Proyecto “Shallotpeat” y “Tiempos Difíciles”: El memorándum interno de Sam Altman revela la mayor crisis de OpenAI

Y el problema de los 650 mil millones de dólares: ¿Por qué OpenAI está condenado al éxito?

En noviembre de 2025, las placas tectónicas de la industria tecnológica se movieron radicalmente. Durante mucho tiempo, OpenAI fue considerada la reina indiscutible de la nueva era de la IA: un David que demostraba a los Goliat de Silicon Valley cómo funciona la innovación. Pero esta aura de invencibilidad comenzó a resquebrajarse. Con el lanzamiento de Google Gemini 3 y el rápido ascenso de los modelos Claude de Anthropic, la situación cambió. Lo que comenzó como una marcha triunfal hacia la superinteligencia artificial se ha transformado para OpenAI en una batalla existencial contra el estancamiento tecnológico y las realidades económicas.

La situación es paradójica: OpenAI nunca ha tenido mayor valor en bolsa, pero su liderazgo tecnológico nunca ha sido tan frágil. Si bien la empresa de Sam Altman, valorada en 500 mil millones de dólares, se adentra en un terreno generalmente reservado para gigantes tecnológicos consolidados, existe una peligrosa brecha entre su valor de mercado y su capacidad real de generar ingresos. Sus ingresos anuales de 13 mil millones de dólares contrastan drásticamente con pérdidas masivas y compromisos de infraestructura que ascienden a cientos de miles de millones. Este agresivo modelo de crecimiento funcionó mientras OpenAI contaba con el mejor producto del mercado, sin duda alguna. Pero esa premisa se ha derrumbado.

Con Gemini 3, Google no solo ha alcanzado a OpenAI tecnológicamente, sino que la ha superado en áreas cruciales. Mediante el resurgimiento del preentrenamiento y la integración masiva en su propio ecosistema, el gigante de las búsquedas demuestra que los amplios recursos financieros, el hardware propio y décadas de experiencia en el procesamiento de datos superan con creces la ventaja inicial de una startup. La apresurada reestructuración estratégica de OpenAI —simbolizada por el proyecto interno «Shallotpeat»— es una admisión de que su apuesta anterior por los «modelos de razonamiento» puros no ha dado resultado.

El siguiente artículo analiza la anatomía de este cambio de poder. Explica cómo los errores de cálculo técnicos, las situaciones financieras precarias y el resurgimiento de la competencia crean una combinación tóxica que podría redefinir no solo el futuro de OpenAI, sino también la estructura de toda la industria de la IA.

Adecuado para:

• ¿Es esta la revolución de la IA? Gemini 3.0 vs. OpenAI: No se trata del mejor modelo, sino de la mejor estrategia.

La antigua vanguardia de la inteligencia artificial lucha por su futuro, mientras que Google está cambiando el equilibrio de poder con pura fuerza tecnológica.

La carrera global por el dominio de la inteligencia artificial dio un giro drástico en noviembre de 2025. Lo que durante años se había considerado la sólida posición de liderazgo de OpenAI se convirtió, en cuestión de meses, en una precaria postura defensiva. El lanzamiento de Gemini 3 de Google no solo marcó un hito tecnológico, sino que también puso en entredicho supuestos fundamentales sobre la arquitectura del mercado de la IA. En un memorándum interno, el CEO de OpenAI, Sam Altman, advirtió a sus empleados sobre las dificultades que se avecinaban y admitió que los recientes avances de Google podrían generar obstáculos económicos temporales para la empresa. Esta evaluación, inusualmente sincera, revela la fragilidad de una posición que, hasta hace poco, parecía insuperable.

La magnitud de este cambio solo se comprende plenamente al analizar la lógica de valoración del sector. OpenAI tiene actualmente una valoración aproximada de 500 mil millones de dólares, pero genera tan solo 13 mil millones en ingresos anuales. Esta enorme divergencia entre la capitalización de mercado y los ingresos reales se basa en la suposición de un crecimiento exponencial y una superioridad tecnológica sostenida. Gemini 3 de Google refuta ambas suposiciones simultáneamente. El modelo supera a GPT-5.1 de OpenAI en prácticamente todas las pruebas de rendimiento estandarizadas, demostrando capacidades que la propia OpenAI aún se esfuerza por desarrollar.

Las implicaciones económicas van mucho más allá de las fluctuaciones a corto plazo en la cuota de mercado. OpenAI consume aproximadamente ocho mil millones de dólares anuales y registró pérdidas de cinco mil millones el año pasado. Este déficit solo puede sostenerse mediante la entrada continua de capital, que a su vez depende de la confianza de los inversores en su liderazgo tecnológico. Si ese liderazgo se erosiona, toda la lógica de financiación se derrumba. La situación es como un tren de alta velocidad que se queda sin combustible mientras aún viaja a máxima velocidad.

La principal fuente del memorándum interno de Sam Altman es The Information, una publicación de noticias especializada en la industria tecnológica.

El memorándum fue publicado originalmente por The Information el 20 de noviembre de 2025. El artículo original se titula “El memorándum de Altman pronostica 'malas vibraciones' debido al resurgimiento de Google” o “El CEO de OpenAI se prepara para posibles vientos en contra económicos que afecten al resurgimiento de Google”.

