#OpenAIAnnualRecurringRevenueNears$70B

OpenAI se acerca a unos ingresos anualizados de 70 mil millones de dólares, pero creo que la parte más interesante de esta historia ya no es la $70B en sí.

La verdadera pregunta es qué ocurre cuando una empresa crece tan rápido mientras el coste de respaldar ese crecimiento también se vuelve enorme.

Según Axios, los ingresos anualizados de OpenAI han aumentado más de un 70 % desde el comienzo del T3, hasta alcanzar casi 70 mil millones de dólares, mientras que las ventas empresariales se han más que duplicado desde julio. Su negocio de consumo también generó más ingresos durante el T3 que en todo 2025.

Es una aceleración extraordinaria.

Pero quiero separar la velocidad de los ingresos de la economía del negocio.

Un ritmo de ingresos anualizado no equivale a 70 mil millones de dólares de ingresos ya contabilizados durante un año completo. Toma un ritmo reciente de ingresos y lo proyecta hacia el futuro. Reuters también ha destacado por qué esta distinción es importante al evaluar empresas de IA de rápido crecimiento.

Así que, en lugar de preguntarnos si OpenAI puede alcanzar los 70 mil millones de dólares, creo que la próxima generación del debate sobre la valoración de la IA comienza con otra pregunta:

¿Cuánto valor económico puede crear OpenAI por cada dólar adicional de computación?

Esa pregunta se vuelve mucho más importante a medida que se acelera la adopción empresarial.

Los clientes empresariales ya no pagan simplemente para experimentar con un chatbot. La IA se está integrando en la programación, la investigación, la atención al cliente, el procesamiento de documentos, la productividad y, cada vez más, los flujos de trabajo autónomos. Si esas cargas de trabajo se integran en las operaciones empresariales diarias, los ingresos de la IA podrían volverse mucho más recurrentes y relevantes desde el punto de vista operativo.

Pero el crecimiento empresarial también crea un nuevo problema.

Más clientes significan más inferencia.

Más inferencia significa más GPU, memoria, redes, centros de datos y electricidad.

Y más computación significa que los ingresos tienen que crecer más rápido que el coste subyacente de generarlos.

Aquí es donde creo que la próxima fase de OpenAI se vuelve mucho más difícil.

Una empresa puede aumentar sus ingresos extremadamente rápido y aun así enfrentarse a una ecuación económica complicada si la infraestructura necesaria para respaldar a cada cliente adicional crece casi al mismo ritmo.

Por eso los planes de financiación comunicados de OpenAI son tan importantes. Bloomberg informó de que la empresa busca al menos 30 mil millones de dólares con una valoración de alrededor de 1,4 billones de dólares. Eso representaría un aumento importante frente a la valoración de aproximadamente 852 mil millones de dólares asociada a su ronda de financiación de marzo, aunque la nueva financiación sigue siendo un objetivo comunicado y no una transacción completada.

Ahora observemos las cifras en conjunto.

Casi $70B de ingresos anualizados.

Potencialmente $30B de capital adicional.

Un objetivo de valoración comunicado de alrededor de 1,4 billones de dólares.

Y un ecosistema de infraestructura de IA que requiere una inversión continua enorme.

Esto ya no es solo una historia de crecimiento de una empresa de software.

Se está convirtiendo en una historia de asignación de capital.

En última instancia, el mercado necesita entender qué parte de los ingresos de OpenAI puede convertirse en flujo de caja libre sostenible después de pagar la infraestructura informática necesaria para generarlos.

Y hay otra evolución que me parece especialmente interesante.

El director financiero de OpenAI ha estado promoviendo una forma diferente de pensar sobre la economía de la IA empresarial: inteligencia útil por dólar, en lugar de limitarse a medir el uso de la IA o el consumo de tokens. La idea es importante porque unos tokens más baratos no implican automáticamente una mejor economía. Lo que importa es si la IA realmente completa un trabajo valioso para el cliente.

