Tres mercados en lugar de una clasificación mundial: El nuevo panorama de la IA generativa

Automatización en los negocios: cómo la IA está cambiando la creación de valor

Para octubre de 2026, el mercado de la inteligencia artificial generativa se enfrenta a una transformación fundamental que ya no puede ser capturada por simples clasificaciones. Al considerar diversas métricas, emerge un panorama multifacético de los desarrollos actuales: si bien ChatGPT sigue siendo la interfaz de usuario principal, los modelos chinos de bajo costo dominan el tráfico de datos a través de API, y Anthropic se ha consolidado como un actor importante en el segmento empresarial. Este mercado diverso se divide en varios submercados económicamente distintos, cada uno con su propia dinámica y desafíos.

Un análisis exhaustivo del uso de modelos de IA requiere una definición precisa de las métricas subyacentes, ya sean números de usuarios, tokens, gastos o flujos de trabajo productivos. Esta diferenciación es crucial para comprender qué proveedores son realmente rentables y dónde se está generando presión sobre los precios. OpenAI y Google siguen dominando el panorama visible para el consumidor, pero, en realidad, la carga operativa se está desplazando hacia modelos de bajo coste procedentes de China y sistemas especializados de programación y automatización. En este complejo panorama, será fundamental que las empresas replanteen sus estrategias y adopten un uso coordinado de diversos modelos para satisfacer las demandas cambiantes.

El cambio de poder invisible en el mercado de la IA

Quienes solo se fijan en ChatGPT no entienden la nueva economía de la IA

El mercado global de inteligencia artificial generativa ya no puede explicarse con una sola clasificación en octubre de 2026. Según la métrica utilizada, se observa un panorama diferente: ChatGPT lidera claramente en cuanto a alcance entre los usuarios finales, los modelos chinos, especialmente económicos, dominan en términos de volumen de datos procesados ​​a través de API, y Anthropic ha consolidado una posición excepcionalmente sólida en cuanto a la inversión de las grandes empresas. Estos tres niveles no son contradictorios, sino que demuestran que el mercado de la IA se ha fragmentado en varios submercados económicamente distintos.

La interfaz de usuario más popular no siempre es el modelo más utilizado. El modelo con mayor volumen de transacciones no necesariamente genera los mayores ingresos. Y el proveedor con los mayores presupuestos corporativos no necesariamente llega directamente a la mayor cantidad de personas. Por lo tanto, quien desee evaluar con rigor el uso global de los modelos de IA debe aclarar primero si se refiere a usuarios, visitas, solicitudes, transacciones, gastos, sistemas instalados o flujos de trabajo productivos.

Esta distinción metodológica va más allá de una simple nota estadística. Determina qué proveedores son realmente exitosos económicamente, dónde surge la presión sobre los precios y qué modelos de negocio son viables. El mundo visible del consumidor sigue dominado por OpenAI y Google. Sin embargo, bajo esta superficie, la carga operativa se está desplazando hacia modelos de bajo coste procedentes de China y hacia sistemas especializados para programación, agentes y procesos automatizados. En el mercado empresarial, una gran parte de la demanda generadora de ingresos se concentra en unos pocos proveedores estadounidenses de alto rendimiento con herramientas de desarrollo profundamente integradas.

Tres mercados en lugar de una clasificación mundial

El primer submercado es el acceso directo de los usuarios finales. Esto incluye visitas a sitios web, usuarios activos, uso de aplicaciones, consultas de búsqueda y el uso diario del servicio. ChatGPT sigue siendo la referencia mundial en este segmento. Según el método de medición, su cuota de tráfico registrado de chatbots con IA oscila entre el 55 y el 80 por ciento. Google Gemini le sigue a una distancia considerable, pero según la fuente de datos, alcanza entre el 11 y el 28 por ciento. Esta enorme variación demuestra la gran influencia que tiene en el resultado el hecho de medir si se incluyen referencias a sitios web, visitas web, aplicaciones, programas de escritorio o la actividad general del usuario.

El segundo submercado consiste en el acceso a través de interfaces de programación de aplicaciones (API). En este caso, la interacción humana directa con el modelo suele ser inexistente. Los agentes de software escriben o revisan código, analizan documentos, generan datos estructurados, procesan solicitudes de soporte o ejecutan flujos de trabajo de varias etapas. Estos sistemas pueden procesar miles de millones o incluso billones de tokens en poco tiempo. Por lo tanto, un solo desarrollador o agente automatizado puede generar más tráfico que miles de usuarios ocasionales de chatbots. Por esta razón, el volumen de tokens no es un sustituto fiable del número de usuarios.

