A finales de 2024, Yu Liu, cofundador de Heidi, se sorprendió al descubrir que estaba gastando hasta 3 millones de dólares mensuales en los últimos modelos de OpenAI, Anthropic y Google para impulsar su startup de toma de notas para médicos. «Obteníamos buenos ingresos, pero si restaba nuestros gastos en IA, apenas teníamos margen de ganancia», afirma Liu.
Al principio, Liu ignoró los precios exorbitantes, esperando que los laboratorios de IA los redujeran a medida que la inteligencia artificial se volviera más accesible y económica. Pero no fue así. En cambio, las facturas no dejaban de acumularse. A mediados de 2025, se hartó. Recurrió a otra startup, Fireworks, con sede en San Mateo, California, que ayudó a Heidi
a crear su propia IA, más barata, utilizando los 280 modelos abiertos alojados en el sitio web de Fireworks. A diferencia de los costosos modelos prefabricados de los grandes laboratorios estadounidenses, los desarrolladores pueden ajustar el rendimiento de estos modelos alimentándolos con datos, creando modelos personalizados que reducen los costos.
Al trasladar el 95 % de la carga de trabajo de su startup a modelos especializados de libre acceso, Liu afirma haber reducido su factura mensual de IA en casi un 90 %. Esto supone un ahorro considerable para su empresa, que facturó 4,1 millones de dólares en abril. Además, hubo otras ventajas: mientras que un modelo estándar tardaba 25 segundos en generar transcripciones durante las horas punta, el modelo personalizado de Heidi podía hacerlo prácticamente al instante.
El impacto económico de la IA se ha convertido en el tema de moda en el mundo empresarial estadounidense. Durante los últimos años, las empresas impusieron a sus empleados una única condición: utilizar la IA al máximo. Los incentivos se volvieron perversos. Las evaluaciones de desempeño premiaban a los trabajadores que gastaban grandes cantidades de tokens, la unidad estándar para el uso de la IA. En las clasificaciones internas, los empleados obsesionados con las bonificaciones y con maximizar el uso de tokens competían entre sí por títulos como «leyenda de los tokens» y «dios de la IA».
Luego llegó la factura. Uber, como es bien sabido, agotó todo su presupuesto de IA para 2026 en tan solo cuatro meses utilizando Claude Code, la herramienta de codificación de Anthropic. Según se informa, Amazon gastó 1,8 millones de dólares en un proyecto de Claude que nunca se lanzó. Salesforce prevé una factura de 300 millones de dólares por Anthropic este año. «No es sostenible», afirma Kay Zhu, directora de tecnología de Genspark, empresa que desarrolla herramientas de IA para profesionales del conocimiento.
Pero es comprensible. Alarmadas por el ritmo del progreso, las empresas se apresuran a adoptar la IA, tanto capacitando a sus empleados como integrándola en sus productos. «No quieren quedarse atrás», afirma Matt Murphy, socio de Menlo Ventures. Sin embargo, también deben afrontar los elevados costes asociados. La IA es intrínsecamente costosa porque consume enormes cantidades de recursos (GPU, electricidad, agua, bienes raíces), todo lo cual cuesta muchísimo dinero. Un solo centro de datos de un gigavatio puede costar más de 40.000 millones de dólares. Actualmente, Estados Unidos está construyendo más de 1.500 centros de datos, con un coste total de 2,3 billones de dólares . «Esto modifica significativamente la estructura de costes empresariales», afirma Lin Qiao, CEO y cofundador de Fireworks. Para las empresas que desarrollan productos que utilizan IA, esto puede convertirse en un problema evidente a medida que escalan de cientos a miles y millones de usuarios. «Cuando se alcanza la adecuación producto-mercado, un escenario posible es la quiebra», concluye Qiao.