Esa podría convertirse en una de las métricas más importantes en la próxima fase de la industria de la IA.

Imaginemos dos empresas que generan los mismos 10 mil millones de dólares de ingresos de IA.

Una necesita enormes recursos informáticos para generar esos ingresos.

La otra puede ofrecer el mismo valor empresarial con unos costes de inferencia drásticamente menores.

Sus cifras de ingresos parecerían idénticas.

Su economía no lo sería.

Por eso la caída de los costes de inferencia podría ser, en realidad, una de las evoluciones más alcistas para el negocio de la IA, incluso si una IA más barata presiona inicialmente los precios. Si el coste de producir inteligencia útil cae más rápido que los precios, el margen potencial puede expandirse.

Eso crea un bucle de retroalimentación fascinante.

Los mejores modelos aumentan la demanda.

Una mayor demanda genera más ingresos.

Más ingresos financian más infraestructura.

Más infraestructura mejora la disponibilidad y reduce el coste de la computación.

Unos costes informáticos más bajos hacen que la IA sea útil para más cargas de trabajo.

Más cargas de trabajo crean otra ola de demanda.

Si ese ciclo continúa, el enorme gasto actual en infraestructura empieza a parecer menos un coste y más los cimientos de una plataforma tecnológica mucho mayor.

Pero el escenario contrario también merece atención.

Si los clientes de IA se vuelven más sensibles a los precios, la competencia entre modelos impulsa los precios a la baja más rápido de lo que caen los costes de inferencia, o los compromisos de infraestructura crecen más rápido que la monetización, el crecimiento de los ingresos por sí solo no contará toda la historia.

Por eso no creo que el próximo debate sobre la valoración de la IA se resuelva con otro impresionante titular sobre los ingresos anualizados.

Se resolverá mediante la economía unitaria.

¿Cuánto cuesta atender a un cliente empresarial?

¿Con qué rapidez está cayendo el coste de inferencia?

¿Qué parte de los ingresos es recurrente?

¿Hasta qué punto está integrada la IA en los flujos de trabajo de los clientes?

¿Cuánta computación adicional se necesita por cada dólar de nuevos ingresos?

Y, en última instancia, ¿cuánto flujo de caja libre queda después de pagar la factura de infraestructura?

También existe una cuestión de calendario.

Según se ha informado, OpenAI está considerando ahora otra enorme ronda de financiación mientras opera simultáneamente en una industria en la que otras empresas de IA de vanguardia también están ampliando sus ingresos y su infraestructura a ritmos extraordinarios. Las últimas declaraciones de Anthropic, por ejemplo, revelaron cientos de miles de millones de dólares en compromisos de infraestructura futuros.

Eso nos dice algo importante sobre todo el sector.

La carrera de la IA ya no consiste simplemente en construir un modelo mejor.

Se está convirtiendo en una carrera entre el crecimiento de los ingresos, la eficiencia informática y la intensidad de capital.

Y esa es la métrica que observaría a partir de ahora.

La cifra de $70B demuestra que las empresas y los consumidores están dispuestos a gastar mucho dinero en IA.

La siguiente pregunta es mucho más difícil:

¿Puede OpenAI hacer que cada dólar adicional de ingresos de IA sea cada vez más rentable a medida que el sistema escala?

Si la respuesta acaba siendo afirmativa, la importancia económica del crecimiento de los ingresos actual podría ser mucho mayor de lo que sugiere el titular.

Si la respuesta es negativa, incluso un crecimiento extraordinario de los ingresos podría coexistir con unas necesidades de capital extraordinarias.

Por eso considero la cifra de $70B un punto de partida, no la conclusión.

La IA ya ha demostrado que la gente pagará por la inteligencia.

Ahora la industria tiene que demostrar que puede producir inteligencia útil a un coste económico.

Ahí es donde se decidirá el próximo debate de la IA valorado en billones de dólares.