Una idea incómoda empezó a circular en los últimos meses: que la IA podría provocar una crisis económica profunda. ¿Qué tan real es ese riesgo?
Carta # 7
Por Fede Tessore
Soy, por naturaleza, optimista.
Creo en el progreso. Si uno mira los últimos 200 años, lo que logramos como sociedad es extraordinario. Cada avance tecnológico generó miedo en su momento. Y, sin embargo, una y otra vez, la economía se adaptó. Cambió. Se reconfiguró. Pero no colapsó.
Por eso, en general, tiendo a desconfiar de los escenarios extremos.
Pero con la inteligencia artificial me pasa algo distinto.
No porque crea que esta vez “todo se termina”.
Pero sí porque, por primera vez en mucho tiempo, entiendo por qué tanta gente está empezando a plantearlo.
En los últimos meses empezó a circular una tesis incómoda: que la inteligencia artificial podría generar una crisis económica profunda. No por fallar, sino por funcionar demasiado bien.
Menos empleo. Menos ingresos. Menos consumo.
Y, a partir de ahí, un efecto dominó sobre el resto del sistema.
No es una idea ridícula.
De hecho, cuando uno la escucha por primera vez, tiene bastante sentido.
Y creo que ahí está lo más interesante.
No estamos frente a una historia delirante.
Estamos frente a una historia convincente.
Pero que algo resulte convincente no significa necesariamente que sea correcto.
Por eso quise escribir esta nota.
Para ordenar mejor el debate.
Primero, entender cuál es la tesis más pesimista que hoy circula sobre la inteligencia artificial.
Después, analizar por qué resulta tan creíble.
Y, sobre todo, tratar de responder una pregunta más importante: si el problema es realmente un colapso… o si estamos mirando el lugar equivocado.
Porque en momentos como este, equivocarse en el diagnóstico puede ser mucho más caro que equivocarse en la magnitud.
– – – – – – – – – – – – –
Aprovecho para abrir un pequeño paréntesis personal.
Pasamos Semana Santa en familia entre Cafayate y Tafí del Valle, dos lugares espectaculares del norte argentino. Tafí me sorprendió muchísimo: la naturaleza impresiona desde el primer momento y el camino desde San Miguel de Tucumán ya vale el viaje.
Me quedó la sensación de un lugar con enorme potencial, aunque todavía bastante poco desarrollado y con un crecimiento algo desordenado. Cafayate, en cambio, muestra lo que puede pasar cuando un destino encuentra una lógica más clara de desarrollo turístico.
Si no fuiste, te lo recomiendo mucho.
Ahora volamos al “frío” mundo de las inversiones…
– – – – – – –
I – La tesis de Citrini: el peor escenario
La tesis de Citrini parte de una idea simple, pero incómoda:
la inteligencia artificial podría generar una crisis económica profunda.
No porque falle.
Sino porque funciona demasiado bien.
El informe “The 2028 Global Intelligence Crisis”, publicado el 22 de febrero de 2026 en Substack por Citrini Research, se volvió viral en cuestión de horas. Circuló con fuerza en redes, especialmente en X, acumulando millones de visualizaciones y generando un debate global.
El impacto no fue solo teórico.
También se sintió en el mercado.
En esos días, varias empresas de software sufrieron caídas fuertes. Por ejemplo, IBM llegó a bajar más de un 13% en una sola jornada.
El argumento central del informe arranca de algo bastante directo.
La inteligencia artificial ya no se limita a tareas manuales o repetitivas. Empieza a competir con tareas intelectuales: analizar, programar, investigar, redactar, tomar decisiones.
Es decir, empieza a meterse en el corazón del trabajo profesional. En lo que durante décadas fue el principal generador de ingresos de la clase media.
Si esa tendencia se profundiza, las empresas pueden producir lo mismo —o más— con menos personas.
Desde el punto de vista empresarial, eso es positivo: menos costos, más eficiencia, mejores márgenes.
Pero el problema aparece cuando miramos el otro lado de la economía.
Una economía no funciona solo porque las empresas produzcan.
Necesita que haya personas con ingresos suficientes para consumir lo que esas empresas venden.
Y ahí está el punto central de la tesis.