El tercer submercado es la creación de valor operativo. Aquí, el alcance o el volumen bruto no son los factores decisivos, sino los presupuestos, las integraciones, los requisitos de seguridad, la fiabilidad y el beneficio económico de una aplicación. Las empresas pagan precios elevados por modelos que resuelven de forma fiable las tareas de programación, operan las herramientas de forma segura, ejecutan flujos de trabajo largos de manera estable o reducen los costes de reelaboración manual. Por lo tanto, un modelo caro con una menor cuota de mercado puede ser más significativo económicamente que un modelo extremadamente barato con un volumen de datos considerablemente mayor.

Una cuarta capa completa este panorama: la operación en infraestructura privada. Familias de modelos abiertos o personalizables como Llama, Mistral y parte del ecosistema Qwen se implementan frecuentemente en entornos de nube privada, centros de datos o redes corporativas aisladas. Este uso parece incompleto en las clasificaciones de plataformas públicas. Sin embargo, especialmente en industrias reguladas, con datos de producción sensibles, y en aplicaciones gubernamentales, puede ser estratégicamente más importante que el tráfico de chat visible públicamente.

ChatGPT controla la interfaz

En el mercado B2C, ChatGPT sigue siendo el líder indiscutible. Los estudios estadísticos que rastrean las referencias salientes de chatbots de IA a sitios web atribuyen a OpenAI una cuota cercana al 80 %. Por otro lado, los análisis del tráfico web global arrojan una cifra aproximada del 55 %. Ambas cifras pueden ser correctas simultáneamente, ya que miden comportamientos diferentes. Quienes alcanzan un número particularmente alto de páginas externas a través de ChatGPT tienen mayor peso en las estadísticas basadas en referencias que en la medición del tráfico web puro.

Definir el producto también es importante. ChatGPT no es un modelo único, sino una plataforma en la que se utilizan diferentes variantes de GPT según el plan, la tarea y la disponibilidad. Por lo tanto, una afirmación como «ChatGPT es el modelo de IA más utilizado» resulta conveniente desde el punto de vista lingüístico, pero técnicamente incorrecta. La afirmación correcta es que ChatGPT es el servicio de IA general más utilizado por los usuarios finales, lo que confiere a la familia GPT una distribución única.

Esta distribución representa una importante ventaja económica. Genera hábitos, confianza en la marca, datos sobre casos de uso reales y una amplia base de suscriptores potenciales. Las estimaciones de alrededor de mil millones de usuarios semanales ilustran la magnitud, pero esto no debe confundirse con un número comparable de usuarios de pago o usuarios activos diarios. Del mismo modo, un amplio alcance no implica automáticamente que OpenAI lidere en todos los segmentos de negocio ni en todos los flujos de trabajo técnicos.

OpenAI, sin embargo, se beneficia de un sólido ciclo de retroalimentación. Su amplia base de usuarios facilita la difusión de nuevas funciones, atrae a desarrolladores y convierte a ChatGPT en el punto de acceso estándar para quienes prueban la IA generativa por primera vez. Esto transforma la plataforma en una especie de sistema operativo para la interacción general con la IA. Esta ventaja es real, pero no inexpugnable, ya que los servicios de la competencia pueden integrarse directamente en motores de búsqueda, teléfonos inteligentes, software de oficina y plataformas empresariales.

Géminis está creciendo a través de la distribución

Google Gemini ocupa claramente el segundo lugar entre los usuarios finales. Según el método de medición, Gemini llega a aproximadamente el 11 % de las referencias web provenientes de sistemas de IA, o a más de una cuarta parte de las visitas a servicios independientes con IA. La diferencia se debe, una vez más, a diferencias metodológicas. El factor crucial no es tanto la cifra exacta, sino la tendencia: Gemini ha aumentado significativamente su cuota de mercado y se beneficia del enorme alcance de Google en Búsqueda, Android, Workspace, Cloud y otros servicios.

La fortaleza económica de Gemini reside en esta integración. Google no necesita captar usuarios únicamente a través de una interfaz de chat independiente. La compañía puede distribuir la IA generativa como una función dentro de sus productos existentes. Esto difumina las fronteras entre la búsqueda tradicional, el asistente, el software de oficina y el agente de IA. Por consiguiente, parte del uso de Gemini no se refleja completamente en las estadísticas de los chatbots independientes.

Este desarrollo es estratégicamente relevante para OpenAI. Si bien ChatGPT sigue siendo más grande, la diferencia se reduce en algunas métricas. Al mismo tiempo, aumenta el uso múltiple: muchos usuarios ya no dependen de un solo asistente, sino que eligen entre ChatGPT, Gemini, Claude, Perplexity, Grok o herramientas especializadas según la tarea. El mercado está evolucionando, por lo tanto, de un único producto dominante a una cartera de servicios intercambiables y, en ocasiones, complementarios.

