Publicar

#Gate直通IPO第三期Anthropic ¿Qué vende exactamente Anthropic?



El 10 de noviembre de 2026, Anthropic inició la gira de presentación de su propuesta de salida a bolsa. Una gira de presentación es el proceso en el que una empresa explica a los inversores cómo hace negocios y cómo piensa crecer antes de una oferta pública inicial de acciones; no significa que ya cotice en bolsa. Esta gira nos ofrece una oportunidad poco común: además de saber qué puede hacer Claude, podemos ver cómo Anthropic vende esas capacidades, qué ha conseguido y qué está arriesgando para dar el siguiente paso. Yo entiendo Anthropic como una empresa que quiere convertir cada avance de sus modelos en un nuevo conjunto de tareas por el que los clientes estén dispuestos a seguir pagando. Para entenderla, hay que seguir el recorrido desde una solicitud de seguro hasta sus contratos de capacidad de cómputo y su consejo de administración.

01|¿Claude es un asistente de chat, pero Anthropic solo gana dinero con el chat?

Anthropic se fundó en 2021 por siete personas, entre ellas Dario Amodei y Daniela Amodei. En sus orígenes, era una empresa dedicada a la investigación de IA de frontera, y Claude es una serie de modelos que desarrolló. Hoy, el asistente de chat que todos usan en el móvil o en la web también se llama Claude. En el uso cotidiano no hace falta distinguir entre ambos, pero para entender el negocio hay que separar el modelo, el producto y la plataforma.

El modelo es la capa que proporciona las capacidades subyacentes. Lo que la gira presentó no fue un único modelo universal que sirva para todo, sino una gama de opciones que va desde modelos rápidos y baratos hasta otros especializados en tareas complejas. Por ejemplo, para clasificar muchos documentos por tema no hace falta usar el modelo más potente. Pero si se le pide a una IA que lea un programa desconocido, encuentre un problema, lo corrija y además supere las pruebas, un modelo más capaz puede evitar muchos rodeos. Lo que los clientes compran no es el número uno de una clasificación, sino la capacidad adecuada para la tarea que tienen entre manos.

El producto son las herramientas que desarrolla Anthropic. Una persona puede abrir Claude y chatear; un ingeniero puede usar Claude Code para modificar código dentro de un proyecto. La plataforma permite que otras empresas integren estas capacidades en sus propios productos: mediante una API, es decir, una interfaz que permite que distintos programas utilicen las capacidades de otros, sus sistemas pueden enviar tareas a Claude y recibir resultados. A veces, ni siquiera se ve el nombre de Claude; solo se nota que ahora se puede seguir trabajando en el mismo programa, sin tener que cambiar a otra herramienta para terminar la tarea.

Esta es también una de las ideas más prácticas de la gira, en mi opinión: llevar Claude al lugar donde los usuarios ya trabajan. Por ejemplo, integrarlo en Word o Excel, o incorporarlo mediante paquetes de software del sector a las herramientas que ya utilizan los abogados. Para quienes desarrollan productos, hay una diferencia muy concreta: ¿hacen que los usuarios trasladen sus materiales a una nueva ventana de chat cada vez, o les permiten continuar directamente en sus documentos, hojas de cálculo y sistemas habituales? La capa subyacente puede ser el mismo modelo, pero el segundo modo de uso tiene más posibilidades de convertirse en parte del trabajo cotidiano.

02|¿Por qué empezar por escribir código en vez de crear desde el principio un asistente universal?

En la gira, Anthropic contó un detalle: mientras desarrollaban Claude Code, el equipo vio que un modelo que todavía no se había lanzado entendía cada vez mejor el código, pero no esperó a que estuviera lo bastante maduro para empezar a crear una herramienta. Prepararon de antemano un producto que permitía al modelo trabajar dentro de proyectos de código. En febrero de 2025, Claude Code se lanzó junto con Claude 3.7 Sonnet como una versión preliminar de investigación de acceso limitado. Los ingenieros pueden pedirle que lea el código existente, modifique archivos, escriba y ejecute pruebas, y luego revisar lo que ha hecho.

Lanzamiento inicial de Claude Code[7]Por ejemplo: si le pides a un asistente de chat que corrija un problema de inicio de sesión, puede darte un fragmento de código que parezca bueno, pero tú tienes que incorporarlo al proyecto y comprobar si ha estropeado otra cosa. Con Claude Code, puede buscar primero los archivos pertinentes, ejecutar las pruebas existentes después de hacer los cambios y luego entregar las modificaciones para que una persona las revise. La diferencia no es que dé una respuesta más larga, sino que puede completar varios pasos dentro del ámbito de permisos que se le haya concedido y obtener comentarios.

