La segunda edición del informe de Lazard sobre el impacto de la inteligencia artificial en el M&A tecnológico llega en un momento muy distinto al de la primera. Aquella, de agosto de 2025, exploraba el potencial todavía emergente de la IA generativa. Esta se escribe, en palabras del propio banco, "en medio de un ajuste de cuentas del mercado sobre el impacto de la IA en el ecosistema del software". El subtítulo elegido —"Post-Hype, Deployment Era"— ya anticipa el tono: hemos salido de la euforia narrativa y entrado en la fase, mucho menos glamurosa, del despliegue real. Y en esa fase, el mercado está haciendo algo que merece análisis sereno: vender software cotizado de forma masiva e indiscriminada, justo cuando la tesis del banco sostiene que la discriminación —entre ganadores y perdedores— nunca ha sido tan importante.
El documento es, conviene decirlo, una pieza de un asesor de operaciones, no de un gestor. Su mirada es la de quien acompaña fusiones y adquisiciones, de modo que su lente final es siempre el M&A: qué activos sobreviven a una due diligence tecnológica, cuáles soportan una prima de valoración y cuáles se quedan fuera del perímetro de un comprador estratégico. Esa perspectiva tiene una virtud —obliga a aterrizar las narrativas en hechos de operación— y un sesgo del que conviene ser consciente: tiende a leer el mundo a través de qué se compra y qué se vende. Con esa cautela, el análisis que sigue es notablemente útil para entender qué está pasando bajo la superficie de la corrección del SaaS.
El ajuste de cuentas: capital récord y un mercado que castiga
El punto de partida es la magnitud del capital que se está volcando sobre la IA. Lazard documenta una actividad de inversión de capital riesgo en IA/ML sin precedentes en Estados Unidos, con un puñado de compañías absorbiendo una porción desproporcionada del gasto total: OpenAI lidera con 41.000 millones de dólares de financiación en 2025, seguida de Anthropic con 32.500 millones, xAI con 12.800 millones y Databricks y Aligned con 5.000 millones cada una. Pero el dato verdaderamente revelador no es el volumen absoluto, sino la persistencia de la convicción: la cuota de la IA sobre el valor total del capital riesgo estadounidense pasó del 34,6% en 2024 al 65,4% en 2025, mientras la cuota por número de operaciones subía del 39,4% al 50,9%. Es decir, no solo entra más dinero: entra concentrado en megarrondas.
Esa divergencia —más dinero, en menos manos, en rondas cada vez más grandes— es el telón de fondo de todo lo demás. Y se traslada al mundo corporativo. Lazard recoge, con datos de Ramp, una "brecha que se acumula" (The Compounding Gap): el crecimiento mediano de ingresos de los clientes de Ramp con alta intensidad de IA se despega del de la economía estadounidense (PIB nominal) y, sobre todo, del de los clientes sin gasto en IA. La brecha de rendimiento entre los "líderes" y los "rezagados" en IA, según el panel de BCG y McKinsey que cita el banco, ha crecido de 2,7 veces a 3,8 veces. Y la propia inversión en IA como porcentaje de los ingresos de las organizaciones se estima en torno al 0,6% en 2024, 0,8% en 2025 y 1,7% en 2026 —una duplicación prevista en un solo ejercicio.
Y sin embargo —y aquí está la paradoja que articula todo el informe— el mercado castiga. Lazard titula sin eufemismos: "A pesar del potencial alcista, el mercado está penalizando al SaaS heredado". La razón es la duda sobre la durabilidad de los modelos tradicionales basados en licencias por usuario (seat-based) a medida que la IA desplaza herramientas tradicionales. El resultado es una volatilidad que el banco no duda en calificar de extrema.
La "SaaSpocalypse" y los extremos de volatilidad
La pieza más elocuente del diagnóstico es el gráfico de volatilidad relativa del software. Lazard muestra la desviación estándar del índice MSCI World Software & Services desde el año 2000, marcando cuatro episodios: el desplome de las puntocom (2000-2002), la crisis financiera global y la "década dorada" de baja volatilidad que la siguió (2008-2020), el shock de la COVID-19 y el catalizador macro de 2022 (2020-2022) y, finalmente, lo que el banco bautiza como la "SaaSpocalypse" de 2025-2026. En este último episodio, la reciente venta masiva de SaaS ha hundido la desviación estándar del índice en el rango negativo de -3 a -4, un nivel de volatilidad extrema no visto desde la crisis financiera global y la burbuja tecnológica, y que supera con claridad la severidad tanto del shock de la COVID como del catalizador macro de 2022.
