Hay una pregunta que rompe la mayoría de los modelos de negocio SaaS en menos de diez segundos.
Elegí cualquier producto de la factura de software de tu empresa. Hacete una sola pregunta: ¿funciona sobre datos no estructurados — texto, audio, video, imágenes — o sobre una base de datos simple y de propósito único? Si la respuesta es sí, tu equipo puede replicarlo en una semana.
No “eventualmente.” No “con el talento de ingeniería adecuado.” Una semana.
Esto no es una provocación. Es una realidad técnica que se cristalizó entre 2023 y 2025, y la mayoría de los fundadores, inversores y ejecutivos todavía no absorbieron completamente lo que implica.
Lo Que Pasó
Los modelos de base resolvieron la comprensión de los datos no estructurados. No incrementalmente — estructuralmente. La capacidad de leer, entender, resumir, clasificar, generar y razonar sobre texto, audio, video e imágenes pasó de ser un problema difícil de ingeniería a ser una llamada a una API. Los costos de inferencia cayeron más del 80% entre 2023 y 2025. La calidad superó el nivel humano en la mayoría de las tareas que importan comercialmente.
La consecuencia es simple y devastadora para una gran parte del mercado de software: si la propuesta de valor central de tu producto es “entendemos [tipo de información no estructurada] y te damos [insight, acción, output],” esa propuesta ahora es un commodity. Cualquiera con un desarrollador, una API key y una semana de trabajo puede entregar el mismo resultado.
Categoría Uno: Datos No Estructurados como Fuente
Gong es el caso más claro. Una empresa de $7 mil millones construida sobre un problema genuinamente difícil: entender qué pasa realmente en las conversaciones de ventas. En 2018, eso requería un esfuerzo de ingeniería significativo y modelos propietarios. En 2026, es Whisper para la transcripción, cualquier LLM frontier para el análisis, unas pocas centenas de líneas de código de pegamento y una semana de trabajo. El valor que Gong tiene hoy no está en la tecnología — está en los contratos enterprise, las integraciones, el movimiento de ventas, la década de confianza construida con equipos de revenue. El moat es comercial. La tecnología dejó de ser un moat en el momento en que cualquiera pudo replicarla en un sprint.
Grammarly tiene una valuación de $13 mil millones y hace una sola cosa: mejorar tu escritura. Eso ahora es una funcionalidad por defecto de todo IDE, todo cliente de email y todo sistema operativo del planeta. Gratis.
Jasper recaudó $125 millones a una valuación de $1.5 mil millones para generar copy de marketing. Hoy eso es el caso de uso textbook de cualquier modelo frontier. Un system prompt y una tarde.
Otter.ai, Fireflies, Fathom — transcripción y resúmenes de reuniones. Estos productos no perdieron ante un competidor. Fueron absorbidos como funcionalidades nativas de Zoom, Google Meet y Microsoft Teams. La capacidad se convirtió en infraestructura.
Rev.com construyó un negocio real sobre transcripción precisa. Whisper de OpenAI es más preciso y cuesta fracciones de centavo por minuto.
El agente de IA de Intercom, Drift — “entender las preguntas de los clientes y responder inteligentemente.” Esto es un LLM frontier con tu base de conocimiento como contexto. Un proyecto de fin de semana.
El patrón se repite en herramientas de recruiting que parsean CVs (HireEZ, Beamery), plataformas de sentiment que leen reviews (Brand24, Mention), herramientas de edición de video (Descript), capas de video asíncrono (la funcionalidad de resumen con IA de Loom) y generación de contenido en general. Todos estos productos fueron construidos sobre la misma premisa implícita: procesar información no estructurada es difícil. Esa premisa se volvió falsa.
Categoría Dos: La Base de Datos Simple de Propósito Único
Esta es la categoría que la mayoría pasa por alto — y es igualmente importante.
No son solo los productos nativos de IA. Cualquier SaaS que resuelve un problema con un schema de base de datos trivialmente simple también es replicable ahora. No porque la IA haya hecho el problema más fácil de pensar — porque las herramientas de IA para código hicieron colapsar el costo de ingeniería.
Calendly vale $3 mil millones. Lo que hace: guarda tu disponibilidad, se sincroniza con tu calendario y genera un link de agendamiento. Eso es una tabla y tres integraciones de API.
Linktree llegó a una valuación de $1.3 mil millones con un producto que es, en su núcleo, una única tabla de base de datos. Una lista de links con un frontend.
Typeform recaudó $135 millones para construir formularios hermosos que son esencialmente una base de datos.
Humand, 15Five, la capa básica de Lattice — apps de engagement de empleados construidas sobre una base de datos de personas y respuestas periódicas a formularios. La “inteligencia” es análisis de sentimiento de texto. El núcleo es una app CRUD.
Doodle: encuestas de scheduling. Una tabla, opciones, votos.
Buffer y Hootsuite, en su núcleo: una base de datos de posts sociales programados con un conector de publicación.
DocSend: almacenamiento de archivos con un contador de vistas.
