Cada ciclo tecnológico produce, tarde o temprano, su documento canónico: la presentación que ordena el debate y que todo el mundo acaba citando, a favor o en contra. Para la transición de la inteligencia artificial, el Market Update de Redpoint Ventures de marzo de 2026 —69 diapositivas tituladas, con punto final incluido, "We Got Our Technological Revolution."— aspira claramente a ese papel. Conviene decir desde el principio quién habla: Redpoint es una firma de venture capital, y el documento es, además de un análisis, un argumento de inversión en favor del mercado privado donde la propia firma despliega capital. Esa advertencia no resta valor al trabajo —que es, probablemente, el mapa más completo publicado hasta la fecha sobre el choque entre la IA y la industria del software—, pero obliga a leerlo como lo que es: una tesis con incentivos.
La estructura argumental tiene tres movimientos. Primero: la revolución tecnológica que llevábamos décadas esperando ha llegado, y la escala de inversión solo admite comparaciones con el ferrocarril o la electrificación. Segundo: el mercado público ha reaccionado vendiendo software con una violencia que no se explica por los resultados presentes, sino por una repreciación del valor terminal de todo el sector. Tercero: mientras el mercado cotizado digiere ese miedo, la creación de valor se está produciendo —más rápido que en ningún ciclo anterior— en el mercado privado. Recorramos los tres movimientos con las cifras delante.
Una ola de inversión que solo admite comparaciones de siglo
La diapositiva que abre el documento —y que le da título— sitúa el momento actual en una serie histórica de olas de inversión tecnológica medidas como capital expenditure en porcentaje del PIB estadounidense, desde 1852 hasta una extrapolación a 2030. El ferrocarril llegó a absorber más del 5% del PIB en la década de 1860; la telefonía, la electrificación y las autopistas dibujaron olas sucesivas menores; y el agregado de software, hardware e infraestructura alcanzó algo más del 4% del PIB en el año 2000, en plena construcción de Internet y las telecomunicaciones. La novedad es la última serie: el capex incremental de IA —software, hardware e infraestructura por encima de la línea base previa a 2019— arranca en 2021 y ya ronda el 2% del PIB, con un escenario alcista que superaría el 3% hacia 2030. No es una moda de presupuesto de marketing: es, en proporción al tamaño de la economía, una ola comparable a las que cablearon y electrificaron Estados Unidos.
Figura 1. Las olas históricas de inversión tecnológica como % del PIB de EE. UU.: la IA ya es una ola de primer orden — Fuente: BEA NIPA, Ulmer NBER, CBO, CreditSights, Goldman Sachs GIR, Fed de St. Louis, análisis de Redpoint.
¿Y la objeción obvia, la de que esto ya lo vimos en 1999? Redpoint la afronta de cara con una comparación lado a lado entre la burbuja puntocom y el despliegue actual. En 2000 se invirtieron más de 250.000 millones de dólares en infraestructura de comunicaciones para una Internet que tenía unos 70 millones de usuarios cuatro años después de su apertura al público; los proyectos se financiaron mayoritariamente con deuda, la fibra se tendió de forma especulativa hasta dejar utilizaciones inferiores al 3%, y el beneficio por acción de Cisco —la acción tótem de aquel ciclo— tocó techo en torno a 0,37 dólares. Hoy el capex estimado de los hyperscalers en centros de datos supera los 700.000 millones de dólares para 2026, pero sirve a más de mil millones de usuarios activos mensuales apenas cuatro años después de ChatGPT; se financia mayoritariamente con flujo de caja; más del 90% de la capacidad en construcción está precomprometida, con tasas de vacancia próximas a cero; y el BPA de Nvidia ronda los 4,06 dólares. OpenAI y Anthropic generan, según el documento, más de 20.000 millones de dólares de ingresos recurrentes anuales cada una (aunque la propia diapositiva de proyecciones de Redpoint rotula el run-rate de Anthropic en 19.000 millones). La conclusión de Redpoint es que la analogía con la puntocom falla en lo esencial: entonces la oferta se adelantó años a la demanda; ahora la demanda empuja a la oferta. Cabe matizar —lo haremos al final— que esta es exactamente la comparación que un inversor de venture con cartera expuesta a IA necesita que sea cierta; pero los datos que aporta son verificables y, en lo sustancial, correctos.
