Los ingresos anualizados de OpenAI son $20B menores de lo que se había señalado previamente
Los ingresos “anualizados” de OpenAI, que previamente se habían publicitado en $70B, parecen ser aproximadamente $20B más altos de lo que realmente son, después de que nuevos materiales para inversores mostraran una cifra más cercana a $50B y revelaran tratamientos contables distintos frente a su rival Anthropic. Los comentaristas argumentan que esas cifras de run-rate anualizadas son intrínsecamente frágiles y potencialmente engañosas, especialmente cuando se usan para justificar valoraciones cercanas al billón de dólares antes de las IPO previstas. El intercambio se amplía hacia preocupaciones sobre finanzas opacas de mercados privados, la sostenibilidad de los modelos de negocio y del capex actuales de IA, y si el auge más amplio de la IA se parece a una burbuja especulativa que podría terminar mal para los inversores.
Discrepancia de ingresos y métricas “anualizadas”
- El hilo se centra en informes de que los ingresos anualizados de OpenAI se habían señalado previamente en unos ~$70B, pero que los materiales para inversores muestran una cifra más cercana a ~$30B en julio.
- Los participantes debaten si se trata de una deshonestidad abierta, de un “gross-up” para inversores por comparabilidad con Anthropic, o de una mala interpretación mediática de una orientación ambigua para inversores.
- Muchos critican que los “ingresos anualizados” basados en días o semanas de pico son intrínsecamente engañosos; varios los llaman “bullshit revenue” usado para inflar valoraciones.
- Algunos sostienen que esto podría rozar el fraude bursátil si se usara para recaudar dinero; otros dicen que, como empresa privada usando lenguaje difuso con la prensa, es legalmente más seguro.
Comparación con Anthropic y juegos contables
- Según se informa, las cifras de Anthropic incluyen ingresos de socios cloud (AWS, Google) y a veces excluyen grandes costos de entrenamiento, lo que los comentaristas llaman “profit before bad things”.
- OpenAI, según se informa, normalmente no incluye ingresos de socios cloud, así que los intentos de “gross up” para comparar produjeron cifras infladas.
- Muchos ven a ambos laboratorios usando métricas no GAAP, construidas selectivamente, para parecer rentables o de hipercrecimiento.
Viabilidad del modelo de negocio y preocupaciones por la burbuja de IA
- Existe un fuerte escepticismo de que los negocios actuales de LLM justifiquen valoraciones cercanas al billón o de varios billones, dadas las enormes cargas de entrenamiento/inferencia y una base de usuarios que paga relativamente modesta.
- Algunos reportan un gasto API muy alto en sus propias empresas; otros señalan que el uso a menudo se justifica por persuasión, no por métricas duras de ROI.
- Varios predicen un gran desplome de la inversión en IA similar al de las puntocom (pero no un sistema al estilo de 2008), con inversores adinerados absorbiendo la mayor parte del golpe.
- Otros contraargumentan que al menos existe un negocio sólido, aunque más pequeño, de utilidad de IA en la nube que sobrevivirá incluso si las valoraciones colapsan.
Momento de IPO, mercados privados y regulación
- Muchos sostienen que si los fundamentos de OpenAI fueran fuertes y estables, ya habría salido a bolsa; el retraso se ve como una señal de alarma.
- Otros señalan que muchas grandes empresas exitosas permanecen privadas (ayudadas por cambios regulatorios y abundante capital privado de última etapa), así que no salir a bolsa ≠ negocio débil.
- La discusión cubre cambios como umbrales más altos para accionistas y los efectos de la JOBS Act que permiten que empresas enormes sigan siendo privadas con divulgación limitada.
IA, desinformación y narrativa pública
- Algunos destacan a los LLM como “máquinas de bullshit/desinformación”: salidas persuasivas pero propensas a errores y uso en campañas de propaganda.
- Otros repliegan, diciendo que esa caracterización es exagerada o refleja una mala comprensión de las alucinaciones.
- Varios critican tanto a los laboratorios como a la prensa por ciclos sofisticados de hype, fuentes anónimas y filtraciones selectivas que moldean la percepción antes de las IPO y las rondas de financiación.