Durante décadas, la pregunta «¿construir o comprar?» tuvo una respuesta casi automática para la mayoría de las empresas: comprar. Desarrollar software internamente era caro, lento y exigía equipos que pocos tenían. La IA en el desarrollo de software está cambiando esa cuenta, y las primeras mediciones ya muestran el efecto.
Lo que las mediciones ya muestran
En la encuesta The State of AI de 2026, de McKinsey, hay dos datos que merecen la atención de quien vende software:
- cerca de dos de cada diez encuestados dicen que sus organizaciones ya están escalando agentes de programación, es decir, herramientas de IA que escriben y modifican código. En las grandes empresas la proporción sube al 31%;
- el 32% afirma que sus organizaciones desistieron de comprar al menos un software o funcionalidad porque podrían construirlo internamente con esas herramientas.
Es un cambio discreto, pero estructural: la IA en el desarrollo de software alteró quién logra construir qué. Cuando casi un tercio de las empresas ya dejó de comprar algo porque puede construirlo, el mercado de software pasa a competir no solo con otros proveedores, sino con el propio cliente.
Lo que viene por delante para la IA en el desarrollo de software
Las proyecciones de Gartner indican que el movimiento se acelerará. En julio de 2025, la consultora estimó que, hasta 2028, el 90% de los ingenieros de software corporativos usará asistentes de código con IA, frente a menos del 14% a inicios de 2024. El mismo análisis prevé que, hasta 2027, al menos el 55% de los equipos de ingeniería de software estará desarrollando funcionalidades basadas en grandes modelos de lenguaje.
En el artículo sobre tendencias de adopción de junio de 2026, Gartner describe cómo la IA generativa ya automatiza generación de código, autocompletado y creación de pruebas, con las empresas de servicios de TI liderando la adopción. Los asistentes de código son hoy el mayor segmento, pero el uso se extiende a levantamiento de requisitos, planificación, pruebas, control de versiones, documentación y operación. La consultora espera automatización completa del ciclo de desarrollo de software, con razonamiento agéntico, en hasta tres años.
Eso cambia el papel de quien programa. Según Gartner, el trabajo del desarrollador debe migrar de la implementación a la orquestación: definir problemas, diseñar sistemas y garantizar que las herramientas de IA entreguen resultados de calidad.
El efecto de la IA en el desarrollo de software sobre quien lo vende
Si el cliente logra reproducir una funcionalidad en semanas, el código en sí deja de ser la principal barrera de protección de un producto. Gartner señala la dimensión del golpe en un área específica: hasta 2027, el uso de IA generativa y de agentes debe crear el primer desafío real a las herramientas de productividad tradicionales en 30 años, provocando una reconfiguración de mercado de US$ 58.000 millones.
Lo que tiende a proteger a un proveedor en ese escenario de IA en el desarrollo de software no es lo que escribió, sino lo que es difícil de reproducir:
- datos propietarios que el cliente no tiene;
- conocimiento de dominio incorporado al producto, como reglas técnicas, regulatorias o científicas;
- validación y certificación, especialmente en sectores regulados;
- responsabilidad por la operación: soporte, seguridad, actualización y garantía de funcionamiento.
El costo que no aparece en el prototipo
Construir se volvió más barato para empezar, pero no necesariamente para mantener. Todo software construido internamente necesita de alguien que corrija fallas, actualice dependencias, responda por seguridad y acompañe cambios de regulación. El propio uso de la IA tiene costo: cerca del 20% de los encuestados de McKinsey relata que los costos operativos de la IA, incluido el consumo de tokens, limitaron su uso.
Gartner recomienda equilibrar automatización y supervisión humana en el uso de IA en el desarrollo de software según la criticidad del negocio, el riesgo y la complejidad del flujo de trabajo. Un sistema que corre la nómina no puede tratarse como un prototipo de fin de semana.
Qué significa esto para deep techs y empresas
Para una deep tech, la noticia es ambigua. Por un lado, las herramientas de IA permiten construir productos con equipos menores y más rápido. Por otro, lo mismo vale para el cliente y para cualquier competidor. La defensa más sólida es vender lo que nació en el laboratorio y no se replica con un prompt: datos, método validado y conocimiento científico aplicado.
Para las empresas establecidas, la decisión entre construir y comprar gana nuevos criterios. Tiene sentido construir lo que es central para la diferenciación y lo que la empresa quiere controlar. Tiene sentido comprar, o buscar socios, lo que exige conocimiento especializado, responsabilidad técnica continua o validación regulatoria. En la duda, la pregunta útil no es «¿logramos construir?», sino «¿queremos mantener esto los próximos cinco años?».
Este es el quinto artículo de la serie. En el anterior tratamos la visión computacional y los datos sintéticos en la planta. En el último, reunimos los aprendizajes en cinco pasos prácticos para transformar la IA generativa en resultado.
4 Trade Tech existe para transformar ciencia en decisión de negocio.
¿Su empresa está decidiendo entre construir y comprar, o su deep tech necesita mostrar qué en su producto no se replica con un prompt? 4TT puede ayudar a mapear qué es diferenciación real y qué es commodity.
[email protected] · +55 (11) 93244-4141 · linkedin.com/company/4tradetech
Fuentes
- McKinsey & Company · The State of AI: Global Survey 2026 · ago. 2026.
- Gartner · Gartner Identifies the Top Strategic Trends in Software Engineering for 2025 and Beyond · comunicado, 1 jul. 2025.
- Gartner · Top Emerging Adoption Trends for Generative AI, por Vibha Chitkara · 22 jun. 2026.
- Gartner · Gartner Announces Top Predictions for Data and Analytics in 2026 · comunicado, 11 mar. 2026.