La publicación del memorándum por parte de The Information fue posteriormente retomada por numerosos otros medios de comunicación, entre ellos:

• Times of India
• Tiempos Económicos
• Perspectivas comerciales
• Futurismo

El memorándum, una comunicación interna de Sam Altman a los empleados de OpenAI, fue filtrado a The Information por una fuente interna de la empresa. En él, Altman advertía sobre posibles dificultades económicas temporales derivadas del progreso de Google y afirmaba que preveía un ambiente hostil.

Anatomía del avance tecnológico

El éxito de Google con Gemini 3 se basa en una revisión fundamental de una metodología de desarrollo que se consideraba agotada. El preentrenamiento, la fase fundamental en la que los modelos de IA aprenden de conjuntos de datos masivos, era considerado por algunos miembros de la comunidad investigadora como prácticamente obsoleto. Los principios de escalado, que durante años habían prometido mejoras de rendimiento predecibles mediante modelos más grandes y mayor cantidad de datos, parecían estar alcanzando sus límites físicos y económicos. OpenAI respondió reorientando su enfoque estratégico hacia los denominados modelos de razonamiento, como o1, que mejoran su rendimiento gracias a tiempos de procesamiento más prolongados durante la inferencia.

Sin embargo, Google demostró que el procesador, supuestamente condenado al fracaso, aún conserva un potencial considerable. Demis Hassabis, director de Google DeepMind, resumió esta idea de forma concisa: si bien ya no se observan saltos exponenciales en el rendimiento entre generaciones, la rentabilidad de la inversión en preentrenamiento sigue siendo excepcionalmente buena. Gemini 3 Pro alcanza el 91,9 % en la prueba de referencia GPQA Diamond para razonamiento científico a nivel de doctorado, superando a GPT-5.1 en casi cuatro puntos porcentuales. Aún más impresionante es su rendimiento en razonamiento visual abstracto: con un 31,1 % en la prueba de referencia ARC-AGI-2, Gemini 3 casi duplica el rendimiento de GPT-5.1 y supera a su predecesor en más de seis veces.

La importancia económica de esta superioridad tecnológica se manifiesta en áreas de aplicación concretas. En la resolución algorítmica de problemas, Gemini 3 Pro alcanza una puntuación Elo de 2439 en LiveCodeBench Pro, casi 200 puntos por encima de GPT-5.1. Esto no es una métrica académica, sino un indicador directo de la productividad de los desarrolladores que utilizan estos modelos. En un mercado donde OpenAI genera el 70 % de sus ingresos a través del acceso a su API y de clientes empresariales, la inferioridad tecnológica se traduce en pérdidas de ingresos inmediatas.

Los problemas de preentrenamiento de OpenAI se hicieron evidentes durante el desarrollo de GPT-5, donde las optimizaciones de escalado establecidas dejaron de funcionar. La empresa se percató de que los métodos tradicionales para mejorar el rendimiento habían perdido su eficacia. En respuesta, OpenAI desarrolló GPT-5 con un presupuesto de preentrenamiento significativamente menor que el de GPT-4.5, pero lo compensó con una optimización post-entrenamiento intensiva mediante aprendizaje por refuerzo. Esta estrategia resultó exitosa a corto plazo, pero generó una vulnerabilidad estructural: OpenAI se había especializado en una metodología que, si bien generaba capacidades innovadoras, descuidaba los fundamentos del modelo.

El reposicionamiento estratégico y el proyecto Shallotpeat

El memorándum de Altman no solo diagnostica el problema, sino que también describe la contraestrategia de OpenAI. Esta consiste en el desarrollo de un nuevo modelo, con nombre en clave Shallotpeat, diseñado específicamente para abordar las deficiencias detectadas en el preentrenamiento. El nombre en sí mismo es programático: las chalotas crecen mal en suelos turbosos, un sustrato lejos de ser ideal. De este modo, OpenAI reconoce que la base de sus modelos existentes presenta debilidades que no pueden eliminarse mediante la optimización superficial.

El desarrollo de Shallotpeat forma parte de una reestructuración estratégica más amplia. En su informe, Altman subraya la necesidad de centrarse en proyectos ambiciosos, incluso si esto supone una desventaja temporal para OpenAI. Uno de estos proyectos es la automatización de la propia investigación en IA, un enfoque integral que busca acortar drásticamente los ciclos de desarrollo de nuevos modelos. No se trata simplemente de optimizar la eficiencia, sino de un intento de cambiar radicalmente las reglas del juego: si los sistemas de IA pueden acelerar su propia evolución, podrían disminuir las ventajas estructurales de las empresas consolidadas con ingentes recursos.

La urgencia de esta estrategia se ve acentuada por la situación financiera de OpenAI. La empresa debe alcanzar la rentabilidad antes de 2029 para cumplir con sus compromisos de infraestructura con Microsoft y otros socios. Estos compromisos ascienden a aproximadamente 60 000 millones de dólares anuales, en comparación con los compromisos actuales de infraestructura en la nube, que superan los 650 000 millones de dólares en los próximos años. La discrepancia entre estos compromisos y los ingresos actuales de 13 000 millones de dólares pone de manifiesto la magnitud del problema.