El subtítulo que Lazard recoge de un comentarista —"La IA agéntica no se está comiendo el software: está alimentando la volatilidad del mercado"— resume bien la tesis del banco. No es que el software esté siendo destruido; es que el mercado, incapaz de predecir los resultados, está descontando el peor escenario de forma generalizada.
Esa incapacidad predictiva se materializa en los datos de retención, que para Lazard son la prueba más limpia de la bifurcación. Usando datos propietarios de Tropic, el banco traza la retención neta ponderada de ingresos (Net Dollar Retention) en media móvil trimestral. El resultado es revelador: la NDR de las compañías nativas de IA se dispara hasta el 154% —un salto de +62%—, mientras que los incumbentes resisten pero de forma bifurcada. La infraestructura SaaS se mantiene plana en torno al 107% (-2%), mientras que el software horizontal ha sufrido compresión, cayendo hasta cerca del 99% (-8%). El banco sitúa el punto de inflexión en el tercer trimestre de 2025, cuando modelos con capacidad de razonamiento como GPT-5 y Claude 4 aceleraron el paso de los pilotos experimentales a los flujos de trabajo empresariales autónomos.
El pánico del mercado público frente a la precisión del privado
Lazard contrapone con elegancia dos mercados. El público, dominado por el pánico; el privado, ejerciendo precisión. En el mercado cotizado, el SaaS acumula una rentabilidad en lo que va de año del -12,1%, frente al +17,3% del Nasdaq 100 en el mismo periodo. Es la imagen perfecta de la "bifurcación tecnológica": los hiperescaladores impulsan el índice general mientras los vientos en contra de la IA pesan sobre el software.
El gráfico de la evolución del múltiplo EV/NTM EBITDA del software ilustra hasta dónde ha llegado el reajuste. Tras años de sobrerrendimiento, los múltiplos públicos han revertido a sus tendencias de largo plazo. La media 2019-2025 se sitúa en 23,5x, pero los valores recientes han caído muy por debajo: la serie, que llegó a tocar máximos cercanos a 29,9x, se sitúa al cierre del periodo analizado en torno a 16,0x, prácticamente en línea con la media 2008-2018 de 12,0x. La cita de Lazard que abre este artículo es, en este punto, demoledora: la prima de "crecimiento a cualquier precio" se ha eliminado por completo del sector.
El banco recoge además un análisis de Goldman Sachs que cuantifica el cambio de expectativas: en su pico reciente, las valoraciones del software implicaban una tasa de crecimiento de ingresos a medio plazo (2028) del 15-20%; los múltiplos actuales, mucho más bajos, corresponden a una tasa esperada de apenas el 5-10%. La tasa mediana de crecimiento del software, por su parte, se ha contraído del 16% en 2022 al 11-12% en 2025. Una parte de la presión de valoración, admite Lazard con honestidad analítica, está justificada por esa desaceleración real; el resto es "venta indiscriminada".
Los perdedores y los ganadores: wrappers frente a sistemas de registro
Aquí el informe entra en su núcleo conceptual. La IA está bifurcando el mercado del software en dos categorías con destinos opuestos. En un extremo, los perdedores: los "wrappers" o envoltorios de interfaz fina sobre modelos de lenguaje. En el otro, los ganadores: los sistemas de registro (systems of record) y los habilitadores que actúan como anclas resilientes para la lógica de negocio compleja.
El diagnóstico sobre los wrappers es severo y está respaldado por cifras concretas. Lazard recoge una proyección según la cual el 80% de las startups de IA —en su mayoría envoltorios de API— desaparecerán para 2028. De las startups de wrappers de IA lanzadas a comienzos de 2023, el 47% ya ha cerrado o pivotado, y solo el 8% logró el éxito. Y la tasa de abandono de usuarios (churn) de estos wrappers alcanza el 65%, casi el doble que el SaaS tradicional (35%). El problema de fondo, como señala el banco, es la "pegajosidad" (stickiness): un envoltorio fino carece de fosos defensivos, y cuando un incumbente con 10.000 ingenieros puede replicar su funcionalidad en un fin de semana, la batalla está perdida de antemano.