Si la inteligencia artificial reduce la necesidad de trabajadores en áreas clave —o empuja a muchos hacia empleos peor pagos— los ingresos de esos hogares empiezan a caer.
Y cuando caen los ingresos, tarde o temprano cae el consumo.
En economías como la de Estados Unidos, donde el consumo de los hogares representa una gran parte de la actividad, ese efecto no es menor.
A partir de ahí, el problema puede amplificarse.
Menos consumo implica menores ventas para las empresas. Eso presiona sus resultados.
Y la respuesta natural de esas empresas es volver a reducir costos.
¿Cómo?
Invirtiendo más en inteligencia artificial.
Es decir, la misma tecnología que inicia el proceso se convierte en la herramienta para profundizarlo.
Así aparece una dinámica que se retroalimenta:
menos empleo → menos ingreso → menos consumo → más presión sobre las empresas → más inversión en inteligencia artificial → menos empleo.
Por eso la tesis no describe una recesión tradicional.
Describe una espiral.
Un proceso en el que la economía sigue siendo productiva —incluso más productiva que antes— pero donde una parte creciente de esa producción deja de transformarse en ingresos para los hogares.
Y si los ingresos no llegan a los hogares, tampoco vuelven a las empresas en forma de consumo.
Ese es el desequilibrio de fondo.
No está en la producción.
Está en la distribución del ingreso.
Y ese desequilibrio puede escalar.
Porque el sistema financiero está construido sobre la base de ingresos futuros.
Las personas compran casas, toman créditos y consumen suponiendo que van a seguir generando ingresos estables.
Los bancos prestan bajo esa misma premisa.
Y los mercados valoran activos en función de esos flujos.
Si esos ingresos empiezan a volverse más inciertos, el problema deja de ser solo laboral.
Pasa a ser financiero.
Hipotecas, créditos y activos que hoy parecen sólidos podrían empezar a verse bajo otra luz si una parte importante de la población pierde estabilidad en sus ingresos.
En ese escenario, la economía podría seguir produciendo mucho —incluso con niveles récord de productividad— pero volverse más frágil:
más concentrada en ingresos,
más dependiente de la tecnología,
y más débil desde el lado de la demanda.
Además, la tesis asume algo clave: que las instituciones —gobiernos, reguladores, sistemas educativos— reaccionan más lento que la tecnología.
Eso implica que, aunque eventualmente haya respuestas, podrían llegar tarde para evitar el ajuste inicial.
En síntesis, la idea es potente porque no plantea una crisis por falta de innovación.
Plantea una crisis por exceso.
La inteligencia artificial mejora la producción, pero debilita el ingreso de quienes sostienen el consumo.
Y si ese circuito se rompe, el problema no es tecnológico.
Es económico.
La gran pregunta, entonces, no es si la inteligencia artificial va a cambiar la economía —eso parece inevitable— sino si ese cambio va a romper su funcionamiento básico… o si, como ocurrió otras veces en la historia, la economía va a encontrar nuevas formas de adaptarse.
Si quieres acceder al informe completo de Citrini con todos los detalles de su tesis te dejo los links a continuación:
II – Por qué esta idea convence
La tesis de Citrini no impacta porque sea exagerada.
Impacta porque tiene lógica.
Y, sobre todo, porque conecta con algo que muchas personas ya empiezan a intuir, aunque todavía no lo tengan del todo claro.
No es una idea que aparece de la nada.
Se apoya en señales reales.
Primero: la velocidad del cambio
Durante décadas, el progreso tecnológico fue relativamente gradual.
Había avances, sí. Pero entre un salto y otro había tiempo para adaptarse. Las empresas cambiaban, los trabajadores se reconvertían, las instituciones ajustaban.
Lo que está pasando ahora con la inteligencia artificial es distinto.
Los avances no solo son rápidos.
Parecen acelerarse.
Herramientas que hace dos años apenas podían escribir textos simples hoy pueden programar, analizar datos, resumir documentos complejos e interactuar con sistemas.
Y ese salto no está ocurriendo en décadas.
Está ocurriendo en meses.
Eso genera una sensación muy concreta:
que la economía podría no tener tiempo suficiente para adaptarse.
