Los nuevos Moats en la era de la IA. Si desarrollar código deja de ser barrera, ¿qué lo es?

Imagina que mañana por la mañana un competidor amanece con una copia exacta de tu producto. Las mismas funcionalidades, la misma interfaz, cero deuda técnica heredada y la mitad de tu precio. ¿Qué te queda el lunes cuando han destrozado por completo tu foso defensivo, ese moat en el que te atrincheraste?

Un moat (foso defensivo) es lo que impide a ese competidor quitarte el mercado aunque conozca al detalle tu producto. Durante quince años, el foso de casi cualquier startup de software fue el coste de fabricarlo: dieciocho meses y dos rondas de financiación. Ese coste se ha desplomado, y de eso hablé en el MOAT nunca fue el MVP, era el coste de construirlo y en el impacto de la IA sobre el modelo de negocio SaaS. Queda la otra mitad de la pregunta: si fabricar ya no protege tu negocio, ¿qué ventaja competitiva aguanta hoy la ola de la IA?

A ese ejercicio mental lo vamos a llamar la prueba del clon y lo vamos a usar para separar lo que defiende un negocio de lo que solamente queda bien en un consejo de administración.

1. Qué convierte una ventaja competitiva realmente en un foso o en un moat

Hamilton Helmer, en «7 Powers: The Foundations of Business Strategy» (2016), define poder como la suma de dos ingredientes:

• El primero es un beneficio: algo que mejora tu caja, porque te permite cobrar más o producir más barato.
• El segundo es una barrera: algo que impide al competidor replicarlo aunque sepa perfectamente lo que estás haciendo.

Con beneficio y sin barrera, lo que tienes es una ventaja con fecha de caducidad y, por tanto, realmente no tienes un moat sostenible en el tiempo.

Casi todo lo que hoy se etiqueta habitualmente como moat se queda en la primera mitad: mejor producto, más datos, haber llegado antes, pero todo eso es beneficio. La segunda parte casi nadie se la hace en voz alta: si el competidor lo sabe, ¿puede copiarlo? ¿En cuánto tiempo? ¿Con qué presupuesto?

La IA generativa ha derribado una barrera muy concreta, el coste y el plazo de tirar líneas de código, y ha dejado el resto donde estaba. El problema es que la mayoría de las empresas llevaban una década apoyando su tesis de defensibilidad justo encima de esa barrera, la del código.

2. Se fabrica siete veces más software y sigue cobrando la misma gente

En enero de 2022 se lanzaban unas 2.000 aplicaciones basadas en modelos de suscripción al mes. En enero de 2026, más de 14.700, según el informe State of Subscription Apps 2026 de RevenueCat, que mide 115.000 apps móviles y mil millones de transacciones. Es una muestra de consumo y no de SaaS B2B, así que la dirección sirve pero la magnitud no.

El reparto, en cambio, sigue como estaba: las aplicaciones lanzadas antes de 2020 generan el 69% de todos los ingresos por suscripción, y solo el 4,6% de las nuevas alcanza los 10.000 dólares mensuales en sus dos primeros años.

Aquella economía de coste marginal cero que sostenía la escalabilidad del software ya no funciona igual porque la inferencia, ahora, se paga por llamada. Fabricar ha dejado de ser el cuello de botella y ahora el cuello de botella está en cobrar y en los tokens de uso.

Cambia el moat y, por tanto, cambia la forma de competir.

3. Datos propietarios: el foso que menos aguanta

Martin Casado y Peter Lauten publicaron en a16z un artículo que genera un poco de incomodidad, The Empty Promise of Data Moats (2019), que le hizo bastante daño al candidato favorito a foso de la última década.

Separan dos fenómenos que se confunden a diario:

• Un efecto de red de datos exige que los nodos interactúen entre sí, y casi ningún SaaS empresarial lo tiene.
• Lo que casi todos tienen es un efecto de escala de datos, que se comporta al revés que la escala industrial clásica: el coste de conseguir el siguiente dato útil sube mientras su valor marginal baja.

El dato viene de un estudio de Eloquent Labs sobre consultas a un chatbot de atención al cliente: el 20% del esfuerzo cubre alrededor del 20% de los casos de uso, y la curva se aplana hasta un techo en torno al 40% de cobertura. Es un único dominio, un único proveedor y lo firma un fondo con intereses en la respuesta, pero la lógica de coste creciente y valor decreciente se sostiene igual.

Los modelos de propósito general han apretado más la tuerca porque han vuelto irrelevantes muchos corpus que costaron años de recolección. Lo que sigue superando la prueba del clon es un tipo muy concreto de dato propietario: el que se genera únicamente cuando el cliente usa tu producto. El histórico de decisiones de un equipo, sus excepciones, sus reglas particulares.

Eso no se descarga y no está disponible para entrenar modelos; solamente tienes tú esos datos en tu sistema.