El telón de fondo es un ritmo de producto que el propio documento describe como semanal: de DeepSeek R1 y Claude Code a comienzos de 2025 a Gemini 3 y ElevenLabs v3 a finales de 2025, y a los avances agénticos de principios de 2026, pasando por Waymo operando en diez ciudades estadounidenses con 200 millones de millas autónomas acumuladas. Y, contra la intuición apocalíptica, la demanda de desarrolladores de software ha aumentado: la automatización del código está abaratando tanto el desarrollo que se construye más, no menos.
El techo no es el gasto en software: es la nómina
La segunda pieza conceptual del documento es la que justifica su cifra fetiche. El mercado que la IA puede capturar no es el gasto mundial en software, sino el coste del trabajo que el software nunca llegó a automatizar. Redpoint lo presenta como una curva de madurez de agentes en cuatro estadios: los copilots, que asisten a un humano que sigue haciendo el trabajo (autonomía de segundos); los task agents, que ejecutan tareas discretas de principio a fin con supervisión humana (minutos) y donde el documento sitúa el estado del arte con un rótulo explícito —"WE ARE LARGELY HERE"—; los workflow agents, que orquestan procesos de negocio multi-paso entre sistemas (horas); y los agentes autónomos, capaces de trabajo de conocimiento complejo con supervisión mínima (días). A cada estadio le corresponde un mercado acumulado: el gasto en software estadounidense, unos 0,5 billones de dólares; sumando la automatización de servicios, 1,2 billones; sumando la nómina operativa, 2,8 billones; y sumando la nómina del trabajo de conocimiento, más de 6,1 billones de dólares solo en Estados Unidos.
Figura 2. La curva de madurez de los agentes y el mercado al que apunta cada estadio: de 0,5 a más de 6,1 billones de dólares — Fuente: Gartner, Forrester, U.S. Bureau of Labor Statistics, análisis de Redpoint.
El primer dominó de esa secuencia fue la programación, y el documento explica por qué con un argumento limpio: el código se verifica instantáneamente a velocidad de máquina, GitHub ofrece el conjunto de datos estructurados más rico jamás reunido —más de cien mil millones de líneas—, la sintaxis define el espacio de salida, el propio código sirve para entrenar a la siguiente generación de modelos y los ingenieros de los laboratorios conocen ese dominio mejor que ningún otro. Las citas que lo acompañan son elocuentes: el CPO de Anthropic, Mike Krieger, afirma que en la mayoría de productos de la casa "es efectivamente Claude quien escribe el 100% del código" con los andamiajes adecuados, y Mark Zuckerberg anticipa que cada ingeniero acabará siendo "una especie de tech lead con su pequeño ejército de agentes".
Para quien tema que esto destruya la profesión, Redpoint rescata un precedente histórico delicioso: en diciembre de 1973, The New York Times informaba de que los cajeros automáticos podrían reemplazar "hasta el 75 por ciento de los a veces amables cajeros humanos". Lo que ocurrió fue lo contrario: el empleo de cajeros creció un 81% entre 1970 y 1988, porque el cajero automático abarató tanto el coste operativo por sucursal que se abrieron muchas más sucursales. La automatización barata expande el mercado de aquello que automatiza. Es el efecto Jevons aplicado al trabajo, y es la apuesta implícita de todo el documento.