Segundo: esta vez no es trabajo manual, es trabajo intelectual
En revoluciones tecnológicas anteriores, el impacto inicial estuvo más concentrado en tareas físicas o repetitivas.
Fábricas. Agricultura. Manufactura.
Eso permitía cierta narrativa tranquilizadora: los trabajos más calificados estaban relativamente protegidos.
Hoy esa percepción cambia.
La inteligencia artificial empieza a meterse en tareas que requieren análisis, criterio, organización de información, redacción y toma de decisiones preliminares.
Es decir, empieza a competir con el tipo de trabajo que durante décadas fue el principal generador de ingresos de la clase media profesional.
Y eso cambia la naturaleza del problema.
Porque ya no estamos hablando de un segmento chico del mercado laboral.
Estamos hablando del núcleo.
Tercero: la intuición de que “esta vez podría ser distinto”
Cada revolución tecnológica generó temores.
Pero también es cierto que cada una tuvo algo diferente.
Y la inteligencia artificial tiene características que hacen plausible pensar que su impacto podría ser más amplio:
- No automatiza una tarea específica, sino muchas al mismo tiempo.
- Mejora de forma continua, sin necesidad de rediseños físicos.
- Puede escalar casi sin costo adicional una vez desarrollada.
Eso hace que la idea de un reemplazo más extendido del trabajo humano no suene descabellada.
No es una fantasía lejana.
Empieza a verse en algunos sectores.
Cuarto: dos realidades que todavía no se cruzaron
Hay otro factor que vuelve esta tesis especialmente potente.
La mayoría de las personas usa inteligencia artificial de forma bastante básica: escribir, resumir, consultar.
Pero al mismo tiempo, hay un grupo más pequeño —empresas, equipos técnicos— que ya la está usando para automatizar partes reales del trabajo.
Esa diferencia genera una sensación incómoda.
Como si convivieran dos realidades:
- una donde la inteligencia artificial es una herramienta útil,
- y otra donde empieza a reemplazar tareas completas.
Cuando esas dos realidades se encuentren, el ajuste puede ser más brusco de lo que hoy parece.
Quinto: la intuición de que las instituciones llegan tarde
Finalmente, hay un punto que refuerza todo lo anterior.
La sensación de que la tecnología avanza más rápido que la capacidad de adaptación de las instituciones.
Gobiernos. Sistemas educativos. Regulaciones. Políticas públicas.
Todo eso tiende a moverse más lento.
Entonces aparece una preocupación razonable:
aunque en el largo plazo la economía se adapte,
¿qué pasa en el medio?
¿Quién absorbe el impacto inicial?
¿Quién sostiene ingresos y consumo durante la transición?
Una historia que encaja demasiado bien
En conjunto, todos estos factores hacen que la tesis de Citrini resulte convincente.
No porque sea inevitable.
Sino porque encaja con lo que estamos viendo:
- una tecnología que mejora muy rápido,
- que afecta áreas centrales del trabajo,
- que escala masivamente,
- y que avanza más rápido que la adaptación social e institucional.
Es una historia coherente.
Y justamente por eso, genera tanto impacto.
Pero que una historia sea coherente no significa que sea correcta.
Y ahí es donde empieza lo más interesante.
Porque cuando uno mira la historia económica con más perspectiva, aparecen razones bastante fuertes para pensar que este escenario —aunque posible— no es necesariamente el más probable.
III – No es el fin de la economía
La tesis de Citrini es potente. Está bien armada. Y toca puntos reales.
Pero para que ese escenario ocurra como se describe, hay algo más que tendría que pasar:
la historia económica tendría que romperse.
Y eso no es imposible.
Pero tampoco es lo más probable.
La historia muestra otro patrón
Si uno mira los últimos doscientos años, hay algo bastante consistente.
Cada gran avance tecnológico generó miedo.
Y, en muchos casos, ese miedo tenía sentido en el corto plazo:
- La mecanización desplazó trabajadores del campo.
- La industrialización afectó oficios tradicionales.
- La automatización redujo empleo en fábricas.
- Las computadoras cambiaron el trabajo administrativo.
- Internet transformó industrias enteras.