Gartner pronostica que el gasto global en IA alcanzará los 2,6 billones de dólares este año, o el 2 % del PIB mundial. En agosto, Nvidia cerró un acuerdo con seis gigantes de Wall Street, incluidos Blackstone y Goldman Sachs, para obtener 500 mil millones de dólares en financiación para IA. Todo se basa en una premisa: que habrá una demanda casi ilimitada, suficiente para justificarlo todo. Entre OpenAI y Anthropic han recaudado 310 mil millones de dólares en financiación de capital riesgo. La necesitan porque sus productos de IA son increíblemente caros de desarrollar y operar. Están creciendo rápidamente, con unos ingresos estimados en los últimos 12 meses de alrededor de 25 mil millones de dólares cada una, pero eso no se acerca ni de lejos a la cantidad que están gastando.
«Las empresas ni siquiera saben cuánto gastan en cada consulta.
Y si lo supieran, se horrorizarían», afirma Anastasios Angelopoulos, director ejecutivo de Arena, un sitio web que evalúa modelos según su rendimiento y precio. Ahora, con billones de dólares invertidos en el desarrollo de infraestructura, la frenética carrera entre las empresas por reducir los costes de la IA plantea la siguiente pregunta: ¿Habrá finalmente suficiente demanda para que los cálculos cuadren para los laboratorios de IA de primer nivel?
Al fin y al cabo, existen alternativas mucho más económicas a los costosos modelos de vanguardia de OpenAI y Anthropic. Empresas chinas como DeepSeek, Alibaba, MiniMax y Moonshot solían ir a la zaga de los grandes laboratorios estadounidenses, pero recientemente los han alcanzado. Y son baratísimas. Kimi K3 de Moonshot puede generar 1500 páginas (750 000 palabras) de texto por 15 dólares, menos de un tercio de los 50 dólares que cobra Anthropic por Fable 5 para hacer lo mismo. Qwen 3.8-Max de Alibaba puede diseñar la página de inicio de un sitio web por 12 centavos. GPT 5.6 Sol de OpenAI hará lo mismo, pero por más del triple del precio.
El cambio hacia el código abierto está en pleno auge. Coinbase redujo su gasto en IA aproximadamente a la mitad al redirigir tareas sencillas como la programación básica a modelos chinos más económicos. DoorDash ahora delega trabajos de «nivel inferior» como la revisión de código a Kimi K2.6 de Moonshot, entre otros, reservando el modelo fronterizo de Anthropic para tareas más difíciles. El CEO de Airbnb, Brian Chesky, ha calificado al modelo Qwen de Alibaba como «rápido y económico», y lo utiliza para el chatbot de atención al cliente de la compañía. En agosto, OpenRouter, con sede en la ciudad de Nueva York, cuyo software brinda a los desarrolladores acceso a cientos de modelos de IA, informó que el 55% de los tokens que pasan por su software fueron a modelos chinos, un aumento con respecto al 4,5% de principios de 2025. « La realidad es que ahora mismo, los mejores modelos abiertos son de China», dice Matan Grinberg, CEO de la startup de codificación de IA Factory, aunque agrega que los modelos de código abierto desarrollados localmente como Nemotron de Nvidia también son «bastante buenos».
Cody Pickens para Forbes y Getty Images
Los laboratorios estadounidenses no se quedan de brazos cruzados ante esta feroz competencia. En julio, OpenAI rebajó los precios de sus modelos de gama media y baja hasta en un 80%, y Anthropic lanzó modelos que costaban la mitad que los más potentes. En general, el precio de los tokens se ha desplomado un 70% desde principios de año. «Todos deberíamos celebrar que haya más competencia entre los modelos, porque eso significa que todos vamos a obtener la mejor experiencia al menor coste», afirma Grinberg. «Si no existieran los modelos de código abierto, no creo que OpenAI hubiera bajado tanto el precio».
