¿Dónde conviene invertir en tecnología para la segunda mitad del año, según un analista destacado?

Para la segunda mitad de 2026, una de las áreas más atractivas dentro del sector tecnológico podría no estar en los chips ni en las aplicaciones finales de inteligencia artificial, sino en la llamada capa de datos. Es la parte del software situada entre el almacenamiento y las aplicaciones, donde los datos se limpian, estructuran y organizan para que puedan ser utilizados por los modelos de IA.

Heath Terry, responsable de investigación de inversión en inteligencia artificial de Citi, considera que ahí puede surgir la próxima generación de ganadores del ciclo de IA. Su tesis es que las compañías más favorecidas serán aquellas expuestas a modelos de negocio basados en consumo, porque la IA está impulsando un fuerte aumento del uso de datos, consultas, observabilidad e infraestructura software.

La capa de datos gana protagonismo

Según Terry, los inversores deberían centrarse en compañías como Snowflake, MongoDB, Datadog y Elastic. Todas ellas tienen exposición a negocios donde los ingresos crecen a medida que los clientes consumen más datos, ejecutan más cargas de trabajo o aumentan su uso de herramientas de análisis, búsqueda, monitorización y gestión de información.

La lógica es sencilla: los modelos de inteligencia artificial necesitan cada vez más acceso a datos estructurados, actualizados y utilizables. Sin esa capa intermedia, las aplicaciones de IA tienen menos capacidad para generar resultados útiles dentro de las empresas.

El software empieza a separar ganadores y perdedores

El comentario de Citi llega después de un periodo difícil para el software, que sufrió una fuerte devaluación generalizada a comienzos de año. Ese ajuste fue descrito informalmente como una especie de “SaaS-mageddon”, por la presión sobre valoraciones, crecimiento y márgenes en muchas compañías de software.

Ahora, sin embargo, el análisis empieza a ser más selectivo. Terry sostiene que el mercado vuelve a una fase en la que se pueden distinguir ganadores y perdedores, en lugar de castigar a todo el sector de forma indiscriminada.

Algunas compañías ya han dado señales de fortaleza. Snowflake se disparó a finales de mayo tras publicar un crecimiento anual de ingresos del 33%, mientras que Datadog también reaccionó con fuerza a comienzos de mayo después de anunciar un crecimiento del 25%.

Valoraciones exigentes

El principal riesgo está en la valoración. Snowflake cotiza a unas 112 veces los beneficios esperados para los próximos 12 meses y con un valor de empresa superior a 14 veces ventas. Datadog, por su parte, cotiza con un PER adelantado cercano a 98 veces y un múltiplo EV/ventas de alrededor de 19 veces.

Esto implica que el mercado ya descuenta una parte importante del crecimiento futuro. Para justificar esos múltiplos, estas compañías tendrán que demostrar que el aumento del consumo ligado a IA se traduce en ingresos recurrentes, márgenes crecientes y mayor visibilidad de beneficios.

La tesis es atractiva, pero no está exenta de riesgo: cualquier desaceleración en consumo, presión competitiva o reducción del gasto en IA podría provocar fuertes ajustes en compañías que ya cotizan con expectativas elevadas.

El enrutamiento de modelos, otra capa a vigilar

Además de la capa de datos, Citi también destaca el valor potencial del enrutamiento de modelos. En la fase actual de IA basada en agentes, múltiples piezas de software trabajan juntas para ejecutar tareas complejas. Eso exige decidir qué modelo es más eficiente para cada carga de trabajo.

El enrutamiento de modelos permite a las empresas seleccionar automáticamente el modelo más adecuado en función del coste, la velocidad, la precisión o la complejidad de cada tarea. Esta capa puede ganar importancia a medida que las compañías busquen reducir el gasto en computación de IA, especialmente en un contexto en el que el coste por tokens empieza a ser una preocupación creciente.

Compañías privadas como Not Diamond, Martian y OpenRouter están desarrollando soluciones en este ámbito, orientadas a ayudar a clientes empresariales a repartir tareas entre distintos modelos y optimizar costes.

Más allá de los modelos fundacionales

El análisis de Citi también refleja una evolución importante en la narrativa de IA. Los modelos fundacionales como OpenAI o Anthropic siguen siendo relevantes, pero compiten entre sí y con modelos de código abierto que ofrecen capacidades similares a menor coste.

Por eso, parte del valor podría desplazarse hacia capas más operativas del ecosistema: datos, observabilidad, integración, orquestación, seguridad, gobernanza y optimización de costes. En otras palabras, no solo importará quién tenga el mejor modelo, sino quién ayude a las empresas a usarlo de forma eficiente y rentable.