OpenAI y Anthropic calculan sus ingresos de forma distinta, y eso resta precisión a las valoraciones

Los dos mayores desarrolladores independientes de modelos de frontera, OpenAI y Anthropic, calculan de forma distinta un mismo indicador de ingresos que el mercado sigue muy de cerca. Los inversores se apoyan en ese indicador para decidir cuál de las dos compañías vale más y cuántas veces más. Lo publica Bloomberg. Ambas siguen siendo privadas y no emiten para el mercado informes financieros auditados. Las cifras llegan al dominio público a través de sus propias declaraciones y de filtraciones, y no existe un estándar único de cálculo.

La nota de Bloomberg, en la versión de la que disponemos, es breve. No incluye importes concretos ni detalles de las metodologías, así que lo que sigue trata sobre la mecánica del problema y no sobre cifras exactas.

Por qué una misma palabra esconde números distintos

Los ingresos en los laboratorios de IA no son una magnitud tan simple como parece. Lo que más los modifica son unas cuantas decisiones sobre qué contabilizar y cómo. Las discrepancias aparecen con más frecuencia en estos puntos:

• Ingresos brutos o netos. Una parte de las ventas de modelos pasa por socios de nube. Se puede contar la suma completa que pagó el cliente o solo la parte que le queda al desarrollador después de liquidar con el proveedor de nube.
• Periodo de extrapolación. La estimación anual se obtiene multiplicando un mes por 12, una semana por 52 o incluso proyectando un pico corto a un año vista. Con un crecimiento rápido, la diferencia entre estos métodos es notable.
• Composición de los productos. El indicador puede incluir API, suscripciones de consumo, tarifas corporativas y acuerdos de licencia, o puede que no incluya todos.
• Descuentos y créditos. Los créditos gratuitos, los pilotos y las condiciones preferentes se reflejan de manera distinta en la cifra final.
• Contratos con compromisos. Los volúmenes prepagados y los acuerdos plurianuales pueden contabilizarse según el pago efectivo o según el calendario de reconocimiento.

Cada una de estas elecciones es defendible por separado. En conjunto producen dos números con la misma etiqueta que no se pueden poner uno al lado del otro.

Cómo una diferencia de metodología se convierte en una diferencia de valoración

Para las empresas de crecimiento rápido, la valoración casi siempre se deriva de un múltiplo sobre los ingresos. Un error en la base se escala junto con ese múltiplo. Un ejemplo hipotético: si uno de los participantes infla la base un 10% respecto al otro, con un múltiplo de 30 veces la brecha de valoración será mayor de lo que parece a primera vista y, en dólares absolutos, resultará muy elevada. En un mercado donde las rondas se cierran por decenas de miles de millones, esa imprecisión afecta a dinero real.

Hay también otra cara. Ambas compañías captan capital de forma constante, cierran acuerdos de nube y discuten los plazos de su salida a bolsa. Cualquier indicador de crecimiento se convierte en un argumento de negociación. Cuando las metodologías difieren, cada parte tiene la tentación de elegir para la comparación la que le resulte más favorable.

Conviene tener en cuenta, además, que ambas compañías dependen de los gigantes de la nube. Por ellos pasa una parte significativa de la distribución, y ahí es precisamente donde la cuestión de los ingresos brutos frente a los netos se plantea con más fuerza.

Cómo leer estas cifras

Mientras no exista un estándar, ayuda aplicar una disciplina sencilla. Antes de cualquier comparación, conviene averiguar qué ingresos se están citando: brutos o netos, del calendario real o extrapolados, con suscripciones de consumo o sin ellas. Las declaraciones de las compañías sobre sus «ingresos anuales» es mejor tomarlas como una referencia y no como un dato de un informe financiero.

A los inversores y a los clientes corporativos les resulta más útil fijarse en señales más estables: la evolución de los contratos corporativos, la proporción de ingresos recurrentes y la dependencia de un único socio de nube. Estos datos son más difíciles de ajustar a una métrica conveniente.

Cuando una de las compañías salga a bolsa, tendrá que revelar sus ingresos según las reglas del regulador, y entonces la comparación será honesta. Hasta ese momento, cualquier tabla de «OpenAI contra Anthropic» debe leerse con una salvedad: a izquierda y derecha pueden figurar magnitudes distintas.