En cada uno de esos momentos, era razonable pensar que el empleo podía caer de forma permanente.
Y sin embargo, no pasó.
A lo largo del tiempo ocurrió lo contrario:
la producción creció,
los ingresos aumentaron,
el consumo se expandió,
y aparecieron sectores completamente nuevos.
Ese patrón no es casual.
Productividad y demanda: el vínculo clave
Detrás de esa historia hay una lógica bastante simple.
Cuando una economía se vuelve más productiva, producir bienes y servicios se vuelve más barato.
Y cuando producir es más barato, los precios tienden a bajar —o, al menos, a subir menos.
Eso aumenta el poder de compra.
Y cuando aumenta el poder de compra, aparece nueva demanda.
No necesariamente en los mismos sectores.
Pero sí en otros.
Ese proceso se repitió una y otra vez.
Sectores enteros desaparecieron o se achicaron.
Pero la economía, en su conjunto, creció.
Hay una idea clave que conviene tener presente:
el desplazamiento de trabajos no implica, automáticamente, la destrucción de la economía.
Implica un cambio en cómo y dónde se genera el valor.
El error de extrapolar una parte al todo
Uno de los errores más comunes al analizar estos cambios es extrapolar lo que pasa en un sector al conjunto de la economía.
Es cierto que la inteligencia artificial puede afectar con fuerza a ciertos trabajos.
Es posible que algunos roles se reduzcan.
Que ciertos ingresos se compriman.
Que algunas industrias pierdan relevancia.
Pero de ahí a concluir que la demanda total va a colapsar hay un salto importante.
Porque cuando una tecnología reduce costos y libera recursos, esos recursos no desaparecen.
Se reasignan.
Aparecen nuevas actividades. Nuevos servicios. Nuevas formas de consumo.
Muchas de esas cosas son invisibles antes de que ocurran.
En 1900 no existía la industria del software.
En 1950 no existía la publicidad digital.
En 1990 no existía la computación en la nube.
Y, sin embargo, hoy son sectores enormes.
La economía no es estática
La tesis de Citrini, en el fondo, asume algo implícito:
que la estructura actual de la economía es más o menos fija.
Que si una parte importante del empleo se ve afectada, no va a haber suficiente capacidad de adaptación para generar nuevas fuentes de ingreso.
Ahí está la diferencia de enfoque.
La economía no es estática.
Es un sistema que se reconfigura constantemente.
Las personas cambian de actividad.
Las empresas cambian de modelo.
El capital se mueve hacia nuevas oportunidades.
Ese proceso no es inmediato. No es ordenado. Y muchas veces es doloroso.
Pero históricamente ocurrió.
Qué tendría que fallar para que Citrini tenga razón
Para que el escenario más extremo se materialice, tendrían que fallar varias cosas al mismo tiempo:
- Que el aumento de productividad no reduzca costos.
- Que el poder de compra no se expanda.
- Que no aparezcan nuevas industrias.
- Que el trabajo humano no se reasigne.
- Que las instituciones no logren adaptarse.
No es imposible.
Pero es una hipótesis muy exigente.
Porque implica que varios mecanismos que funcionaron durante siglos dejen de funcionar al mismo tiempo.
Riesgos reales, pero distintos
Nada de esto significa que no vaya a haber impacto.
Lo más probable es que lo haya.
Algunos sectores pueden verse muy afectados.
Algunos ingresos pueden comprimirse.
Puede aumentar la desigualdad en ciertos momentos.
Puede haber años de volatilidad y ajuste.
Eso ya ocurrió antes.
Y puede volver a ocurrir.
Pero hay una diferencia importante entre eso y un colapso permanente de la demanda.
De destrucción a transformación
Por eso, más que pensar en un escenario de destrucción económica, parece más razonable pensar en un escenario de transformación.
Uno donde:
- algunas actividades pierden relevancia,
- otras crecen con fuerza,
- el ingreso se redistribuye de forma imperfecta,
- y la economía atraviesa un período de ajuste antes de encontrar un nuevo equilibrio.
La inteligencia artificial puede ser una de las tecnologías más transformadoras que hayamos visto.
Pero eso no implica necesariamente que vaya a romper el funcionamiento básico de la economía.
