Ahora mismo, en algún lugar de San Francisco, una empresa de modelos fundacionales está perdiendo dinero al atender tu llamada de API.
OpenAI gastó $8.67 mil millones en inferencia en los primeros nueve meses de 2025, casi el doble de sus ingresos en el mismo período. Sam Altman admitió públicamente que pierden dinero con las suscripciones de $200 al mes de ChatGPT Pro. Anthropic quema el 70% de cada dólar que recibe. Estas empresas venden sus productos por debajo del costo, subsidiadas por la mayor concentración de capital de riesgo en la historia tecnológica, en una carrera desesperada por capturar participación de mercado antes de que la música pare.
En el DealBook Summit de diciembre, el CEO de Anthropic, Dario Amodei, fue directo: “Hay jugadores que van en modo YOLO y eso me preocupa mucho.” No hablaba de escepticismo ante el AI. Advertía sobre el riesgo de timing: empresas que apuestan correctamente al impacto eventual del AI pero se equivocan sobre cuándo funcionarán las matemáticas.
Lo que la mayoría de los análisis sobre la advertencia de Dario pasan por alto:la inestabilidad de la capa de modelos fundacionales es la oportunidad de la capa de aplicaciones. Si estás construyendo agentes de AI para flujos de trabajo empresariales, no estás expuesto a ese riesgo de timing. Estás beneficiándote de él. Cada agente que despliegas hoy corre sobre cómputo subsidiado, pagado por inversionistas que quizás nunca vean un retorno.
La pregunta estratégica no es si construir. Es cómo construir: lo suficientemente rápido para capturar valor durante la ventana del subsidio, y lo suficientemente resiliente para sobrevivir la consolidación que viene.
La ventana del subsidio
Veamos los números que definen este momento.
OpenAI generó aproximadamente $4.3 mil millones en la primera mitad de 2025 y proyecta alrededor de $13 mil millones para el año completo. Contra esos ingresos, gasta cerca de $22 mil millones, una brecha de $9 mil millones que los inversionistas están financiando. Las pérdidas acumuladas de 2023 a 2028 se proyectan en $44 mil millones. La empresa no espera ser rentable hasta 2029 o 2030.
La trayectoria de Anthropic es similar en forma, aunque menor en escala: quema cerca de $3 mil millones al año contra ingresos que alcanzaron $5 mil millones anualizados en agosto de 2025. Apuntan al punto de equilibrio en 2028, dos años antes que OpenAI, pero todavía a tres años de distancia.
David Cahn, de Sequoia, cuantificó la brecha a nivel industria: $600 mil millones entre lo que las empresas de AI necesitan ganar para justificar sus inversiones en infraestructura y lo que realmente generan en ingresos. Esa brecha ha crecido, no se ha reducido, conforme el gasto se acelera.
¿Qué significa esto para ti? Que la inferencia está mal valuada. Cuando OpenAI te cobra por una llamada de API, no te está cobrando lo que les cuesta atenderla; te cobra lo que creen que maximizará la adopción mientras escalan. La diferencia entre precio y costo es tu subsidio, financiado por SoftBank, Microsoft, Sequoia y una constelación de inversionistas que apuestan a que la participación de mercado de hoy se convierte en poder de fijación de precios mañana.
Esto no es un equilibrio estable. Los subsidios terminan. Terminan cuando los inversionistas pierden la paciencia, cuando las empresas son adquiridas, cuando los mercados de capital se aprietan o cuando los sobrevivientes ganan suficiente participación para subir precios. La única pregunta es cuándo.
La realidad de la consolidación
Las matemáticas no soportan cinco o más empresas de modelos fundacionales bien capitalizadas. No es especulación: es aritmética. Cuando una industria tiene $600 mil millones más en costos que en ingresos, el resultado es consolidación. Las empresas se fusionan, son adquiridas, pivotean o quiebran. La infraestructura persiste; algunos de los jugadores, no.
