
Datadog tenía todo para una buena semana: Q2 con revenue de US$1.120 millones (+36% YoY), EPS sorpresa positiva, guidance anual subida. Y aún así, las acciones se desplomaron 19% en un día. ¿Por qué? Porque su mayor cliente AI-native anunció que va a reducir drásticamente el uso desde Q3.
Qué pasó
Datadog reportó números sólidos:
- Revenue: US$1.12B (+36% YoY)
- Billings: US$1.18B (+38%)
- Free cash flow: US$279M
- Clientes con ARR > US$100K: 4.720 (+23%)
Pero dos cosas rompieron el mercado:
-
El cliente AI-native más grande va a reducir uso desde Q3. No es un churn, es un “vamos a usar menos”. Esto revive el miedo de que las empresas IA estén optimizando workloads y gastando menos en observabilidad.
-
Guidance de Q3 conservadora: US$1.135B–1.145B, que implica crecimiento de solo 28-29% vs el 36% del Q2. El mercado leyó eso como “la desaceleración ya empezó”.
El problema de fondo
La pregunta que todos se hacen: ¿es un caso aislado o una tendencia?
Si es solo un cliente, no pasa nada — Datadog tiene 33.400 clientes. Pero si otros AI-natives siguen el mismo camino, el modelo de pricing usage-based de Datadog (y de toda la industria de observabilidad) tiene un problema estructural.
La lógica es inquietante: a medida que las herramientas de IA se vuelven más eficientes, las empresas necesitan menos infraestructura para correrlas. Menos infra = menos métricas, menos logs, menos traces = menos facturación de observabilidad. Es un loop que se retroalimenta.
Cómo responde Datadog
No están quietos. Han integrado IA en más de 100 features propias:
- Bits Code: asistente de código
- Bits Chat: chat con tus datos de monitoreo
- Bits Agent Builder: construir agentes sobre Datadog
La apuesta es clara: si la IA reduce el volumen de observabilidad tradicional, que al menos genere nuevo consumo en herramientas AI-native propias.
El contexto macro
Datadog había subido casi 100% YTD antes del crash, con un P/E sobre 700. Esas valuaciones no toleran ni la más mínima señal de desaceleración. El RSI cayó a 24 (oversold), y el soporte clave está en US$225.
La caída arrastró a todo el sector software, con la pregunta flotando: ¿cómo afecta la IA al pricing de las herramientas de observabilidad? Si los workloads se optimizan y reducen, el modelo usage-based se debilita.
Por qué importa
- Señal para toda la industria: si el mayor cliente AI-native de Datadog está reduciendo uso, probablemente no sea el único. Los vendors de observabilidad necesitan diversificar.
- Optimización como amenaza: la IA que optimiza infraestructura es buena para los usuarios… pero mala para los que cobran por volumen de datos.
- El RSI en 24 dice oversold, pero la verdadera pregunta es si el thesis de crecimiento de observabilidad sigue intacto o si hay un cambio estructural.
Update: 11 de agosto — Datadog rebota 11.5%
Un día después del crash del 19%, Datadog recuperó 11.5% el lunes 10 de agosto, con un volumen de trading de US$2.21B. Los inversores reconsideraron la caída tan brusca y varios analistas subieron de precio objetivo, citando el crecimiento sostenido de AI workloads en la plataforma.
Sin embargo, la sombra del cliente AI-native que reduce uso sigue ahí. Como señala TS2: “las acciones probablemente continuarán su rebote solo si el crecimiento general de clientes supera la demanda reducida del mayor cliente AI”.
Q2 dejó números innegablemente sólidos — 36% growth, FCF de US$279M, cinco trimestres consecutivos acelerando — pero la pregunta estructural sobre el pricing usage-based de la observabilidad no desapareció con el rebote.
Va a ser interesante ver Q3 y Q4. Si otros clientes AI-natives siguen el mismo patrón, el mercado de observabilidad va a tener que repensar su modelo de negocio. Y rápido.