El pánico: el mercado vende software como si no tuviera futuro
Mientras tanto, en el mercado cotizado se vive otro estado de ánimo. El documento recopila la hemeroteca de titulares de comienzos de 2026 —"SaaS As We Know It Is Dead", "AI is Killing B2B SaaS", el "SaaS-pocalypse" de Forrester— y la traduce a números. En lo que va de 2026, el sector de software es, con diferencia, el peor del S&P 500: una caída del 20% frente al -5% del índice, mientras la energía sube un 32%. Los inversores están huyendo del software hacia cualquier otra cosa.
Figura 3. Retornos totales por sector del S&P 500 en 2026 YTD: el software es el peor con un -20% — Fuente: S&P Global, datos a 20/3/2026.
El resultado es que el múltiplo mediano del SaaS cotizado sobre ingresos de los próximos doce meses ha caído a 4,1 veces, el nivel más bajo en prácticamente toda la serie desde 2007 si se exceptúa el suelo de la crisis financiera. Para calibrar la magnitud: ese mismo múltiplo superó las 22 veces en el pico de finales de 2020. El mercado no solo ha deshecho el exceso de la era del dinero gratis; ha seguido bajando hasta niveles que descuentan un deterioro estructural del negocio.
Figura 4. El múltiplo mediano NTM del SaaS público, en mínimos: 4,1 veces ingresos — Fuente: Qatalyst, Pitchbook, datos a 20/3/2026.
El castigo, eso sí, no es uniforme. El mercado paga una prima clara por el crecimiento rentable: las compañías SaaS con crecimiento NTM superior al 20% y margen de flujo de caja libre por encima del 20% cotizan a una mediana de 8,1 veces ingresos, frente a las 2,9 veces de las que crecen menos del 10% con buen margen y las 1,2 veces de las que ni crecen ni generan caja. Y la dispersión más reveladora es por capas del stack, que merece sección propia.
La anatomía del castigo: tres capas, tres destinos
En los últimos doce meses, el SaaS vertical ha subido un 3% y la infraestructura un 2%, mientras el SaaS horizontal se ha hundido un 35%. La explicación de Redpoint es de las que reorganizan el mapa mental del lector. El software vertical —el que sirve a una industria concreta— posee el foso irremplazable: datos propietarios y cumplimiento normativo acumulados durante años; la IA puede aumentar esos sistemas, pero no desplazarlos sin readquirir esa historia, de modo que para ellos la IA es una funcionalidad, no una amenaza. La infraestructura —Snowflake, Datadog, MongoDB, Cloudflare— disfruta de viento de cola directo: más despliegue de IA significa más cómputo, más datos y más observabilidad. El software horizontal, en cambio, fue diseñado para servir a todas las industrias por igual, lo que a menudo significó integrarse profundamente con ninguna; sin datos propietarios ni historia de proceso, el coste de cambio es bajo, y muchos de esos productos existen precisamente para coordinar quién hace qué y cuándo —exactamente el tipo de problema que la IA resuelve bien—. En la formulación más afilada del documento, el SaaS horizontal estaba "accidentalmente optimizado para ser reemplazable".
Figura 5. El castigo por capas: vertical +3%, infraestructura +2%, horizontal -35% — Fuente: análisis de Redpoint; los retornos LTM por capas proceden de Pitchbook, datos a 20/3/2026.
Una crisis de valor terminal, no de resultados
Aquí llega la aportación analítica más valiosa del documento, la que explica una paradoja que desconcierta a muchos observadores: los resultados del software siguen siendo razonablemente buenos —muchas compañías encadenaban trimestres de crecimiento acelerándose— y, sin embargo, las acciones caen. La respuesta está en la aritmética del descuento de flujos. En un DCF típico de SaaS de alto crecimiento, entre el 85% y el 95% del valor presente procede del valor terminal, no del periodo explícito de proyección. Un buen trimestre mueve menos del 5% del valor; el debate del mercado no es sobre el trimestre, sino sobre si los crecimientos, márgenes y fosos actuales sobreviven a un mundo rehecho por la IA. Como resume el documento, no se puede responder una pregunta a diez años con un resultado a noventa días.
