En junio de 2026, un documento financiero filtrado de OpenAI provocó una fuerte conmoción en el mundo tecnológico. El documento revela que los ingresos de OpenAI en 2025 alcanzaron los 13,070 millones de dólares, un sorprendente crecimiento del 253% en comparación con los 3,700 millones de 2024. Sin embargo, junto con el aumento vertiginoso de los ingresos, se registró una pérdida operativa de hasta 20,920 millones de dólares y una pérdida neta de aproximadamente 8,000 millones.
Bajo la apariencia próspera de que los usuarios semanales activos de ChatGPT superan los 900 millones y la valoración de la empresa alcanza los 852,000 millones de dólares, las finanzas de OpenAI revelan una realidad despiadada: en 2025, por cada dólar que ganaba esta empresa, gastaba 1.6 dólares. ¿Es este modelo de "quemar dinero a cambio de escala" un dolor exclusivo de OpenAI en su camino hacia la Inteligencia Artificial General (AGI), o es una dolencia común en toda la industria de los grandes modelos? Desglosando su estructura de costos y comparando horizontalmente los datos financieros con empresas líderes como Anthropic y xAI, quizás podamos ver el verdadero precio detrás de la actual prosperidad de la industria de la IA.
El agujero negro de costos detrás de los 13 mil millones en ingresos: ¿En qué se gasta realmente el dinero?
Para entender la lógica de las pérdidas de OpenAI, primero hay que desglosar la composición de su costo total de 34 mil millones de dólares. En este documento financiero filtrado, el mayor gasto es el costo de investigación y desarrollo, que asciende a 19,180 millones de dólares, incluyendo 10,590 millones pagados a Microsoft. Le siguen 7,500 millones en costo de ingresos (principalmente para cómputo de inferencia) y 5,730 millones en gastos de ventas y marketing.
En términos de tasa de crecimiento, la eficiencia en el gasto de OpenAI en realidad ha mejorado. En 2024, la compañía necesitaba gastar 2.37 dólares por cada dólar de ingresos generado, mientras que en 2025, esta cifra se redujo a 1.6 dólares. La tasa de crecimiento de ingresos (253%) superó la tasa de crecimiento de costos totales (172%). Pero esto no significa que la presión de costos haya disminuido; por el contrario, el precio de la entrada a la ley de escala sigue aumentando drásticamente.
Los 19,180 millones en gastos de I+D representan un enorme 147% de sus ingresos anuales. En el campo de los grandes modelos, I+D no solo significa los salarios de los ingenieros de algoritmos, sino también el consumo masivo de potencia de cálculo para entrenamiento. Para mantenerse a la vanguardia en capacidad de modelos, OpenAI debe invertir continuamente grandes sumas para entrenar la próxima generación de modelos. Esta inversión es rígida; si se ralentiza, podría perder posición en la competencia con sus rivales.
Los 7,500 millones en costos de cómputo de inferencia tampoco deben ignorarse. Este costo está directamente vinculado al volumen de uso de los usuarios. Que los usuarios semanales activos de ChatGPT superen los 900 millones significa que cada día llegan a los servidores de OpenAI enormes cantidades de solicitudes de inferencia. Cada conversación, cada generación, consume recursos reales de cómputo. Aunque el rendimiento del hardware mejora, la demanda de los usuarios por interacciones más complejas y con contextos más largos crece aún más rápido, lo que provoca que el costo absoluto de inferencia siga aumentando.
Además, los 5,730 millones en gastos de ventas y marketing también reflejan el alto costo que las empresas de IA enfrentan para adquirir clientes en el segmento de consumo (C2C) y expandirse en el empresarial (B2B). En un momento en que comienza a aparecer una tendencia hacia la homogeneización de productos, mantener el perfil de la marca y capturar cuota de clientes empresariales requiere una inversión real en efectivo.