A este tipo de IA se le suele llamar agente: no solo ofrece sugerencias, sino que usa herramientas para actuar. ¿Por qué empezar por la programación? Porque una parte considerable de los resultados se puede comprobar: si el programa se ejecuta, si las pruebas se superan y si se ha modificado algo que no debía tocarse. Claro que superar las pruebas no significa que se pueda publicar directamente, pero al menos hay formas de detectar algunos errores, en lugar de tener que leer una respuesta bien redactada y adivinar si es correcta. Para que la IA pase de responder preguntas a hacerse cargo de tareas, primero tiene que haber una manera de comprobar si ha hecho bien el trabajo.

Esto también forma parte de lo que Anthropic describe como el desarrollo conjunto del modelo y el producto. Primero, el modelo aprende de grandes cantidades de texto, artículos académicos y código; luego, practica cómo resolver problemas y usar herramientas en tareas donde recibe comentarios. Cuando el producto llega a usuarios reales, el equipo también puede ver con más facilidad dónde se atasca el modelo y decidir qué debe mejorar la siguiente generación. No todas las mejoras consisten en hacer un modelo más grande; a veces, lo que falta es leer los archivos correctos, ejecutar las pruebas adecuadas o detenerse a preguntar cuando no hay certeza. El modelo debe adquirir esas capacidades para que el producto pueda hacerse cargo de tareas más complejas.

Esta vía también aparece en otros tipos de trabajo. La farmacéutica Bristol Myers Squibb (BMS) puso un ejemplo en la gira: antes, un problema complejo podía requerir consultas en varias bases de datos y luego la elaboración de un informe, un proceso que podía tardar uno o dos meses. En el caso que presentaron, Claude pudo producir un informe en cuatro o cinco minutos. Esta comparación se refiere a una consulta y a la recopilación de información; que los ciclos de ensayo puedan acortarse entre un 20 % y un 30 % es una expectativa de BMS, no un resultado que ya se haya conseguido. Lo importante es que, antes de delegar una tarea así, una farmacéutica debe poder limitar quién accede a cada dato y ver cómo funciona el sistema.

03|¿Cómo se convierte la prueba de un equipo en la factura de toda una empresa?

En la gira, Anthropic trazó una ruta de adopción por parte de los clientes: normalmente empieza con una tarea concreta, como que un ingeniero use Claude Code para corregir un problema. Cuando los resultados son consistentes, empiezan a usarlo puestos de trabajo cercanos; después se integran más procesos y, finalmente, incluso se incorpora Claude a productos que la empresa vende a sus clientes. Esta es una ruta típica descrita por la empresa, no un camino que todos los clientes vayan a recorrer de principio a fin.

Accenture es un ejemplo fácil de entender. Usa Claude para su propio desarrollo de software y también lo integra en CyberAI, su plataforma de ciberseguridad para clientes. Accenture afirma que, tras desplegar la plataforma en sus propios sistemas de TI, el escaneo de seguridad pasó de tardar entre tres y cinco días a menos de una hora. La misma capacidad sirve tanto como herramienta para los ingenieros internos como para prestar servicios a los clientes. Una vez incorporada al proceso de entrega, cada cliente adicional puede generar más uso. Esto también explica por qué no se puede entender el negocio de Claude únicamente a partir de las suscripciones.

En los tres primeros trimestres de 2026, alrededor del 79 % de los ingresos de Anthropic procedió del cobro por uso, y el 21 % restante, aproximadamente, de las suscripciones. Es como si la factura de una empresa no dependiera solo de cuántas personas tienen una tarjeta de acceso, sino también de cuánto tiempo funciona cada equipo al día y cuánto trabajo procesa. Las empresas pueden conectarse directamente a la plataforma de Anthropic o hacerlo desde plataformas en la nube que ya conocen, como AWS, Google Cloud y Microsoft Azure. Usar los canales de compra y despliegue que los clientes ya utilizan ayuda a convertir las pruebas en operaciones formales.

Otra cifra de la gira que se puede malinterpretar es una tasa de retención neta de ingresos de aproximadamente el 900 %.