El ejercicio ilustrativo que lo cuantifica es elegante: una compañía con un CAGR de ingresos a cinco años del 12,5% y un coste del capital del 11,5% valía 100.000 millones de dólares hace tres meses, con un crecimiento a largo plazo implícito del 4,7%; hoy vale 73.000 millones con los mismos ingresos y el mismo coste del capital, porque el crecimiento terminal implícito ha caído al 1,1%. El mercado público está valorando el software medio como un negocio que, a largo plazo, apenas crecerá por encima de cero.
Figura 6. El mismo negocio, tres meses después: la caída de 100 a 73 mil millones se explica íntegramente por el crecimiento terminal implícito (del 4,7% al 1,1%) — Fuente: PitchBook, McKinsey, US Treasury, análisis de Redpoint.
¿Está justificado ese miedo? La encuesta de Redpoint a 141 CIOs (marzo de 2026) sugiere que en parte sí. El 58% señala las funcionalidades de IA como motor principal de aumentos de gasto en software —la categoría más citada—, pero ese gasto incremental va a parar a la IA, no a los incumbentes: el 45% de los presupuestos de IA está reemplazando presupuesto de software existente, el 54% de los CIOs persigue activamente la consolidación de proveedores y solo el 3% espera que la IA conduzca a tener más proveedores. El modelo de precios por asiento, columna vertebral del SaaS, también se tambalea: el 46% de los CIOs cree que los precios por uso o por resultado serán más comunes en tres años, mientras que el 29% espera que el precio por asiento decline. Demanda comprimida más retención en duda igual a compresión del valor terminal: la cadena causal del selloff está bien trazada.
Las cuatro acusaciones, una a una
La parte central del documento somete a juicio las cuatro narrativas que alimentan el pánico, y el veredicto es deliberadamente desigual: dos preocupaciones altas, una media y una baja.
La primera acusación —cualquiera puede construirse su software con vibe coding, luego nadie comprará SaaS— recibe el nivel de preocupación más bajo. Es verdad que el coste de construir se ha desplomado: lo que en 2015 exigía seis meses y 500.000 dólares de desarrollo tradicional, en 2020 costaba seis semanas y 50.000 dólares con low code, y en 2026 cuesta seis horas y 50 dólares con herramientas de IA. Pero construir no es operar. El ejemplo de Slack que despliega el documento es contundente: comprarlo cuesta unos 220.000 dólares al año para una empresa de mil empleados, e incluye aplicaciones móviles, seguridad, SSO, cumplimiento SOC2, disponibilidad del 99,9%, monitorización y actualizaciones continuas; replicarlo internamente acumula más de 2 millones de dólares anuales entre ingenieros, gasto en IA y nube, y todos los costes que no se ven —pen testing, incident response, deuda técnica, coste de oportunidad—. Por unos 220.000 dólares al año se accede al producto de un equipo que invierte unos 120 millones de dólares anuales en I+D; la economía del buy frente al build sigue siendo abrumadora.
La segunda —las startups nativas de IA capturarán el valor— es, para Redpoint, la amenaza seria, con la obvia salvedad de que es también su negocio. Hoy la competencia directa es menor de lo que parece: los dos playbooks dominantes consisten en aumentar a la empresa instalada (venderse junto al incumbente y poseer la capa de inteligencia sobre su sistema de registro, como Sierra o Decagon frente a Salesforce Service Cloud) o en atacar el segmento SMB y mid-market que el incumbente sobre-sirve (Attio, Linear o Rillet frente a Salesforce, Atlassian o NetSuite). Pero la disposición del cliente a cambiar es real y medible: el 83% de los CIOs sitúa la automatización de fuerza de ventas entre las dos categorías que más abiertos están a reevaluar con proveedores centrados en IA, seguida de la gestión de atención al cliente (56%), el ITSM (55%) y el ERP y las compras (50% ambas). Y conviene recordar dónde está la verdadera barrera del software: las cotizadas gastan de media el 34% de sus ingresos en ventas y marketing frente al 23% en I+D, y cuando los CIOs eligen proveedor, la funcionalidad best of breed y las integraciones (45% cada una) pesan mucho más que el precio (29%) o la marca (11%). La distribución, no el código, es el foso que las startups deben asaltar.