Es importante aclarar especialmente el cálculo de la pérdida neta. El documento filtrado muestra que la pérdida neta de 2025 incluye aproximadamente 30 mil millones de dólares en gastos contables no monetarios únicos. Estos surgen de los cambios en el valor razonable de los instrumentos de capital convertibles y los pasivos por warrants cuando OpenAI se transformó de una estructura sin fines de lucro a una compañía de beneficio social (PBC). Excluyendo este factor único, la pérdida operativa real es de aproximadamente 20,920 millones de dólares, y la pérdida neta es de unos 8,000 millones. Esta distinción es crucial, ya que elimina las fluctuaciones contables derivadas del cambio de estructura financiera y revela el consumo real de las operaciones diarias de la empresa.
La carga estructural de 17.2 mil millones: La "comisión invisible" de Microsoft
En la estructura de costos de OpenAI hay un gigante ineludible: Microsoft. Según el documento filtrado, los pagos totales de OpenAI a Microsoft en 2025 ascendieron a 17,200 millones de dólares, que incluyen 10,590 millones en gastos de I+D, 6,047 millones en costo de ingresos, 527 millones en gastos de ventas y 42 millones en gastos administrativos.
Este pago de 17,200 millones representa el 50.5% del costo total anual de OpenAI, superando incluso sus ingresos anuales de 13,070 millones. Microsoft no es solo el proveedor de servicios en la nube de OpenAI, sino también un "accionista invisible" que vincula profundamente el flujo de efectivo de OpenAI a través de un reparto de ingresos por cómputo. En la colaboración inicial, el soporte de cómputo de Microsoft fue clave para el rápido ascenso de OpenAI. Pero a medida que la escala del negocio de OpenAI crece, este modelo de reparto se ha convertido en una pesada carga estructural.
De acuerdo con el acuerdo de colaboración revelado anteriormente, OpenAI debe pagar a Microsoft un 20% de reparto de ingresos, vigente hasta 2030. Esto significa que, mientras OpenAI siga usando los servicios en la nube Azure de Microsoft para entrenamiento e inferencia, este gasto será constante. Antes de lograr un flujo de caja positivo, OpenAI primero debe cubrir la factura de cómputo de Microsoft. Esta estructura también explica por qué OpenAI necesitó completar una enorme ronda de financiación de 122 mil millones de dólares en marzo de 2026. Al no poder generar sus propios recursos, la inyección externa de capital es la única forma de mantenerse en funcionamiento.
La carrera de eficiencia en el gasto: OpenAI vs Anthropic vs xAI
¿Es la alta I+D y las altas pérdidas un fenómeno exclusivo de OpenAI? Mirando a otras dos empresas líderes en IA, la respuesta es negativa.
Según el documento S-1 presentado por SpaceX para su OPI, xAI, de Elon Musk, tuvo ingresos de 3,200 millones de dólares en 2025, pero una pérdida operativa de hasta 6,400 millones, y un gasto de capital que alcanzó los 12,700 millones. Calculando la eficiencia en el gasto, xAI necesita gastar 3 dólares por cada dólar ganado, con una relación pérdida/ingresos del 200%, mucho mayor que el 160% de OpenAI. Para apostar por modelos de billones de parámetros, xAI construyó el centro de datos Colossus en solo 122 días, y su gasto de capital incluso superó la suma del gasto de capital de Starlink y los negocios de cohetes de SpaceX. Esto indica que, en la carrera por la ley de escala, xAI está haciendo una apuesta de activos más extrema que OpenAI.
La situación de Anthropic, otro competidor principal, muestra un camino diferente. Según anuncios oficiales, los ingresos anualizados (ARR) de Anthropic a finales de 2025 alcanzaron los 9,000 millones de dólares, y se dispararon a 47,000 millones en mayo de 2026. Su motor central de crecimiento, Claude Code, ya superaba los 2,500 millones en ingresos anualizados en febrero de 2026.
Sin embargo, detrás del rápido crecimiento también hay presión de costos. Según The Information, el margen bruto de Anthropic en 2025 fue solo del 40%, 10 puntos porcentuales por debajo de lo esperado, debido a que los costos de inferencia fueron un 23% más altos de lo previsto. En cuanto a las pérdidas, según reportes de medios, su nivel de pérdidas EBITDA también es de miles de millones. Al carecer de documentos auditados precisos, no podemos conocer la pérdida neta real total de Anthropic, pero un margen bruto del 40% y costos de inferencia por encima de lo esperado exponen la misma presión común de la industria.
