Nota: este artículo es un análisis general sobre dinámica competitiva. No constituye asesoría de inversión ni recomendación de compra o venta de ningún activo.
Hace un par de décadas, tener página web era una ventaja. Después fue un requisito, y hoy nadie elige una ferretería porque tiene sitio. La pregunta para la economía agéntica es cuánto tardará el mismo ciclo con los agentes de IA, y en qué industrias alguien logrará quedarse con algo que el resto no pueda copiar.
Ayer revisamos en estas páginas por qué llegar primero no basta y qué barreras pueden reemplazar a la ventaja del pionero. Este texto sigue el razonamiento un paso más allá: industria por industria, quién tiene más probabilidades de construir un foso defendible, quién terminará en paridad competitiva y qué dice eso sobre dónde conviene poner atención, como empresario o como inversionista.
La señal que ya se ve en los datos
La encuesta global de McKinsey de 2026 trae un hallazgo que dice mucho sobre la dinámica que viene: 32% de los encuestados afirma que su organización decidió no comprar al menos un producto o funcionalidad de software porque pudo construirlo internamente con agentes de programación (McKinsey, The state of AI in 2026). Entre los high performers, la cifra sube a casi la mitad.
Ese dato es una advertencia para una categoría entera. Cuando el cliente puede fabricar lo que antes compraba, el proveedor que no tenía nada más que el código pierde poder de precio. Y el mismo informe muestra la otra cara: la ventaja se concentra. Apenas 6% de los encuestados califica como high performer, y las empresas grandes escalan agentes casi al doble del ritmo de las pequeñas (40% frente a 22%).
BCG ve la misma concentración por sectores. En su estudio de 2025, software, telecomunicaciones y pagos y fintech lideran en madurez de IA, mientras moda y lujo, químicos y construcción quedan al fondo. El estudio también estima que 70% del valor potencial de la IA está en funciones centrales del negocio, como ventas y marketing, manufactura, cadena de suministro y precios (BCG).
Tres preguntas para leer una industria
Para ordenar el mapa sirve un filtro simple, construido a partir de la literatura sobre ventajas competitivas que revisamos ayer. Una industria permite ventajas defendibles con agentes cuando se cumplen al menos dos de estas condiciones:
- Los datos que mejoran al agente se generan en la operación propia y no se pueden comprar.
- El error es caro, y por eso el cliente valora la confianza y el historial más que el precio.
- Hay regulación, integración física o relaciones que hacen lento y costoso cambiar de proveedor.
Cuando no se cumple ninguna, lo más probable es la paridad: todos adoptan, los costos bajan para todos y el beneficio se traspasa al cliente.
Dónde es más probable un foso
Servicios financieros y pagos. Combinan las tres condiciones: historiales transaccionales propios, costo alto del error y regulación pesada. No es casual que BCG ubique a pagos y fintech entre los sectores más maduros, ni que McKinsey encuentre que banca, seguros y farmacéutica son las industrias donde más encuestados esperan aumentar su inversión en IA. En la región, los bancos grandes y las fintech con millones de clientes activos en Brasil, México o Colombia parten con ventaja de datos. La pregunta abierta es si los incumbentes logran moverse tan rápido como las fintech nativas digitales.
Salud y farmacéutica. Datos clínicos escasos, protegidos y difíciles de reunir, más regulación estricta. Quien logre acceso legítimo y ordenado a esos datos, por ejemplo redes de clínicas o laboratorios con historia larga, tiene una barrera difícil de replicar.
Industria con activos físicos: minería, energía, logística. Aquí el agente vale por los datos de sensores, mantenimiento y operación que solo genera quien opera la faena, la planta o la flota. McKinsey reporta que las mayores reducciones de costos atribuidas a la IA aparecen en cadena de suministro, operaciones de servicio y manufactura. Para Chile y Perú en minería, o México en manufactura de exportación, esto es relevante: el foso no es del proveedor del modelo, sino del operador con años de datos de proceso.
Plataformas con red de clientes. Marketplaces, sistemas de pago y software vertical profundamente integrado en la operación de sus clientes. Su ventaja es la distribución y el costo de cambio, no el algoritmo.