Frente a ellos, los sistemas de registro. El argumento de Lazard es contraintuitivo pero sólido: la IA, al abaratar el código, no erosiona el foso de estos sistemas, sino que lo refuerza. El valor del software empresarial nunca fue "construimos un software que tú no podías"; fue "absorbemos el riesgo de cumplimiento y la complejidad regulatoria que tú no quieres". El ejemplo que el banco utiliza es elocuente: Anthropic emplea a ingenieros de primer nivel capaces de construir un sistema de recursos humanos en semanas, y aun así usa Workday. La razón —construir software de RR. HH. exige conocer la legislación laboral de 50 estados y más de 100 países, con un cumplimiento fiscal de nóminas que cambia trimestralmente— dice exactamente hacia dónde se dirige el SaaS empresarial.
La trampa del "software casero": más fácil de construir, no de mantener
Una de las secciones más valiosas del informe matiza el entusiasmo por la generación de código mediante IA. Sí, los agentes de codificación pueden acelerar la construcción de software hasta diez veces frente a los métodos tradicionales, y gigantes como Google y Microsoft estiman que cerca de un tercio (30%) de su código de producción ya lo genera la IA. Pero Lazard advierte de la "ilusión de la velocidad". Casi la mitad —el 45%— del código generado por IA introduce vulnerabilidades de seguridad graves del OWASP Top 10. En el primer semestre de 2025, los fallos de software alcanzaron un récord de más de 21.500 (133 diarios), con un 38% calificados como altos o críticos. Y el 63% de las organizaciones admite enviar cambios de código a producción sin pruebas de seguridad completas, presionadas por la velocidad.
El coste no es teórico. El banco estima que la mayoría (60%) del impacto financiero de las brechas de software nunca se reporta a los accionistas, y documenta una caída media del precio de la acción del 3,3% tras la divulgación de una brecha de seguridad importante, con un desplome inmediato de hasta el 5,3%. Uno de cada cuatro ejecutivos experimentó un incidente cibernético durante o poco después de una operación, y casi un 42% sufrió una reducción significativa del valor del acuerdo. La conclusión, en la línea de Stratechery que cita Lazard, es que escribir la aplicación original es solo el comienzo de un viaje sin fin de mantenimiento, parches de seguridad, nuevas funciones y estándares cambiantes —un viaje que, para la mayoría de las empresas, no tiene nada que ver con su competencia central.
La transición de la monetización: del asiento al resultado
Si el código se abarata, el modelo de negocio debe cambiar. Lazard dedica un bloque a la transición de la monetización, desde el modelo on-premise de licencia perpetua hasta el SaaS de suscripción recurrente y, ahora, hacia un modelo de "SaaS + IA agéntica y generativa" cuya propuesta de valor es un "hazlo por mí": agentes que ejecutan flujos de trabajo completos y cobran por resultados, no por acceso.
La encuesta de ICONIQ que recoge el banco aporta textura sobre cómo se está produciendo esa experimentación. Ante la pregunta de si planean cambiar su modelo de precios de IA en los próximos doce meses, el 40% de los líderes responde que no está seguro o que es demasiado pronto para saberlo, el 37% dice que sí y el 23% que no. Y entre los cambios que están explorando, el más citado es el precio por consumo (28%), seguido de refinar según la adopción (21%), cambiar a precios basados en resultados (15%), una subida general de precios (15%) y empezar a cobrar por el producto de IA (7%). Es la fotografía de un sector que sabe que el modelo por asiento está bajo asedio, pero que aún no ha encontrado el equilibrio entre suscripción, consumo y resultado.