Comparando los datos de las tres empresas se puede observar: en 2025, las pérdidas operativas combinadas de OpenAI, xAI y Anthropic superaron los 30 mil millones de dólares. Quemar dinero a cambio de escala no es un caso aislado, sino la norma en la competencia actual de grandes modelos. La diferencia está en la elección del camino comercial. Anthropic no construye sus propios centros de datos, depende de una estrategia multi-nube con AWS, Google y Azure, siguiendo un camino de activos ligeros, y logra una alta monetización con Claude Code en el segmento empresarial; xAI mantiene firmemente la infraestructura de cómputo en sus manos, apostando por el monopolio del cómputo; OpenAI está en un punto intermedio, dependiendo del cómputo de Microsoft pero teniendo una gran base de usuarios en el segmento de consumo.
900 millones de usuarios semanales activos y una tasa de conversión del 5.6%: Prueba de presión del límite de monetización
La enorme base de usuarios es la fortaleza más central de OpenAI y un pilar importante de su valoración de 852,000 millones. Pero los datos financieros revelan la otra cara de esta fortaleza.
De los 900 millones de usuarios semanales activos de ChatGPT, los usuarios de pago son aproximadamente 50 millones, una tasa de conversión del 5.6%. Calculando aproximadamente con ingresos de 13,070 millones, la contribución anual por usuario de pago (ARPU) es de unos 261 dólares. Esto significa que más de 800 millones de usuarios gratuitos están consumiendo potencia de cómputo sin generar ingresos directos.
En un contexto donde los costos de inferencia siguen siendo altos, el consumo de cómputo de los usuarios gratuitos se convierte en una gran carga. Cómo mejorar la tasa de conversión y el ARPU es un desafío directo para OpenAI. Comparando con la estrategia de Anthropic, esta presión es aún más evidente. Ante la presión de costos, Anthropic optó por duplicar el precio de las API de sus mejores modelos e introdujo estrategias de tarificación por niveles como Claude Fable, convirtiendo las capacidades de IA de primer nivel en un "lujo" para filtrar clientes empresariales de alto valor.
OpenAI, por ahora, mantiene un modelo de suscripción básica de 20 dólares mensuales. Este modelo ayuda a ampliar rápidamente la base de usuarios durante la fase de expansión, pero en la etapa donde la estructura de costos necesita optimización, inevitablemente enfrentará presión para aumentar precios o implementar más niveles de tarificación.
¿Quién paga la factura de la ley de escala?
Este documento financiero filtrado de OpenAI desgarra un pedazo del brillante disfraz de la industria de la IA. Ingresar miles de millones anuales pero perder decenas de miles de millones no es solo la situación actual de OpenAI, sino también el dilema compartido por empresas líderes como xAI y Anthropic. La alta inversión en I+D y los altos costos de inferencia constituyen las dos grandes montañas de la competencia de grandes modelos.
Las enormes rondas de financiación proporcionan un colchón para este modelo de gasto. La ronda de 122 mil millones completada por OpenAI en marzo de 2026, y la valoración de 965 mil millones alcanzada por Anthropic en mayo del mismo año, muestran que el mercado de capitales aún está dispuesto a pagar por la ley de escala. Pero la paciencia del capital es limitada.
Si las empresas de IA podrán salir del pantano de las pérdidas depende de si pueden lograr una reducción drástica en el costo marginal. SpaceX, en sus inicios, redujo el costo de lanzamiento en más del 90% mediante la reutilización de cohetes, cambiando así la economía de la industria espacial. Si la industria de la IA puede replicar este camino depende de si el costo del cómputo de inferencia puede reducirse drásticamente a través de chips especializados, compresión de modelos o innovación en arquitectura. Hasta entonces, la alta I+D y las altas pérdidas seguirán siendo la norma en la industria de la IA. Lo que determina si las herramientas de IA pueden seguir evolucionando no es el nivel de asombro de los algoritmos, sino la estructura de costos oculta en los libros contables.
