¿Y si todo esto no fuera sostenible? El lado incómodo de la IA

La innovación no se mide por cuántos modelos entrenamos, sino por cuánto valor sostenemos cuando se apaga la euforia.

Vivimos una era en la que la inteligencia artificial se presenta como la gran promesa del futuro. Los titulares celebran inversiones multimillonarias, avances sorprendentes y una supuesta revolución que transformará la productividad. Sin embargo, al revisar los resultados financieros, aparece un contraste evidente: la mayoría de las empresas que desarrollan y proveen estas tecnologías aún no generan utilidades.

OpenAI, Anthropic, Cohere y Mistral crecen en ingresos, pero no en beneficios. El costo de entrenar modelos, mantener infraestructura y sostener la operación supera con creces lo que se gana. Según reportes de LessWrong y Bloomberg, OpenAI registró pérdidas por más de 5 mil millones de dólares en 2024, y no espera alcanzar rentabilidad hasta llegar a los 125 mil millones de dólares en ingresos anuales (lesswrong.com, saastr.com).

Anthropic, a pesar de su valuación superior a los 60 mil millones de dólares, sigue operando con pérdidas significativas y considera la rentabilidad como un objetivo lejano (venturebeat.com). Cohere, por su parte, duplicó sus ingresos anualizados hasta alcanzar los 100 millones de dólares en 2025, pero su propio CEO admitió que aún “no están lejos” de la rentabilidad, lo que en realidad significa que todavía no la han alcanzado (reuters.com, betakit.com).

Incluso Mistral AI, una de las startups más mediáticas de Europa, alcanzó ingresos estimados de 30 millones de dólares en 2024, una cifra ínfima frente a su valoración multimillonaria, con más de 180 veces sus ingresos actuales (pymnts.com, sifted.eu).

A esto se suma otro desafío estructural: la base de suscriptores de pago aún no es suficiente para sostener el ecosistema económico de estas plataformas. La mayoría de los usuarios sigue utilizando versiones gratuitas, lo que deja a las compañías con una brecha significativa entre el costo de operación y los ingresos recurrentes. Aunque el número de usuarios ha crecido de forma explosiva, el porcentaje que realmente paga sigue siendo reducido.

En términos de negocio, esto significa que la demanda masiva no se traduce en flujo de efectivo estable. Muchas empresas de IA dependen de inversionistas o acuerdos corporativos para cubrir su gasto operativo, mientras el grueso de la base de usuarios disfruta del servicio sin contribuir directamente a su sostenibilidad. Esta situación genera un desequilibrio que pone en duda la viabilidad del modelo actual: el valor percibido crece más rápido que la capacidad de monetización real.

Esta falta de rentabilidad no solo es un problema interno, sino un riesgo sistémico. Si las empresas proveedoras de inteligencia artificial no logran equilibrar sus finanzas, se pone en peligro la continuidad de los servicios, la estabilidad de los ecosistemas que dependen de ellos y la confianza de las organizaciones que los usan como base para sus propias transformaciones. La falta de utilidades en quienes sostienen la infraestructura de la IA podría traducirse en disrupciones inesperadas, encarecimiento de servicios o incluso el colapso de modelos sobre los cuales muchas compañías ya están construyendo su futuro digital.

El verdadero dilema no está en la tecnología, sino en su sostenibilidad. ¿Qué pasa si el motor de esta nueva era no puede financiar su propio movimiento? Si la rentabilidad no llega, podríamos estar construyendo sobre cimientos frágiles. Miles de proyectos podrían quedar inconclusos, y muchas empresas usuarias enfrentarían dependencia tecnológica o la pérdida de inversiones en plataformas que no logren sobrevivir.

Sin embargo, tampoco podemos caer en la parálisis por desconfianza. El miedo a equivocarse es también un riesgo que puede inmovilizar a las organizaciones. Esperar a que todo sea seguro es, en sí mismo, una forma de quedarse atrás. La respuesta está en avanzar con propósito, no con prisa. Adoptar tecnologías con sentido, probando, validando y midiendo resultados, sin perder de vista el impacto humano y operativo.

La inteligencia artificial puede ser un acelerador poderoso, pero solo si se integra en una estrategia con sentido. No hay transformación digital sin comprensión del negocio. Por eso el orden correcto sigue siendo el mismo: personas, procesos y tecnología. Cuando una organización entiende su ADN, puede decidir con claridad qué herramientas fortalecen su propósito y cuáles solo lo distraen.

La falta de rentabilidad de los grandes proveedores de IA nos recuerda algo esencial: la innovación necesita cimientos sólidos. No basta con crear modelos que impresionen; hay que crear valor que perdure. El reto no es tener más inteligencia artificial, sino más inteligencia humana para decidir cómo y por qué usarla.

La verdadera revolución no llegará el día que la IA piense por nosotros, sino el día que aprendamos a pensar con conciencia sobre lo que construimos con ella.