La tercera —los modelos fundacionales lo harán todo— se queda en preocupación media. OpenAI lanzó Frontier y Anthropic lanzó CoWork, productos enterprise con plug-ins para automatizar trabajo de conocimiento en dominios como finanzas o legal, y la ansiedad de las capas de aplicación es comprensible. Pero el documento recuerda que este miedo es un clásico del género —cada re:Invent de AWS se anunciaba la muerte de Tableau, MongoDB, Datadog o DigitalOcean, y todas siguen aquí— y que el software empresarial exige lógica de dominio, integraciones, cumplimiento y experiencia de usuario que los modelos no dominan de serie; que los productos de los laboratorios son esencialmente single player; y que los propios laboratorios son consumidores intensivos de software comercial, como demuestran las menciones a herramientas de terceros en las ofertas de empleo de OpenAI y Anthropic. Los modelos fundacionales siguen siendo, sobre todo, infraestructura.
La cuarta —la compensación en acciones se está comiendo los márgenes— recibe preocupación alta sin paliativos. Tras ajustar por SBC, los márgenes de flujo de caja libre de buena parte del software cotizado se evaporan, y las plantillas siguen creciendo: las grandes aplicaciones de software ampliaron su headcount un 6%, un 10% y un 5% en 2023, 2024 y 2025 estimado, frente al 0%, 2% y 1% de las Magnificent 7 (excluida Amazon). Una empresa nativa de IA opera con márgenes brutos del 50-70% —frente al 75-85% del SaaS clásico—, pero con una fracción de la plantilla; el documento sugiere que el ajuste laboral del software tradicional no ha hecho más que empezar.
Incumbentes: trato de favor y ejecución dudosa
Si algo juega a favor de los incumbentes es la inercia del cliente. Preguntados por su enfoque preferido ante el software con IA, el 17% de los CIOs declara preferencia fuerte por que sus proveedores actuales añadan IA y otro 37% preferencia ligera por los incumbentes; solo un 13% prefiere soluciones nativas de IA (9% ligera, 4% fuerte). Es una ventaja enorme: el cliente quiere que gane el que ya está dentro.
El problema es lo que ese cliente opina del producto recibido. Las citas de ejecutivos que recoge el documento vía Tegus son demoledoras: un directivo de automoción califica Agentforce de Salesforce como "un chatbot inteligente" sobrevendido; un ejecutivo industrial admite que no se lo pensaría dos veces antes de abandonar ServiceNow si alguien ofreciera lo mismo a mejor precio; y un directivo de una Fortune 500 explica que descartaron el despliegue corporativo de Microsoft Copilot porque duplicaba literalmente el coste de la licencia E3. La ventana de favoritismo existe, pero se está desperdiciando.
De ahí la tesis del "re-founding": construir una compañía de IA es fundamentalmente distinto —desarrollo guiado por lo que los modelos harán posible y no por lo que pide el cliente, ingeniería probabilística en lugar de determinista, ventas con forward deployed engineers, precios por consumo o resultado—, y los incumbentes necesitan un momento refundacional comparable a la transición a la nube, que premió a quienes la abrazaron pronto (Microsoft, Adobe) y castigó a los rezagados (IBM, Oracle). Para los nombres pre-IA sin capacidad de reinventarse, el documento es brutalmente franco: asumir mentalmente que el negocio actual podría no valer nada, explorar alternativas estratégicas mientras quede palanca y no planificar a más de seis-doce meses.