La advertencia “YOLO” de Dario es, implícitamente, una predicción sobre esa consolidación. Algunas empresas están tomando riesgos de timing que no van a rendir frutos. Se quedarán sin capital antes de que las matemáticas funcionen. No es una crítica al AI: es reconocer que la realidad financiera eventualmente se impone, sin importar qué tan transformadora sea la tecnología subyacente.
Ya hemos visto este patrón. La expansión de fibra óptica de finales de los noventa recibió más de $100 mil millones en inversiones para capacidad que superó con creces la demanda a corto plazo. Las empresas quebraron. Los inversionistas perdieron fortunas. Y sin embargo, esa infraestructura se convirtió en la columna vertebral del internet moderno. El dinero fue en gran medida malgastado para quienes lo gastaron, pero la capacidad habilitó todo lo que vino después.
La infraestructura de AI sigue una trayectoria similar. La pregunta para quienes construyen en empresas no es si el ajuste va a llegar, sino cómo posicionarse ante él.
El problema del financiamiento circular
Hay una dinámica que merece atención especial porque explica por qué los niveles de gasto actuales pueden ser incluso menos sostenibles de lo que parecen.
Considera la relación entre Nvidia y OpenAI. En septiembre de 2025, Nvidia anunció una inversión de $100 mil millones en OpenAI. OpenAI usará porciones significativas de ese capital para comprar GPUs de Nvidia. El dinero fluye de Nvidia a OpenAI y de vuelta a Nvidia. Mientras tanto, otros inversionistas de OpenAI, como SoftBank y Microsoft, también financian compras de GPUs que van a Nvidia, cuyo crecimiento en capitalización de mercado entonces justifica más inversión en AI.
Goldman Sachs ha señalado esta circularidad como un factor de riesgo. El tamaño aparente del mercado de AI puede estar inflado por el reciclaje de capital a través del ecosistema. Cuando ese ciclo se desacelere, cuando cualquier nodo importante reduzca el gasto, los efectos se propagarán por todo el sistema.
Esto no es una razón para evitar invertir en AI. Es una razón para entender dónde estás en la cadena de valor. Si eres una empresa de modelos fundacionales, dependes de que el flujo circular continúe. Si estás construyendo aplicaciones sobre modelos fundacionales, estás capturando valor creado por ese flujo sin estar expuesto a su interrupción.
Las empresas como árbitros del poder
Lo que las empresas de modelos fundacionales entienden y la mayoría de las empresas no:tus decisiones de adopción determinarán quién sobrevive.
Los ingresos de consumo, suscripciones de ChatGPT, cuentas de Claude Pro, no van a cerrar la brecha de $600 mil millones. Los números son demasiado pequeños. Los contratos empresariales son el único camino a la escala de ingresos que justifica el gasto actual en infraestructura. OpenAI, Anthropic, Google y todas las demás empresas de modelos fundacionales lo saben. Por eso todas están construyendo equipos de ventas empresariales, buscando cumplimiento SOC 2 y hablando de privacidad de datos.
La meta de punto de equilibrio de Anthropic para 2028 asume incrementos en ingresos empresariales que aún no se han materializado. La proyección de rentabilidad de OpenAI para 2029-2030 hace suposiciones similares. No son solo pronósticos: son apuestas existenciales sobre tus decisiones de compra.
Esto te da poder de negociación. Las empresas de modelos fundacionales desesperadas por ingresos empresariales competirán agresivamente por tu negocio. Compromisos de varios años, descuentos por volumen, ajuste fino personalizado, soporte dedicado: todo es negociable para un cliente que representa la prueba de que la adopción empresarial está ocurriendo. Usa ese poder. Pero úsalo ahora, mientras la desesperación es aguda.
El marco estratégico: velocidad más resiliencia
Integrando todo esto, el imperativo estratégico para quienes construyen AI empresarial es una síntesis:muévete agresivamente mientras las condiciones económicas son favorables, pero diseña para un mundo donde tu proveedor de modelos fundacionales podría no existir en tres años, o podría costar tres veces más.