Ninguno de estos son productos estúpidos. Resolvieron problemas reales y construyeron negocios reales en una época en que el desarrollo de software era suficientemente caro como para que las empresas prefirieran pagar para que alguien lo construyera y mantuviera por ellas. Esa época terminó. El costo del software a medida colapsó en el momento en que el desarrollo asistido por IA se volvió real. Un desarrollador con Claude Code hoy entrega en una semana lo que le tomaba a un equipo de cinco meses construir en 2019. La matemática del build-vs-buy cambió permanentemente.
El Momento Devin
En marzo de 2024, Cognition lanzó Devin — el “primer ingeniero de software de IA completamente autónomo del mundo.” El video de demo tuvo 30 millones de visualizaciones en X. Cognition ha recaudado desde entonces más de $1 mil millones a una valuación de $26 mil millones, y está cerca de $500 millones en ingresos anualizados.
Devin lee código (texto), entiende requerimientos (texto), escribe y testea código (texto). El tipo de información subyacente es, en su núcleo, no estructurado.
En Teramot, construimos nuestra propia versión interna — un agente de coding autónomo embebido en nuestro workflow de ingeniería — en un mes. Lo vamos a abrir en código abierto próximamente.
Esto no es una afirmación de que Devin no tiene valor. Devin tiene valor real y compuesto: Goldman Sachs, Mercedes-Benz y el Ejército de los EE.UU. como clientes enterprise; un IDE completo a través de la adquisición de Windsurf; distribución construida durante años de ventas enterprise. Esas cosas son genuinamente difíciles de replicar.
Pero la capacidad técnica central — un agente que lee y escribe código — le tomó a un ingeniero de Teramot un mes construirla para uso interno.
Ese es el punto. El moat, cuando existe, es comercial. La tecnología, en casi todos los casos construida sobre datos no estructurados, dejó de serlo.
El Matiz
Algunas empresas sí tienen moats reales hoy. Seamos precisos sobre lo que eso significa.
Salesforce tiene moat porque su modelo de datos está estructuralmente embebido en los workflows operativos de miles de empresas. Los costos de cambio son reales, no psicológicos. Workday tiene moat por la misma razón. ServiceNow porque sus integraciones son infraestructura de carga en las operaciones de IT. Stripe porque el cumplimiento financiero y la confianza en pagos son genuinamente difíciles de replicar a escala.
Estos moats comparten algo importante: están construidos sobre datos estructurados y operativos profundamente embebidos en cómo las empresas realmente funcionan — no en la capacidad de procesar información no estructurada.
Para los productos que sí tienen moats comerciales — distribución, relaciones enterprise, contratos multi-año —, esos moats existen hoy. Pero son frágiles de una manera específica. No van a ser atacados por un competidor. Van a ser erosionados desde adentro, a medida que las empresas se den cuenta de que pueden construir el equivalente internamente. Ese proceso ya comenzó. Los CIOs que en 2024 decían “necesitamos evaluar vendors” en 2026 dicen “necesitamos evaluar para qué seguimos pagando vendors.” La pregunta cambió.
Lo Que Sobrevivió
Hay una categoría de problema que no se volvió trivial. No porque los modelos no sean suficientemente capaces — sino porque la naturaleza del problema es estructuralmente diferente.
Los datos estructurados y operativos que viven dentro de las empresas — en ERPs, bases de datos transaccionales, data warehouses, sistemas internos — no son no estructurados. No podés apuntar un modelo de base a ellos y obtener insights confiables. Estos datos tienen schemas específicos a la historia de cada empresa. Definiciones semánticas que nunca fueron escritas. Reglas de negocio que viven en la cabeza de alguien que lleva siete años en el rol. Campos que están deprecados pero siguen siendo poblados. Tablas que solo se joinean correctamente si sabés la historia de por qué fueron creadas.
revenue en este ERP significa neto después de devoluciones e impuestos. revenue en el sistema adyacente significa facturación bruta. client_id en la base de datos de ventas no es el mismo client_id de la base de datos de finanzas. Ningún modelo de base resuelve esto sin infraestructura construida para hacerlo conocible.
Este no es un problema de procesamiento. Es un problema de contexto. Y el contexto — real, operativo, específico de la empresa — no se puede replicar en una semana. Se acumula. Compone. Se vuelve más valioso cuanto más tiempo corre y aprende un sistema de datos en producción.
La misma ola de IA que convirtió en commodity todo lo construido sobre datos no estructurados no tocó esta capa. Si acaso, la hizo más valiosa: a medida que el costo marginal de construir sobre datos no estructurados cayó hacia cero, la escasez se desplazó completamente hacia la capa que entiende el contexto operativo estructurado.
El problema no estructurado siempre iba a ser resuelto. Fue resuelto a escala y al costo por un puñado de laboratorios de modelos de base en menos de tres años. El problema operativo estructurado — el que sabe lo que realmente significan los números de tu empresa — sigue sin resolverse para la mayoría de las organizaciones del planeta.
Esa es la única frontera que vale la pena construir.