Gemini también ofrece ventajas en aplicaciones multimodales y relacionadas con productos. Cuando un modelo tiene acceso a correos electrónicos, documentos, calendarios, datos de búsqueda, vídeos o funciones de smartphone, el beneficio no solo proviene de la calidad del modelo de lenguaje, sino también del contexto y la integración. Por lo tanto, la competencia se está desplazando de la inteligencia aislada del modelo al control de la interfaz de usuario, el acceso a los datos y los flujos de trabajo.

DeepSeek lidera la economía de las máquinas

Si bien ChatGPT domina el panorama de usuarios visibles, DeepSeek V4.1 Flash lidera en volumen de tokens procesados ​​a través de OpenRouter. En los últimos tiempos, aproximadamente una cuarta parte del tráfico de datos medido se atribuye a este único modelo; en ocasiones, se procesaron más de 40 billones de tokens en una sola semana. Por lo tanto, DeepSeek no es necesariamente el servicio con más usuarios, pero sin duda es un actor clave en la economía de la automatización.

El sufijo "Flash" describe una tendencia clave del mercado. Muchas tareas productivas no requieren el modelo más caro y potente en cada paso. La clasificación, la extracción de datos, las modificaciones sencillas del código, el resumen, la traducción, la verificación previa y los pasos repetitivos de los agentes a menudo se pueden gestionar con sistemas rápidos y económicos. Cuando un flujo de trabajo implica cientos de llamadas al modelo, el precio por token se convierte en un factor competitivo crucial.

DeepSeek representa, por lo tanto, un cambio de la inteligencia máxima a la inteligencia económicamente suficiente. Las empresas y los desarrolladores optimizan no solo la calidad de una respuesta individual, sino el resultado general de un proceso. Un modelo algo menos potente, pero significativamente más económico y rápido, puede generar mayor valor comercial al procesar grandes volúmenes de datos. Esto es especialmente cierto cuando los casos complejos se derivan automáticamente a un modelo más potente.

Este enfoque en cascada transforma el mercado. El modelo de gama alta se convierte en el servicio de escalamiento para tareas complejas, mientras que los modelos de menor costo gestionan la mayor parte del trabajo rutinario. En esta arquitectura, la participación de los sistemas más costosos en el volumen de tokens disminuye, sin que su importancia estratégica desaparezca por completo. Siguen marcando el límite de rendimiento, pero la producción en masa se traslada a clases de modelos más asequibles.

La ofensiva de precios de China está cambiando la curva de costos

El cambio económico más notable de 2026 es el auge de los modelos chinos en el tráfico de API. En septiembre, se estima que el 65 % de los tokens procesados ​​a través de OpenRouter provenían de proveedores chinos, pero solo alrededor del 30 % del gasto correspondiente. A principios de año, la proporción era casi inversa: los proveedores estadounidenses controlaban una proporción significativamente mayor del volumen y casi la totalidad de los ingresos.

La razón radica en una diferencia de precio de aproximadamente el 80 % en comparación con ofertas similares en Estados Unidos. Esta diferencia es tan significativa que no solo impulsa la rotación de proveedores, sino que también genera una mayor demanda. Tan pronto como la inferencia se vuelve considerablemente más económica, se automatizan procesos que antes no eran viables económicamente. Los desarrolladores ejecutan agentes durante períodos más prolongados, generan múltiples propuestas de soluciones, revisan los resultados con mayor frecuencia y procesan conjuntos de datos más grandes. En consecuencia, la disminución de los costos unitarios no conlleva automáticamente una reducción del gasto total, sino que puede aumentar el consumo de forma desproporcionada.

Este patrón se corresponde con la paradoja de Jevons: las mejoras en la eficiencia no necesariamente reducen el consumo de recursos si una utilización más económica da lugar a nuevas aplicaciones. Este efecto es particularmente pronunciado en la IA, ya que los tokens no son una unidad físicamente escasa en el sentido clásico. Representan potencia de cálculo, cuyo coste marginal puede disminuir continuamente gracias a mejores chips, la cuantización, las arquitecturas de modelos y el aumento de la competencia. Cuanto más económico sea un paso de procesamiento inteligente, mayor será la cantidad de pasos similares que se incorporen al software.

Para los proveedores chinos, esto crea un modelo de negocio orientado al volumen. Los precios bajos aceleran la adopción, aumentan la dependencia de las interfaces y generan datos de experiencia a partir de aplicaciones reales. Sin embargo, la brecha de ingresos con los proveedores estadounidenses sigue siendo significativa. Por lo tanto, un alto tráfico de datos no se traduce automáticamente en una rentabilidad proporcional. A largo plazo, la clave estará en si los proveedores logran estabilizar sus precios, vender servicios adicionales y ganarse la confianza de las empresas internacionales.

