La carrera por el liderazgo en inteligencia artificial no solo va de modelos más capaces; también va de unit economics, disciplina de gasto y cómo monetizar a escala. Según documentos a los que habría accedido The Wall Street Journal, Anthropic prevé alcanzar el punto de equilibrio en 2028, mientras que OpenAI no lo haría hasta 2030, año para el que proyecta pérdidas operativas de 74.000 millones de dólares —cerca de tres cuartas partes de sus ingresos—. El contraste no es casualidad: responde a dos filosofías opuestas.
Dos caminos para escalar la IA
OpenAI ha elegido la vía del hipercrecimiento con inversión intensiva en infraestructura: centros de datos, chips y capacidad de cómputo de reserva a gran escala. Su CEO, Sam Altman, habría comprometido 1,4 billones de dólares en los próximos ocho años para afianzar ese músculo. La tesis: convertirse en un hiperescala de la IA, con un portafolio transversal (ChatGPT, APIs, modelos de propósito general, asistentes, imagen, vídeo…) y una distribución masiva que capture la mayor parte de la demanda del mercado, aun a costa de quemar efectivo durante años.
Anthropic, fundada por Dario Amodei tras su salida de OpenAI, ha seguido un plan más conservador y enfocado. Ha evitado —hasta ahora— entrar en verticales muy costosas (imagen y vídeo) y ha centrado su propuesta en clientes empresariales (≈ 80 % de sus ingresos), donde Claude se ha consolidado con un posicionamiento técnico fuerte (programación, análisis, manejo de contexto) y un go-to-market B2B más “quirúrgico” que masivo. Con menos capex y un mix de ingresos más estable, Anthropic dibuja una senda de eficiencia que, de cumplirse, la llevaría a ser rentable antes.
2025: misma “quema” relativa, contabilidades distintas
Para este año, los números que trascienden dejan una fotografía pareja en términos de quema proporcional:
- OpenAI: 13.000 millones $ en ventas y 9.000 millones $ de gasto → ~70 % de los ingresos se va en costes.
- Anthropic: 4.200 millones $ en ventas y ~3.000 millones $ de gasto → ~71 % de los ingresos en costes.
La divergencia empieza después. Si las proyecciones se materializan, a partir de 2026 Anthropic reduce su ratio de gasto con una pendiente pronunciada (hasta ~9 % de los ingresos en 2027), mientras OpenAI seguiría en ~57 %. Esa brecha en intensidad de capital y estructura de costes es la que alimenta la narrativa de que Anthropic “será rentable antes”, aunque el mercado siga valorando a OpenAI muy por encima.
Hoja de ruta: quién llega antes al “break-even”
Rentabilidad prevista (según documentación interna citada por prensa)
• Anthropic: 2028 (punto de equilibrio)
• OpenAI: 2030 (punto de equilibrio); pérdidas operativas proyectadas en 74.000 millones $ ese año
Detrás del calendario, los supuestos importan: volumen de ventas B2B, márgenes por uso, coste de computación por token/consulta, capacidad contratada (y sus mínimos garantizados), eficiencia de modelos (energía y hardware) y mix de producto (APIs, enterprise, herramientas).
Tabla 1 — Radiografía financiero-operativa (2025 y proyecciones)
| Variable (aprox.) | OpenAI | Anthropic |
|---|---|---|
| Ingresos 2025 | 13.000 M $ | 4.200 M $ |
| Gasto 2025 | 9.000 M $ | ~3.000 M $ |
| % gasto / ingresos 2025 | ~70 % | ~71 % |
| Punto de equilibrio | 2030 | 2028 |
| Pérdidas operativas 2030 (proyección) | 74.000 M $ | N/D |
| Enfoque de mercado | Multivertical (consumo + enterprise; texto, imagen, vídeo) | Enterprise-first (texto/código; evita verticales de cómputo extremo) |
| Capex / compromisos | Muy alto (DC, chips, cómputo reservado a gran escala) | Selectivo (capex ajustado al B2B) |
Nota: cifras y horizontes según documentación interna citada por The Wall Street Journal; proyecciones sujetas a cambios.
“Claude” como palanca de eficiencia
El factor Claude explica parte de la ventaja operativa de Anthropic. En desarrollo, analítica y asistencia técnica, Claude ha encontrado una elasticidad precio-valor favorable: menos tokens “capricho”, más uso orientado a tareas donde el tiempo ahorrado y la calidad justifican mejor la tarifa. Con una demanda más predecible y menor volatilidad que el consumo masivo, Anthropic puede planificar capacidad y costes con menos “colchón” o infra ocio-pico, lo que mejora márgenes.
El contraste con una estrategia plataforma-masiva (caso OpenAI) no es “mejor/peor”, sino trade-offs distintos: más alcance y portafolio implican capex mayor y riesgo financiero más alto si el mercado se enfría o la monetización de nuevas verticales tarda en llegar.