Dónde es más probable la paridad
Software horizontal sin datos propios. Herramientas genéricas de productividad, formularios, reportes simples o chatbots básicos. El dato de McKinsey sobre construir en vez de comprar apunta justo aquí. Estos negocios no desaparecen, pero compiten cada vez más por precio.
Servicios profesionales estandarizables. La traducción, la contabilidad rutinaria, la redacción de contenido genérico o el soporte de primer nivel. Gartner proyecta que en 2029 los agentes resolverán sin intervención humana 80% de los problemas comunes de servicio al cliente, con 30% menos costo operativo (Gartner). Si todos los actores capturan ese ahorro, el beneficio termina en el precio al cliente y no en el margen. La excepción son los estudios que se especializan en casos complejos y en la relación de confianza.
Retail y comercio sin marca ni datos de cliente. Si los compradores empiezan a delegar compras en agentes que comparan precios, el comercio que solo compite por precio queda más expuesto. El que tiene programa de fidelización, datos de compra y marca propia queda mejor parado.
Quién tiene más probabilidades de construir la ventaja
Los datos sugieren tres perfiles. Primero, los incumbentes grandes que ya tienen datos y caja, que según McKinsey están escalando agentes más rápido. Segundo, los especialistas verticales que conocen un rubro a fondo: el software para clínicas dentales, para corredoras de seguros o para agroexportadoras, que integra el agente en un flujo de trabajo que el proveedor genérico no entiende. Tercero, las pymes de nicho que tienen algo que los grandes no pueden copiar rápido: relación directa con clientes, conocimiento local y datos de operación de un segmento pequeño pero rentable.
En ese tercer grupo, la ventaja muchas veces no es técnica sino humana. Cuando el agente toma lo rutinario, la diferencia se juega en las conversaciones que quedan: la negociación difícil, el cliente molesto, la venta consultiva.
¿Y en qué apostar?
Traducido a lenguaje de inversión, y sin que esto sea una recomendación, el razonamiento sugiere algunos patrones para evaluar cualquier empresa o categoría:
Las categorías que parecen mejor posicionadas son las que poseen datos propietarios que se renuevan con el uso, operan en industrias reguladas o de error caro, o controlan la distribución hacia el cliente final. Las que parecen más expuestas son las que venden algo que el cliente pronto podrá construir solo, o un servicio estandarizado donde el ahorro se traspasa al precio.
Hay también una lección de la historia. La infraestructura de una ola tecnológica no siempre premia a sus primeros constructores: el estudio de Golder y Tellis sobre unas 500 marcas encontró que 47% de los pioneros terminó fracasando (Journal of Marketing Research). Y la tecnología misma se abarata rápido: el AI Index 2025 de Stanford estima que el costo de inferencia para un desempeño tipo GPT-3.5 cayó más de 280 veces en menos de dos años (Stanford HAI). Ambos datos sugieren prudencia con las valoraciones que asumen que el líder técnico de hoy lo seguirá siendo.
Para el dueño de una pyme en Santiago, Bogotá o Monterrey, la pregunta práctica es parecida a la del inversionista: en qué casillero del mapa está su propio negocio, y qué tendría que acumular para pasar de la paridad al foso.
Este contenido tiene fines informativos y de análisis. No es asesoría financiera ni de inversión; cualquier decisión de inversión requiere evaluación profesional y considerar la situación particular de cada persona.
Fuentes
- McKinsey (2026). The state of AI in 2026: On the road to ROI. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
- BCG (2025). The Widening AI Value Gap: Build for the Future 2025. https://www.bcg.com/press/30september2025-ai-leaders-outpace-laggards-revenue-growth-cost-savings
- Gartner (2025). Gartner Predicts Agentic AI Will Autonomously Resolve 80% of Common Customer Service Issues Without Human Intervention by 2029. https://www.gartner.com/en/newsroom/press-releases/2025-03-05-gartner-predicts-agentic-ai-will-autonomously-resolve-80-percent-of-common-customer-service-issues-without-human-intervention-by-20290
- Golder, P. y Tellis, G. (1993). Pioneer Advantage: Marketing Logic or Marketing Legend? Journal of Marketing Research. https://journals.sagepub.com/doi/10.1177/002224379303000203
- Stanford HAI (2025). AI Index Report 2025. https://hai.stanford.edu/ai-index/2025-ai-index-report
