Los inversores esperan de las IPO de OpenAI y Anthropic cifras transparentes sobre la economía de la IA

Los inversores exigen cada vez con más insistencia que se demuestre que el gasto de miles de millones de dólares en IA genera retorno. Lo dijo el 12 de octubre de 2026 David Fetherstonhaugh, gestor de carteras de VistaShares y principal en DVX Ventures, en una entrevista en Bloomberg Tech con Ed Ludlow. Su idea central: los actores más influyentes del sector, OpenAI y Anthropic, siguen siendo empresas privadas, y por eso una parte clave de la economía de la IA permanece cerrada al mercado. Sus futuras IPO podrían cambiarlo.

En la entrevista no se dieron cifras concretas ni se mencionaron plazos para las salidas a bolsa. Es más una tesis sobre lo que le falta al mercado que una noticia sobre la presentación de documentos.

Dónde está la oscuridad en la economía de la IA

La cadena de valor de la IA es larga. En un extremo están los fabricantes de chips, los proveedores de nube y los constructores de centros de datos, que publican sus resultados. Sus ingresos y su gasto de capital se ven trimestre a trimestre. En el otro extremo están las aplicaciones y los servicios, que deben convertir la computación en dinero. En medio se sitúan los desarrolladores de modelos de frontera, y es ahí donde hay menos datos.

De ahí el desequilibrio. El gasto en infraestructura es observable, mientras que los ingresos que deberían justificarlo se conocen por filtraciones, entrevistas y alguna rara divulgación. Mientras OpenAI y Anthropic no publiquen informes financieros auditados, el inversor no puede comprobar hasta qué punto la demanda se corresponde con la escala de la capacidad ya construida y contratada.

Qué obligaría a revelar una IPO

Una empresa cotizada debe presentar sus cifras con los estándares del regulador, y eso cambia la calidad de la información. Para laboratorios que gastan sumas enormes en entrenar modelos y en inferencia, el conjunto de métricas sería revelador:

• ingresos desglosados por producto: suscripciones, API, contratos corporativos;
• margen bruto teniendo en cuenta el coste de la inferencia;
• compromisos de compra de capacidad de cómputo a proveedores de nube y fabricantes de chips;
• costes de entrenamiento de nuevos modelos y su peso en los gastos operativos;
• concentración de clientes y dependencia de unos pocos contratos grandes;
• evolución del flujo de caja y necesidad de nuevo capital.

Hoy cada una de estas partidas se estima a ojo. Tras la salida a bolsa se podría comparar año contra año y con los competidores.

El efecto en toda la cadena

La transparencia de los laboratorios no interesa solo a sus propios accionistas. Los resultados de OpenAI o Anthropic servirían de referencia para los proveedores de chips, nube y energía, cuyas inversiones dependen de que exista una demanda solvente. Si el margen de la inferencia resulta alto y los ingresos crecen más rápido que los costes, se reforzarán los argumentos a favor del capex actual. Si ocurre lo contrario, la revalorización a la baja afectará no solo a los propios laboratorios, sino a todos los que construyen capacidad para ellos.

Eso es justo lo que, según la lógica de Fetherstonhaugh, espera el mercado: datos verificables, no más declaraciones sobre la escala.

Qué seguir en la práctica

Mientras no haya salidas a bolsa, hay que guiarse por señales indirectas.

• Resultados de los proveedores de nube y los fabricantes de chips. El crecimiento de la cartera de pedidos y los comentarios sobre clientes del ámbito de los laboratorios muestran cómo crece la demanda.
• Precios de las API. Una bajada del precio de los tokens con una carga creciente apunta a una mejora de la economía unitaria; mantener los precios en un contexto de escasez de capacidad indica lo contrario.
• Contratos corporativos. Que las empresas pasen de los pilotos a despliegues a gran escala es una señal más fiable que el número de usuarios de los chatbots.
• Condiciones de las nuevas rondas de financiación. Revelan cómo valoran los inversores el retorno incluso antes de la salida a bolsa.

Para los equipos que eligen proveedor de modelos, la conclusión es pragmática: conviene prever el riesgo de cambios en precios y condiciones mientras la economía de los laboratorios no esté comprobada por información financiera pública. Y para los inversores, la pregunta principal sigue siendo la misma: cuándo empezarán los ingresos a alcanzar a los gastos y cuánto tiempo más permanecerá esto oculto tras el estatus privado.