GLM, Qwen, MiMo y Hy4 forman la segunda línea de ataque

DeepSeek no es el único ganador chino. Z.ai, con su GLM 5.3 Flash, captó temporalmente alrededor del 13 por ciento de las solicitudes, lo que representa un porcentaje de un solo dígito alto del volumen de tokens, y experimentó fuertes tasas de crecimiento en un corto período. Xiaomi MiMo V2.6 Flash también estuvo entre los cinco modelos más utilizados en OpenRouter. Tencent Hy4 obtuvo una clasificación superior en las evaluaciones de 30 días, mientras que Alibaba Qwen cuenta con una amplia base de desarrolladores y una fortaleza particular en aplicaciones multimodales.

Esta diversidad es estratégicamente significativa. La competencia ya no se limita a un proveedor líder estadounidense y uno líder chino. En cambio, en China está surgiendo un denso ecosistema de empresas de internet, fabricantes de dispositivos, empresas especializadas en IA y proyectos piloto abiertos. Los proveedores pueden distribuir sus modelos a través de servicios en la nube, teléfonos inteligentes, software empresarial, comercio electrónico, plataformas sociales o comunidades de desarrolladores.

Qwen demuestra la amplitud del campo. Esta familia de modelos se utiliza para tareas de texto y programación, así como para aplicaciones de imagen y vídeo. En análisis de plataformas individuales, Qwen alcanza una posición de liderazgo en medios generativos. Esto amplía la competencia, desde los modelos de lenguaje hasta las cadenas de producción para marketing, diseño, visualización de productos y contenido de vídeo.

Xiaomi, por su parte, puede conectar la IA a un amplio ecosistema de dispositivos. Por lo tanto, MiMo no necesita ser rentable únicamente como una API independiente. Este modelo puede mejorar smartphones, vehículos, electrodomésticos y asistentes personales. Tencent, con Hy4, también tiene acceso a servicios de comunicación, entretenimiento, nube y empresariales. Esta distribución vertical reduce los costes de adquisición de clientes y significa que las clasificaciones de API solo representan una instantánea de la posición real en el mercado.

La solución casi interna: Cómo Xpert.Digital cierra las brechas operativas en el marketing y las ventas B2B – Negocios inteligentes basados ​​en contenido - Imagen: Xpert.Digital

Xpert.Digital es un centro industrial B2B basado en datos, dirigido por Konrad Wolfenstein . La empresa actúa como una solución externa, casi interna, para socios industriales, cubriendo las brechas operativas en marketing, contenido y ventas, sin requerir recursos adicionales por parte del cliente.

Más información aquí:

• La solución casi interna: Cómo Xpert.Digital cierra las brechas operativas en el marketing y las ventas B2B – Smart Content-Driven Business

Anthropic monetiza la calidad por encima de la cantidad

Anthropic constituye el contraejemplo más contundente para la idea de que el volumen equivale a liderazgo económico. En el mercado general de clientes finales, Claude se queda muy rezagada con respecto a ChatGPT y Gemini. Incluso en términos de volumen total de tokens de OpenRouter, los modelos más económicos lideran el mercado. Sin embargo, en lo que respecta al gasto de las empresas estadounidenses en interfaces LLM implementadas en producción, Anthropic alcanzó aproximadamente el 40 %, por delante de OpenAI con cerca del 27 % y Google con alrededor del 21 %.

Esta posición se debe principalmente a la programación y a los flujos de trabajo basados ​​en agentes. Los modelos de Claude se han integrado profundamente en entornos de desarrollo, asistentes de código y cadenas de herramientas. En encuestas de mercado empresariales, Anthropic representó más de la mitad del gasto en tareas de programación, mientras que OpenAI representó aproximadamente una quinta parte. Las empresas no pagan por puntuaciones de referencia abstractas, sino por tiempos de desarrollo más cortos, menos errores y flujos de trabajo ejecutables de forma fiable.

La lógica económica difiere de la estrategia de los modelos Flash. Anthropic compite en función de la creación de un alto valor por llamada. Si un modelo costoso completa una tarea con menos iteraciones o permite que un desarrollador obtenga un resultado una hora antes, un precio elevado del token puede resultar económicamente insignificante. Por lo tanto, la métrica más relevante no es el precio por millón de tokens, sino el precio por tarea completada con éxito.