Tabla 2 — Otras IAs a vigilar (comparativa cualitativa, sin cifras)
| Compañía | Foco principal | Modelo de negocio predominante | Ventaja declarada | Riesgo clave |
|---|---|---|---|---|
| Google (DeepMind/Gemini) | Modelos generales (texto, imagen, multimodal), integración en nube | Suite enterprise + consumo (Workspace, Cloud) | Integración “de fábrica” en productos de gran uso | Complejidad organizativa / monetización cruzada |
| Meta (Llama) | Modelos open-weights para ecosistema de terceros | Licencias y adopción por desarrolladores/empresas | Efecto red de modelos abiertos | Captura directa de valor / control de costes |
| Mistral | Modelos ligeros y mixtos eficientes | B2B (APIs/enterprise) | Rendimiento-coste por token | Escala global / distribución |
| Cohere | Enterprise NLP (RAG, búsqueda, clasificación) | B2B puro | Especialización vertical en datos empresariales | Diferenciación frente a “suites” generalistas |
Lista orientativa (sin métricas financieras). El objetivo es ubicar posicionamientos y riesgos estratégicos frente al duopolio OpenAI/Anthropic.
Valoraciones: el mercado “premia” el alcance
Pese al relato de eficiencia de Anthropic, las valoraciones sugieren otra lectura: OpenAI rondaría los 500.000 millones $, frente a 183.000 millones $ de Anthropic. El mercado paga por la opción de que OpenAI monetice a gran escala más verticales (consumo, enterprise, asistentes, multimodal), aunque eso implique pérdidas abultadas en los próximos años. Los grandes fondos de Silicon Valley reparten fichas en ambas, anticipando OPVs de alto impacto.
¿Quién “va ganando” de verdad?
Depende de qué midamos y cuándo. Si el indicador es rentabilidad y disciplina de gasto (2026–2028), Anthropic parte con ventaja: foco enterprise, capex moderado, unit economics más estables. Si el indicador es dominio del ecosistema y opciones de crecimiento (productos, canales, efectos de red), OpenAI conserva una prima: capacidad de marcar el ritmo del mercado, acuerdos con grandes tecnológicas y penetración masiva vía ChatGPT.
El desenlace puede no ser binario: el mercado es lo bastante grande y segmentado como para que coexistan varios ganadores con estrategias distintas (plataforma generalista vs especialista enterprise).
Qué mirar en 2026–2028 (señales adelantadas)
- Tasa de margen por segmento (enterprise/consumo) y evolución del coste por token.
- Crecimiento neto de cuentas enterprise y retención de ingresos (NRR).
- Velocidad de lanzamiento y adopción de verticales costosas (imagen/vídeo).
- Capacidad de financiar capex sin dilución excesiva ni tensiones de tesorería.
- Regulación (privacidad, copyright, responsabilidad en IA) y su impacto en costes.
Tabla 3 — Fotografía “rápida” (según WSJ; cifras aproximadas)
| Indicador | OpenAI | Anthropic |
|---|---|---|
| Ventas 2025 | 13.000 M $ | 4.200 M $ |
| Gasto 2025 | 9.000 M $ | ~3.000 M $ |
| Quema relativa 2025 | ~70 % | ~71 % |
| Break-even estimado | 2030 | 2028 |
| Pérdidas operativas previstas (2030) | 74.000 M $ | N/D |
| Enfoque | Multivertical (texto/imagen/vídeo; consumo + enterprise) | Enterprise-first (texto/código; evita verticales de cómputo extremo) |
Conclusión: dos filosofías, dos cronogramas y una misma meta
La rentabilidad en IA no llega solo con un modelo brillante; llega cuando el uso escala con márgenes sostenibles. Anthropic ha elegido máxima puntería (B2B, producto “útil de fábrica”, evitar cómputo caro) y pinta una curva de equilibrio en 2028. OpenAI ha elegido máximo alcance (portafolio y capex) con la expectativa de que su efecto red y su potencia de plataforma compensen las pérdidas en 2030 y más allá. Las dos sendas son coherentes con sus ADN y con la apetencia de riesgo de sus inversores. 2026–2028 dirán si la eficiencia gana a la escala… o si ambas acaban convergentes por lados distintos del tablero.
Preguntas frecuentes
¿Por qué Anthropic podría ser rentable antes que OpenAI?
Porque su mix de ingresos es mayoritariamente enterprise, ha evitado verticales de cómputo caro (imagen/vídeo) y optimiza su estructura de costes para B2B. Según proyecciones citadas por prensa, eso recorta su ratio de gasto más rápido y adelanta el punto de equilibrio a 2028.
¿Qué implica que OpenAI proyecte 74.000 M $ de pérdidas operativas en 2030?
Que su apuesta pasa por hiperescala: capex e infraestructura para capturar demanda global y abrir verticales. Es una inversión a largo plazo; exige financiación continuada y asume que la monetización alcanzará a la inversión.
¿Tiene sentido comparar valoraciones si los modelos de negocio son distintos?
Con cautela. El mercado valora opciones de crecimiento y dominio de ecosistema (OpenAI) frente a eficiencia y foco (Anthropic). No son comparables “manzanas con manzanas”, pero sí indican apetito por cada trayectoria.
¿Qué otras IAs merece vigilar en 2026–2028?
Además de OpenAI y Anthropic, conviene seguir a Google (Gemini), Meta (Llama), Mistral y Cohere: compiten con ventajas distintas (integración en nube/Workspace, open-weights, eficiencia por token, especialización en NLP enterprise).
Fuentes
— Documentación interna citada por The Wall Street Journal sobre proyecciones financieras de Anthropic (punto de equilibrio 2028) y OpenAI (2030; pérdidas operativas 74.000 M $), así como estimaciones de ventas y gasto en 2025; declaraciones públicas sobre el enfoque de cada compañía.
