parte de su base de clientes.

  Riesgos

  Los resultados de contratación en el conjunto de funciones podrían ser desiguales.

• Atlassian (TEAM)

  Empresa de software de aplicaciones explícitamente cubierta en el universo de software de Bernstein.

  Fortalezas

  Podría beneficiarse si la contratación impulsada por IA sostiene la demanda de software para trabajadores del conocimiento.

• GitLab (GTLB)

  Empresa de software de aplicaciones explícitamente cubierta en el universo de software de Bernstein.

  Fortalezas

  Podría estar vinculada a la actividad de desarrollo de software habilitada por IA.

• Okta (OKTA)

  Empresa de software de aplicaciones explícitamente cubierta en el universo de software de Bernstein.

  Fortalezas

  Podría beneficiarse de un crecimiento continuado de empleados empresariales.

• Microsoft (MSFT)

  Empresa explícitamente cubierta y citada en el debate sobre adopción empresarial de IA.

  Fortalezas

  Se menciona como evidencia de que la adopción en front office no ha mejorado claramente frente a la de back office.

• Salesforce.com (CRM)

  Empresa explícitamente cubierta y citada en el debate sobre adopción empresarial de IA.

  Fortalezas

  Se menciona como evidencia de que la adopción en front office no ha mejorado claramente frente a la de back office.

• Adobe (ADBE)

  Empresa de software de aplicaciones explícitamente cubierta en el universo de software de Bernstein.

  Fortalezas

  Podría beneficiarse si la productividad de IA se reinvierte en crecimiento y expansión de empleados.

• Workday (WDAY)

  Empresa de software de aplicaciones explícitamente cubierta en el universo de software de Bernstein.

  Fortalezas

  Podría beneficiarse si el crecimiento de empleados respalda la demanda vinculada a usuarios.

  Riesgos

  Las funciones de RR. HH. no se desglosaron por separado en los datos citados.

• HubSpot (HUBS)

  Empresa explícitamente cubierta y citada en el debate sobre adopción empresarial de IA.

  Fortalezas

  Se menciona como evidencia de que la adopción en front office no ha mejorado claramente frente a la de back office.

• Zoom Video Communications (ZM)

  Empresa de software de aplicaciones explícitamente cubierta en el universo de software de Bernstein.

  Fortalezas

  Podría beneficiarse de una demanda sostenida de software vinculada a empleados.

• SAP (SAP)

  Empresa de software de aplicaciones explícitamente cubierta en el universo de software de Bernstein.

  Fortalezas

  Podría beneficiarse de la continuidad de la contratación empresarial y la demanda por usuarios.

Datos clave

• Crecimiento de empleo de adoptantes intensivos>10% more than lower/non-adopting peers on averageMuestra de Ramp; Bernstein indica que la diferencia es estadísticamente significativa.
• Tamaño de empleo tras la adopción>50% larger at 24 monthsFrente a empresas que adoptaron menos o no adoptaron; el informe señala barras de error más amplias en este horizonte.
• Confianza estadísticaUp to 99%Significancia reportada del crecimiento de adoptantes intensivos frente a adoptantes bajos o no adoptantes, según la medida.
• Cualquier nivel de adopción de IA en enero de 2026>40% of companiesAl menos adoptantes leves en los datos de Ramp, frente a una tasa de altas decenas en la encuesta citada del U.S. Census.
• Adopción de IA por industriaInformation ~54%; Finance/Insurance ~44%; Professional/Scientific/Technical Services 36%La mayoría de las industrias restantes se situó en 11-22%.
• Composición del empleo de desarrolladores~2/3 in industries more likely to invest in growth; only ~25% in industries more likely to shrink teamsCaracterización de Bernstein del empleo de desarrolladores en Estados Unidos.
• Expansión del margen EBIT del S&P 500 en términos comparables1.5% from 1989 to 2019Se utiliza para sostener que anteriores ganancias de productividad no se tradujeron en una expansión de margen sostenida desproporcionada.

Impacto e implicaciones

Bernstein considera que la evidencia reduce la preocupación de que la IA reduzca mecánicamente la base de usuarios del software de aplicaciones. El apoyo potencial es mayor donde los clientes usan IA para crear productos y acelerar el crecimiento; el software dirigido a funciones de finanzas, científicos y operaciones podría recibir menos beneficio, y la conclusión sigue sujeta a la etapa temprana de los datos.

Riesgos

• Las funciones de finanzas, científicos y operaciones mostraron un crecimiento positivo mucho menor o no estadísticamente significativo, lo que podría limitar el respaldo para software dirigido a esas funciones.
• Los datos no desglosan ciertas funciones, incluidos RR. HH.
• Las estimaciones de adopción a más largo plazo presentan barras de error más amplias porque menos empresas tienen 24 meses de historial posterior a la adopción.
• Algunas empresas e industrias pueden utilizar la productividad de IA principalmente para mejorar márgenes en lugar de perseguir crecimiento.

Aspectos que vigilar

• Si los adoptantes intensivos de IA siguen superando en crecimiento de empleo a los pares de menor adopción y no adoptantes a medida que madure el conjunto de datos.
• Tendencias de contratación por función, especialmente en finanzas, ciencia, operaciones y RR. HH.
• Si los clientes de software mantienen los usuarios como métrica clave de precio junto a tokens, modelos basados en ROI y modelos vinculados a infraestructura.
• La evolución de la adopción de IA en Finance/Insurance y Professional/Scientific/Technical Services tras la elevada adopción en Information.