Al mismo tiempo, OpenAI está implementando una estrategia de diversificación para reducir su dependencia de Microsoft. El ajuste en la alianza, anunciado en enero de 2025, permite a OpenAI, por primera vez, utilizar también recursos informáticos de competidores como Oracle. Si bien Microsoft conserva el derecho de preferencia para la nueva capacidad, se ha roto la exclusividad. Para OpenAI, esto significa potencialmente un acceso más rápido a los enormes clústeres de GPU necesarios para entrenar nuevos modelos. La iniciativa Stargate, una colaboración entre OpenAI, Oracle, SoftBank y Microsoft, invertirá 500 mil millones de dólares en centros de datos durante cuatro años. La primera instalación, ubicada en Abilene, Texas, ya está operativa con clústeres de GPU Nvidia GB200.

La fragilidad económica del modelo de negocio

Los modelos de negocio de las principales empresas de IA se basan en una apuesta implícita por los efectos de red y la dependencia tecnológica. OpenAI ha seguido esta estrategia con considerable éxito: ChatGPT alcanzó entre 700 y 800 millones de usuarios activos semanales en noviembre de 2025, el doble que en febrero. La plataforma procesa 2500 millones de consultas diarias y se sitúa como la quinta web más visitada del mundo. Esta base de usuarios parece, en principio, una ventaja competitiva inexpugnable, pero las tasas de conversión revelan una debilidad fundamental: solo entre el cuatro y el diez por ciento de los usuarios pagan una suscripción.

La viabilidad económica depende, por lo tanto, de dos supuestos fundamentales: primero, que la base de usuarios siga creciendo exponencialmente, de modo que incluso pequeñas tasas de conversión permitan aumentos absolutos de los ingresos; segundo, que la superioridad tecnológica fidelice a los usuarios a la plataforma y que los costes de cambio a la competencia sigan siendo elevados. Gemini 3 de Google socava ambos supuestos. La paridad técnica, o incluso la inferioridad, convierte a OpenAI en un proveedor intercambiable en un mercado cada vez más homogeneizado.

La estructura de costes agrava este problema. El entrenamiento de grandes modelos de lenguaje y su puesta en marcha requieren ingentes recursos informáticos. OpenAI prevé presupuestos de computación superiores a 450 000 millones de dólares entre 2024 y 2030, con compromisos totales de aproximadamente 650 000 millones de dólares, algunos de los cuales se extienden más allá de 2030. Estas inversiones deben justificarse mediante los ingresos, que a su vez dependen de la cuota de mercado. Se genera así un círculo vicioso: si OpenAI pierde cuota de mercado, los ingresos disminuyen, lo que limita su capacidad de inversión y, por consiguiente, erosiona aún más su competitividad tecnológica.

Los análisis comparativos ilustran la magnitud del problema. Anthropic, competidor directo que utiliza el modelo de Claude, está valorada actualmente en 170 000 millones de dólares, con unos ingresos anuales proyectados de 4000 millones. OpenAI y Anthropic, en conjunto, necesitarían alcanzar unos ingresos combinados superiores a los 300 000 millones de dólares para 2030 para justificar sus valoraciones actuales, suponiendo un margen de flujo de caja libre del 27 %, comparable al de Alphabet o Microsoft. En comparación, se prevé que Nvidia, el principal proveedor de chips de IA, genere solo 350 000 millones de dólares en ingresos para 2030.

Google como poseedor de una ventaja estructural

La posición de Google en la carrera por la IA difiere fundamentalmente de la de OpenAI debido a su integración en un ecosistema consolidado con fuentes de ingresos diversificadas. La compañía genera más de 300 mil millones de dólares en ingresos anuales, principalmente a través de publicidad y servicios en la nube, lo que permite considerar el desarrollo de la IA como una inversión estratégica que no necesita ser rentable a corto plazo. Esta solidez financiera permite a Google experimentar e invertir en áreas donde las empresas de IA pura, como OpenAI, se enfrentan a la presión inmediata de generar ingresos.

Las ventajas de distribución son igualmente significativas. Google integra Gemini en su buscador, que procesa miles de millones de consultas diarias, en Gmail, con más de 1500 millones de usuarios, en Google Docs, Sheets y toda la suite Workspace. Esta omnipresencia genera una exposición pasiva: los usuarios interactúan con Gemini en sus flujos de trabajo digitales cotidianos sin necesidad de buscar activamente herramientas de IA. Aunque GPT-5.1 o Claude Sonnet 4.5 tengan un rendimiento ligeramente superior en pruebas específicas, Google pone su modelo al alcance de miles de millones de usuarios.

La integración vertical tecnológica potencia estas ventajas. Google desarrolla sus propios chips de IA utilizando TPU (Unidades de Procesamiento Tensorial), controla toda la infraestructura en la nube y posee recursos de entrenamiento únicos, fruto de décadas de recopilación de datos. Este control sobre toda la cadena de valor reduce costes y permite optimizaciones inaccesibles para proveedores externos. Como bien lo expresó un usuario de Reddit: Google controla el hardware, los centros de datos, los canales de distribución y la propia información.