Dicho en palabras sencillas: los mismos clientes que aportaron ingresos en el tercer trimestre del año pasado y que cumplen los criterios estadísticos aportaron, en conjunto, alrededor de nueve veces más ingresos en el tercer trimestre de este año. No incluye algunos tipos de suscripciones personales de precio fijo, ni significa que cada cliente haya gastado nueve veces más. En el mismo periodo, había más de 11.900 clientes que habían generado al menos 100.000 dólares en ingresos durante el último año; esta cifra tampoco representa el total de clientes empresariales. Juntas, ambas cifras indican que hay más clientes de gran tamaño y que el mismo grupo de clientes gasta más en conjunto, pero no nos dicen cuánto tiempo podrá mantenerse ese crecimiento.

04|Si los modelos son cada vez más eficientes, ¿por qué hay que comprar tanta capacidad de cómputo por adelantado?

La capacidad de cómputo es la potencia de cálculo que proporcionan los chips y los centros de datos. Entrenar modelos requiere capacidad de cómputo; cada vez que un cliente pide a Claude que escriba código o lea un informe, también se necesita capacidad de cómputo. Lo primero se parece a desarrollar un producto; lo segundo, a prestar un servicio a los clientes una y otra vez. Anthropic también utiliza Claude para su propia investigación y desarrollo y para sus operaciones, y consume recursos de esa misma reserva.

En la gira, la empresa dijo que había tomado dos medidas. La primera es ampliar las fuentes de capacidad de cómputo: escribe software de adaptación para distintos chips y coordina recursos de varios proveedores. Además de comprar servicios en la nube, también alquila chips directamente a través de Anthropic Direct, que funcionan en centros de datos operados específicamente para la empresa. Así puede reservar con antelación capacidad de centros de datos, cuya construcción lleva más tiempo, y decidir qué chips instalar y en qué cantidad cuando tenga más claro cuál será la demanda.

La segunda medida consiste en hacer más con los recursos existentes. La gira presentó un supuesto: si antes se necesitaban 100 unidades de capacidad de cómputo para entrenar una capacidad determinada y, tras mejorar los métodos, la eficiencia se multiplicara por cuatro, solo harían falta 25 unidades; o bien, se podrían seguir usando 100 unidades para entrenar un modelo que antes estaba fuera de alcance. El factor de cuatro es un ejemplo para explicar el principio, no significa que ya se haya ahorrado tres cuartas partes de los recursos en todas las tareas. Un caso interno más concreto es el de Mythos: Anthropic dice que lo utilizó para adaptar chips de AMD y que pudo poner Claude en funcionamiento en unos tres días. Este caso muestra que la IA ya está ayudando a los equipos de investigación y desarrollo a mejorar algunas partes de la infraestructura, pero no significa que el modelo ya pueda entrenar, validar y lanzar por sí solo una nueva generación de sí mismo.

Aunque cada tarea cueste menos, la factura total de la empresa puede crecer. Anthropic dio una comparación concreta: según sus cálculos, el coste de usar Opus 5.5 en tareas típicas es aproximadamente un 40 % menor que el de Opus 5. Pero si consultar un informe cuesta menos, las empresas podrían dejar de usarlo solo en la sede central y extenderlo a equipos de distintas regiones. También pueden empezar a realizar tareas que antes eran demasiado caras o difíciles de sacar adelante. Que el modelo consuma un poco menos de capacidad de cómputo cada vez no significa que el sistema entero vaya a consumir menos.

La dificultad es que no se puede esperar a que los clientes hagan cola para construir capacidad de cómputo. Anthropic reveló que suele contratarla con entre 12 y 18 meses de antelación; los recursos que se compran a última hora cuestan más. Según la información del prospecto del 10 de noviembre, el total de los compromisos firmados de compra y arrendamiento de la empresa asciende a unos 900.900 millones de dólares, casi todos relacionados con capacidad de cómputo e infraestructura y repartidos a lo largo de varios años. Algunos contratos también están sujetos a condiciones previas o contemplan mecanismos de rescisión. No es efectivo que ya se haya desembolsado, ni equivale a deuda corriente por el mismo monto. La verdadera dificultad es que muchos clientes no se comprometen a un volumen de uso a largo plazo, mientras que la empresa sí tiene que comprometerse con sus proveedores: si compra poco, tendrá que pagar precios altos para conseguir más recursos cuando aumente la demanda; si compra demasiado, podría seguir pagando por recursos sin utilizar cuando la demanda se ralentice.

05|Si los ingresos trimestrales rondan los 17.000 millones de dólares, ¿por qué no se puede decir que ya es rentable?