Esto no es una contradicción. Es reconocer que el momento actual ofrece tanto una oportunidad (cómputo subsidiado) como un riesgo (inestabilidad de proveedores). La estrategia ganadora captura la oportunidad mientras cubre el riesgo.
Para CIOs y ejecutivos de tecnología: Los cálculos de ROI que estás haciendo hoy son artificialmente favorables. Los costos de inferencia no se quedarán tan bajos para siempre. Los proyectos que parecen marginales con costos de API 3x más altos deben posponerse. Los que funcionan incluso a precios más altos deben acelerarse. Y cada negociación con un proveedor de modelos fundacionales debe reconocer tu poder como cliente empresarial cuya adopción necesitan desesperadamente.
Para líderes y arquitectos de AI/ML: La independencia de modelo no es solo buena ingeniería: es gestión de riesgo existencial. Construye capas de abstracción. Usa frameworks de orquestación como MCP y LangChain que te permitan cambiar modelos fundacionales sin reconstruir todo. Tus arquitecturas de agentes deben tratar el modelo fundacional como un componente reemplazable, no como una pared de carga. El costo de cambio que evitas hoy es el vendor lock-in que podría paralizarte cuando la consolidación reprecie todo tu stack.
Para ingenieros que construyen agentes: El foso que estás construyendo no es “usamos GPT-4” o “usamos Claude.” Es “automatizamos este flujo de trabajo y sabemos cómo iterarlo.” El conocimiento institucional, la ingeniería de prompts, la integración con sistemas empresariales, los ciclos de retroalimentación que mejoran el rendimiento con el tiempo: eso es lo que sobrevive la rotación de modelos fundacionales. Construye sistemas que capturen valor del flujo de trabajo. No construyas sistemas que solo funcionen con las particularidades de un modelo.
Predicciones
Con base en los datos y dinámicas descritos, esto es lo que esperamos en los próximos tres años:
Los precios de inferencia se estabilizarán o subirán dentro de 18 a 36 meses. Los precios actuales reflejan adquisición de participación de mercado, no una economía unitaria sostenible. A medida que las restricciones de capital se aprieten o los sobrevivientes ganen poder de mercado, los precios subirán hacia el costo real. La reducción de costos de 280x documentada por Stanford en los últimos dos años se desacelerará conforme las ganancias de eficiencia sean más difíciles y las empresas fundacionales necesiten mostrar caminos a la rentabilidad.
Al menos una empresa importante de modelos fundacionales enfrentará una crisis de liquidez, adquisición o pivote significativo antes de 2027. Las matemáticas lo exigen. No todos los que queman miles de millones al año encontrarán un camino a la sostenibilidad. La advertencia “YOLO” de Dario resultará profética para al menos una empresa específica. No predecimos cuál, demasiadas variables, pero el resultado de la categoría es casi seguro.
Las arquitecturas independientes de modelo se convertirán en el estándar empresarial en 18 a 24 meses. Los primeros adoptantes ya construyen así. A medida que el riesgo de consolidación sea más evidente, los procesos de compras y revisión de arquitectura exigirán capacidad multi-modelo. Los proveedores que ofrezcan capas de orquestación y frameworks de abstracción verán una demanda que se acelera.
La capa de agentes y orquestación capturará más valor que la capa fundacional para 2028. Esto replica el patrón del cómputo en la nube, donde los proveedores de infraestructura operan con márgenes delgados mientras los proveedores de aplicaciones más cercanos a los problemas de negocio capturan la mayor parte del valor. Los modelos fundacionales se están convirtiendo en commodities más rápido de lo que la mayoría esperaba. Claude, GPT-4, Gemini y Llama son cada vez más intercambiables para muchos casos de uso empresarial. La diferenciación sube en el stack, hacia la automatización de flujos de trabajo, la integración de herramientas y el ajuste fino específico por empresa.
La velocidad de adopción empresarial determinará qué empresas de modelos fundacionales sobreviven. Los ingresos de consumo no son suficientes. Los próximos 18 meses separarán ganadores de perdedores principalmente por la ejecución de ventas empresariales, no por la capacidad del modelo. Las decisiones de despliegue en empresas del Fortune 2000 son, literalmente, existenciales para múltiples empresas de modelos fundacionales.