Los precedentes históricos desaconsejan sobreestimar el liderazgo inicial en el mercado. Internet Explorer dominó el mercado de navegadores a finales de la década de 1990 con más del 90 % de la cuota de mercado y se consideraba insuperable, pero fue marginado en menos de una década por alternativas técnicamente superiores. Yahoo y AOL, otrora sinónimos de acceso a internet, fueron desplazados por Google y otros. Las ventajas de ser pionero en los mercados tecnológicos suelen ser temporales si no se superan desventajas estructurales como la falta de integración vertical o la fragilidad financiera.

La perspectiva del inversor y los riesgos de valoración

La valoración de OpenAI en 500 mil millones de dólares representa una de las mayores discrepancias entre las ganancias actuales y la capitalización de mercado en la historia de la industria tecnológica. Esta valoración implica un múltiplo de ingresos de aproximadamente 38, mientras que los gigantes tecnológicos consolidados cotizan con múltiplos de entre 5 y 15. La justificación de esta prima se basa en la suposición de que OpenAI captará una parte desproporcionada del emergente mercado de la IA.

Esta suposición se ve cada vez más cuestionada por la evidencia empírica. La ronda de financiación más reciente, en marzo de 2025, que valoró a OpenAI en 300.000 millones de dólares, tuvo una sobresuscripción de cinco veces. La siguiente ronda, en noviembre, que elevó la valoración a 500.000 millones de dólares, se financió principalmente mediante la venta secundaria de acciones existentes, y no mediante nuevas inyecciones de capital. Esto indica un cambio de tendencia: los primeros inversores están aprovechando las oportunidades de realización parcial, mientras que los nuevos inversores se muestran menos dispuestos a aportar capital primario adicional.

La comparación con la burbuja de las puntocom es inevitable. El propio Sam Altman ha declarado públicamente que prevé una burbuja de IA, comparando las condiciones del mercado con las del boom de las puntocom y advirtiendo contra la euforia excesiva de los inversores. Al mismo tiempo, proyecta un gasto de billones de dólares en la expansión de centros de datos y responde a las preocupaciones de los economistas instando a todos a dejar que OpenAI siga su curso. Esta retórica recuerda la arrogancia de finales de los noventa, cuando se desestimaban las cuestiones fundamentales de valoración con referencias a un nuevo paradigma.

Analistas de Reuters y otras instituciones han calculado que OpenAI y Anthropic necesitarían alcanzar ingresos anuales combinados superiores a los 300.000 millones de dólares para 2030 para justificar su valoración conjunta. Esto significaría que ambas compañías juntas tendrían que generar casi tantos ingresos como Nvidia, el líder indiscutible del mercado de chips para IA. Dada la creciente competencia de Google, Microsoft, Meta y muchos otros actores, este escenario parece cada vez más improbable.

La situación se agrava por la evolución del mercado de la IA en general. Un estudio del MIT sugiere que el 95 % de las empresas no están obteniendo un retorno significativo de sus inversiones en IA generativa. Este hallazgo provocó una importante caída en el mercado tecnológico en noviembre, con Nvidia perdiendo un 3,5 % y Palantir casi un 10 %. Los mercados reaccionan con creciente nerviosismo ante cualquier indicio de que los retornos prometidos por la IA no se estén materializando.

Nuestra experiencia en EE. UU. en desarrollo de negocios, ventas y marketing - Imagen: Xpert.Digital

Enfoque industrial: B2B, digitalización (de IA a XR), ingeniería mecánica, logística, energías renovables e industria.

Más sobre esto aquí:

• Centro de negocios Xpert

Un centro temático con conocimientos y experiencia:

• Plataforma de conocimiento sobre la economía global y regional, la innovación y las tendencias específicas de la industria.
• Recopilación de análisis, impulsos e información de fondo de nuestras áreas de enfoque
• Un lugar para la experiencia y la información sobre los avances actuales en negocios y tecnología.
• Centro temático para empresas que desean aprender sobre mercados, digitalización e innovaciones industriales.

El renacimiento de la era del preentrenamiento y los avances algorítmicos

El éxito de Google con Gemini 3 supone la recuperación del preentrenamiento como fuente principal de mejoras de rendimiento. Este avance contradice las afirmaciones que proclamaban el fin de la escalabilidad. La realidad es más compleja: si bien el preentrenamiento ya no ofrece saltos exponenciales, aún es posible lograr mejoras sistemáticas y sustanciales cuando se utilizan los métodos adecuados.

La arquitectura de Gemini 3 integra diversas innovaciones algorítmicas. El modelo utiliza una estructura de mezcla de expertos desarrollada por Jeff Dean, científico jefe de Google DeepMind. Esta arquitectura activa solo una fracción de los parámetros para cada consulta, lo que permite una alta eficiencia sin sacrificar la capacidad. Gemini 3 también demuestra capacidades de integración multimodal que van más allá de la simple traducción de texto a imagen e incluyen tareas complejas de razonamiento visual.

El modo Deep Think de Gemini 3 representa la respuesta de Google a los modelos de razonamiento de OpenAI. En lugar de tratar el preentrenamiento y el razonamiento como paradigmas contrapuestos, Google los integra. Deep Think alcanza un 41 % en la prueba de referencia Humanity's Last Exam sin ayuda y un 45,1 % en ARC-AGI-2 con ejecución de código. Estos resultados demuestran que la dicotomía entre el preentrenamiento y el cálculo durante las pruebas es falsa: los sistemas óptimos combinan ambos enfoques.