Sin embargo, las cifras conocidas de la empresa se basan en encuestas a responsables de la toma de decisiones en EE. UU. y en modelos de gasto. No deben interpretarse directamente como cuota de mercado global. En Europa, China, India o Oriente Medio, la privacidad de los datos, las ofertas locales de servicios en la nube, la regulación y la sensibilidad al precio pueden generar resultados diferentes. No obstante, el auge de Anthropic demuestra que la especialización en un área de aplicación valiosa puede ser un modelo de negocio más viable que el alcance máximo.

Los agentes de programación distorsionan cualquier clasificación simple

Una parte importante del crecimiento de las API proviene de agentes de programación. Estos sistemas leen grandes bases de código, programan cambios, generan archivos, ejecutan pruebas, analizan mensajes de error y repiten el proceso. Cada paso puede generar una cantidad considerable de entradas y salidas. Por lo tanto, una sola tarea puede generar potencialmente millones de tokens, aunque solo participe una persona.

Las clasificaciones de OpenRouter miden precisamente estos tokens procesados, no el número de usuarios. Reflejan el uso real, pero solo el que se realiza a través de esta plataforma. No existen contratos directos con OpenAI, Anthropic, Google ni proveedores de nube chinos, ni tampoco modelos ejecutados localmente. Las versiones gratuitas pueden aumentar aún más el volumen sin generar ingresos proporcionales.

No obstante, la plataforma constituye un valioso indicador temprano. Muestra qué modelos eligen realmente los desarrolladores cuando es relativamente fácil comparar precios y proveedores. Especialmente en ecosistemas de agentes abiertos, los usuarios cambian rápidamente a un modelo más económico o más potente. Esto permite que los cambios sean visibles antes que en los contratos corporativos a largo plazo.

Sin embargo, esta interpretación presenta una clara limitación: un token no es una unidad estandarizada de rendimiento económico. Los modelos tokenizan los textos de forma diferente, las tareas presentan distintos niveles de dificultad y los resultados pueden variar significativamente en longitud. El almacenamiento en caché, el procesamiento por lotes y los procesos de razonamiento interno también influyen en los costos y el volumen. Una clasificación basada en tokens mide la actividad, no automáticamente la productividad.

Las modelos más destacadas están perdiendo trabajo rutinario

Resulta particularmente destacable la disminución de la participación de los modelos más potentes en el tráfico total de datos. En el tercer trimestre de 2026, algunos análisis mostraron que solo alrededor del 14 % del uso correspondía a los diez modelos más potentes. En el primer trimestre del año anterior, esta cifra rondaba el 55 %. Este cambio no indica una pérdida de importancia para los modelos de alto rendimiento, sino más bien una maduración del mercado.

En las primeras etapas de la IA generativa, se utilizaba el mejor modelo disponible para casi todas las tareas. La incertidumbre era alta, faltaban herramientas de optimización y, en un principio, las empresas priorizaban la máxima calidad. Con la experiencia adquirida, los desarrolladores están dividiendo las aplicaciones en subtareas y asignando un modelo adecuado a cada paso. Las tareas sencillas migran a los sistemas Flash, Mini u OpenWeight, mientras que la planificación compleja, el análisis de errores exigente y la comunicación de alta calidad siguen utilizándose con los modelos Frontier.

Este proceso es similar a la evolución de la computación en la nube. Las empresas no utilizan la instancia de computación más costosa para cada carga de trabajo. Combinan sistemas de alto rendimiento para picos de carga con recursos más asequibles para tareas estándar. En IA, esto da como resultado un enrutamiento de modelos que equilibra dinámicamente la calidad, la velocidad, la privacidad de los datos y el costo.

El resultado es una intensa presión sobre los precios en el segmento de rendimiento medio, donde los modelos son más fácilmente intercambiables. Los proveedores deben diferenciarse mediante la baja latencia, ventanas de contexto amplias, el uso de herramientas, lenguajes especializados o experiencia en el sector. Quienes ofrecen una calidad de texto mediocre corren el riesgo de entrar en un mercado de productos básicos con márgenes cada vez menores.

El software libre sigue siendo el adversario invisible

Meta Llama, Mistral y otras familias de tokens de acceso abierto están sistemáticamente subrepresentadas en las estadísticas de uso público. Las empresas pueden descargarlas, personalizarlas y ejecutarlas en su propia infraestructura. Cada token procesado localmente desaparece de las clasificaciones de las interfaces comerciales. Por lo tanto, la afirmación de que Llama es una de las plataformas más extendidas para tokens autogestionados es plausible, pero difícil de cuantificar con precisión a escala global.

