U.S. SMID-Cap and Global Software competitive moats in an AI-agent world — Interpretación del informe

Visión general

Este informe sectorial reevalúa cómo la IA generativa, los agentes de programación y la adopción más amplia de agentes de IA empresariales podrían modificar las ventajas competitivas del software. La conclusión central de Bernstein es que la IA no convierte todo el software en una mercancía: puede elevar el valor de sistemas de línea de negocio profundamente integrados y debilitar ventajas basadas principalmente en complejidad de interfaz, condición de pionero o profundidad funcional.

Perspectivas principales

Bernstein reconsidera la preocupación de que los agentes de IA puedan sortear las aplicaciones de línea de negocio (LoB), reducirlas a sistemas de registro pasivos y facilitar su sustitución. La evidencia inicial apunta a lo contrario. Los agentes necesitan acceso a datos específicos de la empresa, conocimiento contextual, permisos, observabilidad, seguridad y controles de cumplimiento; también deben almacenar trabajo en curso, actualizar bases y grafos de conocimiento, colaborar con personas y otros agentes, y registrar avances en procesos estructurados. Así, los sistemas LoB existentes se convierten en entornos operativos útiles para los agentes. Una vez construido un agente eficaz alrededor de flujos e interfaces personalizados, reconstruirlo en otra plataforma implica un coste de cambio grande y arriesgado. Como ejemplo temprano, Bernstein cita los agentes de programación de IA. Los que trabajan directamente con plataformas LoB de gestión de proyectos como Atlassian, Linear o GitLab consumen menos del 50% de los tokens, tardan menos y tienen más probabilidad de éxito. Al devolver trabajo y conocimiento a la plataforma subyacente, los agentes pueden aumentar el valor de los registros y del grafo de procesos. Atlassian se considera especialmente bien posicionada por estar en el centro de los flujos de equipos de producto; ServiceNow podría obtener un beneficio similar conforme se popularicen los agentes empresariales. Datadog se presenta como una empresa que avanza hacia un papel LoB en operaciones de producto y nube. Bernstein clasifica las ventajas tradicionales como resilientes, evolutivas o debilitadas. Los efectos de red, las barreras regulatorias y la infraestructura profunda siguen siendo sólidos porque la IA no elimina la necesidad de escala, procesos de aprobación, redes de sensores instaladas, gasto de capital ni eficiencia operativa. En ciberseguridad, CrowdStrike y SentinelOne se benefician de telemetría de endpoints; Palo Alto Networks y Fortinet, de señales de seguridad de red; Zscaler y Cloudflare, de grandes redes proxy; y Okta, de señales de identidad y su ecosistema de desarrolladores. La posición de hiperescala e infraestructura de nube también sería difícil de replicar por la gravedad de los datos empresariales. La naturaleza de las ventajas basadas en datos está cambiando. Bernstein cree que recopilar, limpiar y organizar datos estáticos es menos defendible porque la IA y las herramientas de nube de datos reducen esas barreras. En cambio, los datos operativos propietarios y dinámicos, y la integración de flujos de trabajo, adquieren valor: los proveedores pueden aprender continuamente de los casos de uso de clientes, mejorar flujos y entrenar modelos con datos contextuales inaccesibles para startups o alternativas DIY. Este volante de datos y aprendizaje por refuerzo podría ser una nueva ventaja competitiva. Datadog es el ejemplo: aprender de necesidades funcionales puede respaldar mejoras de código dinámicas y personalizadas, y una mejora de producto más rápida. Algunas protecciones tradicionales se debilitan. Las interfaces de lenguaje natural podrían reducir el bloqueo derivado de interfaces complejas, paneles y amplitud de funciones. El desarrollo de software más rápido mediante agentes de programación puede erosionar ventajas de pionero y de “mejor tecnología” salvo que estén respaldadas por otra ventaja duradera. La IA también puede facilitar la modernización de código heredado, debilitando plataformas propietarias de desarrollo. Bernstein recomienda cautela respecto a la propiedad de clientes existentes, los canales y la marca: nuevos compradores o presupuestos relacionados con IA pueden generar un dilema del innovador, y una marca heredada puede volverse una desventaja si los clientes priorizan innovación. El mayor riesgo de disrupción recae en software SMB y de productividad de usuarios finales, aplicaciones heredadas y su infraestructura, aplicaciones CRUD simples, y funciones de seguridad de aplicaciones o nube que puedan convertirse en capacidades naturales de copilotos de programación y operaciones de nube. Las organizaciones pequeñas suelen usar software más estandarizado y menos personalizable para acelerar la implementación; Bernstein cree que entrantes nativos de IA podrían ofrecer mayor personalización. También ve riesgo en aplicaciones no críticas, que no son sistemas de registro y cubren brechas estrechas de una organización. Los entrantes surgirían con mayor probabilidad donde la IA crea nuevos compradores, presupuestos o puestos, y no mediante desplazamiento directo de sistemas LoB bien integrados. Bernstein destaca una posible función y presupuesto de “AI-Security” dentro de los equipos CISO, flujos de desarrollo más allá de los cuellos de botella de CI/CD, espacios verdes entre categorías de aplicaciones y herramientas para aplicaciones menos críticas. Los proveedores establecidos pueden conservar relevancia si atienden el sistema de registro funcional e innovan suficientemente. ERP es el mercado de aplicaciones empresariales más protegido, seguido de HCM y, en menor medida, CRM. Bernstein reitera que SAP y Microsoft son las empresas cubiertas con mayor probabilidad de ser ganadoras de IA; considera altamente protegido el SaaS central de Oracle y espera que el éxito de OCI genere una subida sustancial. Para Workday, Bernstein considera resistente el negocio ERP y cree que HCM es más sensible a la contratación global que a la IA, aunque la competencia de soluciones puntuales exige innovación rápida. No prevé que los proveedores de plataformas CRM sean desplazados, aunque cuestiona su capacidad para capturar valor impulsado por IA. La suite completa de marketing, servicio y ventas de HubSpot se presenta como una respuesta a los temores de una rápida migración SMB a aplicaciones nativas de IA o propias. En Salesforce, el potencial de ingresos de Agentforce puede compensar parte de la presión de IA, pero hay incertidumbre sobre M&A y sobre si la IA desplaza la experiencia de usuario y la propuesta de valor hacia Anthropic. GitLab tiene una ventaja DevOps más estrecha y débil; Zoom mantendría una cuota relativamente estable, pero con limitaciones por competidores bien financiados y escaso poder de fijación de precios.