El impacto en el M&A: la IA como obstáculo y como motor
Aquí el informe regresa a su terreno natural. La IA se ha convertido, según los datos de Bain que cita Lazard, en el "rompe-operaciones" definitivo en private equity: el 70% de los encuestados se ha retirado de al menos una operación con exposición a la IA en el último año. La distribución es elocuente: el 65% se retiró de entre el 1% y el 20% de sus operaciones, el 30% de ninguna y el 5% de entre el 21% y el 40%. Los comités de inversión de las grandes firmas de private equity dedican ahora hasta el 30-40% de su tiempo a evaluar si las compañías de su cartera pueden aprovechar la IA o si, por el contrario, se enfrentan a la disrupción.
Pero la misma IA que frena operaciones también las impulsa. Lazard documenta que casi la mitad de las operaciones tecnológicas estratégicas ya incorporan un componente de IA. El valor de las operaciones tecnológicas estratégicas (superiores a 500 millones de dólares) muestra una recuperación: 328.000 millones en 2022, 123.000 millones en 2023, 179.000 millones en 2024 y 235.000 millones en los tres primeros trimestres de 2025. Y la influencia de la IA es aún más marcada en las megaoperaciones: las operaciones tecnológicas estadounidenses de 5.000 millones o más con influencia de IA pasaron de 5 en 2024 a 13 en 2025. De los veinte mayores acuerdos estratégicos tecnológicos de 2025, 17 mencionaban la IA en sus notas de prensa frente a solo 3 que no lo hacían.
El caso alcista: una expansión masiva del mercado direccionable
La tesis optimista del informe descansa en una idea: al desplazar el gasto empresarial desde los costes de mano de obra y externalización (BPO) hacia los presupuestos de software, las plataformas incumbentes que logren la transición a la IA agéntica capturarán una bolsa de beneficios mucho mayor. Lazard proyecta una creación de valor acumulada impulsada por la IA que pasaría de aproximadamente 9 billones de dólares en 2025 a unos 17 billones en 2030, recordando que solo el hardware (con Nvidia como ejemplo) ha generado 4 billones de valor desde 2023. La frase que el banco recoge —"Por cada dólar gastado en software, se gastan seis en servicios"— resume el tamaño del premio: el mercado direccionable de los "autopilotos" es todo el gasto laboral de una categoría, internalizado y externalizado.
El gráfico que acompaña, basado en análisis de Anthropic, muestra la participación de tareas laborales que los modelos de lenguaje podrían teóricamente realizar por ocupación —encabezando "Computer & Math" y "Business & Finance"— frente a la cobertura real medida por datos de uso, mucho menor. La lectura: la IA solo ha penetrado parcialmente su potencial, lo que deja margen para esa expansión del mercado.
AI Moats 2.0: los nuevos fosos son los viejos fosos
El segundo gran bloque del informe es, para mi gusto, el más sugerente: el marco de defensibilidad. La tesis central, tomada de un comentarista que Lazard cita con aprobación, es que "los nuevos fosos son los viejos fosos". Con los modelos fundacionales convergiendo —entrenados todos sobre datos públicos solapados y no exclusivos—, la ventaja competitiva sostenible vuelve a los activos de negocio de siempre: datos propietarios y regulados, la codificación del conocimiento tácito humano, los bucles de retroalimentación cerrados, la complejidad de los flujos de trabajo, la escala de distribución y la confianza del cliente.
Lazard sistematiza esto en una matriz de fortaleza relativa de fosos que enfrenta cuatro categorías de actores —software tradicional, software nativo de IA, adoptadores directos de IA (uso interno) y servicios— a través de nueve categorías de foso, con una puntuación de 1 (más débil) a 5 (más fuerte). La lectura es nítida: el software tradicional domina en "distribución y posición de ecosistema" y en "relaciones con el cliente y confianza", con la máxima puntuación de 5 en ambas, mientras que es débil (2) en "human-in-the-loop". Los servicios puntúan alto (5) en conocimiento tácito, human-in-the-loop y complejidad de flujos de trabajo, pero arrastran retos de escalabilidad. Los nativos de IA brillan en velocidad de producto y bucles de aprendizaje, pero flojean (2) en distribución, datos propietarios almacenados y misión crítica. El mensaje del banco es que los ganadores combinarán escalabilidad con fosos: el cuadrante ideal —"foso duradero y escalable"— está, significativamente, vacío de ocupantes naturales, y será fruto de la orquestación de varias ventajas.