Implica, más bien, que ese funcionamiento va a cambiar.
Y entender cómo cambia es mucho más importante que asumir que va a desaparecer.
IV – El riesgo es la transición, no el colapso
Si uno junta todo lo anterior, aparece una idea bastante más incómoda.
El problema no es tanto que la inteligencia artificial destruya la economía.
El problema es cómo llegamos al nuevo equilibrio.
Porque entre el punto A (la economía actual) y el punto B (una economía más productiva, con nuevas industrias), hay un tramo.
Y ese tramo puede ser desordenado.
En algunos momentos, incluso caótico.
El descalce de velocidades
Hay una dinámica que se repite en casi todos los grandes cambios tecnológicos.
La tecnología avanza rápido.
Los mercados reaccionan aún más rápido.
Pero las personas y las instituciones se adaptan mucho más lento.
Ese descalce es el corazón del problema.
Hoy estamos viendo avances muy rápidos en inteligencia artificial.
Al mismo tiempo, los mercados financieros ya están incorporando esas expectativas: cambian valuaciones, cambian narrativas, se reprecian sectores enteros.
Pero el mundo real no se mueve a esa velocidad.
Las personas no cambian de carrera en meses.
Las empresas no reinventan sus modelos de negocio de un día para otro.
Los sistemas educativos no se actualizan en un año.
Ahí es donde aparece la fricción.
El riesgo no es la tecnología. Es el timing.
La tesis más extrema asume que la inteligencia artificial va a eliminar empleo más rápido de lo que la economía puede generar nuevas oportunidades.
Ese riesgo existe.
Pero incluso en ese escenario, el problema no es permanente.
Es transitorio.
El desafío es que ese “transitorio” puede durar años.
Y en ese período generar:
- caída de ingresos en ciertos segmentos,
- aumento de la desigualdad,
- tensiones sociales,
- volatilidad en los mercados.
No es un colapso estructural.
Es una transición incómoda.
Pero suficientemente incómoda como para sentirse como una crisis.
Los mercados exageran (siempre)
Hay otro factor que amplifica todo esto.
Los mercados financieros no solo reflejan la realidad.
La anticipan.
Y muchas veces, la exageran.
Cuando aparece una tecnología nueva, el ciclo suele ser parecido:
primero, optimismo extremo.
después, miedo extremo.
Hoy estamos empezando a ver esa segunda fase en algunos sectores, como el software.
La narrativa pasa de:
“esto cambia todo para bien”
a:
“esto destruye todo”.
Pero la realidad rara vez es tan binaria.
Ni todo desaparece.
Ni todo sigue igual.
Lo que suele ocurrir es una reconfiguración.
La adopción nunca es tan rápida como parece
Hay algo que se subestima sistemáticamente:
el tiempo que tarda una tecnología en difundirse.
Aunque la inteligencia artificial avance muy rápido, su adopción real en toda la economía lleva tiempo.
Hay barreras:
- regulatorias,
- operativas,
- culturales,
- de costos,
- de integración con sistemas existentes.
Lo vimos con internet.
Lo vimos con la computación.
Lo vimos con la automatización industrial.
Todas parecían inmediatas mientras estaban ocurriendo.
Pero cuando uno mira los datos, la adopción fue gradual.
La inteligencia artificial probablemente siga ese mismo patrón.
No porque no sea poderosa.
Sino porque la economía real es más compleja que la tecnología.
El verdadero punto crítico: el corto plazo
Donde sí puede haber problemas es en el corto plazo.
Porque el ajuste no es simétrico.
La tecnología puede avanzar rápido.
Las expectativas pueden cambiar rápido.
Pero la adaptación lleva tiempo.
Ese desbalance puede generar períodos donde:
- el empleo cae en ciertos sectores antes de que aparezcan alternativas,
- los ingresos se comprimen,
- y la economía entra en fases de incertidumbre.
Ese es el escenario relevante.
No el de colapso permanente.
Sino el de transición desordenada.
La pregunta correcta cambia
Por eso, quizás la mejor forma de entender este momento no es preguntarse:
¿la inteligencia artificial va a destruir la economía?
