Los agentes de código de IA amenazan con reconfigurar el gasto en software: las empresas eligen construir en vez de comprar, según McKinsey

Durante veinte años, la respuesta por defecto de un equipo comercial ante una necesidad nueva fue la misma: buscar un proveedor. El reporte State of AI 2026 de McKinsey muestra la primera grieta seria en ese reflejo. Casi un tercio de las organizaciones encuestadas ya frenó al menos una compra de software porque sus agentes de código podían construir la funcionalidad.

La consultora encuestó a 1.719 participantes de todos los niveles jerárquicos entre el 4 de mayo y el 8 de junio de 2026. El resultado central: 32% dijo haber decidido no comprar al menos un producto o funcionalidad de software porque podía desarrollarlo internamente con herramientas de codificación agéntica.

¿Qué empresas están construyendo en vez de comprar?

La tendencia no se reparte de forma pareja. Por industria, tecnología lidera con 41%, seguida por aseguradoras y prestadores de salud con 39%, y servicios profesionales y energía con 38%.

La brecha más grande no es sectorial sino de madurez. Entre lo que McKinsey llama high performers, el 6% de los encuestados que atribuye al menos 5% de su EBIT a la inteligencia artificial, casi la mitad renunció a comprar software, contra 31% del resto. Ese grupo también tiene el doble de probabilidad de estar escalando agentes de código y 2,7 veces más de escalar otros usos de IA agéntica.

El tamaño también pesa. En organizaciones con más de US$1.000 millones de facturación anual, 40% declara estar escalando agentes de IA en al menos una función, contra 27% un año antes. En las empresas más pequeñas la adopción se mantuvo prácticamente igual, en 22%. Para el tejido empresarial de Chile y Latinoamérica, donde la mayoría de las compañías B2B están del lado chico de esa línea, la lectura es incómoda: la ventaja se está concentrando arriba.

¿Construir internamente funciona mejor que comprar?

Acá está la parte que los titulares suelen omitir. La ambición de construir corre bastante por delante de los resultados.

Investigación de MIT NANDA sugiere que los sistemas construidos internamente tienen éxito cerca de 33% de las veces, frente a un 67% de las herramientas compradas a proveedores. Gartner, por su parte, proyecta que más del 40% de los proyectos de IA agéntica se cancelarán antes de que termine 2027, por costos que se disparan, valor de negocio poco claro y controles de riesgo insuficientes.

El contraste con las cifras de adopción es fuerte. Forrester reportó en junio de 2026 que alrededor de 75% de las organizaciones está adoptando IA agéntica, pero solo una minoría llegó a producción real: la encuesta de CIO 2026 de Gartner encontró que apenas 17% desplegó agentes efectivamente, y el reporte Tech Trends 2026 de Deloitte ubica los sistemas agénticos listos para producción en 11%.

¿Por qué el costo operativo pasó a ser el factor decisivo?

Cerca de una de cada cinco organizaciones dijo que los costos operativos de la IA, incluido el costo de tokens, ya limitaron su uso de la tecnología. Al mismo tiempo, 60% espera aumentar la inversión en IA durante el próximo año.

Lieven Van der Veken, socio senior de McKinsey, describe el cambio como un giro estratégico deliberado. «Los líderes se están preguntando qué necesitan sus organizaciones para construir herramientas de IA por su cuenta», señala. «El auge de los agentes de código y del desarrollo interno es una señal clara de ese cambio más amplio.» Según Van der Veken, las organizaciones más exitosas se están volviendo más selectivas sobre dónde comprar, dónde construir y dónde desarrollar capacidades internas, y están empezando a tratar el costo operativo como una restricción de diseño y no como algo que se revisa después.

¿Qué cambia esto para los proveedores de software?

El mensaje para cualquier empresa que vende software es directo: la licencia ya no se justifica sola. Lo que resiste a un agente de código son las capacidades difíciles de replicar con un script, como datos propietarios, flujos de trabajo especializados, cumplimiento garantizado y soporte real.

McKinsey advierte que la presión aumentará a medida que los agentes de código se vuelvan más capaces, y que el mercado de software empresarial entra en un período de volatilidad. La decisión deja de ser solo construir o comprar, y pasa a ser si la organización tiene la disciplina para evitar las tasas de fracaso que hoy afectan al desarrollo interno de IA.

Análisis de Revenue Hub

El titular tienta a la conclusión equivocada. Leído rápido, este estudio parece decir «deja de comprar software y construye con agentes». Leído completo, dice algo bastante más útil: la capacidad de construir subió, la tasa de éxito no. Un 33% de éxito en desarrollo interno contra 67% en herramientas compradas no es un detalle metodológico, es la diferencia entre un trimestre productivo y un trimestre quemado.

Para un líder comercial en Chile o Latinoamérica la decisión concreta no es filosófica sino de portafolio. Lo que conviene construir con agentes es lo que es específico de tu negocio y barato de equivocar: una integración puntual, un reporte que nadie más necesita, un scoring propio, una automatización interna. Lo que conviene seguir comprando es lo que sostiene el sistema de registro, lo que exige cumplimiento y lo que tiene costo alto de falla, empezando por el CRM. La trampa clásica es al revés: equipos que compran diez herramientas menores que podrían haber resuelto con un agente, y a la vez intentan construirse un CRM.

El otro punto que este reporte deja instalado, y que casi nadie está midiendo, es el costo de operación. Que una de cada cinco organizaciones ya haya topado con el costo de tokens significa que el ahorro de licencia se puede evaporar en compute. Antes de cancelar una renovación porque «lo hacemos con un agente», el cálculo honesto compara la licencia anual contra el costo de tokens, el tiempo de desarrollo y el mantenimiento a dos años. Si no tienes ese número, no estás tomando una decisión de build vs buy, estás tomando una apuesta. En tendencias SaaS seguimos cómo evoluciona esta discusión, y en el blog publicamos los criterios que usamos para ordenar un stack comercial.