La cifra más llamativa de la gira es que los ingresos de Anthropic en el tercer trimestre de 2026 rondaron los 17.000 millones de dólares, más de 12 veces los del mismo periodo del año anterior. Pero los ingresos son el valor de lo que una empresa contabiliza como vendido según las normas contables, no lo que ha recibido en su cuenta bancaria y mucho menos lo que le queda al final. Para saber si el negocio funciona, hay que analizar al menos tres aspectos por separado.

Primero, el beneficio operativo real. Según los principios contables generalmente aceptados en Estados Unidos (GAAP), Anthropic registró una pérdida operativa de unos 567 millones de dólares ese trimestre, con un margen operativo de alrededor del -3 %. En cambio, la empresa declaró un margen operativo ajustado de aproximadamente el 15 %.

¿Cómo puede uno ser positivo y el otro negativo? La segunda medida excluye dos gastos principales: la remuneración en acciones para los empleados y los gastos no monetarios derivados de donaciones realizadas con acciones de la empresa. La medida ajustada ayuda a analizar el desempeño operativo excluyendo esas partidas, pero que no se paguen en efectivo en ese momento no significa que no tengan un coste.

Segundo, cómo entra y sale el efectivo. El mismo prospecto muestra que, en los tres primeros trimestres de 2026, el flujo neto de efectivo generado por las actividades operativas fue positivo, de unos 6.569 millones de dólares. Esta cifra no corresponde únicamente al tercer trimestre y no se puede considerar el dinero que quedará disponible después de invertir en equipos e infraestructura. Por otro lado, tampoco se puede decir que la empresa quemara unos 23.300 millones de dólares en efectivo solo porque su pérdida neta del tercer trimestre fuera de esa cantidad: unos 21.900 millones de dólares correspondieron a ajustes contables no monetarios, derivados de cambios en la valoración de instrumentos de financiación como los bonos convertibles.

Tercero, si el crecimiento está haciendo que el negocio sea menos costoso de operar. El objetivo a largo plazo que plantea la empresa es superar un margen operativo ajustado del 35 %, siempre que mejore la eficiencia de la capacidad de cómputo, optimice la estructura de compras y reduzca también la proporción de otros gastos respecto de los ingresos.

Sin embargo, las cifras operativas actuales no muestran una tendencia ascendente continua: el margen operativo ajustado fue de alrededor del 19 % en el segundo trimestre y cayó a aproximadamente el 15 % en el tercero. En el prospecto, la empresa explica que durante el tercer trimestre entregó unos 5.000 millones de dólares en capacidad de cómputo contratada a corto plazo, que suele ser más cara. Que la demanda llegue rápido es una buena señal, pero atenderla puede requerir primero asumir costes más altos. Esto resulta más interesante que ponerle a la empresa la etiqueta de «ya es rentable» o «sigue quemando efectivo».

Los clientes pueden estar dispuestos a pagar más, una medida de rentabilidad puede ser positiva y, al mismo tiempo, la empresa puede necesitar invertir grandes sumas en el futuro. Por eso no es difícil entender que, aunque sus ingresos crezcan tan rápido, la empresa siga buscando financiación: parte de la capacidad de cómputo debe financiarse antes de que empiece a generar ingresos. Anthropic tiene que demostrar que, a medida que más clientes confían más tareas a Claude, el dinero que gana puede cubrir de forma sostenida los costes del negocio, y no solo cuadrar las cuentas en un trimestre favorable.

06|Si vende una IA más potente, ¿por qué no pone todas sus capacidades más avanzadas a disposición de todos?

Mozilla, la empresa detrás del navegador Firefox, corrigió en Firefox 150 271 problemas de seguridad detectados por Claude Mythos Preview. La propia retrospectiva de Mozilla es más interesante que la cifra: después de que el modelo detecta un posible problema, el equipo todavía tiene que evaluar su gravedad, eliminar informes duplicados, escribir un parche, probarlo y publicarlo. El modelo acelera la detección de problemas, pero los ingenieros no desaparecen del proceso; al contrario, tienen que encontrar la manera de procesar un mayor número de hallazgos.

La misma capacidad que permite a quienes defienden los sistemas buscar vulnerabilidades también puede ayudar a quienes atacan a encontrar puntos de entrada. Por eso, dentro del Project Glasswing, Anthropic dio primero acceso controlado a Mythos Preview a socios de defensa, en vez de ponerlo directamente a disposición de todo el mundo. En noviembre de 2026, las versiones Fable 5.2 y Mythos 5.2 que presentó la empresa procedían del mismo modelo subyacente: Fable, con protecciones más estrictas en ciberseguridad y bioseguridad, se ofrece ampliamente; Mythos, en cambio, se pone a disposición mediante canales verificados para usos de ciberseguridad o ciencias de la vida que cumplan los requisitos. Que algo sea técnicamente posible, quién puede usarlo y quién responde por los resultados son tres preguntas distintas.