Marco de análisis

Bernstein evalúa las ventajas del software preguntando si los agentes de IA reducen o elevan costes de cambio, y contrasta esa lógica con casos tempranos de uso y posiciones de producto específicas. Clasifica las ventajas por durabilidad —efectos de red, regulación, infraestructura, integración de flujos, datos, profundidad de producto y condición de pionero— y vincula los efectos probables con aplicaciones empresariales, ciberseguridad, operaciones de nube y software SMB.

Notas metodológicas

• Marco de estrategia competitivaFoso económico y ventaja competitiva

  Análisis de ventajas competitivas

  El informe compara qué fuentes de ventaja competitiva permanecen duraderas, evolucionan o se debilitan cuando los agentes de IA cambian el desarrollo, la adopción y la ejecución de flujos de trabajo.

• Marco de estrategia competitivaAnálisis de la cadena de valor

  Posicionamiento en flujos de trabajo y sistemas de registro

  Bernstein examina la posición de los proveedores en flujos de clientes, flujos de datos, permisos y procesos operativos para valorar si los agentes de IA refuerzan o evitan su papel.

• Marco de análisis sectorialOtro

  Volante de datos y aprendizaje por refuerzo

  El informe describe cómo el acceso a datos operativos continuos de clientes puede mejorar modelos y flujos con el tiempo, dificultando que nuevos entrantes sin datos o relaciones comparables alcancen a los incumbentes.

Correspondencia y comparación de activos

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

• Atlassian (TEAM)

  Plataforma de línea de negocio para equipos de producto que puede beneficiarse de la adopción de agentes de programación de IA.

  Fortalezas

  Fuerte punto de control en flujos de equipos de producto; los agentes ya muestran preferencia por trabajar sobre su plataforma.

  Comparación

  Se considera que materializa antes que ServiceNow el beneficio de los agentes LoB.

  Riesgos

  Las herramientas CI/CD subyacentes y los roles de equipo pueden evolucionar, exigiendo adaptación continua.

• ServiceNow (NOW)

  Software de línea de negocio que se espera se beneficie de la expansión del uso de agentes de IA empresariales.

  Fortalezas

  Su posición integrada en flujos puede respaldar integración de agentes y costes de cambio.

  Debilidades

  El beneficio puede llegar más tarde que en Atlassian.

  Comparación

  Se compara con Atlassian como otro ejemplo de ventaja LoB.

• Datadog (DDOG)

  Ejemplo de una ventaja evolutiva de datos e integración de flujos.

  Fortalezas

  El volante de datos en tiempo real y la velocidad de producto refuerzan su posición.

  Comparación

  El informe sostiene que su velocidad de producto basada en datos es aún más importante que los efectos de red convencionales.

• CrowdStrike (CRWD), SentinelOne (S), Palo Alto Networks (PANW), Fortinet (FTNT)

  Proveedores de ciberseguridad respaldados por señales de endpoints o seguridad de red desplegadas.

  Fortalezas

  Grandes redes de sensores generan datos valiosos de detección y respuesta ante intrusiones.

