Si los modelos son tan buenos, ¿por qué OpenAI sigue vendiendo acceso?
Un hilo de Hacker News pregunta por qué los laboratorios de IA no crean empresas con sus propios modelos. La respuesta dice más del negocio real de la IA que de sus benchmarks.
Imagen generada con IA
Si tuvieras una máquina capaz de crear una empresa rentable a partir de un prompt, ¿la alquilarías por token? Esa es la incómoda pregunta que plantea un hilo de Hacker News. Quien lo abre se pregunta si OpenAI o Anthropic ganarían mucho más dinero creando empresas que usen sus propios modelos, en lugar de vender el acceso a todos los demás.
Es una pregunta ingenua en el mejor sentido, y no tiene una respuesta cómoda. Creemos que la lectura de que «vender acceso es la señal» es en gran parte acertada, aunque requiere algún matiz.
La señal: nadie vende la gallina de los huevos de oro
Cuando OpenAI lanzó GPT-5, afirmó que, al usar razonamiento, el modelo era «comparable o mejor que los expertos en aproximadamente la mitad de los casos» en un benchmark interno de trabajo del conocimiento con valor económico, en más de 40 profesiones. Es una afirmación contundente. Pero «la mitad de los casos» en una prueba diseñada por el propio laboratorio no equivale a «dirigir una empresa sin supervisión». Una empresa no es una lista de tareas. Implica encontrar clientes, asumir responsabilidades, gestionar la llamada que sale mal a las 3 de la madrugada y acertar con un mercado durante años.
Si los modelos pudieran hacerlo de forma fiable, lo racional sería quedárselos en casa y acumular ventaja. Los laboratorios hacen lo contrario: venden la capacidad a todo el mundo. Lo interpretamos como preferencia revelada. No demuestra que los modelos sean débiles, pero sí sugiere que la distancia entre impresionar en un benchmark y ser autónomo en el mercado es mayor de lo que insinúa el márketing.
La mejor explicación es menos halagadora y más aburrida
Hay una segunda lectura, y conviene ser justos con ella. Puede que los laboratorios no creen empresas a diestro y siniestro porque están ocupados con otra apuesta: ser la plataforma. Un negocio de plataforma y una cartera de startups son trabajos distintos, con talento, riesgos y conflictos de interés diferentes. Si un laboratorio compitiera con sus propios clientes, estos podrían cambiar de proveedor.
Luego está el dinero. Según el relato de un artículo de Medium, que tomamos con cautela porque es una entrada de blog construida en torno a la transcripción de un chatbot, OpenAI perdió casi 8000 millones de dólares en 2025 y solo el 5 % de los 800 millones de usuarios de ChatGPT paga. Conviene tomar esas cifras como indicativas, no como auditadas. Si son más o menos correctas, la compañía no tiene un ejército de fundadores de sobra. Lucha por cubrir las facturas de computación y, según ese mismo artículo, ha empezado a probar anuncios en ChatGPT.
Mientras tanto, el capital es enorme. CNBC informa, citando a personas familiarizadas con la operación, de que OpenAI está levantando hasta 30 000 millones de dólares con una valoración de 1,25 billones de dólares, y de que en febrero dijo a los inversores que apuntaba a un gasto total en computación de unos 600 000 millones de dólares hasta 2030. Un negocio que gasta a esa escala necesita ingresos recurrentes y previsibles ya. El acceso medido a un modelo se los da. Una cartera de startups, muchas de las cuales probablemente fracasarían, no.
Qué significa para el resto
A nuestro juicio, el hilo pincha dos relatos a la vez. El primero es el de que «la IA sustituirá a las empresas». Si la sustitución estuviera cerca, las primeras empresas sustituidas serían las que los propios laboratorios podrían construir. El segundo es el de que «la AGI hace irrelevante la economía». Noah Smith cuenta que, cuando planteó sus dudas sobre los costes y la conversión en commodity a personas de OpenAI, actuales o antiguas, la respuesta fue que nada de eso importa porque OpenAI será la primera en llegar a la AGI. Eso es una fe, no un plan de negocio, y que la compañía siga vendiendo tokens sugiere que también se cubre las espaldas.
La lección práctica es para fundadores y compradores. Si construyes sobre un modelo, damos por hecho que los laboratorios no han encontrado la manera de hacer tu trabajo con él, porque si no, ya lo harían. Tu ventaja es la distribución, el conocimiento del sector y la responsabilidad, nada de lo cual aporta un modelo. Y si compras, recuerda que el modelo se está convirtiendo en un insumo básico: los modelos abiertos alcanzan cerca del 90 % del rendimiento de los cerrados a precios muy inferiores, según MIT Sloan, aunque la mayoría de los usuarios sigue pagando por los cerrados.
Veredicto
La pregunta no es una trampa, pero tampoco es una prueba. Vender acceso es lo que hace una empresa cuando el producto es valioso, los costes son brutales y la autonomía probablemente aún no existe. Hay que considerar no demostrada cualquier afirmación de que los modelos pueden dirigir negocios por sí solos hasta que un laboratorio apueste su propio balance por ello. Cuando llegue ese día, esperamos que nos lo digan dejando de vender, sin hacer ruido.
Aún no hay temas: abre el primero.
Más noticias
El escalofrío de la IA en bolsa: el mercado pide pruebas, no dicta sentencia
Otra caída global de las acciones de IA parece menos un rechazo a la tecnología y más una exigencia de ingresos duraderos en lugar de relatos de gasto.
Meta sigue superando previsiones de ingresos y Wall Street exige pruebas de que la IA da dinero
Meta volvió a superar su propia previsión de ingresos, pero su apuesta por la IA ya cuesta más de lo que el negocio genera en caja, y el mercado quiere ver resultados.
La promesa de Palantir de que no hay «kill switch» no resuelve la dependencia de Europa
Palantir asegura que nadie puede apagar el sistema Maven de la OTAN. Aunque sea cierto, a Europa le preocupa quién escribe, actualiza y opera el software que no sabe construir.
Los 5.000 despidos de Barclays: "IA" no debería ser un eufemismo de recorte de costes
Barclays recorta cerca del 5 % de su plantilla y lo atribuye a la IA, pero por lo que hemos visto no ha demostrado las mejoras de productividad. Que las pruebe antes de justificar despidos.



