CITIC Construction Investment: El sector de software sufre una profunda corrección, buscando oportunidades de compra en errores de valoración

CITIC Securities Research Report señala que la actual caída indiscriminada y de pánico en el sector del software proporciona una ventana para la fijación de precios diferenciada basada en la profundidad de las barreras. CITIC Securities sugiere realizar configuraciones basadas en la “atributo de ofensiva y defensiva de las barreras”: ① sobrerrepresentar los activos de “barrera ofensiva” clave, donde la barrera misma se convierte en la base del nuevo crecimiento en la era de la IA; ② prestar atención a la ventana de “transformación de defensiva a ofensiva”, empresas con barreras tradicionales sólidas pero que necesitan validar la conversión de ingresos de IA; ③ evitar activos con constantes de tiempo de disminución de barreras cortas, empresas con baja complejidad + datos superficiales. Prestar atención a los avances de colaboración entre OpenAI, Anthropic y las empresas de consultoría, la fijación de precios de IA de las empresas de software y el punto de inflexión en el crecimiento de ARR.

El texto completo es el siguiente

CITIC Securities: el sector del software experimenta un ajuste profundo, buscando oportunidades de caídas erróneas

La actual caída indiscriminada y de pánico en el sector del software proporciona una ventana para la fijación de precios diferenciada basada en la profundidad de las barreras. Sugerimos realizar configuraciones basadas en la “atributo de ofensiva y defensiva de las barreras”: ① sobrerrepresentar los activos de “barrera ofensiva” clave, donde la barrera misma se convierte en la base del nuevo crecimiento en la era de la IA; ② prestar atención a la ventana de “transformación de defensiva a ofensiva”, empresas con barreras tradicionales sólidas pero que necesitan validar la conversión de ingresos de IA; ③ evitar activos con constantes de tiempo de disminución de barreras cortas, empresas con baja complejidad + datos superficiales. Prestar atención a los avances de colaboración entre OpenAI, Anthropic y las empresas de consultoría, la fijación de precios de IA de las empresas de software y el punto de inflexión en el crecimiento de ARR.

El sector del software en EE. UU. está experimentando la mayor corrección de valoración desde marzo de 2020, con un EV/NTM Rev mediano que cae a 3.2x, muy por debajo del promedio histórico de 7.8x antes de la pandemia. Anthropic lanzó herramientas como Claude Code/Cowork, lo que generó el relato apocalíptico de que “la IA devorará el SaaS”, pero esta caída de pánico confunde a las empresas tipo “fuerza legal + registro de sistema” (con constantes de tiempo de disminución de barreras de 5 a 10 años) con empresas tipo “interfaz de usuario + automatización simple” (con constantes de tiempo de disminución de barreras de 6 a 24 meses), lo que da lugar a una valoración errónea estructural. Tras ajustar por la tasa de crecimiento de ingresos, los múltiplos de valoración del sector han regresado a niveles cercanos al promedio de la última década. Creemos que actualmente es un periodo de ventana para la fijación de precios diferenciada en el sector del software.

La aceleración en el nivel de modelo está homogeneizándose, pero no de forma completa. Basado en investigaciones empíricas de equipos como el MIT sobre los datos de OpenRouter, el volumen de llamadas a modelos de código cerrado aún representa el 75%, y la elasticidad de precio de la demanda a corto plazo es solo -1.11 (cercano a la elasticidad unitaria), lo que indica que el mercado de modelos grandes presenta un patrón de “competencia centrada en la marca”, con costos de cambio internos en el ecosistema extremadamente bajos y altos costos de cambio entre ecosistemas. Sin embargo, el período de liderazgo de los modelos de vanguardia se ha reducido de 7.5 meses a principios de 2025 a menos de 4 meses, la brecha entre el primer y el décimo modelo en GPQA sigue disminuyendo, y la ventana de prima de precio para los fabricantes de modelos se está estrechando. La tasa de margen bruto de OpenAI para 2025 baja del 40% al 33%, la tasa de margen bruto de Anthropic es del 40% (por debajo de la expectativa del 50%), y los costos de razonamiento son un 23% más altos de lo que se esperaba internamente, el espacio de beneficio en el nivel de modelo está siendo presionado por el consumo de potencia computacional de test-time compute y la deflación de precios de API, forzando a los fabricantes de modelos a penetrar en el nivel de aplicación.

El marco de “costo de error” demuestra que los sectores verticales de alto valor aún requieren los modelos más fuertes, y que la IA no puede reemplazar en promedio todo el software. Basado en datos de litigios médicos en EE. UU., se estima que la pérdida económica esperada por cada error en el escenario de diagnóstico médico es de $45-63 (ajustado), muy por encima del umbral de costo para la adopción de modelos de razonamiento de alto rendimiento. En el escenario de aprobación de crédito, al combinar pérdidas crediticias por falsos negativos y costos de oportunidad por falsos positivos, el costo ponderado de un error único se sitúa entre $27 y $125 (dependiendo del criterio del saldo). Esto significa que en escenarios de alto costo de tolerancia al error, el valor económico respaldado por aumentar la precisión del modelo del 90% al 95% puede alcanzar precios de prima de decenas o incluso cientos de veces, el verdadero enfoque de competencia no es quién tiene la API más barata, sino quién puede acercarse a una precisión de nivel experto en sectores verticales.

