El mercado de inteligencia artificial ha entrado en una fase extraña. Las compañías más observadas del sector crecen a una velocidad que pocas empresas tecnológicas han conseguido antes de salir a bolsa, levantan rondas de financiación gigantescas y se preparan para valoraciones cercanas al billón de dólares estadounidense. Al mismo tiempo, su producto principal, una API que cobra por tokens, se parece cada vez más a una materia prima digital sometida a presión de precios.
La contradicción es evidente. OpenAI cerró en marzo de 2026 una ronda de 122.000 millones de dólares en capital comprometido, con una valoración post-money de 852.000 millones de dólares. Anthropic, por su parte, ha sido situada por distintas informaciones financieras cerca de una nueva ronda que podría valorarla en torno a 900.000 millones de dólares, después de haber comunicado oficialmente una financiación previa de 30.000 millones a 380.000 millones de valoración. No son cifras pequeñas ni siquiera para Silicon Valley.
La pregunta no es si estas empresas son relevantes. Lo son. Han redefinido la conversación tecnológica, han acelerado la adopción de IA en empresas y consumidores, y han obligado a Microsoft, Google, Amazon, Meta, Apple y NVIDIA a reorganizar parte de su estrategia. La pregunta incómoda es otra: ¿puede una compañía basada en vender inferencia sostener valoraciones de este tamaño si el coste de la inteligencia tiende a bajar y los modelos se parecen cada vez más entre sí?
Una API no es necesariamente un monopolio
El negocio de los grandes laboratorios de IA se apoya en una unidad económica muy concreta: tokens de entrada, tokens de salida, caché, contexto, razonamiento y uso de herramientas. El usuario paga por consumir capacidad de modelo desde un centro de datos. Esa capacidad puede estar integrada en productos de oficina, asistentes de programación, buscadores, agentes empresariales o aplicaciones de terceros, pero en su base sigue siendo inferencia.
Este modelo tiene ventajas. Escala rápido, se integra con facilidad y permite que miles de desarrolladores construyan productos encima. Pero también tiene un problema: por defecto no genera el mismo tipo de bloqueo que un sistema operativo, una red social con efectos de red o una nube empresarial llena de datos, procesos y contratos a largo plazo.
La API puede ser stateless si la aplicación no añade memoria, estado o contexto persistente. Eso no significa que no pueda construirse lock-in alrededor: historiales, conectores, agentes, workflows, herramientas empresariales, datos propios, fine-tuning, gobernanza, seguridad, cumplimiento y distribución pueden crear barreras. Pero el modelo base, entendido como acceso a inteligencia por token, es mucho más sustituible de lo que sugieren algunas valoraciones.
Ahí aparece el riesgo de commoditización. Meta publica modelos abiertos como Llama 4, DeepSeek ha reducido de forma permanente un 75 % el precio de su modelo V4-Pro y otros actores chinos, europeos y estadounidenses presionan por abajo con modelos cada vez más capaces. La ventaja ya no estará solo en tener “el mejor modelo” durante unos meses. Estará en distribución, infraestructura, datos, experiencia de producto, confianza empresarial y coste real por tarea.
| Variable | Lectura alcista | Lectura crítica |
|---|---|---|
| Valoración | Refleja un mercado gigantesco de software, agentes e infraestructura | Anticipa márgenes que aún no están demostrados |
| Producto | Modelos cada vez más capaces y usados por millones de personas | Inferencia por API con presión de precios creciente |
| Moat | Marca, datos, distribución, ecosistema y acuerdos cloud | Modelos rivales mejoran rápido y los open weights reducen dependencia |
| Coste | La escala puede abaratar inferencia con el tiempo | Energía, GPU, data centers y talento mantienen capex muy alto |
| Clientes | Empresas dispuestas a pagar por productividad | Riesgo de optimizar gasto y cambiar de proveedor según precio |
| Competencia | Mercado enorme con espacio para varios ganadores | China, open source y nubes pueden comprimir márgenes |
El coste de la inteligencia baja, pero la factura sube
Sam Altman escribió en 2025 que, a medida que la producción de centros de datos se automatice, el coste de la inteligencia debería converger hacia el coste de la electricidad. La frase resume una visión poderosa: la inteligencia como recurso abundante, barato y medible por consumo energético. Si esa tesis se cumple, el impacto económico será enorme. Pero también plantea una paradoja para los inversores.
Si el producto principal se abarata de forma estructural, la valoración no puede apoyarse solo en cobrar caro por token. Tiene que apoyarse en capturar más uso, más distribución, más capas de producto y más dependencia empresarial. Es decir, las compañías de IA necesitan que la inteligencia sea barata para expandir el mercado, pero no tan barata como para destruir sus márgenes.
Los últimos movimientos muestran esa tensión. DeepSeek ha dejado su V4-Pro en 0,435 dólares por millón de tokens de entrada sin caché y 0,87 dólares por millón de salida, con entrada cacheada casi simbólica. Frente a modelos occidentales de gama alta, la diferencia de precio es enorme. Para una empresa que construye agentes, RAG, análisis documental o asistentes de programación, esa distancia puede cambiar la viabilidad de un producto.
Mientras tanto, los laboratorios estadounidenses siguen teniendo costes muy elevados. Anthropic se encamina, según informaciones financieras, a su primer trimestre con beneficio operativo, con 559 millones de dólares previstos sobre 10.900 millones de ingresos trimestrales. Es una cifra relevante, pero también llega en un negocio donde los acuerdos de computación, la carrera por capacidad y la formación de nuevos modelos pueden devolver rápidamente las pérdidas.
La comparación con Apple es útil, aunque debe hacerse con cuidado. Apple declaró 111.200 millones de dólares de ingresos en su segundo trimestre fiscal de 2026 y 42.097 millones de dólares de beneficio neto en el trimestre anterior. Es una empresa madura, con hardware, software, servicios, distribución global y una base instalada enorme. OpenAI y Anthropic son compañías de crecimiento extremo, en otra fase del ciclo. Pero precisamente por eso sorprende que el mercado esté dispuesto a valorarlas como si ya hubieran demostrado una posición de dominio comparable.
El verdadero moat puede no estar en la API
La crítica fácil dice que los modelos no tienen moat. La realidad es más matizada. Un modelo aislado puede ser sustituible. Una plataforma completa no tanto. Si una empresa conecta IA a correo, documentos, CRM, repositorios de código, sistemas internos, permisos, auditoría y flujos de aprobación, cambiar de proveedor deja de ser trivial.
Ese es el terreno donde se decidirá la carrera. No en la respuesta suelta de un chatbot, sino en quién controla el entorno donde trabajan los agentes. Microsoft lo tiene en Office, GitHub y Azure. Google lo tiene en Workspace, Search, Android y Cloud. Amazon lo tiene en AWS y clientes empresariales. Apple lo tiene en dispositivo, privacidad y distribución. OpenAI y Anthropic tienen marca, modelos, talento y adopción, pero necesitan convertir esa ventaja en una capa persistente de producto.
La otra vía es el hardware. En paralelo a las APIs cloud, empiezan a crecer dispositivos, modelos locales, agentes en workstation, aceleradores domésticos, mini servidores de IA y software que recuerda entre sesiones sin depender de enviar todo a la nube. No van a sustituir mañana a los modelos frontera, pero sí pueden cubrir muchas tareas privadas, repetitivas o de bajo coste.
La tesis más interesante no es “cloud contra local”. Será híbrida. Modelos pequeños o locales para memoria, contexto privado y tareas constantes; modelos frontera para razonamiento difícil; modelos baratos para volumen; y agentes que decidan qué recurso usar en cada paso. En ese mundo, la empresa que solo venda tokens caros tendrá más presión. La que controle el flujo completo tendrá más margen.
El mercado puede no estar siendo irracional. Puede estar apostando a que algunas de estas compañías no venderán solo APIs, sino sistemas operativos de trabajo intelectual. Si logran convertirse en la capa desde la que se programan, se negocian contratos, se analiza información, se gestiona atención al cliente y se automatizan procesos, las valoraciones tendrán más sentido. Si se quedan en proveedores de inferencia intercambiables, el ajuste será duro.
La IA no está sobrevalorada como tecnología. Su impacto será enorme. Lo que está en discusión es quién capturará el valor. Puede que no sean los laboratorios que hoy parecen inevitables. Puede que sean las nubes, los fabricantes de chips, las plataformas con distribución, las empresas con datos propios o los dispositivos que conviertan la inteligencia en algo persistente, privado y barato.
La próxima etapa no se medirá solo por benchmarks. Se medirá por margen, retención, coste por tarea, dependencia real del cliente y capacidad de convertir un modelo brillante en un negocio defendible.
Preguntas frecuentes
¿Están OpenAI y Anthropic valoradas ya en más de un billón de dólares?
OpenAI comunicó una valoración post-money de 852.000 millones de dólares en marzo de 2026. Anthropic ha sido situada por informaciones financieras cerca de una posible ronda en torno a 900.000 millones. Superar el billón sigue siendo una expectativa de mercado, no una cifra oficial consolidada para ambas.
¿Por qué se habla de commoditización de los modelos de IA?
Porque los modelos rivales mejoran rápido, los precios bajan, aparecen alternativas abiertas y proveedores como DeepSeek están presionando con tarifas mucho más agresivas.
¿Una API de IA no tiene lock-in?
La API por sí sola puede ser sustituible. El lock-in aparece cuando se integran datos, workflows, memoria, permisos, agentes, herramientas internas, cumplimiento y procesos empresariales.
¿Dónde puede estar el verdadero valor de la IA?
En controlar la capa completa de uso: distribución, datos, agentes, integración empresarial, infraestructura, hardware, confianza y coste por tarea resuelta.