La importancia de este hallazgo para la dinámica competitiva es crucial. OpenAI se había especializado en computación durante las pruebas porque el escalado del preentrenamiento ya no era viable. Google ahora demuestra que el preentrenamiento aún tiene potencial si se aborda correctamente. Esto significa que OpenAI no solo se ha quedado atrás tecnológicamente, sino que también se ha basado estratégicamente en una metodología que está demostrando ser incompleta.

Demis Hassabis articuló esta visión integral en varias entrevistas. Subraya que el camino hacia la Inteligencia Artificial General requiere múltiples innovaciones, no solo escalabilidad. Estas innovaciones incluyen sistemas de agentes capaces de seguir tareas complejas durante largos periodos, modelos del mundo que desarrollan representaciones internas de la realidad física y capacidades de metaaprendizaje que permiten a los sistemas generalizar a partir de un número limitado de ejemplos. Google está invirtiendo sistemáticamente en todas estas áreas, mientras que OpenAI se ha centrado principalmente en el razonamiento.

Adecuado para:

• Estrategias de IA en una comparación global: Una comparación (EE. UU. vs. UE vs. Alemania vs. Asia vs. China)

El papel de los modelos de razonamiento y sus limitaciones

El modelo o1 de OpenAI y sus sucesores representan un cambio de paradigma fundamental en el desarrollo de la IA. En lugar de escalar principalmente mediante modelos más grandes y mayor cantidad de datos de entrenamiento, estos sistemas invierten tiempo de computación durante la inferencia para desarrollar cadenas de razonamiento más largas. Este enfoque ha logrado un éxito impresionante en dominios específicos, particularmente en matemáticas, programación y lógica formal, donde los resultados verificables sirven como retroalimentación.

Sin embargo, las limitaciones de este enfoque son cada vez más evidentes. Un estudio realizado por investigadores de Apple demostró que los modelos de razonamiento funcionan mucho peor cuando los problemas se modifican, aunque sea mínimamente. Tan solo cambiar números o nombres en problemas matemáticos conlleva pérdidas de rendimiento notables. Aún más grave: añadir información lógicamente irrelevante, pero superficialmente plausible, provocó caídas de rendimiento del 17,5 % para o1-preview, del 29,1 % para o1-mini y de hasta el 65,7 % para los modelos con menor rendimiento.

Estos hallazgos sugieren que los modelos de razonamiento no desarrollan estrategias generales para la resolución de problemas, sino que principalmente replican patrones aprendidos. Se comportan como estudiantes que han memorizado tipos específicos de problemas, pero que fracasan ante formulaciones ligeramente diferentes. Esto no es solo una crítica académica, sino que tiene implicaciones prácticas inmediatas: en aplicaciones del mundo real que involucran problemas complejos y multifacéticos sin formulaciones estandarizadas, estos sistemas siguen siendo poco fiables.

La estructura de costes de los modelos de razonamiento agrava sus limitaciones. A diferencia de los modelos tradicionales, donde el preentrenamiento es la fase que consume más recursos computacionales, en los modelos de razonamiento esta relación se invierte. El postentrenamiento y la inferencia se convierten en el factor de coste dominante, lo que dificulta la escalabilidad económica. OpenAI tiene que invertir mucha más capacidad de cómputo para cada consulta o1 que para consultas GPT-4 comparables, sin que los usuarios estén dispuestos a pagar proporcionalmente más.

La integración de capacidades de razonamiento en modelos optimizados mediante preentrenamiento por parte de Google podría resultar un enfoque superior. Gemini 3 con Deep Think alcanza un rendimiento de razonamiento comparable o superior al de o1, pero se basa en una infraestructura más sólida. Esto sugiere que la arquitectura óptima no utiliza el razonamiento como sustituto del preentrenamiento, sino como complemento de un modelo base robusto.

Dinámica competitiva y la convergencia de los antrópicos

La familia Claude de Anthropic, en particular Sonnet 4.5, se está consolidando como una importante tercera fuerza en la competencia de IA. Claude Sonnet 4.5 alcanzó el 77,2 % en la prueba SWE-bench Verified Benchmark para problemas reales de ingeniería de software, convirtiéndose en el modelo líder en esta área crítica de aplicación. Con computación paralela en tiempo de prueba, este rendimiento aumenta al 82 %, un nivel que ni GPT-5.1 ni Gemini 3 pueden igualar.

El enfoque estratégico de Anthropic en la seguridad y la alineación crea un nicho con una disposición específica a pagar. Las empresas de sectores altamente regulados, como las finanzas, la sanidad y la ciberseguridad, priorizan cada vez más los modelos que integran de forma demostrable mecanismos de seguridad robustos. Claude Sonnet 4.5 alcanza el 98,7 % en los estándares de seguridad y demuestra una menor tendencia a la adulación, el engaño, la búsqueda de poder y el razonamiento ilusorio. Estas características no son meras estrategias de marketing, sino que responden a preocupaciones reales de los clientes empresariales.