Las ventajas económicas de los modelos internos radican en el control y la previsibilidad. Las empresas conservan los datos confidenciales dentro de su propia red, pueden adaptar los modelos a la terminología específica de su negocio y evitan la dependencia total de interfaces externas. Con una utilización constante y elevada, la operación interna puede resultar más rentable. Sin embargo, esto se ve contrarrestado por las inversiones en hardware, energía, personal, mantenimiento y actualizaciones.

Esta área reviste especial importancia para Europa. Mistral puede beneficiarse de los requisitos relativos a la soberanía de los datos, la infraestructura europea y la trazabilidad regulatoria. El proveedor compite no solo por la calidad de sus modelos, sino también por la proximidad geográfica y legal. En el gobierno, la industria, la defensa, las finanzas y las infraestructuras críticas, esta ventaja puede ser más importante que una pequeña diferencia en el estándar de referencia.

Los modelos de peso abierto aumentan simultáneamente la presión sobre los proveedores propietarios. Aunque las empresas no los gestionen íntegramente, crean una alternativa creíble. Esto limita los precios, facilita las estrategias multimodelos e impide que un único proveedor controle toda la cadena de valor.

Los diez primeros puestos más sensatos desde el punto de vista económico

Una clasificación combinada debe considerar múltiples métricas y, por lo tanto, sigue siendo una evaluación general razonada más que un resultado final medido objetivamente. La familia OpenAI GPT lidera la clasificación gracias al alcance de ChatGPT, su sólida presencia corporativa y su amplia base de desarrolladores. Google Gemini le sigue debido a su enfoque en el usuario final y su distribución única a través del ecosistema de Google.

DeepSeek ocupa el tercer lugar gracias a su mayor volumen de API visibles. Anthropic Claude le sigue de cerca, a pesar de tener un menor alcance entre los consumidores, ya que capta una parte particularmente importante del gasto empresarial y de los trabajos de programación de alta calidad. Z.ai GLM se asegura un lugar entre los mejores gracias a su volumen de Flash en rápido crecimiento.

Alibaba Qwen se sitúa a continuación gracias a su amplia gama de modelos, su sólida base de desarrolladores y su fortaleza en aplicaciones multimodales. Meta Llama, o mejor dicho, el ecosistema extendido de Muse, sigue siendo estratégicamente relevante debido a su funcionamiento en infraestructura propia y al papel de los modelos abiertos. Xiaomi MiMo figura entre los diez primeros por su gran volumen de API y su conexión a un amplio ecosistema de dispositivos.

xAI Grok cuenta con una base de usuarios visible, especialmente en EE. UU., y se beneficia de su integración en una plataforma social de gran alcance. Tencent Hy4 y Mistral comparten el último puesto en la clasificación general: Hy4 destaca por su alto volumen actual de tokens, mientras que Mistral sobresale por su presencia en Europa, sus modelos abiertos y sus sólidas soluciones empresariales. Una clasificación rígida de estos proveedores sería artificial dadas las diferentes métricas utilizadas.

Por otro lado, Microsoft Phi no debería incluirse en una lista global de los diez mejores sin datos de uso fiables. La familia de modelos es relevante desde el punto de vista técnico y estratégico, pero la relevancia por sí sola no sustituye la prueba de un alto nivel de uso real. Esta distinción es importante porque, de lo contrario, las clasificaciones podrían convertirse fácilmente en una mezcla de reconocimiento de marca, calidad y uso real.

Las ventas, el volumen y el valor están divergiendo

La clave económica reside en la disociación entre el uso y la monetización. Los proveedores chinos captan enormes volúmenes mediante precios bajos, mientras que los proveedores estadounidenses retienen una parte desproporcionada del gasto. Anthropic puede generar mayor valor empresarial con una cantidad significativamente menor de tokens que muchos líderes en volumen. OpenAI, por su parte, monetiza tanto las suscripciones de consumidores como las API y los contratos empresariales.

Esta estructura genera distintos riesgos. Los proveedores de volumen deben lograr costos unitarios consistentemente bajos, a la vez que generan ingresos suficientes por cliente. Los proveedores premium deben demostrar que su calidad superior justifica los precios más altos. Los proveedores de plataformas como Google pueden subvencionar parcialmente la IA para proteger sus negocios actuales de publicidad, computación en la nube o productividad.

Para los inversores y estrategas corporativos, la cuota de mercado pura tiene, por lo tanto, una importancia limitada. Son más importantes los ingresos por token, el margen bruto, la fidelización del cliente, la tasa de integración y el coste de cambiar de proveedor. Igualmente relevante es la proporción de uso integrada en procesos productivos. Un chat experimental genera un valor menos duradero que un modelo que revisa los pedidos diariamente, prueba el software o analiza los datos de producción.