Sino preguntarse:
¿qué tan desordenada va a ser la transición?
Porque si la transición es relativamente ordenada, la historia sugiere que el resultado final puede ser positivo.
Pero si la transición es caótica, los costos en el medio pueden ser significativos.
Donde realmente se juega esta historia
La inteligencia artificial probablemente no sea el fin de la economía tal como la conocemos.
Pero sí puede ser el inicio de un período de ajuste importante.
Uno donde conviven dos fuerzas al mismo tiempo:
- una mejora muy fuerte en la capacidad productiva,
- y tensiones reales en la distribución del ingreso y en el mercado laboral.
Ese equilibrio —entre progreso y fricción— es donde realmente se juega el resultado.
Y es ahí donde vale la pena poner el foco.
V – El ajuste del software
Si hay un lugar donde todo este debate dejó de ser teórico y se volvió real, es en las empresas de software.
Ahí no estamos discutiendo escenarios.
Estamos viendo precios caer.
Modelos tensionarse.
Y expectativas cambiar en tiempo real.
Lo que está pasando en este sector es, en muchos sentidos, un anticipo de lo que puede venir en el resto de la economía.
El mercado ya empezó a hacer la cuenta
En los últimos meses vimos algo poco habitual.
Muchas empresas de software —incluso de excelente calidad— cayeron fuerte en bolsa.
No porque sus resultados actuales sean malos.
Sino porque el mercado empezó a cuestionar algo más importante: su futuro.
Durante años, el software fue uno de los mejores negocios del mundo:
- ingresos recurrentes,
- alta retención,
- crecimiento predecible,
- y fuerte poder de fijación de precios.
Hoy, todo eso sigue existiendo.
Pero ya no alcanza.
Porque las reglas del juego están cambiando.
El modelo empieza a tensionarse
El corazón del software empresarial era simple:
cobrar por usuario.
Más empleados → más licencias → más ingresos.
Un modelo elegante, escalable y extremadamente rentable.
Pero la inteligencia artificial introduce una fricción nueva.
Si una herramienta puede hacer el trabajo de varias personas, entonces:
- se necesitan menos empleados,
- y, por lo tanto, menos licencias.
El software no desaparece.
Pero su crecimiento estructural se comprime.
Y eso, en mercados financieros, es suficiente para cambiar valuaciones de forma drástica.
No es el fin del software. Es una división.
Acá aparece el punto clave.
El software no está muriendo.
Se está dividiendo.
Y esa división es más profunda de lo que el mercado estaba acostumbrado.
Durante años, casi todo el software de calidad se valorizaba de forma bastante similar.
Hoy eso ya no alcanza.
La pregunta cambió.
Antes era:
¿esta empresa crece?
Hoy es:
¿por qué esta empresa existe?
Y más importante todavía:
¿sigue teniendo sentido en un mundo donde la inteligencia artificial hace gran parte del trabajo?
El software más expuesto
Hay un tipo de software que está claramente bajo presión.
El que vivía de organizar información y facilitar su acceso.
Empresas cuyo valor era:
- ordenar datos,
- construir interfaces complejas,
- y cobrar por ese acceso.
Ese modelo tenía sentido cuando:
- acceder a la información era difícil,
- procesarla llevaba tiempo,
- y usarla requería herramientas especializadas.
Hoy eso cambia.
La inteligencia artificial puede:
leer, analizar, cruzar información y responder directamente.
Lo que antes requería navegar una plataforma, hoy se puede resolver con una pregunta.
Ahí es donde aparece el verdadero ajuste.
No desaparece la necesidad.
Pero sí se comprime el valor de la “capa de acceso”.
Y cuando se comprime el valor, se comprimen los márgenes.
Y cuando se comprimen los márgenes, caen las valuaciones.
Donde sigue habiendo valor
Pero no todo el software está igual de expuesto.
Hay modelos que siguen teniendo defensas fuertes.
Y, en algunos casos, pueden salir fortalecidos.
1. Datos realmente únicos
Si una empresa tiene información que no se puede replicar fácilmente, la inteligencia artificial no la reemplaza.
La necesita.
Ahí hay poder real.
2. Infraestructura crítica
Hay software que no es una herramienta.
