AI-first: cómo distinguir el software que se reconstruyó del que se reetiquetó

Hay una frase que en 2026 aparece en casi todas las notas de prensa de software: “nos hemos reconstruido en torno a la IA”. La dicen las empresas que de verdad han rehecho su arquitectura y la dicen, con las mismas palabras, las que le han añadido un chatbot a la pantalla de inicio. Desde fuera suenan igual. El problema, para quien lee sobre software y quiere entender qué está pasando de verdad, es que esa frase ha dejado de informar: significa a la vez todo y nada.

Este texto es un intento de recuperar la señal. No es un veredicto sobre ninguna empresa concreta —es una forma de mirar—, y va declarada como lo que es: mi manera de separar el “AI-first” que cambia el producto del que cambia el eslogan. Ni tengo la última palabra ni pretendo tenerla; propongo un método y unos ejemplos, y cada cual que lo afine.

Por qué la etiqueta se vació

“AI-first” tuvo sentido cuando distinguía a unos pocos. Cuando lo dice todo el sector a la vez, deja de ser información y pasa a ser ruido de fondo. Es el mismo destino que corrieron “cloud-native” hacia 2015 o “mobile-first” antes: etiquetas que empezaron describiendo una decisión técnica real y acabaron siendo casillas de marketing que había que marcar para levantar la siguiente ronda.

Cuatro preguntas para separar el grano

No tengo un detector infalible, pero sí cuatro preguntas que, aplicadas a la vez, suelen ordenar bastante el panorama. Ninguna basta por separado; juntas dibujan un patrón.

1. ¿Hay cambio de arquitectura o solo una capa encima? La diferencia entre reconstruir y decorar. Un chatbot que consulta la base de datos existente es una capa. Rehacer el modelo de datos, los permisos y el flujo de trabajo para que un agente pueda ejecutar acciones con responsabilidad es arquitectura. La primera se hace en un sprint; la segunda se nota en el roadmap de varios trimestres y, a menudo, en adquisiciones de capacidad técnica.

2. ¿La IA sustituye trabajo o lo adorna? Un resumen automático que el usuario igualmente revisa entero no ahorra trabajo: lo añade. La pregunta es si, después de la función “con IA”, alguien hace menos cosas manuales de verdad, o si solo hay una pantalla más bonita sobre el mismo proceso.

3. ¿Lo pagan clientes o solo inversores? Es la prueba más dura y la más honesta. Una función de IA que los clientes usan y por la que pagan (o que reduce la fuga, o sube el ticket) es negocio. Una función de IA que solo aparece en la nota de prensa de la ronda es narrativa. No siempre se puede saber desde fuera, pero cuando el propio inversor estructura el dinero atado al valor de cliente —y no como puro equity de fe—, es una pista de que hay algo que ya convierte.

4. ¿El discurso resiste al detalle técnico? Cuando preguntas “¿cuántos agentes, haciendo qué, con qué permisos?”, las empresas que reconstruyeron tienen una respuesta concreta y a veces contraintuitiva. Las que reetiquetaron responden con adjetivos. El nivel de especificidad es, en sí mismo, información.

Un caso para pensar, no para señalar

Sirve de ejemplo el giro reciente de Factorial, que este mismo mes hemos cubierto en actualidad: la compañía se ha declarado AI-first y ha reconstruido su producto en torno a un modelo de dos agentes. Pasado por las cuatro preguntas, el caso es interesante precisamente porque no da una respuesta unánime. Hay señales del lado “reconstrucción” —una adquisición de capacidad técnica previa al anuncio, un inversor que estructura buena parte del dinero atado al valor de cliente, un modelo de producto específico y a contracorriente— y hay una promesa grande todavía sin demostrar: que ese modelo funcione y justifique el salto de categoría que la empresa reclama.

Lo pongo como ejemplo, no como diana, justamente porque ilustra el punto: la respuesta correcta muchas veces no es “humo” ni “sustancia”, sino “hay indicios de lo segundo y una apuesta por encima que habrá que verificar con el tiempo”. Esa es una lectura más útil —y más honesta— que aplaudir o descartar por el titular.

Lo que me llevo

Mi apuesta, y la firmo como apuesta: la próxima frontera del software empresarial la definirán las empresas que se reconstruyeron de verdad, no las que añadieron IA como parche. Pero desde fuera ese “de verdad” no se decide con la etiqueta que se ponen ellas, sino con la evidencia que dejan a su paso —arquitectura, ahorro real, clientes que pagan, respuestas concretas—. Leer software en 2026 es, sobre todo, aprender a mirar debajo del “AI-first”.

$ grep -i "ai-first" comunicado.txt
> encontrado: 1 coincidencia
$ verificar --evidencia
> ¿arquitectura o capa?      [comprobar]
> ¿sustituye o adorna?       [comprobar]
> ¿lo pagan clientes?        [comprobar]
> ¿resiste el detalle?       [comprobar]
exit 0  # la etiqueta no puntúa; la evidencia sí

Relacionado: Factorial levanta 150M$ y se declara ‘AI-first’, el caso de actualidad que motivó este análisis.