El IPO de OpenAI no es la validación de la IA. Es el fin de la inteligencia subsidiada
OpenAI y Anthropic corrieron a Wall Street la misma semana. Lo que eso podría significar para el precio que tu empresa paga por inteligencia
Tu caso de negocio de IA asume que los precios por token solo bajan. Los documentos que OpenAI y Anthropic le entregaron esta semana al regulador bursátil de Estados Unidos dicen otra cosa.
El lunes 1 de junio, Anthropic presentó ante la SEC el borrador confidencial de su S-1, el documento con que una empresa pide permiso para vender sus acciones al público. Siete días después, OpenAI hizo lo mismo. La prensa financiera celebró: la industria madura, los laboratorios se gradúan, Wall Street valida la tesis de la IA. Es la lectura cómoda.
La incómoda es otra. Cuando una empresa que pierde miles de millones al año corre a buscar capital público, no está celebrando nada. Está buscando la plata para seguir subsidiando la inteligencia que nuestras empresas consumen todos los días. Y los subsidios tienen algo en común, todos: fecha de vencimiento.
La carrera a Wall Street
Los hechos primero. Anthropic confirmó el 1 de junio que entregó su borrador a la SEC, días después de cerrar una ronda de $65 mil millones que la valorizó en $965 mil millones. OpenAI la siguió el 8 de junio, con un anuncio muy de su estilo: “esperamos que se filtre, así que mejor lo contamos nosotros”. Los analistas hablan de una valorización sobre el billón de dólares y un debut que podría llegar tan pronto como septiembre.
Si nunca has pasado por esto: que el trámite sea confidencial significa mostrarle los números al regulador sin mostrárselos todavía al público. Es el paso previo. La decisión de salir a bolsa está prácticamente tomada; lo que se discute es el cuándo.
Y no son dos casos aislados. Bloomberg calcula que el pipeline de IPOs de IA ya suma $3.6 billones (trillions, en la nomenclatura gringa), con SpaceX abriendo en Nasdaq esta misma semana. La generación completa de empresas que construyó esta ola va camino a reportar resultados trimestre a trimestre, frente a accionistas que no firmaron para financiar una misión. Firmaron para ver retornos.
Eso cambia las reglas para ellos. Y podría cambiar los precios para todos nosotros.
Los números que un mercado público no perdona
Primero, lo que juega a favor del optimismo. Según su propia CFO, Sarah Friar, OpenAI pasó de $6 mil millones de ingresos anualizados en 2024 a más de $20 mil millones en 2025, y en marzo de este año reportaba $2 mil millones de facturación mensual. Pocas empresas en la historia han vendido tanto tan rápido.
El problema es lo que cuesta vender eso. Según documentos financieros internos que reportó Fortune, las propias proyecciones de OpenAI contemplan pérdidas crecientes hasta 2028, con rentabilidad recién hacia 2030. Para 2026, su pronóstico interno habla de $14 mil millones de pérdida contra ventas de un orden similar. The Information calculó el consumo de caja acumulado hasta 2029 en unos $115 mil millones. No es un secreto ni una denuncia: son los números que la propia empresa proyecta.
Hasta hoy, esos números los financia capital privado que apostó al largo plazo. SoftBank, Microsoft, fondos soberanos. Inversionistas que aceptaron quemar plata por años a cambio de posición en lo que creen que es la tecnología definitoria de la época. Ese es el trato, y ha funcionado.
Un mercado público funciona distinto. Hay reporte trimestral, hay analistas preguntando por el margen bruto en cada call, hay fondos de pensiones que no pueden justificar pérdidas indefinidas ante sus aportantes. La historia reciente lo muestra bien: Uber y WeWork salieron a bolsa quemando caja, y el mercado les exigió disciplina a punta de castigo en el precio de la acción. Uber se volvió rentable recortando subsidios a pasajes y repartos. WeWork no llegó.
Para una empresa de IA, el camino a mostrar margen tiene pocas palancas: cobrar más por la inteligencia, gastar menos en servirla, o las dos. La segunda avanza rápido (los costos de inferencia por unidad caen año tras año), pero la primera es la que nadie quiere decir en voz alta mientras compite por capturar mercado.
Nada de esto significa que los precios suban mañana. Significa algo más específico: el subsidio que hoy financia la diferencia entre lo que pagamos por la IA y lo que cuesta servirla va a tener, por primera vez, accionistas mirándolo cada trimestre. Y cuando un subsidio queda bajo escrutinio trimestral, suele pasarle lo mismo que a los de Uber: se acaba.
La ilusión del token barato
La respuesta estándar a todo lo anterior es conocida: los precios de la IA solo bajan. Y a nivel de unidad, es cierto. El AI Index de Stanford documentó que el costo de consultar un modelo de nivel GPT-3.5 cayó más de 280 veces entre fines de 2022 y fines de 2024. Quien construyó su caso de negocio sobre esa curva tiene buenos argumentos.