4. La distribución protege menos de lo que dicen las diapositivas

Si el código deja de proteger, la respuesta habitual en los fondos y en LinkedIn es que ganará quien tenga la distribución aunque los números de 2025 complican un poco esta tesis.

Según el informe State of Generative AI in the Enterprise de Menlo Ventures, que encuesta a 495 decisores y es parte interesada en el resultado, las startups se llevaron el 63% del mercado de aplicaciones de IA, cerca de dos dólares por cada uno que ingresaron los incumbentes, cuando el año anterior estaban en el 36%. En generación de código la cuota de startups llegó al 71%; en ventas, al 78%; en finanzas y operaciones, al 91%.

El propio informe reconoce que sobre el papel eso no debería estar pasando: los incumbentes tienen distribución instalada, relaciones comerciales y balance. El caso de manual es GitHub Copilot, primer llegado y con todas las ventajas estructurales, superado por Cursor a base de enviar mejores funcionalidades más rápido y mantenerse agnóstico respecto al modelo.

La distribución, otra vez, es beneficio. La barrera aparece cuando marcharse cuesta algo, y de eso escribí al analizar el vendor lock-in en SaaS como estrategia y las dinámicas de winner takes it all y coste de cambio.

5. El coste de cambio, lo único que sobrevive a la prueba del clon

RevenueCat mide que las aplicaciones con IA convierten mejor la prueba gratuita en pago, un 8,5% frente al 5,6%, y generan un 41% más de ingreso por usuario en el primer año. Pero, eso sí, retienen bastante peor: 21,1% de retención anual frente al 30,7% de las que no llevan IA, y 6,1% frente a 9,5% en los planes mensuales.

Es un dato que descoloca porque, en realidad, esperas justo lo contrario.

En el lado B2B, el Ramp AI Index, que mide gasto real de más de 70.000 empresas estadounidenses, apunta a lo mismo con otro matiz. OpenAI y Anthropic tienen tasas de cancelación mensual casi idénticas, en torno al 4%, y el 79% de los clientes de Anthropic paga también OpenAI. En vez de migrar de un proveedor a otro, las empresas los apilan, que para el proveedor es una noticia peor de lo que parece: nadie ha tenido que desmontar nada para probar al competidor.

El foso aparece cuando el cliente ha metido trabajo propio dentro del producto: integraciones con sus sistemas, permisos configurados, histórico de registros, procesos escritos alrededor de la herramienta, gente formada…

Eso es coste de cambio medido en semanas de trabajo de su equipo, y explica que el SaaS vertical sostenga un 92% de retención bruta y un 112% de retención neta de ingresos. Es la versión adulta del whole product de Geoffrey Moore pero adaptada a la era de la IA.

6. Cumplimiento normativo y confianza: el moat aburrido

Casado y Lauten cierran su artículo con una idea que en 2019 sonaba menor: cuando sube el listón de seguridad y cumplimiento, sobrevivir al escrutinio de un cliente para acceder a sus datos sensibles se convierte en una barrera por sí misma.

En Europa ya tiene calendario. El Reglamento (UE) 2026/1744, el llamado Digital Omnibus sobre IA, se publicó en el DOUE el 24 de julio de 2026: aplaza las obligaciones de los sistemas de alto riesgo del Anexo III a diciembre de 2027 y las del Anexo I a agosto de 2028, y mantiene las de transparencia desde el 1 de agosto de 2026.

Certificarse, documentar y aguantar la revisión de un departamento de compras es lento y caro, y no hay prompt que lo acelere.

7. La prueba del clon, en tres preguntas para ver si de verdad tienes un moat

Tres preguntas bastan.

1. Si te clonan esta noche, ¿qué tienes mañana que ellos no? Si la respuesta son funcionalidades, todavía no tienes foso.
2. ¿Cuánto le cuesta irse a tu mejor cliente? Cuéntalo en horas de trabajo de su equipo, que es la moneda en la que decide.
3. ¿Qué parte de tu ventaja se explica bien en una demo? Esa parte es la copiable. Lo que te defiende suele ser justo lo que no cabe en una demo.

La defensibilidad se ha mudado desde lo que tú fabricas hacia lo que el cliente construye contigo dentro.

No se acelera contratando ingenieros ni cambiando de modelo, se acumula cliente a cliente y mes a mes. Deja a las startups jóvenes en una posición incómoda, porque su foso está todavía por construir, y la única palanca a mano mientras tanto es ajustar el precio a lo que el cliente valora.

Si tu ventaja cabe en una captura de pantalla, ya está en el backlog de otro y desarrollándose con Claude Code.

Si queréis profundizar, el libro de Hamilton Helmer, «7 Powers: The Foundations of Business Strategy«, es la mejor herramienta que conozco para distinguir un beneficio de una barrera, y se lee en un fin de semana.

Nos leemos pronto. Hasta la próxima.

Imágenes: Elaboración propia con datos de a16z y RevenueCat, Flickr y Giphy