La capacidad de Claude Sonnet 4.5 para mantener tareas complejas de razonamiento y ejecución de código en múltiples etapas durante más de 30 horas lo posiciona como un modelo ideal para agentes autónomos. Este es un mercado en rápido crecimiento donde los sistemas de IA gestionan de forma independiente flujos de trabajo extensos. OpenAI y Google compiten en este segmento, pero Anthropic ha obtenido una ventaja gracias a su especialización temprana.

El precio de Claude refleja este posicionamiento. Con un coste de tres dólares por millón de tokens de entrada y quince dólares por millón de tokens de salida, Claude se sitúa en el segmento de precio medio, siendo más económico que GPT-5.1 para muchos casos de uso, pero más caro que algunas alternativas de código abierto. Esta estructura de precios sugiere la estrategia de Anthropic: no dirigirse al mercado de masas mediante precios bajos, sino al segmento prémium a través de una calidad y seguridad superiores.

La valoración de Anthropic en 170 mil millones de dólares, con una proyección de ingresos anuales de 4 mil millones, parece menos extrema que la valoración de OpenAI, aunque sigue siendo ambiciosa. La lógica de los inversores difiere: Anthropic se posiciona como un objetivo de adquisición o un actor a largo plazo en un mercado oligopólico, no como un líder del mercado. Esta ambición más modesta podría, paradójicamente, resultar más sostenible que la estrategia de todo o nada de OpenAI.

Escasez de datos y soluciones sintéticas

Un desafío fundamental para todos los desarrolladores de IA es la creciente escasez de datos de entrenamiento de alta calidad. Epoch AI estima que actualmente los modelos se entrenan con entre 4,6 y 17,2 billones de tokens. La mayor parte del texto disponible gratuitamente en internet ya se ha consumido. Las futuras mejoras de rendimiento ya no se pueden lograr simplemente aumentando el tamaño de los conjuntos de datos de entrenamiento, sino que requieren datos de mayor calidad o más diversos.

Se está considerando el uso de datos sintéticos, es decir, contenido de entrenamiento generado por sistemas de IA, como una posible solución. Este enfoque es inherentemente paradójico: los modelos se entrenan con datos generados por modelos anteriores. Esto conlleva el riesgo de colapso del modelo, donde los errores y sesgos se amplifican con el paso de las generaciones. Sin embargo, conjuntos de datos sintéticos cuidadosamente seleccionados, con diversidad y controles de calidad, pueden generar casos extremos poco frecuentes que no se presentan en datos naturales.

Google cuenta con ventajas estructurales en la adquisición de datos gracias a su buscador, Gmail, YouTube, Google Maps y numerosos servicios que generan continuamente datos nuevos, diversos y creados por usuarios. Estos flujos de datos no solo son voluminosos, sino que también están estructurados longitudinalmente, lo que permite identificar patrones y desarrollos temporales. OpenAI carece de fuentes de datos comparables, por lo que depende cada vez más de colaboraciones con editoriales, acuerdos de licencia con empresas de medios y la generación de datos sintéticos.

La situación legal agrava esta asimetría. Varias demandas interpuestas por editores y autores contra OpenAI por infracción de derechos de autor podrían restringir el acceso a datos históricos y hacer que futuras actividades de extracción de datos sean legalmente riesgosas. Google puede argumentar que rastrear sitios web para su indexación de búsqueda es una práctica establecida y legalmente sólida que beneficia el desarrollo de la IA. Esta incertidumbre legal impone riesgos adicionales a OpenAI que los gigantes tecnológicos consolidados no soportan en la misma medida.

La superinteligencia como apuesta a largo plazo

El memorándum de Altman enfatiza repetidamente la necesidad de mantener el enfoque en lograr la superinteligencia, a pesar de las presiones competitivas a corto plazo. Esta retórica es estratégica: justifica las inversiones y pérdidas actuales señalando las ganancias transformadoras futuras. La superinteligencia se refiere a sistemas de IA hipotéticos que superan la inteligencia humana en todas las áreas relevantes y que son potencialmente capaces de acelerar su propio desarrollo.

Las estimaciones de los expertos sobre el momento en que se producirá este desarrollo varían considerablemente. Los análisis de más de 8500 predicciones sugieren una mediana entre 2040 y 2045 para el logro de la Inteligencia Artificial General, precursora de la superinteligencia. Algunas voces prominentes, como Dario Amodei de Anthropic y Elon Musk, proyectan fechas significativamente más tempranas, en algunos casos incluso entre 2026 y 2029. El propio Sam Altman ha señalado 2029 como fecha objetivo.

La relevancia económica de este debate reside en la lógica de valoración: si la superinteligencia es alcanzable en cinco años y OpenAI sigue siendo líder en su desarrollo, esto justifica prácticamente cualquier valoración actual. Sin embargo, si la superinteligencia está a 20 años de distancia o si OpenAI deja de ser líder, la base de la valoración se derrumba. Por lo tanto, los inversores apuestan no solo por la tecnología, sino también por plazos específicos y posiciones de mercado en escenarios futuros hipotéticos.