La oportunidad en la inestabilidad
Toda gran transición tecnológica crea un período de inestabilidad donde las matemáticas no terminan de funcionar. La burbuja ferroviaria. El ajuste automotriz. El crash de las puntocom. La sobreoferta de fibra. En cada caso, la infraestructura persistió y habilitó una creación masiva de valor, aunque no siempre para quienes la construyeron.
Estamos en ese período para el AI. Las empresas de modelos fundacionales construyen infraestructura a un ritmo sin precedentes, la subsidian con capital de inversionistas y la ponen a precios por debajo del costo para capturar participación de mercado. Algunas fracasarán o serán adquiridas. Los sobrevivientes eventualmente tendrán poder de fijación de precios.
Pero ahora mismo, en esta ventana específica, las matemáticas favorecen a quienes construyen aplicaciones. Obtienes el beneficio de miles de millones en inversión de infraestructura sin cargar el costo. Obtienes inferencia con precios pensados para adquisición de mercado, no para rentabilidad. Obtienes empresas de modelos fundacionales compitiendo desesperadamente por tus contratos empresariales.
Dario tiene razón en preocuparse por el riesgo de timing en la capa fundacional. Ese es su problema. Para las empresas que construyen agentes y flujos de trabajo con AI, el riesgo de timing está invertido: el riesgo no es moverse demasiado rápido, sino moverse demasiado lento y perder la ventana del subsidio.
Construye agresivamente. Construye sin dependencia de modelo. Captura valor del flujo de trabajo mientras el cómputo es barato. Y diseña sistemas que prosperen sin importar qué empresas de modelos fundacionales sigan en pie en 2028.
La burbuja es real. Construye sobre ella de todos modos.
Fuentes y metodología
Una nota sobre la calidad de los datos: ni OpenAI ni Anthropic publican estados financieros auditados. Las cifras en este análisis provienen de documentos filtrados reportados por The Information, The Wall Street Journal y TechCrunch; declaraciones de ejecutivos en foros públicos; y estimaciones de analistas de firmas como Sacra y Sequoia Capital. Deben entenderse como indicativas de dirección, no como cifras precisas. Donde las cifras son interpoladas o están en disputa, se indica en el texto.
Fuentes principales:
Finanzas de OpenAI: Reuters (ingresos H1 2025), The Wall Street Journal (proyecciones de gasto), The Information (proyecciones de pérdidas acumuladas, documentos filtrados), TechCrunch/The Register (análisis de costos de inferencia vía Ed Zitron)
Finanzas de Anthropic: Reuters (ARR mayo 2025), Goldman Sachs/PM Insights (ARR agosto 2025), The Wall Street Journal (proyecciones de punto de equilibrio, tasa de quema)
Compromisos de infraestructura: Anuncios oficiales y cobertura posterior de CNBC, Bloomberg, NYT, The Wall Street Journal (Stargate, inversión de Nvidia, acuerdo con Oracle, compromiso de Microsoft Azure)
Análisis de la industria: Sequoia Capital (análisis de brecha de ingresos de David Cahn), Goldman Sachs Research (advertencias de ROI en infraestructura de AI), Stanford HAI (AI Index 2025, tendencias de costos de inferencia)
Declaraciones de ejecutivos: Sam Altman (economía de ChatGPT Pro, proyecciones de ingresos), Dario Amodei (DealBook Summit, diciembre de 2025)
Divulgación: Este análisis fue preparado por Arcade.dev, una plataforma de runtime para construir y operar agentes de AI multiusuario en sistemas empresariales. Nuestros productos incluyen infraestructura para construir arquitecturas de agentes independientes de modelo. Tenemos relaciones comerciales con múltiples proveedores de modelos fundacionales y clientes empresariales. Nuestra perspectiva está informada por, y alineada con, la tesis de la capa de aplicaciones empresariales presentada en este análisis.