  Comparación

  Sus negocios centrales se consideran relativamente protegidos del desplazamiento por IA.

• SAP (SAP), Microsoft (MSFT)

  Las empresas cubiertas que Bernstein considera con mayor probabilidad de ser ganadoras de IA.

  Fortalezas

  SAP se beneficia del papel protegido de ERP como sistema de registro; Microsoft está posicionado en infraestructura profunda y ecosistemas de software.

  Comparación

  Se prefieren frente a categorías de software más expuestas.

• Oracle (ORCL)

  Negocio SaaS central protegido, con OCI como motor de subida.

  Fortalezas

  Bernstein considera altamente protegido el SaaS central.

  Comparación

  Las posiciones vinculadas a ERP e infraestructura se consideran más protegidas que categorías de aplicaciones menos integradas.

  Riesgos

  La ejecución de OCI es central para la tesis de subida del informe.

• GitLab (GTLB)

  Caso de uso DevOps más estrecho, con una estructura de ventaja más débil.

  Fortalezas

  Posición estratégica existente en operaciones de desarrolladores.

  Debilidades

  La posible competencia de laboratorios de IA y código abierto puede erosionar su propuesta de valor.

  Comparación

  Se considera menos protegido que plataformas de flujo como Atlassian.

  Riesgos

  Un laboratorio de IA líder podría ofrecer capacidades competidoras o buscar una adquisición para acelerar su estrategia.

• Zoom (ZM)

  Software de comunicaciones con infraestructura pero protección limitada de pionero.

  Fortalezas

  Cierta infraestructura profunda respalda una posición de cuota relativamente estable.

  Debilidades

  Microsoft y Google pueden igualar la inversión en infraestructura, y el poder de fijación de precios sigue limitado.

  Comparación

  Está menos protegido que proveedores con efectos de red, bloqueo de flujos o ventajas de datos más fuertes.

  Riesgos

  Dificultad para mejorar más allá de una cuota estable ante competidores bien financiados.

Datos clave

• Eficiencia de plataforma de agentes de IA<50% of tokensBernstein indica que los agentes de programación que usan directamente plataformas LoB de gestión de proyectos consumen menos de la mitad de los tokens, tardan menos y tienen mayor probabilidad de éxito.
• Umbral Outperform de BernsteinMore than 15 percentage pointsBajo la marca Bernstein, Outperform supone una rentabilidad relativa esperada superior a 15 puntos porcentuales frente al índice de mercado relevante durante 12 meses.
• P/E ajustado 2026E de Cloudflare331.5xValor de la tabla al 11 September 2026.
• P/E ajustado 2026E de CrowdStrike221.7xValor de la tabla al 11 September 2026.
• P/E ajustado 2028E de Oracle12.3xValor de la tabla al 11 September 2026.

Impacto e implicaciones

El informe sostiene que la disrupción impulsada por IA debe evaluarse según el papel del proveedor en flujos críticos, no solo por categoría de software. Los sistemas de registro, plataformas LoB personalizadas, redes de seguridad e infraestructura pueden ganar valor a medida que se despliegan agentes; los proveedores dependientes de herramientas simples, repositorios de datos estáticos, complejidad de interfaz o ventajas de canales heredados afrontan mayor presión.

Riesgos

• Los entrantes nativos de IA pueden ganar tracción donde surjan nuevos compradores, presupuestos o puestos y los incumbentes estén mal posicionados.
• El software SMB, las aplicaciones CRUD simples, los sistemas heredados y las aplicaciones no críticas pueden ser más vulnerables al reemplazo habilitado por IA.
• La IA puede erosionar ventajas de profundidad de producto, interfaz, pionero y plataformas propietarias de desarrollo salvo que estén respaldadas por ventajas más fuertes.
• Los incumbentes pueden afrontar un dilema del innovador si la IA desplaza la autoridad de compra o reduce el valor de marcas y canales heredados.

Aspectos que vigilar

• Si los agentes de IA empresariales siguen dependiendo de plataformas LoB existentes y enriqueciéndolas, en vez de sortearlas.
• La adopción de roles de seguridad de IA y presupuestos dedicados de CISO que podrían abrir oportunidades para nuevos proveedores.
• Si los flujos de desarrollo posteriores a CI/CD generan nuevas categorías de software y compradores.
• La velocidad con que proveedores SMB usan experiencia sectorial, conocimiento semántico y relaciones con clientes para responder a entrantes nativos de IA.
• Evidencia de que datos dinámicos de clientes y aprendizaje por refuerzo se traducen en mejoras de producto más rápidas para plataformas incumbentes.
• La ejecución de Oracle OCI, la estrategia de IA y M&A de Salesforce, y el ritmo de competencia potencial de soluciones puntuales en HCM.