La carrera de la IA: la frontera es económica
Los laboratorios que desarrollan los modelos de inteligencia artificial más avanzados enfrentan una paradoja financiera: necesitan seguir invirtiendo para no perder la frontera tecnológica, pero cada nueva generación llega más rápido, cuesta más desarrollarla y reduce el precio que pueden cobrar por la anterior.
La discusión sobre si la inteligencia artificial debe avanzar más despacio suele plantearse como un debate sobre seguridad. Los riesgos de modelos cada vez más capaces, desde usos maliciosos hasta comportamientos difíciles de controlar, forman parte central del argumento de quienes piden mecanismos de coordinación entre gobiernos y empresas.
Pero existe otra dimensión menos visible: la economía. Los laboratorios que desarrollan modelos de frontera tienen incentivos financieros para apoyar reglas que ralenticen el ritmo de llegada de nuevos competidores.
La tesis no niega que investigadores y ejecutivos puedan estar genuinamente preocupados por la seguridad. Lo que plantea es que esas preocupaciones conviven con un interés comercial concreto: extender la vida económica de los modelos existentes, proteger sus primas de precio y reducir la presión de financiar continuamente nuevas generaciones de sistemas.
El argumento adquiere mayor peso cuando se observa la velocidad con la que está cayendo el precio de la inteligencia artificial.
La inteligencia se abarata a una velocidad difícil de sostener
Según el análisis, el precio necesario para comprar aproximadamente el mismo nivel de capacidad de un modelo se ha reducido a la mitad cada 46 días. La estimación se basa en historiales de modelos y configuraciones evaluados mediante el Intelligence Index de Artificial Analysis.
La metodología utiliza cinco lanzamientos con al menos 90 días de historial y calcula una vida media de precio de 45,82 días, que el sitio redondea a 46. Una comprobación de sensibilidad que exige igualar o superar exactamente la puntuación del modelo de referencia lleva esa vida media a aproximadamente 50 días. El propio análisis advierte que se trata de una estimación histórica y no de un indicador directo de ingresos o rentabilidad de los laboratorios.
La fotografía competitiva del 13 de septiembre resulta todavía más reveladora. GPT-6 Astra, con alto esfuerzo, registró una puntuación de 51,05, mientras Fable 5 con fallback obtuvo 49,70. En otra configuración, Fable 5.1 alcanzó 53,37 con un costo de US$7,63 por tarea, mientras Astra en máximo esfuerzo llegó a 52,81 por US$3,26.
El análisis señala que Fable costaba 2,3 veces más para conseguir apenas 0,56 puntos adicionales en ese índice. Pero también advierte que el benchmark no permite determinar cuánto estaría dispuesto a pagar realmente un cliente por esa diferencia.
La consecuencia económica es importante: cuando aparece un modelo más barato capaz de hacer prácticamente lo mismo, el producto anterior pierde capacidad para sostener una prima. Para un laboratorio que acaba de invertir miles de millones en investigación, entrenamiento y capacidad computacional, la presión es inmediata.
Una carrera en la que ganar también puede ser caro
El análisis describe un ciclo de tres etapas.
Primero, los laboratorios invierten para obtener una ventaja tecnológica. Si aumentar el tamaño de los entrenamientos continúa siendo una vía efectiva para mejorar el rendimiento, los competidores están obligados a incrementar también sus inversiones.
Después, los rivales alcanzan parte de esa ventaja. Aparecen sustitutos más baratos y los precios empiezan a caer, reduciendo los márgenes si los costos de servir cada consulta no disminuyen al mismo ritmo.
Finalmente, el laboratorio vuelve a invertir para recuperar la ventaja perdida.
Es un ciclo que puede convertirse en una espiral cada vez más costosa: cada generación exige una inversión mayor, pero el tiempo durante el cual esa ventaja permite cobrar una prima puede ser cada vez menor.
Los números utilizados para ilustrar esa tensión son contundentes. El análisis recoge que OpenAI registró en 2025 US$13,07 mil millones en ingresos, US$5,57 mil millones de beneficio bruto y US$19,18 mil millones en gastos de investigación y desarrollo. El beneficio bruto cubrió aproximadamente 29% del gasto de I+D.
El margen bruto, además, habría aumentado de aproximadamente 28% en 2024 a 43% en 2025, pero ese incremento no fue suficiente para cubrir el volumen de inversión en investigación.
El punto no es afirmar que una empresa determinada necesite frenar para sobrevivir. El propio análisis reconoce que sus cálculos contienen supuestos y que no constituyen una predicción de quiebra ni una estimación del equilibrio futuro del mercado.
El problema es estructural: la frontera tecnológica avanza más rápido que la capacidad de recuperar económicamente la inversión anterior.
El experimento de los tres años
Para mostrar esa tensión, el análisis construye un escenario financiero de 36 meses.
Parte de una facturación anualizada de US$40.000 millones, un margen de contribución inicial de 40% después de costos de servicio y un primer presupuesto de desarrollo de US$10.000 millones.
Cada nuevo presupuesto aumenta 25%. El volumen de tareas vendidas crece 50% anual, mientras el precio por tarea cae 30% anual y el costo de servirla disminuye 20% anual.
Con lanzamientos cada seis meses, el escenario contempla seis rondas de desarrollo durante 36 meses. El gasto de desarrollo acumulado llega a US$112.600 millones, mientras la contribución de los clientes suma US$33.400 millones. El déficit máximo de financiamiento alcanza US$79.200 millones.
La contribución de clientes frente a los pagos de desarrollo en el tercer año sería de apenas US$7.300 millones frente a US$54.900 millones, aproximadamente 13%. El margen de contribución terminaría en 10%, frente al 40% inicial.
Cuando el intervalo entre lanzamientos aumenta, el resultado cambia bajo los mismos supuestos. Con lanzamientos cada 10,5 meses, habría tres rondas completas y una en progreso, con un déficit máximo de US$15.900 millones y US$8.400 millones pendientes después del mes 36.
Con lanzamientos cada 15 meses, se completarían dos rondas y una tercera estaría en progreso. El déficit máximo sería de US$2.500 millones y el balance al final del período mostraría un excedente de US$2.300 millones, con US$7.000 millones todavía pendientes de pago.
El análisis es explícito en una cuestión fundamental: esos escenarios no pretenden demostrar que ralentizar el desarrollo sea una política económicamente óptima. Son pruebas de estrés construidas a partir de supuestos.
Comentarios