Las pérdidas de la IA están a punto de descontrolarse: OpenAI pierde 1,22 $ por cada dólar ingresado

Por Will Lockett (planetearthandbeyond.co / Substack) · 26 de junio de 2026.

El artículo —parcialmente detrás de un muro de pago— arranca con una tesis provocadora pero sustentada en cifras concretas: la industria de la IA es, según el autor, una de las mayores burbujas financieras de la historia, y los mecanismos que normalmente frenarían su expansión —regulación antimonopolio, supervisión financiera, presión de mercado— parecen no tener efecto sobre ella.

**Las cifras de OpenAI en Q1 2026**

El ejemplo central que emplea Lockett es OpenAI. La compañía habría reportado ingresos de 5.700 millones de dólares en el primer trimestre de 2026, un dato impresionante en términos absolutos. Sin embargo, frente a esos ingresos se registró una pérdida no-GAAP de 6.900 millones de dólares. La aritmética es demoledora: por cada dólar ingresado, OpenAI pierde 1,22 dólares.

El autor subraya además que las cifras non-GAAP son intrínsecamente más favorables que las GAAP (Generally Accepted Accounting Principles), ya que pueden excluir partidas como costes de reestructuración y ciertos tipos de depreciación. OpenAI, señala, tiene ambas en abundancia, lo que sugiere que la pérdida real bajo criterios contables estándar sería notablemente mayor.

**El contexto: 38.500 millones de pérdidas el año anterior**

Esto no es un fenómeno aislado del trimestre. Según datos citados en el propio artículo, OpenAI acumuló 38.500 millones de dólares en pérdidas a lo largo de 2025. El patrón no es el de una empresa en fase de inversión controlada que busca alcanzar masa crítica, sino el de una sangría estructural que se agrava a medida que crece la facturación.

Lockett argumenta que, al ritmo actual de destrucción de caja, OpenAI podría declararse en quiebra durante 2026 o a principios de 2027, incluso contando con las inyecciones de capital privado que recibe periódicamente.

**Anthropic tampoco se salva**

El artículo también pone en tela de juicio la narrativa de Anthropic, que ha intentado proyectar una imagen de empresa cerca de la rentabilidad. Citando al analista Ed Zitron, Lockett sostiene que esa aparente rentabilidad se basa en una posición de mercado insostenible y en una contabilidad creativa —específicamente, rentabilidad EBITDA— que no refleja la realidad financiera de la compañía.

En general, el EBITDA (beneficio antes de intereses, impuestos, depreciación y amortización) es una métrica útil para evaluar la generación operativa de caja, pero puede resultar engañosa en sectores con altísimas necesidades de inversión en infraestructura de cómputo, como es el caso de los grandes modelos de lenguaje. Excluir la depreciación de los centros de datos o los intereses de la deuda puede hacer que una empresa con flujo de caja libre negativo aparezca 'rentable' sobre el papel.

**La tesis de la burbuja**

Lockett no se limita a señalar las pérdidas: argumenta que el ecosistema en su conjunto está en una fase de negación activa. A diferencia de otras burbujas históricas, donde las fuerzas del mercado eventualmente imponen corrección, la burbuja de la IA estaría siendo sostenida artificialmente por una combinación de inversión privada masiva, ausencia de regulación efectiva, falta de aplicación de leyes antimonopolio y lo que el autor denomina 'inversiones round-trip' —estructuras financieras circulares en las que el dinero aparenta circular entre inversores y empresas sin crear valor real.

El artículo se corta en su parte más sustancial por el muro de pago, por lo que no es posible reproducir las propuestas o conclusiones finales del autor sobre qué podría desencadenar el colapso ni qué estrategias podrían intentar las empresas para evitarlo.

**Limitaciones de este resumen**

Conviene advertir que el material disponible corresponde solo a la introducción del artículo, ya que el resto está reservado a suscriptores de pago. Las cifras citadas (ingresos Q1 2026, pérdida no-GAAP, pérdidas 2025) proceden del propio texto y no han podido verificarse de forma independiente en el marco de este resumen. El tono del artículo es claramente de opinión y crítica, no de análisis financiero neutral.

Como contexto del sector, las dificultades de rentabilidad de los grandes laboratorios de IA son ampliamente documentadas: el coste de entrenamiento e inferencia de modelos de frontera, la necesidad de infraestructura de cómputo masiva y los altos salarios del talento especializado crean estructuras de costes que resultan difíciles de cubrir con los precios actuales de las APIs y suscripciones de consumo.