El telón de fondo cuantitativo es inapelable: en 2026 se estima que los ingresos de las compañías de IA crecerán un 114%, de 71.000 a 152.000 millones de dólares, mientras el software tradicional crecerá un 12%, de 477.000 a 535.000 millones; de los dólares nuevos añadidos ese año, 81.000 millones serán de IA y 58.000 millones de software. La IA ya no es una promesa de ingresos: es la mayoría del crecimiento del sector.
Figura 7. El crecimiento ya es de la IA: +114% frente a +12%, y mayoría de los dólares añadidos en 2026E — Fuente: Goldman Sachs Research.
El botín emigra al mercado privado
El tercer movimiento del documento cambia de escenario. La IA ha provocado el rebote de financiación de venture más rápido que se recuerda —tras la burbuja de Internet el mercado tardó diez trimestres en recuperarse y tras la Gran Recesión nueve; esta vez el rebote fue más veloz— y la IA concentra ya la gran mayoría de los dólares de nuevas operaciones. A la vez, el late stage privado se ha convertido en el sustituto funcional de la bolsa: las operaciones privadas de más de mil millones de dólares superan con holgura a las OPVs, y cada vez más compañías estadounidenses con más de 100 millones de ingresos permanecen privadas.
La consecuencia más espectacular es la compresión del tiempo. En la cohorte de compañías fundadas antes de 2000, alcanzar 50.000 millones de dólares de valoración exigía una mediana de 25 años (Intel tardó 27; Google, excepción histórica, 6). En la cohorte de los 2000, la mediana baja a 16 años (Meta lo hizo en 8, Uber en 6). En la cohorte posterior a 2010, la mediana es de 9 años, y los casos extremos pertenecen todos a la era de la IA: Anthropic lo logró en 4 años, Cursor en 4 y xAI en 1.
Figura 8. Cada vez se tarda menos en valer 50.000 millones: mediana de 25 años (pre-2000), 16 (cohorte 2000s) y 9 (post-2010) — Fuente: Pitchbook; asume la valoración rumoreada de ~$50B de Cursor a marzo de 2026.
En la cúspide de esa pirámide están los propios laboratorios. Según las proyecciones que recoge el documento (The Information, febrero de 2026), OpenAI —valorada en 840.000 millones de dólares, con un run-rate de ingresos de 25.000 millones— proyecta pasar de 3.700 millones de ingresos en 2024 a 113.000 millones en 2028; Anthropic —valorada en 380.000 millones, run-rate de 19.000 millones— proyecta pasar de 400 millones a 102.000 millones en el mismo periodo. Son trayectorias sin precedente en la historia del software, y explican el enjambre de neolabs que levantan capital a valoraciones extraordinarias: Safe SuperIntelligence (32.000 millones de valoración con 3.000 millones captados), Thinking Machines (50.000 millones rumoreados), el laboratorio de David Silver, Ineffable (4.000 millones), Physical Intelligence (5.600 millones) o AMI Labs de Yann LeCun (4.500 millones).
Figura 9. Las proyecciones de ingresos de OpenAI y Anthropic hasta 2028E: oportunidades generacionales, valoraciones a juego — Fuente: The Information, febrero de 2026.
Caro y barato a la vez: el rompecabezas de las valoraciones
¿Y no está todo esto carísimo? La respuesta de Redpoint es la sección intelectualmente más arriesgada del documento. A primera vista, la brecha es escandalosa: las rondas Series B y C de software cotizan a una mediana de 61,1 veces ARR en lo que va de 2026, frente a las 9,7 veces del software público de alto crecimiento —una prima del 528%, que además se ha más que duplicado desde el 220% de 2025—. Pero el crecimiento subyacente no es comparable: esas mismas compañías privadas crecen a una mediana del 640% anual, frente al 29% del público de alto crecimiento. Ajustando el múltiplo por crecimiento, la relación se invierte: 0,05 veces frente a 0,37 veces, es decir, un descuento del 86% del privado respecto al público.
Figura 10. Bruto, el privado cotiza con prima del 528%; ajustado por crecimiento, con descuento del 86% — Fuente: Qatalyst (datos de mercado público) y operaciones recopiladas de peer firms, datos a 20/3/2026.