La automatización de la investigación en IA, que Altman identifica como un enfoque clave, podría acortar estos plazos. Los sistemas que generan hipótesis, diseñan experimentos, entrenan modelos e interpretan resultados de forma autónoma acelerarían drásticamente el desarrollo. Google DeepMind trabaja en enfoques similares, en particular mediante la integración de algoritmos de planificación tipo AlphaGo en modelos de lenguaje. La cuestión no es si se desarrollarán estos sistemas de meta-IA, sino quién los implementará primero.

Estructura de mercado y formación de oligopolios

El mercado de la IA está evolucionando rápidamente hacia un oligopolio con entre tres y cinco actores dominantes. OpenAI, Google, Anthropic, Microsoft y Meta poseen los recursos financieros, el talento técnico y la infraestructura necesarios para mantenerse a la vanguardia de la competencia. Las barreras de entrada son ahora prohibitivas: entrenar un modelo de última generación cuesta varios cientos de millones de dólares, requiere acceso a miles de GPU de vanguardia y exige equipos de investigadores de primer nivel.

Los modelos de código abierto como Llama de Meta, Mistral u Olmo de Allen AI ofrecen alternativas para casos de uso específicos, pero su rendimiento absoluto es inferior al de los modelos propietarios más avanzados. Su importancia radica principalmente en democratizar las capacidades de IA para desarrolladores con presupuestos limitados y en generar presión competitiva que modera los precios de acceso a las API.

China está desarrollando simultáneamente su propio ecosistema de IA independiente con empresas como Alibaba Qwen, Baidu Ernie, ByteDance y otras. Estos modelos se acercan cada vez más a la paridad con los sistemas occidentales, pero se encuentran parcialmente aislados del mercado global debido a las diferencias en los marcos regulatorios, el acceso limitado a chips de vanguardia por los controles a la exportación y las barreras lingüísticas. La dimensión geopolítica del desarrollo de la IA podría dar lugar a ecosistemas paralelos con dominio regional, de forma similar a la fragmentación de internet.

Para OpenAI, este oligopolio implica que las posiciones marginales son inestables. O bien la empresa se consolida como uno de los pocos sistemas líderes, o queda relegada a un segundo plano, desde donde el ascenso es prácticamente imposible debido a la alta intensidad de capital requerida. Los inversores comprenden esta dinámica, lo que explica la extrema volatilidad de las valoraciones: con resultados binarios, las probabilidades se reevalúan continuamente, y pequeños cambios en la estimación de probabilidades generan grandes fluctuaciones en la valoración.

La integración vertical como imperativo estratégico

La concesión de licencias por parte de Microsoft de la propiedad intelectual de diseño de chips y sistemas de OpenAI en noviembre de 2025 señala una reestructuración estratégica. El acuerdo otorga a Microsoft acceso integral al portafolio de diseño de chips patentado de OpenAI y podría acortar considerablemente los ciclos de desarrollo de Microsoft para los procesadores de IA de próxima generación. Esto se enmarca dentro de una tendencia más amplia hacia la integración vertical, donde los principales proveedores de servicios en la nube buscan obtener un mayor control sobre sus infraestructuras de hardware.

Google lleva años desarrollando TPU, controlando así toda la cadena de valor, desde el silicio hasta el software. Amazon está desarrollando sus propios chips Trainium e Inferentia. Microsoft está invirtiendo fuertemente en sus propios aceleradores de IA. Este auge del silicio personalizado refleja la constatación de que las GPU de propósito general no son óptimas para cargas de trabajo específicas de IA. Los chips especializados pueden lograr una eficiencia muy superior para operaciones específicas, reduciendo costes y aumentando el rendimiento.

OpenAI carece de esta integración vertical. La empresa depende de proveedores externos de chips, principalmente Nvidia, y utiliza infraestructura en la nube de Microsoft, Oracle y otros. Estas dependencias generan desventajas en costos y vulnerabilidades estratégicas. La alianza con Microsoft para la concesión de licencias de propiedad intelectual podría ser un primer paso para subsanar esta deficiencia, pero desarrollar su propio hardware lleva años y requiere una experiencia que OpenAI aún necesita adquirir.

Las implicaciones económicas son sustanciales. Los operadores de modelos con control de hardware propio pueden reducir sus costes drásticamente, lo que permite estrategias de precios más agresivas o, alternativamente, obtener mayores márgenes. Google podría ofrecer Gemini a precios en los que OpenAI incurre en pérdidas, ya que Google puede reducir considerablemente sus costes mediante el uso de TPU. Esto no es una posibilidad teórica, sino una realidad práctica que ya está influyendo en la dinámica del mercado.

De Netscape y Yahoo a OpenAI: ¿Se repite la historia?

Los acontecimientos de 2025 marcan el fin de una era de liderazgo indiscutible por parte de pioneros individuales en el sector de la IA. La posición de OpenAI como actor clave en la revolución de la IA generativa se ve fundamentalmente amenazada por la paridad tecnológica, las desventajas estructurales de los gigantes tecnológicos consolidados y la fragilidad financiera. La empresa se enfrenta al reto de gestionar crisis simultáneas: alcanzar tecnológicamente a Google, garantizar la sostenibilidad financiera a pesar de las cuantiosas pérdidas, reposicionarse estratégicamente en un mercado en consolidación y hacer frente a la complejidad operativa de un rápido crecimiento.