A largo plazo, es probable que el mercado se divida en tres zonas de precios. Los modelos de vanguardia cobran precios elevados por tareas complejas. Los modelos de eficiencia compiten en velocidad y coste. Los modelos locales o especializados ofrecen control y personalización. Las empresas exitosas no considerarán estas zonas por separado, sino que las integrarán en una arquitectura común.

Qué significa la lucha de poder para las empresas

Para las empresas, la consecuencia más importante es el abandono de la estrategia de modelo único. Quienes vinculan todas sus tareas a un mismo proveedor pueden estar pagando de más, aceptando dependencias innecesarias y perdiéndose las ventajas de calidad de los sistemas especializados. Un enfoque más sensato es un entorno orquestado en el que se seleccionen diferentes modelos en función de la tarea, la clase de riesgo y el coste.

Por ejemplo, un flujo de trabajo logístico puede clasificar los documentos entrantes mediante un modelo Flash rentable, extraer datos confidenciales localmente y solo enviar desviaciones complejas a un modelo Frontier de alto rendimiento. Un agente de programación puede realizar cambios rutinarios a bajo costo, mientras que los problemas arquitectónicos complejos son gestionados por Claude, GPT u otro modelo de nivel superior. Esto reduce los costos sin comprometer la calidad de las decisiones críticas.

La selección debe basarse en métricas de proceso concretas. Estas incluyen la tasa de éxito de las tareas completadas, el retrabajo manual necesario, la latencia, el riesgo de fallos, la protección de datos y el coste total por operación. Un precio bajo puede resultar engañoso si un modelo requiere más iteraciones. Por el contrario, un modelo caro no es rentable si su calidad añadida no proporciona un beneficio cuantificable para una tarea sencilla.

Por lo tanto, las empresas necesitan sus propios sistemas de evaluación. Los puntos de referencia públicos ofrecen orientación, pero no sustituyen las pruebas con documentos reales, lenguajes especializados ni las consecuencias de los errores. Especialmente en la industria, la logística y la comunicación B2B, los resultados dependen en gran medida de la calidad de los datos, la integración de procesos y el conocimiento del sector. El mejor modelo general no es automáticamente el mejor modelo para una empresa específica.

La geopolítica pasa a formar parte de la arquitectura del modelo

El auge de los modelos de IA chinos está convirtiendo la adquisición de IA en una decisión geopolítica. Sus bajos precios y alto rendimiento los hacen atractivos. Al mismo tiempo, las empresas deben evaluar la privacidad de los datos, los controles de exportación, las jurisdicciones legales, la capacidad de suministro y los riesgos políticos. Estos factores varían considerablemente según el sector y el país.

Rechazar categóricamente los modelos chinos sería una decisión económicamente miope, ya que ignora importantes ventajas en cuanto a costes e innovación. Depender de ellos sin criterio sería igualmente problemático. La respuesta adecuada es una arquitectura basada en el riesgo: las tareas no críticas y de gran volumen pueden ejecutarse en modelos económicos, mientras que los datos sensibles y los procesos estratégicos permanecen en entornos controlados.

Incluso los proveedores estadounidenses no son inmunes a los riesgos de dependencia. Los cambios de precios, las actualizaciones técnicas, las cuotas o las nuevas condiciones de servicio pueden afectar directamente a los modelos de negocio. Por lo tanto, la capacidad multicloud y multimodelo se está convirtiendo en una forma de resiliencia digital. Las empresas deben abstraer las interfaces, estandarizar los formatos de datos y probar periódicamente el cambio entre modelos.

Europa ocupa una posición difícil, pero no desesperada, en esta competencia. El continente carece de la misma potencia de plataforma que Estados Unidos o de la misma escalabilidad basada en precios que China. Sin embargo, puede diferenciarse mediante datos industriales, aplicaciones especializadas, infraestructura confiable y seguridad jurídica. Por lo tanto, Mistral y los proveedores europeos de servicios en la nube deberían considerarse menos como copias directas de plataformas globales de chatbots y más como componentes básicos de una arquitectura empresarial soberana.

El nuevo centro está ubicado dentro del proceso automatizado

El debate público sigue centrándose en los chatbots y sus respuestas. Sin embargo, el mayor potencial económico reside en procesos que los usuarios rara vez perciben. Los agentes revisan facturas, planifican el transporte, analizan informes de máquinas, desarrollan software, crean ofertas y supervisan las cadenas de suministro. En estos casos, lo que importa no es qué modelo tiene la marca más conocida, sino qué sistema funciona de forma fiable, rápida y rentable.

Este cambio es especialmente relevante para la logística y la industria. Ambos sectores generan grandes volúmenes de datos estructurados y no estructurados, operan con márgenes ajustados e implican numerosas decisiones recurrentes. Los modelos económicos pueden preprocesar documentos, correos electrónicos, datos de sensores e información de pedidos. Los modelos de alto rendimiento gestionan excepciones, negociaciones y problemas de planificación complejos.