Es parte del sistema.
Pagos, crédito, procesamiento, operaciones centrales.
Ahí el costo de reemplazo es alto.
Y eso protege el negocio.
3. Regulación
En sectores como salud o finanzas, no alcanza con que algo funcione.
Tiene que cumplir normas.
Eso ralentiza la disrupción.
Y le da tiempo a los incumbentes.
4. Redes
Hay plataformas donde el valor no está en el producto.
Está en quién lo usa.
Comunicación, colaboración, ecosistemas.
Ahí la inteligencia artificial no rompe el modelo.
Porque el valor no está en la interfaz.
Está en la red.
El cambio más profundo: quién controla al usuario
Pero hay un cambio todavía más importante.
Quién controla la relación con el usuario.
Antes, el usuario estaba dentro del software.
Aprendía a usarlo.
Se acostumbraba.
Dependía de él.
Eso creaba barreras de salida.
Ahora, cada vez más, el usuario interactúa con un agente.
Y ese agente decide qué herramientas usar por detrás.
Eso cambia la lógica de poder.
Porque el software deja de ser el punto de entrada.
Y pasa a ser, muchas veces, un proveedor.
Con menos margen.
Y menos control.
Lo que el mercado está haciendo (y exagerando)
Entonces, ¿qué estamos viendo?
No un colapso.
Un ajuste.
El mercado está empezando a diferenciar entre:
- empresas cuyo valor estaba basado en barreras que se están debilitando,
- y empresas que todavía tienen activos difíciles de reemplazar.
En ese proceso, como siempre, hay exageraciones.
Se castiga de más.
Se generaliza.
Pero el cambio de fondo es real.
Cómo pensar esto como inversor
Todo esto lleva a una conclusión práctica.
Ya no alcanza con identificar buenas empresas.
Hay que entender de dónde viene su ventaja.
Y si esa ventaja resiste un mundo donde:
- la inteligencia artificial reduce fricción,
- la interfaz pierde relevancia,
- y el acceso a la información se vuelve casi gratuito.
Una forma simple de pensarlo:
- ¿Tiene algo que no se puede replicar fácilmente?
- ¿Está integrada en una parte crítica del sistema?
- ¿Tiene barreras más allá de la tecnología?
Si la respuesta es no a todo, el riesgo es alto.
Si es sí a una o más, la historia cambia.
El verdadero insight
Lo que estamos viendo en software no es una anomalía.
Es un anticipo.
Un laboratorio.
Ahí el impacto aparece primero porque es un sector digital, escalable y basado en trabajo intelectual.
Pero lo importante no es el sector.
Es la señal.
El software no está desapareciendo.
Está cambiando de forma.
Y en ese cambio, el valor no se destruye.
Se redistribuye.
El desafío
Algunas empresas van a perder valor estructural.
Otras van a adaptarse.
Y algunas pocas van a capturar una oportunidad enorme.
El desafío no es predecir quién desaparece.
Es entender dónde sigue existiendo valor…
en un mundo donde hacer cosas es cada vez más fácil.
VI – No es el fin, es el inicio
Cada generación cree que está frente a la tecnología que finalmente va a romper el sistema.
Y, hasta ahora, siempre estuvo equivocada.
No porque el cambio no fuera real, sino porque subestimó la capacidad de adaptación de la economía.
La inteligencia artificial va a cambiar muchas cosas. Va a generar fricción. Va a dejar gente en el medio por un tiempo.
Pero para que esto termine en un colapso permanente, tendría que fallar algo más profundo: la capacidad de la economía de reorganizarse.
Y la historia sugiere que eso no es lo más probable.
El riesgo real no es la tecnología.
Es el desorden en la transición.
Que el cambio ocurra más rápido de lo que podemos procesar.
Y que, en ese proceso, confundamos una transformación con un colapso.
Por eso, la pregunta importante no es si todo esto va a salir mal.
La pregunta es quién va a entender antes qué es lo que realmente está cambiando.
Porque en momentos como este, esa diferencia define todo.
El cambio ya empezó.
La diferencia la va a marcar quién lo entienda primero.
¡Muchas gracias por leer y buenas inversiones!
Fede Tessore