Pero esa curva esconde dos cosas.
La primera: los precios actuales conviven con pérdidas proyectadas por las mismas empresas que los cobran. Si OpenAI vendiera la inferencia con margen sano, sus números no serían los que reporta Fortune. El precio de lista que pagamos hoy no es el costo real de servir la inteligencia; es una apuesta comercial financiada por inversionistas pacientes. Eso, en cualquier industria, se llama precio de penetración.
La segunda es más nueva y nos toca directo: cambió lo que compramos. En la era del chat, una pregunta era una llamada al modelo. Un agente que ejecuta una tarea completa (revisar un pedido, conciliar una factura, preparar un informe) hace cientos o miles de llamadas para entregar un solo resultado. Goldman Sachs proyecta que el consumo de tokens podría multiplicarse 24 veces entre 2026 y 2030 a medida que los agentes se masifican. EY ya se lo advierte a sus clientes corporativos: el costo por token baja, el costo por tarea sube.
Mira los presupuestos. Según el survey enterprise de Andreessen Horowitz, el gasto promedio en IA de una empresa grande pasó de $1.2 millones anuales en 2024 a $7 millones en 2026, creciendo 75% al año. Cada unidad de inteligencia es más barata que nunca. La cuenta total, más cara que nunca. Las dos cosas son ciertas a la vez, y la planilla que le mostraste al directorio probablemente solo modeló la primera.
Ahora suma la presión del mercado público sobre esa ecuación. Si los laboratorios necesitan mostrar margen, el ajuste no tiene por qué venir como un alza del precio de lista; rara vez funciona así. Puede venir como modelos premium más caros, límites de uso más agresivos, planes enterprise renegociados al alza, o el fin de los descuentos por volumen que hoy se regalan por capturar mercado. El resultado para quien compra es el mismo: el costo por tarea deja de bajar al ritmo que asumiste, o directamente sube.
Y si esto desafía a cualquier empresa del mundo, en nuestra región tiene un agravante.
El agravante latinoamericano
En abril escribí que Latinoamérica está sobre-adoptando IA y sub-invirtiendo en las capacidades para sostenerla. Este escenario convierte esa observación en un problema de caja.
Piénsalo desde la estructura de costos de una empresa de la región. La IA se compra en dólares: la API, las licencias, el cómputo. Los ingresos, en pesos, reales o soles. Una empresa americana que enfrenta un alza en su costo por tarea absorbe el golpe en la misma moneda en que factura. Una empresa latinoamericana lo absorbe dos veces: el alza del proveedor y el riesgo cambiario encima. Ese detalle no aparece en ningún caso de negocio que haya visto, y debería.
Según IDC, el gasto en tecnología de la región ronda los $92 mil millones y crece a doble dígito, mucho más rápido que sus economías. Una porción creciente de ese gasto es IA comprada a precios de penetración. En presupuestos que ya son más apretados que los de nuestros pares del norte, el margen de error es menor: si el costo por tarea se normaliza al alza, el proyecto que era rentable en la planilla deja de serlo en la operación, y el CFO se entera tarde.
Este lunes yo haría tres cosas.
Primero, estresar el caso de negocio. Toma tu proyecto de IA más importante y recalcula el retorno con el costo por tarea al doble y al triple. Si sigue siendo positivo, duerme tranquilo. Si no, mejor saberlo ahora que en la renovación del contrato.
Segundo, cambiar la métrica. Deja de mirar el precio por token y empieza a medir costo por tarea completada: cuánto cuesta de verdad procesar un pedido, responder un reclamo, generar un informe. Es la única unidad que conecta el gasto en IA con el negocio, y la única que sobrevive a los cambios de pricing de los proveedores.
Tercero, revisar el lock-in. Si cambiar de proveedor de modelo te toma más de un trimestre, no tienes poder de negociación, y cuando los vendedores necesiten mostrar margen, el primero que paga la cuenta es el comprador que no puede irse. La arquitectura multi-modelo dejó de ser sofisticación técnica; es una cláusula de seguro.
La pregunta que queda sobre la mesa
Nada de esto argumenta contra invertir en IA. El problema es un supuesto específico que se coló en miles de casos de negocio: que el precio de la inteligencia solo puede bajar. Durante tres años fue verdad. Los documentos que OpenAI y Anthropic presentaron esta semana abren, por primera vez, la posibilidad de que deje de serlo.
Los IPOs van a seguir su curso con o sin nuestra opinión. Lo que sí está en nuestras manos es la pregunta que cada uno debería poder responder antes de que el primer laboratorio reporte su primer trimestre como empresa pública: si mañana el costo por tarea se duplica, ¿tu estrategia de IA sigue en pie, o estaba parada sobre el subsidio?
La próxima semana voy a publicar la segunda parte de este análisis: un método concreto para estresar tu caso de negocio de IA y saber si sobrevive a los precios reales. Si esta semana te dejó incómodo, bien: la incomodidad con tiempo para actuar se llama ventaja.