En la ciencia se aplica la misma lógica. Anthropic ha descrito un experimento en el que Claude detectó una secuencia repetida anómala entre grandes cantidades de datos genéticos. Luego, los investigadores realizaron una verificación preliminar en el laboratorio; todavía queda por investigar cómo funciona exactamente ese sistema. El Laboratorio de Propulsión a Chorro de la NASA también reveló que Claude participó en la planificación de rutas para el rover Perseverance en Marte, pero el equipo de ingeniería comprobó las instrucciones con un rover virtual antes de enviarlas a Marte. Lo más interesante de estos ejemplos no es que la IA ya pueda trabajar de forma independiente como científica o conducir un rover, sino que puede ampliar el campo de lo que las personas pueden explorar, mientras los resultados importantes siguen siendo verificables.

Según la empresa, la seguridad no consiste únicamente en añadir una barrera antes de lanzar un modelo. También implica enseñar al modelo durante el entrenamiento cómo responder a solicitudes dañinas e investigar por qué aparece cierto comportamiento en su interior. Para las empresas, esto tampoco es lo mismo que preguntar «¿puede el sistema acceder a un archivo?» o «¿se puede investigar lo ocurrido si algo sale mal?»: una cosa es el comportamiento del propio modelo y otra son los permisos y las responsabilidades cuando se despliega en un entorno de trabajo real.

En cuanto a quién puede tomar decisiones cuando hay presiones comerciales, Anthropic cuenta además con una estructura de gobernanza corporativa. Está constituida como una sociedad de beneficio público conforme a las leyes del estado de Delaware, en Estados Unidos: puede tener ánimo de lucro, pero también tiene la responsabilidad de tomar en cuenta el interés público. Según lo descrito en el prospecto, si se completa esta oferta, el fideicomiso de interés a largo plazo que posee acciones especiales podrá, por regla general, nombrar o destituir a cuatro de los siete miembros del consejo de administración, pero no se ocupará de las operaciones diarias ni aprobará cada lanzamiento de un modelo. Vale la pena prestar atención a esta estructura, pero no garantiza que la empresa siempre vaya a tomar las decisiones correctas.

Limitar el acceso podría reducir las ventas de algunos servicios, y hacer más pruebas de seguridad también cuesta dinero. Por otro lado, explicar los permisos, las auditorías y las responsabilidades puede ayudar a que más clientes se atrevan a integrar la IA en tareas importantes. Conviene tener presentes ambas caras.

Volvamos a aquella solicitud de seguro del principio. Después de que la IA organiza los documentos, el suscriptor sigue tomando la decisión. Pero esa tarea, que antes llevaba mucho tiempo, ya se ha redistribuido: la máquina se ocupa de lo que sabe hacer y la persona puede dedicar su tiempo a lo que requiere criterio profesional. Para Anthropic, si este cambio se produce en más tipos de trabajo y el coste de entregar cada resultado fiable no se descontrola, lo que vende no es solo un asistente de chat fácil de usar.

Así que, después de la gira, seguiré observando tres cosas: si los clientes actuales están dispuestos a confiar a Claude tareas más importantes; si sigue bajando el coste total de completar una tarea de forma fiable, incluido el trabajo de revisión humana y repetición; y qué hará la empresa cuando la seguridad y el crecimiento entren realmente en conflicto.

Estas tres cosas dicen más sobre el futuro de la empresa que lo impresionante que sea una demostración o lo rápido que crezcan sus ingresos en un trimestre. Si estás pensando en incorporar IA a tu equipo, también puedes empezar por la misma pregunta: ¿cuál es la próxima tarea que vale la pena delegar? Si algo sale mal, ¿quién se dará cuenta y quién se hará cargo?
Ver original
Esta página contiene contenido de terceros y no constituye ningún tipo de asesoramiento, ni implica que Gate respalde dichas opiniones. Para más información, consulta el aviso legal.
BMYBMY+1,74%
ACNACN+0,21%
GOOGLGOOGL-0,98%
MSFTMSFT+0,22%


Añadir un comentario
Añadir un comentario

Comentar 4
North Star Alpha
El análisis del profesor Shanding es muy completo.
This is translate content : Mountain Peak RyakAutor
北辰老师早ノ☀
coin rely on universal
¿A quién ves como creador del año? 🏆
Spicy hand coins
¿A quién ves como favorito para creador del año? 🏆