RESUMEN EJECUTIVO (1 MINUTO)
Idea/lectura: carta de presentación (quién soy y mi experencia) + análisis de EPAM tras caer >25% post-resultados. Nuevo formato: ejecutivo, profesional y fácil de seguir.
Mercado (5 gráficos): ajuste visible en demanda y empleo en sectores expuestos a IA, con mayor foco corporativo en eficiencia y recortes selectivos.
Píldora formativa: si el moat se erosiona, el múltiplo puede recortarse y no volver. No utilizar tesis basadas en expansión de múltiplos para ganar márgen de seguridad: buscar crecimiento de fundamentales.
Para profundizar: entrevista al CEO de Atlassian para entender cómo están pensando los líderes del software este nuevo régimen.
⏱️ Tiempo estimado de lectura: 3–5 min
ÍNDICE
Ideas de inversión (y lecturas QV)
5 gráficos clave (señal + implicación)
Píldora formativa (1 concepto aplicable)
2 vídeos (seleccionados)
1) Ideas de inversión (y lecturas QV)
El pasado domingo me presenté oficialmente. Si quieres conocer quién está detrás de Quality Value, mi historia y cómo trabajo, te dejo el artículo aquí.
EPAM tras caer -21%: fundamentales, no narrativa IA
Hoy, por otro lado, comparto el análisis post-resultados de EPAM, una de las compañías más seguidas del sector IT Services/software.
Tras publicar, la acción ha caído más de un 20% y el mercado la está tratando como si la IA fuese a “romper” el modelo.
En el artículo separo titular de realidad: ajustamos el guidance, revisamos márgenes (el punto más sensible) y valoramos la compañía sin asumir re-rating: el upside depende de fundamentales y buybacks, no de expansión de múltiplo.
Nuevo formato: capa ejecutiva (2–5 min) + informe extendido (PDF) para quien quiera profundizar.
→ Otros artículos recientes de Quality Value (por si quieres profundizar):
🔗 Yext: oportunidad Odd Lot. Qué es, cómo entrar y qué puedes ganar
🔗 ¿Por qué he vendido Pluxee?. ¿Oportunidad… o trampa de valor?.
Actualización final de la tesis tras los últimos acontecimientos: motivos de la venta y la lección de proceso asociada.
🔗 OPA sobre Everybody Loves Languages (ELL). Análisis de la situación y estrategia de arbitraje. Cómo plantear la operación, riesgos y estrategia.
2) 5 gráficos clave (señal + implicación)
Gasto en software de agencias civiles de EE.UU.: Trump II arranca con recortes histórico
Qué mide y contexto: Variación YoY del gasto federal en software civil en primeros meses de cada administración; proxy de demanda para vendors como Microsoft, Oracle, Salesforce.
Insight principal: Trump II colapsa tras pico de +48% en enero: caídas sostenidas de -21% a -69% (feb-oct), muy distinto a recortes puntuales de administraciones previas.
So what / implicación: Alerta para empresas con exposición federal civil; recorte parece estructural (DOGE). Vigilar guidance y posible rotación hacia vendors de defensa.
Impacto de IA en el mercado laboral: aún pequeño, pero primeras señales en contratación
Qué mide y contexto: coeficientes de regresión que relacionan exposición/adopción de IA con variables laborales por industria (desviación vs. 2015-19); mide si la IA ya está afectando empleo, salarios u horas.
Insight principal: Casi todos los coeficientes son pequeños y estadísticamente no significativos. Excepción: el coeficiente de job growth con AI adoption empieza a volverse negativo (~-0.15), sugiriendo que industrias que más adoptan IA empiezan a contratar menos.
So what / implicación: El impacto macro de IA en empleo sigue siendo marginal por ahora, pero el dato de contratación es la primera grieta. Monitorear este coeficiente en próximos meses como indicador adelantado de desplazamiento laboral.
Empleo en sectores expuestos a IA: caída sostenida vs. tendencia pre-pandemia
Qué mide y contexto: Crecimiento de nóminas (empleo, no salarios) YoY vs. tendencia 2015-19 en sectores con alta exposición a IA; mide si estas industrias están contratando más lento de lo normal.
Insight principal: Ambos grupos (non-tech y tech) llevan 2+ años contratando por debajo de su tendencia pre-pandemia. Diseño gráfico y call centers ~5-10pp bajo tendencia; software publishers destaca con -15pp.
So what / implicación: No es caída de salarios, sino menor ritmo de contratación en sectores donde IA podría estar sustituyendo tareas. Primera evidencia "dura" que respalda anécdotas de automatización; vigilar si se profundiza o estabiliza.
Creación de empleo en industrias afectadas por IA: headwind de 5-10k empleos/mes
Qué mide y contexto: Promedio mensual de creación de empleo (últimos 3 meses) en industrias con casos de uso de IA establecidos (consulting, diseño, call centers, software, data processing, etc.).
Insight principal: Desde 2023, el sector destruye empleo neto (~5-10k/mes). Último dato: -7k. No necesariamente implica despidos masivos, sino menor necesidad de contratar al ganar eficiencia con IA.
So what / implicación: Para empresas del sector: mismo output con menos headcount = mejora de márgenes. Para el mercado laboral: absorción más lenta de trabajadores en estos roles. Positivo para rentabilidad corporativa, más ambiguo para empleo.
Despidos que citan IA/tecnología: aceleración en 2H 2025
Qué mide y contexto: Despidos donde empresas mencionan "IA" o "cambio tecnológico" como factor en anuncios corporativos. Total mayo 2023 - enero 2026: ~95k.
Insight principal: Salto en 2H 2025: pico de 31k en oct-2025. Las empresas citan IA como justificación, aunque la causa real puede ser ganancias de eficiencia (hacer más con menos), no necesariamente que IA "reemplace" directamente.
So what / implicación: IA se vuelve narrativa aceptable para justificar recortes ante inversores. Independiente de si es causa directa o pretexto, valida que corporativos ven IA como palanca de márgenes vía reducción de headcount.
3) Píldora formativa (1 concepto aplicable)
Cuando el moat se erosiona, el múltiplo se parte… y puede no volver
En inversión, el riesgo más infravalorado no es que el PER baje “un poco”. Es que el mercado decida que el negocio ya no merece el mismo múltiplo.
Si el moat se erosiona, el PER/EV-EBITDA puede caer a la mitad y quedarse ahí durante años. No es un susto: es un cambio de régimen (rerating estructural).
Esto es exactamente lo que estamos viendo en parte del software: modelos más commoditizados, menos switching costs y más presión por IA.
El mercado deja de pagar “growth SaaS” y empieza a pagar “software normal”.
Que estamos haciendo en Quality Value: no basar la tesis en expansión de múltiplos.
La tesis debe sostenerse con fundamentales (FCF, ROIC, pricing power) y con evidencia de que el moat sigue intacto. Si no, el múltiplo puede no volver.
4) Para profundizar:
Entrevista al CEO de Atlassian hablado sobre software y SaaS:
💬 Lo que dicen los partícipes de la comunidad
La opinión de los miembros es lo más valioso. Son ellos quienes mejor reflejan la experiencia y el valor de pertenecer a esta comunidad.
🌟 Incluidos gestores de grandes fondos de inversión:
