OpenAI y Anthropic van a salir a bolsa en 2026 y, según documentos a los que tuvo acceso The Wall Street Journal, OpenAI espera perder 85.000 millones de dólares si se incluyen los costes de entrenamiento y expansión futura. Esa cifra viene acompañada de previsiones que hablan de gastar 121.000 millones de dólares en potencia de cómputo en 2028 y de que los costes de inferencia equivalen hoy a la mitad de sus ingresos (The Wall Street Journal). Aquí explicamos por qué esos números importan y qué deberían pedir los inversores y los reguladores.
¿Qué dicen los números y por qué importa?
Los papeles a los que accedió The Wall Street Journal mezclan dos narrativas: una que excluye los costes de entrenamiento y otra que los incorpora. En la primera, OpenAI casi duplicaría sus ingresos en 2026 y podría mostrar un pequeño beneficio operativo si se deja fuera el gasto en entrenamiento; en la segunda, la empresa proyecta pérdidas masivas y un horizonte de rentabilidad real hacia 2030 (The Wall Street Journal). El coste proyectado en potencia de cómputo, 121.000 millones de dólares en 2028, es relevante porque no es gasto operativo recurrente sino inversión en infraestructura y modelos cuya amortización es incierta (The Wall Street Journal).
Además, los costes de inferencia —lo que cuesta atender a usuarios y empresas— ya representan alrededor del 50% de los ingresos, según el mismo informe. Eso cambia la lógica: no es solo cuánto se invierte para crear modelos, sino cuánto cuesta mantenerlos en uso masivo. Si el servicio gratuito sigue siendo la puerta de entrada, como reconoce OpenAI, la presión sobre la caja puede ser enorme mientras la conversión a suscriptores pagantes no avance (The Wall Street Journal).
¿Cómo impacta esto en el mercado argentino?
La salida a bolsa de estas dos empresas abrirá la posibilidad de que inversores minoristas argentinos accedan a títulos que antes estaban reservados a fondos y grandes gestores. El Nasdaq, que facilitará la inclusión de empresas recién cotizadas en sus índices según el informe, hará más probable la compra por parte de fondos institucionales globales, lo que puede aumentar la liquidez y la exposición de carteras locales (The Wall Street Journal). Sin embargo, la oportunidad viene con riesgos concretos: estamos hablando de compañías que proyectan pérdidas masivas mientras consolidan productos y clientes.
Para empresas y organismos en Argentina esto también significa decisiones de compra tecnológica con impacto presupuestario. Si los costes de inferencia son equivalentes a la mitad de los ingresos, cualquier acuerdo de integración o licencia debe analizarse en detalle para evitar sorpresas fiscales u operativas. Además, exigimos documentación en español y métricas públicas —por ejemplo, desglose de costes de inferencia y entrenamiento— para que equipos técnicos y legales puedan evaluar acuerdos con datos comparables y comprensibles.
¿Conviene invertir ahora?
No hay respuesta única. Desde la perspectiva financiera, los prospectos muestran crecimiento rápido de ingresos pero también inversiones a largo plazo que diluyen beneficios en el corto plazo. OpenAI proyecta llegar a ser rentable en 2030 si se incluyen los costes de entrenamiento; Anthropic espera ser totalmente rentable en 2028 en su escenario más optimista (The Wall Street Journal). Históricamente, las OPV tecnológicas han premiado la narrativa de dominio futuro, pero también han castigado a las empresas que subestimaron los costes de operación a escala.
Para inversores minoristas argentinos la regla debe ser la misma que aplicamos a cualquier tecnología compleja: exigir transparencia, medir riesgos y evitar posiciones concentradas. El atractivo de apostar a “quién dominará la IA” es grande, pero la realidad financiera muestra que hoy la industria depende de capital fresco y de la capacidad de convertir usuarios gratuitos en clientes de pago. Si el mercado premia la visión a largo plazo, las OPV pueden funcionar; si no, el ajuste será doloroso.
Qué exigimos: transparencia, métricas y gobernanza humana
Apoyamos la disponibilidad de herramientas de IA y creemos que la apertura al mercado público puede acelerar la adopción. Pero esa apertura debe venir acompañada de métricas públicas y comparables que expliquen cuánto cuesta realmente operar estos modelos: desglose de gasto en entrenamiento, gasto anual en inferencia y tasa de conversión de usuarios gratuitos a suscriptores, por ejemplo. La información de The Wall Street Journal sobre 121.000 millones de dólares en computo en 2028 y el impacto de los costes de inferencia (50% de ingresos) es una razón de peso para exigir estas métricas.
Además, insistimos en documentación en español y en mecanismos de gobernanza que incluyan revisión humana en despliegues críticos. No es suficiente que una empresa prometa dominar el mercado; debe demostrar con data pública cómo sus costes y riesgos son gestionables. Los reguladores, los compradores institucionales y los usuarios merecen esa claridad antes de embarcarse en acuerdos que involucren tecnología crítica para la economía y el sector público.