Incluso con tokens más baratos, los costos pueden dispararse a medida que la IA se vuelve más capaz. Los mejores modelos actuales no son solo chatbots que responden preguntas. Herramientas como Claude Code implementan docenas, si no cientos, de agentes que trabajan juntos para resolver problemas, dedicando más tiempo a «pensar» y utilizando muchos más tokens. «El número de tokens aumentó más rápido de lo que disminuyó su costo», dice Zhu de Genspark, quien gasta un 50 % menos en tareas como la generación de diapositivas de PowerPoint después de que su startup con sede en Palo Alto se pasara al software de código abierto chino. «La gente dice hola y Fable les cobra 5 dólares», agrega Angelopoulos. «Es una locura».
En respuesta, un grupo de startups está ayudando a las empresas a optimizar el uso de la IA. Las soluciones van desde enrutadores que redirigen de forma inteligente el tráfico de IA a modelos más económicos hasta agentes que se instalan discretamente en los portátiles de los empleados, monitorizando y controlando su gasto en IA. Un investigador incluso está trabajando en una arquitectura de IA completamente nueva que utiliza menos recursos, inspirada en el cerebro de un pequeño gusano redondo.
“Las empresas están empezando a darse cuenta del futuro tan claro en el que la inteligencia se convertirá en la partida número uno de los gastos operativos de todos en lo que respecta al trabajo basado en el conocimiento”, afirma Alex Atallah, de 34 años, CEO y cofundador de OpenRouter.
De entre estas empresas emergentes, Fireworks, con tan solo cuatro años de existencia, es quizás la que mejor ha aprovechado la necesidad imperiosa de las empresas estadounidenses de controlar su gasto en inteligencia artificial. El software de la compañía ayuda a sus aproximadamente 10 000 clientes empresariales —entre los que se incluyen Uber, Shopify, Upwork y DoorDash, así como startups de renombre como Cursor, Cognition y Harvey— a desarrollar IA especializada utilizando sus propios datos sobre modelos más económicos, a menudo de origen chino. Esto no solo reduce costes, sino que también les proporciona un control más preciso sobre el funcionamiento de sus modelos.
Con tan solo unas líneas de código y una tarjeta de crédito, los desarrolladores pueden experimentar, optimizar y ejecutar cualquier modelo de código abierto del mundo. No es necesario preocuparse por conseguir GPU costosas y muy solicitadas ni por rediseñar el hardware para ejecutar nuevos modelos de forma eficiente. Fireworks se encarga de todo.
Según estimaciones de Forbes , la compañía registró ingresos de aproximadamente 250 millones de dólares en 2025. Su valoración se ha cuadruplicado hasta alcanzar los 17.500 millones de dólares en los últimos nueve meses, convirtiendo a Qiao, de 50 años, en un nuevo multimillonario, con una participación estimada del 6% valorada en 1.000 millones de dólares.
Hija de una contadora y un ingeniero mecánico que diseñaba buques de carga, Qiao creció en Chengdu, China, ciudad conocida principalmente por sus pandas gigantes. Llegó a Estados Unidos en el año 2000 para realizar un doctorado en informática en la Universidad de California, Santa Bárbara. Tras trabajar en IBM y LinkedIn, pasó siete años en Meta desarrollando PyTorch, una popular herramienta de código abierto con 2 mil millones de descargas que se utilizó para crear ChatGPT.
En septiembre de 2022, dejó Meta junto con cinco de sus colegas para fundar Fireworks (un séptimo cofundador se unió procedente de Google). Eric Vishria, socio de Benchmark y quien invirtió los 25 millones de dólares de la ronda de financiación Serie A, decidió dedicar 10 minutos a su reunión. Ahora, el crecimiento es vertiginoso. Según su ritmo de crecimiento de julio, Fireworks generaría aproximadamente 1.000 millones de dólares en ingresos en los 12 meses que finalizan en julio de 2027.