El éxito de Google con Gemini 3 demuestra que, en mercados con alta intensidad tecnológica, la profundidad de recursos, la integración vertical y el capital paciente suelen ofrecer ventajas estructurales frente a la innovación ágil. La capacidad de absorber pérdidas durante años mientras los productos maduran y se alcanzan las economías de escala es una ventaja invaluable. OpenAI y otras empresas similares dedicadas exclusivamente a la IA deben lograr la rentabilidad en plazos impuestos por las expectativas de los inversores, mientras que Google puede experimentar hasta que sus soluciones estén realmente listas para el mercado.

Es probable que el futuro del mercado de la IA se caracterice por un oligopolio de entre tres y cinco proveedores dominantes, cada uno ocupando nichos estratégicos distintos. Google, como generalista verticalmente integrado con una distribución superior; Microsoft, como integrador enfocado en empresas; Anthropic, como especialista en seguridad y alineación; y Meta, como defensor del código abierto para los ecosistemas de desarrolladores. La posición futura de OpenAI en este panorama sigue siendo incierta y depende fundamentalmente de si el proyecto Shallotpeat resuelve las deficiencias detectadas en el preentrenamiento y si la empresa logra establecer una ventaja competitiva sostenible más allá de su liderazgo histórico de marca.

Para inversores, clientes corporativos y tecnólogos, esta reestructuración implica una reevaluación de riesgos y oportunidades. La suposición de que los primeros líderes del mercado defenderán sus posiciones resulta cada vez más cuestionable. La velocidad del cambio tecnológico, la alta inversión de capital que requiere la investigación de vanguardia y el poder de los canales de distribución establecidos están creando una dinámica en la que las ventajas estructurales suelen ser más importantes que el liderazgo histórico en innovación. Los próximos años demostrarán si los pioneros ágiles cuentan con los recursos y la visión estratégica necesarios para resistir el poderío de los gigantes tecnológicos, o si la historia de Netscape, Yahoo y otros pioneros de internet se repetirá en la era de la IA.

Una nueva dimensión de transformación digital con IA Gestionada (Inteligencia Artificial) – Plataforma y Solución B2B | Xpert Consulting - Imagen: Xpert.Digital

Aquí aprenderá cómo su empresa puede implementar soluciones de IA personalizadas de forma rápida, segura y sin grandes barreras de entrada.

Una Plataforma de IA Gestionada es su paquete integral y sin preocupaciones para la inteligencia artificial. En lugar de lidiar con tecnología compleja, infraestructura costosa y largos procesos de desarrollo, recibirá una solución integral adaptada a sus necesidades de un socio especializado, a menudo en cuestión de días.

Los beneficios clave de un vistazo:

⚡ Implementación rápida: De la idea a la aplicación operativa en días, no meses. Ofrecemos soluciones prácticas que generan valor inmediato.

🔒 Máxima seguridad de datos: Tus datos confidenciales permanecen contigo. Garantizamos un procesamiento seguro y conforme a la normativa sin compartirlos con terceros.

💸 Sin riesgo financiero: Solo pagas por los resultados. Se eliminan por completo las altas inversiones iniciales en hardware, software y personal.

🎯 Concéntrese en su negocio principal: Concéntrese en lo que mejor sabe hacer. Nos encargamos de toda la implementación técnica, la operación y el mantenimiento de su solución de IA.

📈 Escalable y a prueba de futuro: Su IA crece con usted. Garantizamos la optimización y la escalabilidad continuas, y adaptamos los modelos con flexibilidad a las nuevas necesidades.

Más sobre esto aquí:

• La solución de IA gestionada - Servicios de IA industrial: la clave para la competitividad en los sectores de servicios, industrial y de ingeniería mecánica

☑️ Nuestro idioma comercial es inglés o alemán.

☑️ NUEVO: ¡Correspondencia en tu idioma nacional!

Konrad Wolfenstein

Estaré encantado de servirle a usted y a mi equipo como asesor personal.

Puedes ponerte en contacto conmigo rellenando el formulario de contacto o simplemente llámame al +49 89 89 674 804 (Múnich) . Mi dirección de correo electrónico es: wolfenstein ∂ xpert.digital

Estoy deseando que llegue 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

☑️ Pionero en desarrollo empresarial / marketing / relaciones públicas / ferias comerciales

Benefíciese de la amplia y quíntuple experiencia de Xpert.Digital en un paquete integral de servicios | I+D, XR, RR. PP. y optimización de la visibilidad digital - Imagen: Xpert.Digital

Xpert.Digital tiene un conocimiento profundo de diversas industrias. Esto nos permite desarrollar estrategias a medida que se adaptan precisamente a los requisitos y desafíos de su segmento de mercado específico. Al analizar continuamente las tendencias del mercado y seguir los desarrollos de la industria, podemos actuar con previsión y ofrecer soluciones innovadoras. Mediante la combinación de experiencia y conocimiento generamos valor añadido y damos a nuestros clientes una ventaja competitiva decisiva.

Más sobre esto aquí:

• Utilice la experiencia quíntuple de Xpert.Digital en un solo paquete, desde sólo 500 € al mes