El propio documento reconoce que el ajuste por crecimiento "es bastante imperfecto" —un 640% de crecimiento mediano sobre bases de ingresos minúsculas no es estadísticamente comparable a un 29% sobre bases de miles de millones, y la mortalidad de esas cohortes no aparece en la tabla—, y admite sin rodeos que este es un mercado endiabladamente difícil para invertir: rondas que se cierran en días, un listón de ejecución altísimo desde el primer día y todas las categorías interesantes abarrotadas de competidores. Aun así, la lección histórica con la que Redpoint cierra el argumento es atendible: si se mide el valor empresarial acumulado de cada era tecnológica por año de fundación de las compañías, los años 4 y 5 posteriores al detonante de la plataforma —Mosaic en 1993, AWS en 2006, el iPhone en 2007— fueron históricamente el periodo óptimo de despliegue de capital. ChatGPT se lanzó en noviembre de 2022: estamos entrando exactamente en esa ventana.
Lo que Redpoint sabe que no sabe (y lo que conviene añadir)
La diapositiva final es un ejercicio de honestidad epistemológica que más casas de análisis deberían imitar. De un lado, las convicciones: que los 6 billones de dólares de mercado "son aritmética, no aspiración" —la nómina profesional estadounidense supera esa cifra, y una penetración de la IA del 5%, potencialmente conservadora dada la reducción de costes del 85-90% con retorno demostrado, ya excede el mercado de software existente—; que los años 4-5 son cuando históricamente nacen los ganadores duraderos; que, ajustadas por crecimiento, las valoraciones privadas no son una locura; y que la capa de aplicación ha sobrevivido a todos los cambios de plataforma anteriores. Del otro, lo que no pueden predecir: qué categorías de software se comprimen más rápido ("la analogía con los periódicos funciona direccionalmente, no con precisión; algunos incumbentes nos sorprenderán"), cuándo se producirá la repreciación al alza del mercado público, y qué harán a continuación OpenAI, Anthropic y Google, cuyas decisiones de precios y expansión vertical "podrían redefinir qué categorías siguen siendo independientes".
Tres observaciones desde nuestra mesa para cerrar. La primera: el documento es de un VC, y su conclusión —el valor se crea en el mercado privado, justo donde nosotros invertimos— estaba probablemente escrita antes que las diapositivas. Eso no invalida los datos, que son abundantes y verificables, pero sí aconseja descontar el entusiasmo de la segunda mitad: la tabla de ajuste por crecimiento, en particular, compara universos supervivientes y omite la mortalidad, que es donde el inversor de venture gana o pierde de verdad.
La segunda: para el inversor en mercados cotizados, la parte más útil no es la celebración de la revolución sino el diagnóstico del selloff. Entender que el software cae por compresión del valor terminal —y no por los resultados— permite hacerse la pregunta correcta: ¿descuenta ya el 1,1% de crecimiento implícito un escenario suficientemente pesimista? La propia segmentación del documento sugiere que el mercado está castigando con brocha gorda lo que merece bisturí: el SaaS vertical y la infraestructura tienen fundamentos radicalmente distintos del horizontal, y los múltiplos de 4 veces ingresos conviven con negocios cuya relación con la IA es de viento de cola, no de amenaza.
Y la tercera: la analogía del cajero automático corta en ambos sentidos. Es cierto que la automatización expandió el empleo de cajeros durante dos décadas; también lo es que, pasado el efecto expansivo, la profesión terminó declinando. Que la IA expanda el mercado del software y del trabajo de conocimiento en esta fase no garantiza quién capturará ese mercado en la siguiente. Redpoint apuesta a que serán las aplicaciones —públicas refundadas o privadas nativas—; los laboratorios de modelos, a juzgar por sus lanzamientos enterprise, tienen otra opinión. Esa disputa, y no el pánico de este trimestre, es la pregunta de los próximos diez años.