La atractiva rentabilidad de los modelos Open-weight también impulsa a OpenRouter. Su software divide una tarea en una serie de pasos separados y envía automáticamente cada uno al modelo Open-weight y Frontier más rentable de entre 500 opciones. Las tareas menos importantes, como la recuperación de un archivo de un directorio, se envían a un modelo DeepSeek más económico, mientras que podría valer la pena invertir en que Anthropic diseñe la arquitectura de software para un nuevo producto.
Cada semana, 100 billones de tokens pasan por el sistema de OpenRouter gracias a clientes como Zoom y Nvidia. Estos datos le brindan a la startup una visión general de cómo los empleados «votan con su dinero», explica Atallah, quien cofundó el mercado de NFT OpenSea en 2017. El enrutador de su startup analiza los patrones de gasto de los últimos siete días para decidir a qué modelo enviar una solicitud. «Lo más interesante de este enrutador es que aprovecha la inteligencia colectiva para funcionar», afirma.
En 2023, Atallah se dio cuenta de que pronto habría miles de modelos más baratos y pequeños cuando un grupo de estudiantes de Stanford entrenaron uno llamado Alpaca (basado en el modelo Llama de Meta) por solo 600 dólares: «Parecía que realmente necesitábamos una buena manera de explorar todos estos modelos».
En agosto, Stripe acordó adquirir OpenRouter por 8.000 millones de dólares, según una fuente cercana a la operación. Esto elevaría la fortuna de Atallah, propietario de más del 50% de la empresa, a unos 4.000 millones de dólares. La compañía estaba en camino de generar más de 100 millones de dólares en ingresos este año, con un margen bruto del 90%, añadió la misma fuente.
La administración Trump consideró prohibir a las empresas estadounidenses el uso de modelos chinos en sus sistemas, una medida difícil de implementar dado que se pueden descargar gratuitamente de internet. Cientos de empresas se opusieron a dicha prohibición, argumentando que se quedarían rezagadas mientras el resto del mundo desarrolla inteligencia artificial de código abierto más económica. «No es solo un riesgo para nuestro negocio», afirma Qiao, de Fireworks. «Es un riesgo para toda la economía estadounidense».
Un punto clave: Fireworks y OpenRouter mantienen los datos estadounidenses en Estados Unidos. Estas startups actúan como intermediarias entre los modelos chinos y las empresas estadounidenses. «Dondequiera que se cree el modelo, se convierte en un modelo de Fireworks porque nosotros lo gestionamos y lo administramos, nadie más. Estos datos no van a ningún otro lugar», afirma George Hu, presidente de Fireworks. Atallah explica que cualquier trabajo que se dirija a modelos chinos de peso abierto puede enviarse a centros de datos fuera de China, lo que garantiza la seguridad de los datos de las empresas estadounidenses.
Incluso cuando todo funciona correctamente, la IA es costosa. Pero los accidentes son comunes. Los agentes que se ejecutan en segundo plano pueden descontrolarse, desviarse de su objetivo y generar facturas de cientos de miles de dólares. El agente de reclutamiento interno de Fireworks gastó 24 000 dólares en solo unos días porque estaba mal configurado en «modo máximo», donde pasaba más tiempo «pensando» y consumía más tokens. Shopify ha creado los llamados disyuntores para detectar agentes que se ejecutan sin supervisión por error. «Nuestra preocupación es el gasto que no podemos justificar, porque el desperdicio suele ser una señal de que algo falla», afirma Farhan Thawar, jefe de ingeniería de Shopify.
Cuando un ejecutivo de alto nivel de una agencia de publicidad empezó a usar la herramienta de toma de notas para reuniones con IA de Genspark, gastó un mes entero de créditos en tan solo unos días. ¿La razón? La herramienta de IA grababa y resumía automáticamente las ocho horas de reuniones a las que asistía a diario. Tras informar del problema, Genspark reemplazó el modelo por una alternativa que costaba un tercio del precio.