La escalabilidad continúa avanzando en tres direcciones paralelas, el “camino singular” en sectores verticales ya está claro. La evidencia de 2025-2026 muestra que la mejora del rendimiento del modelo proviene de: ① mejoras en algoritmos RL/RLVR (GRPO→DAPO→Dr.GRPO→λ-GRPO), pasando de recompensas etiquetadas por humanos a validaciones automáticas; ② escalado durante el razonamiento (Deep Think pensamiento paralelo, Agent Swarm muestreo paralelo, optimización de eficiencia de pensamiento), DeepSeek R1-0528 mejoró la precisión de AIME del 70% al 87.5% al incrementar la potencia computacional posterior al entrenamiento; ③ mejoras en la eficiencia de la arquitectura (activación dispersa MoE, atención lineal, atención dispersa), el entrenamiento PARL de Kimi K2.5 redujo el tiempo de operación de extremo a extremo en un 80%. En un contexto donde los rendimientos marginales en las tres direcciones no se han convergido rápidamente, la precisión en sectores verticales seguirá mejorando, el verdadero camino de la ventaja competitiva es “inyección de conocimiento de la industria durante el entrenamiento medio → construcción de un entorno de recompensa verificable → RL que estimula el razonamiento profundo → pensamiento completo durante el test-time”.

Las barreras de software se están diferenciando profundamente, y el impacto de la IA está variando. El valor del software empresarial nunca ha estado en el código en sí, el 96% de los programas comerciales contienen código de código abierto, pero las empresas aún pagan por seguridad, cumplimiento, integración y SLA. En la era de la IA, las barreras se están diferenciando a lo largo de dos dimensiones: “complejidad del flujo de trabajo × profundidad de la barrera de datos”: ① alta complejidad + datos profundos, el valor de la orquestación del flujo de trabajo, la gestión del contexto y la auditoría de cumplimiento aumenta con la mejora de la IA, no disminuye; ② baja complejidad + datos profundos, los datos son valiosos, pero la lógica de facturación por asiento enfrenta una compresión estructural tras la mejora de la eficiencia humana por IA; ③ baja complejidad + datos superficiales, las funciones centrales ya están cubiertas directamente por agentes de IA, la barrera es extremadamente delgada. El fracaso de BloombergGPT demuestra que la ruta de “modelo propio” no es viable, GPT-4 superó en menos de un año todos los benchmarks financieros en comparación con modelos propietarios entrenados desde cero con 363 mil millones de tokens de datos financieros; mientras que el éxito de Hebbia (valoración de $13 mil millones) y Harvey (ARR > $100 millones) demuestra que “datos propietarios + flujo de trabajo + modelos generales de vanguardia” es la forma correcta de capturar valor.

Las fuertes barreras provienen de “la codificación abstracta de prácticas comerciales y regulaciones legales”, el costo de replicación del software nativo de IA es extremadamente alto. Tomando a SAP como ejemplo (el 77% de los ingresos de transacciones globales se encuentran en su sistema), su barrera es de tres capas: ① codificación de reglas comerciales (lógica ejecutable de las leyes fiscales/laborales/regulaciones de la industria de cada país), ② irreversibilidad de la configuración personalizada (decenas de miles de parámetros de configuración, cientos de informes personalizados, memoria organizacional acumulada durante décadas), ③ bloqueo ecológico (decenas de miles de consultores certificados, la migración obligatoria a S/4HANA se convierte en un evento de bloqueo adicional). Thomas Otter, un ex ingeniero de SAP, señala que muchas funciones no son “elecciones comerciales” sino requisitos legales obligatorios (por ejemplo, el cálculo de salarios en Alemania implica una docena de variables interdependientes como el impuesto eclesiástico y la distribución de seguridad social), en el ámbito salarial, un error del 0.01% puede llevar a litigios legales. La amenaza de la IA a los ERP centrales es una “penetración escalonada” en lugar de un “reemplazo”, la IA ya ha mejorado estos sistemas en la capa de interfaz/ interactividad y en la capa de automatización de procesos (L1-L2), como SAP Joule, pero en la capa de lógica empresarial central (L4, 2028+) y en la capa de registro del sistema (L5) en el futuro previsible, seguirá siendo una herramienta de mejora y no un reemplazo. Al mismo tiempo, la IA está comprimiendo la cadena de valor del desarrollo de productos, las prácticas internas de Anthropic muestran que el ciclo de “de la idea al prototipo” se ha reducido de semanas a horas, el valor de UI/UX como producto intermedio está disminuyendo, herramientas de diseño como Figma enfrentan el riesgo de que “la fase de diseño se comprima en su totalidad”, pero las barreras en la gestión de colaboración visual y de sistemas de diseño seguirán existiendo a corto plazo.

Recomendaciones de inversión: La actual caída indiscriminada y de pánico en el sector del software proporciona una ventana para la fijación de precios diferenciada basada en la profundidad de las barreras. Sugerimos realizar configuraciones basadas en la “atributo de ofensiva y defensiva de las barreras”: ① sobrerrepresentar los activos de “barrera ofensiva” clave, donde la barrera misma se convierte en la base del nuevo crecimiento en la era de la IA; ② prestar atención a la ventana de “transformación de defensiva a ofensiva”, empresas con barreras tradicionales sólidas pero que necesitan validar la conversión de ingresos de IA; ③ evitar activos con constantes de tiempo de disminución de barreras cortas, empresas con baja complejidad + datos superficiales. A continuación, prestar atención a los avances de colaboración entre OpenAI, Anthropic y las empresas de consultoría, la fijación de precios de IA de las empresas de software y el punto de inflexión en el crecimiento de ARR.

(Fuente: Yicai)