A partir de ahí, el informe desgrana cada foso con casos concretos. Los datos propietarios almacenados, con la advertencia de que menos del 1% de los datos empresariales se ha usado para entrenar los LLM públicos, y ejemplos como S&P Global —cuya CEO afirma que no permiten que los proveedores de LLM entrenen sobre sus datos— o el "flywheel" de Tropic, que asegura derechos de acceso a datos anonimizados del 95% de su base de clientes. El conocimiento tácito, ilustrado con Litera, que ha entrenado su agente Lito sobre 30 años de propiedad intelectual legal y más de un millón de contratos anotados para "democratizar la mente del socio senior". El human-in-the-loop, con BlackLine elevando el juicio humano a "gestor de excepciones". Los datos de resultado (outcome data), con bucles cerrados que mejoran loss ratios entre un 3% y un 10%. Y, en el lado de la posición atrincherada, la complejidad de flujos de trabajo (el "problema del arranque en frío" para los advenedizos nativos de IA), la distribución —donde Lazard es contundente: "la IA mató el foso del código, pero los incumbentes todavía tienen lo que de verdad importa, la distribución"—, las relaciones de confianza y los sectores de misión crítica.
Este último punto se ilustra con un caso que merece mención por su precisión: Relativity aiR, en el ámbito legal, presenta una tasa de error del 7,9% frente al 16,4% de la revisión manual, lo que el banco traduce como "2 veces más preciso que los revisores humanos". Es el tipo de dato que separa la promesa de la prueba.
La paradoja del punto de solución frente a la suite completa
Cierra el informe una advertencia sobre la durabilidad de los nativos de IA que han crecido como "puntos de solución". Lazard contrapone la "subida de azúcar" (sugar high) de estas aplicaciones ligeras sobre modelos fundacionales —que ofrecen crecimiento rápido pero carecen de profundidad arquitectónica— frente a la "durabilidad inflexible" de los incumbentes de plataforma. Las cifras de economía unitaria son demoledoras: los wrappers de IA presentan márgenes brutos del 25-50% (por los altos costes de API), una tasa de abandono a 90 días del 65% y una retención neta de ingresos baja o decreciente; las plataformas de alto contexto, en cambio, exhiben márgenes del 75-85%, abandono inferior al 10% y una NRR superior al 110%. El banco cifra incluso una tasa de fracaso del 92% en 18 meses para los puntos de solución. La moraleja, en palabras de Aaron Levie que Lazard recoge: si tu propuesta de valor es "usamos IA para resumir tus datos", compites contra un incumbente con 10.000 ingenieros que puede construir esa función en un fin de semana.
Lectura para el inversor
¿Qué se lleva un inversor patrimonial de este informe? Tres ideas, a mi juicio, por encima del ruido.
La primera es una invitación a la prudencia ante la narrativa simplista. La "SaaSpocalypse" ha empujado la volatilidad del software a niveles de crisis financiera, pero el propio banco que asesora las operaciones distingue con claridad entre una presión de valoración justificada —el crecimiento mediano del software se ha contraído de verdad, del 16% al 11-12%— y una venta indiscriminada por miedo. Donde el mercado castiga todo por igual, el analista debe discriminar.
La segunda es que la convergencia de los modelos fundacionales devuelve el protagonismo a los activos de negocio de siempre. Es una idea reconfortante para quien valora compañías con criterio clásico: datos propietarios, costes de cambio, posición de distribución y confianza del cliente vuelven a ser los fosos que importan. La IA no deroga las leyes de la construcción de negocios; las recuerda.
Y la tercera, más específica del oficio de Lazard, es que el M&A será el mecanismo por el que esta bifurcación se resuelva. Los incumbentes con distribución y datos comprarán o replicarán a los wrappers; los nativos de IA que sobrevivan serán los que construyan plataformas completas, no funciones que un gigante pueda absorber en un fin de semana. Para el inversor, la pregunta operativa no es "¿la IA se come al software?", sino "¿de qué lado de la bifurcación está esta compañía concreta?". Y esa, como bien argumenta el informe, es una pregunta que exige mirar los fosos, no los titulares.