Este despilfarro se produce cuando las empresas no tienen forma de rastrear a dónde va su dinero ni qué obtienen a cambio, afirma Jyoti Bansal, CEO y cofundadora de Harness. Esta startup con sede en San Francisco vende software que detecta problemas de calidad, fallos de seguridad y lagunas en el cumplimiento normativo del código. En mayo, el equipo de Bansal lanzó un agente de gestión de costes con IA que se instala en los portátiles de los empleados y registra cada token gastado, el coste por token y si los empleados realmente lograron la tarea que se propusieron realizar con la IA. «Con solo tener visibilidad, la gente puede empezar a solucionar los problemas», afirma Bansal, cuya fortuna asciende a 2300 millones de dólares.
United Airlines está desarrollando su propio sistema interno de seguimiento para gestionar los gastos de IA, con aprobaciones humanas para controlar los costes. Ratna Devarapalli, director de TI de la aerolínea, afirma que el aumento de los precios de herramientas como Microsoft Copilot y el uso excesivo de la IA a medida que la gente aprende a utilizarla han provocado un incremento de los costes. «Además, es adictivo», comenta. «Me paso horas en casa usándolo, intentando hacer algo».
La startup de herramientas para desarrolladores Vercel, cliente de Fireworks con sede en San Francisco, sigue exigiendo a sus ingenieros que utilicen los modelos fronterizos más robustos, pero ha impuesto límites de uso. Sin embargo, los modelos abiertos no tienen restricciones. La mayoría de los ingenieros ahora utilizan modelos fronterizos para planificar y modelos abiertos ponderados para ejecutar, según afirma el director de tecnología, Malte Ubl. Los empleados de Coinbase y sus gerentes reciben un informe periódico que detalla cuánto gastaron en modelos. «No les impedimos usar muchos modelos, pero les dejamos claro que tendrán que explicar por qué gastaron tanto dinero la semana pasada en un modelo», explica el director de tecnología de Coinbase, Rob Witoff.
La IA es costosa debido a su propia naturaleza. La arquitectura de «transformador», que sustenta ChatGPT, Claude y todos esos modelos abiertos chinos, es básicamente «un acto de multiplicación», explica Ramin Hasani, CEO y cofundador de Liquid AI. Cuanta más información la procesa, más costosa se vuelve.
Pero ¿y si existiera una forma más eficiente de entrenar modelos? Hasani dedicó 11 años a la investigación, primero en la Universidad Tecnológica de Viena y luego en el MIT, intentando encontrarla. Sorprendentemente, la respuesta se encontraba en un pequeño gusano redondo llamado C. elegans, cuyo cerebro procesa la información de forma similar al humano. Aprendiendo de las señales neuronales del gusano, Hasani descubrió un proceso matemático que se basa en la suma en lugar de la multiplicación.
Guerin Blask para Forbes
Aprovechando esta idea, su empresa emergente con sede en Boston, surgida del MIT en 2023, está desarrollando «redes neuronales líquidas» que procesan datos de forma más eficiente y no requieren costosos chips almacenados en centros de datos. La empresa está valorada en 4500 millones de dólares; Hasani posee aproximadamente el 20 %.
Los modelos de Liquid AI son lo suficientemente pequeños como para ejecutarse directamente en portátiles y teléfonos. Su alojamiento es gratuito. Mercedes-Benz, uno de sus clientes, planea utilizar los modelos de Liquid para el asistente de voz de sus vehículos en Norteamérica. «Las empresas se preguntan: ¿Es posible tener un modelo con la calidad de ChatGPT
que se ejecute directamente en mi coche con un chip de 60 dólares?», comenta Hasani. Compárese esto con los chips de Nvidia, que cuestan 50 000 dólares cada uno.
Aún estamos en las primeras etapas del despliegue de la IA. Nos espera un costoso período de prueba y error. La economía de la IA inevitablemente cambiará a medida que los grandes laboratorios compitan ferozmente en precios. Pero una cosa está clara: la inteligencia se ha convertido en un gasto permanente en el balance, y todo director financiero competente en Estados Unidos buscará maneras de gestionarlo.