Esto también cambia el papel de la IA gestionada. El valor económico ya no reside únicamente en el acceso a un modelo, sino en la selección, el enrutamiento, la monitorización, la seguridad y la optimización continua. Un proveedor de servicios que combina modelos de forma flexible y mide su rendimiento en procesos reales puede generar más valor que un proveedor que simplemente revende una única interfaz.

La competencia entre modelos genera así un nuevo nivel de abstracción. A largo plazo, las empresas compran menos "un modelo" y más una calidad de resultados garantizada. El proveedor de tecnología puede cambiarse en segundo plano, siempre que se cumplan los requisitos de costes, protección de datos y rendimiento. Este desarrollo reduce la dependencia de los nombres de modelos individuales y fortalece las plataformas de orquestación y las aplicaciones específicas del sector.

El líder del mercado depende de la pregunta

Para responder con certeza a la pregunta sobre los modelos de IA más utilizados, se requiere un enfoque multifacético. ChatGPT lidera entre los usuarios finales, seguido de Gemini. DeepSeek V4.1 Flash encabeza la lista en cuanto al volumen visible de tokens de API, seguido de otros modelos chinos económicos como GLM, MiMo y Hy4. Anthropic ocupa una posición destacada en el gasto empresarial en API de modelos, principalmente debido a sus sólidas capacidades de programación.

Las diferencias entre las mediciones no son un defecto, sino la información más importante. Statcounter mide acciones distintas a las de Similarweb. OpenRouter realiza un seguimiento de una plataforma de desarrollo específica, no de un censo global. Los estudios empresariales reflejan los presupuestos de determinados responsables de la toma de decisiones, no de toda la economía mundial. Cada cifra responde a una pregunta diferente.

Por lo tanto, la justificación es la siguiente: OpenAI lidera en términos de marca y alcance directo, Anthropic en monetización empresarial de alta calidad, Google en distribución integrada y los proveedores chinos en escalabilidad de trabajo automatizado basada en precios. Meta, Mistral y las familias de modelos abiertos garantizan la alternativa estratégica de la operación interna.

El cambio decisivo en el equilibrio de poder no radica en que un solo proveedor haya desplazado ya a ChatGPT, sino en que la mayor parte del trabajo automatizado se realiza cada vez más mediante modelos distintos a los que predominan en la percepción pública. Quienes solo se fijan en la interfaz más familiar pasan por alto la parte del mercado donde se están redistribuyendo las curvas de costos, la automatización y la creación de valor industrial.

De la visibilidad a la confianza: Su camino escalable con Xpert.Digital - Imagen: Xpert.Digital

En el sector B2B industrial, las relaciones comerciales sostenibles rara vez surgen de la noche a la mañana. Se desarrollan paso a paso, a través de la visibilidad, la relevancia profesional, los puntos de contacto recurrentes y la creciente confianza. El modelo de 4 etapas de Xpert.Digital aborda precisamente esto: ofrece un camino estructurado que comienza con un punto de entrada manejable y puede evolucionar hacia una colaboración más profunda en el desarrollo de negocios si es necesario.

En lugar de basarse en promesas publicitarias grandilocuentes, este modelo prioriza la relación con el cliente. Las empresas comienzan con indicadores claros y fáciles de calcular, y luego deciden, según su propia experiencia, hasta dónde quieren ampliar la colaboración. Un factor clave para este proceso de construcción de confianza sin interrupciones: la plataforma evita por completo la publicidad molesta, por lo que el enfoque editorial se centra exclusivamente en la experiencia de las empresas.

Más información aquí:

• De la visibilidad a la confianza: Su camino escalable con Xpert.Digital

☑️ Nuestro idioma comercial es el inglés o el alemán

☑️ NUEVO: ¡Correspondencia en tu idioma nativo!

Konrad Wolfenstein

Mi equipo y yo estaremos encantados de estar disponibles para usted como su asesor personal.

Puedes contactarme rellenando el formulario de contacto aquí [email protected]:o simplemente llamándome al +49 7348 4088 965. Mi dirección de correo electrónico es

Espero con ilusión nuestro proyecto conjunto.

☑️ Apoyo a las PYMES en estrategia, consultoría, planificación e implementación

☑️ Creación o realineamiento de la estrategia digital y digitalización

☑️ Ampliación y optimización de procesos de ventas internacionales

☑️ Plataformas comerciales B2B globales y digitales

☑️ Desarrollo de negocios pioneros / Marketing / Relaciones públicas / Ferias comerciales