La salida a bolsa de Anthropic es la primera oferta pública inicial de un laboratorio de inteligencia artificial de frontera: la empresa presentó su formulario S-1 ante la SEC el lunes 26 de octubre de 2026 y se espera que cotice alrededor del 16 de noviembre, con una valoración estimada de entre 1,5 y 2 billones de dólares, según reporta Cinco Días. Es decir, por primera vez el mercado podrá ver los números reales de una compañía cuyo único negocio son los modelos de lenguaje.
Ese S-1 es más que un trámite financiero. Es una radiografía de la economía de la IA: cuánto ingresa, cuánto se gasta en infraestructura y quién se queda con el valor. Para un gerente general o un jefe de TI en Perú, la pregunta razonable es por qué debería importarle una IPO en Estados Unidos. La respuesta corta: porque los costos que aparecen en ese documento son los mismos que terminan reflejados, tarde o temprano, en el precio que tu empresa paga por usar IA.
En este artículo revisamos qué revela el folleto de Anthropic, por qué el gasto en cómputo se volvió el dato central, qué significan los modelos de código abierto para una empresa mediana y cómo aterrizar todo esto en decisiones concretas para tu organización.
¿Qué revelan los números del S-1 de Anthropic?
El documento muestra una empresa que crece a un ritmo poco común. Según el folleto recogido por Cinco Días, Anthropic generó 4.585 millones de dólares en ingresos durante 2025 y más de 16.000 millones en lo que va de 2026 hasta el 30 de junio. En apenas medio año facturó casi cuatro veces lo de todo el año anterior.
El otro lado de la balanza es menos cómodo. La compañía reportó un beneficio operativo de 975 millones de dólares en el segundo trimestre, el único entre los grandes laboratorios de IA según el mismo medio, pero también disparó su gasto en infraestructura por cuatro en el último año, hasta unos 5.558 millones de dólares en ese mismo trimestre. Y registró una pérdida neta de 80.000 millones de dólares en el periodo, aunque parte de ese monto corresponde a bonos convertibles en acciones que se revalorizaron, no a dinero que salió de la caja.
Esa distinción importa. Una pérdida contable por instrumentos financieros es distinta de un flujo de caja negativo por pagar servidores. El analista Enrico Chinello, de Julius Baer, lo resume así en un informe citado por Cinco Días: el rápido crecimiento de los ingresos de Anthropic se sostiene sobre un modelo muy intensivo en capital.
En el video que origina este análisis, Matt Wolfe lo plantea desde otra vereda: si la empresa cotiza en el rango esperado, alrededor de 940 empleados tempranos quedarían con patrimonios de nueve cifras. Son cifras llamativas, pero el dato de fondo es que una parte enorme del valor generado se reparte entre quienes estuvieron desde el inicio, no entre quienes usan la tecnología.
¿Por qué el gasto en cómputo se volvió el dato central?
Durante los últimos dos años la conversación sobre IA giró alrededor de la calidad de los modelos: cuál razona mejor, cuál escribe mejor, cuál programa mejor. El S-1 mueve el eje hacia otra pregunta: cuánto cuesta mantener esos modelos funcionando.
El cómputo en la nube es hoy el insumo principal de un laboratorio de IA. Alphabet registró un flujo de caja negativo por sus inversiones en centros de datos, lo que provocó una caída de dos dígitos en sus acciones, según Cinco Días. Amazon y Google aparecen además como beneficiarios directos de los acuerdos de cómputo con Anthropic, con pagos directos y también con participación accionaria.
El propio Wolfe ilustra la escala del problema con un ejemplo concreto: correr un modelo abierto muy grande requeriría alrededor de 44 tarjetas gráficas GeForce RTX 5090, cada una con 32 GB de memoria. Ese nivel de hardware no tiene sentido para un usuario doméstico, pero sí puede tenerlo para un hospital, un banco o una entidad pública que necesita mantener los datos dentro de su propia infraestructura.
Aquí conviene una advertencia honesta. El video no demuestra que la IA sea una burbuja ni que vaya a dejar de serlo: lo que muestra es que el costo de operarla es alto y creciente. Tampoco verifica de forma independiente las estimaciones de reparto de acciones que circulan en redes, y el propio autor lo aclara. La valoración de 2 billones de dólares es una expectativa de mercado, no un término confirmado de la operación. Cualquier decisión que se tome leyendo solo titulares corre el riesgo de apoyarse en supuestos que aún no están cerrados.
¿Qué significan los modelos de código abierto para una empresa en Perú?
La segunda mitad del video apunta a algo que sí es accionable para una empresa peruana: la aparición de modelos de código abierto con capacidades cercanas a las de los modelos cerrados. Wolfe presenta uno de estos lanzamientos como un paso importante para el ecosistema abierto, con la promesa de que una organización pueda ejecutarlo en sus propios servidores y así resolver necesidades de privacidad y control de datos.
Para el gerente de TI de una empresa mediana en Lima, eso cambia el mapa de decisiones. Hace un año, si querías un asistente que leyera tus contratos o tus órdenes de compra, la única ruta práctica era enviar esa información a un proveedor externo. Hoy existe una alternativa: descargar el modelo, instalarlo en infraestructura propia y no sacar los datos de la empresa. El costo no desaparece, se traslada del pago por uso al pago por hardware y por quien lo administre.
La contraparte es la complejidad. Wolfe es explícito: el tamaño de estos modelos hace que su uso local sea caro y difícil. No es un proyecto de fin de semana ni algo que se resuelva con una suscripción. Requiere alguien que entienda de servidores, de memoria y de monitoreo. Para muchas PYMEs peruanas, eso significa que el camino realista sigue siendo la nube, al menos hasta que los costos de hardware bajen o los modelos se vuelvan más livianos.
Mi lectura es que la decisión ya no es "IA sí o no", sino dónde corre esa IA y quién responde por los datos. Y esa es una decisión de negocio antes que de tecnología.
¿Cómo aplica esto en tu empresa?
Lo primero es separar el ruido de la señal. Que Anthropic cotice o no cotice no cambia tu operación del lunes, pero sí te da información útil sobre hacia dónde se mueven los costos del sector.
Un ejercicio práctico: toma las iniciativas de IA que tu empresa ya tiene en marcha o en evaluación y anota cuánto cuesta cada una por mes, incluyendo la suscripción o el pago por uso del modelo, el consumo de cómputo en la nube y las horas del equipo que la mantiene. Muchas veces ese número sorprende, porque el gasto está repartido en tres o cuatro facturas distintas y nadie lo suma.
Lo segundo es clasificar la información que esas iniciativas tocan. Si un asistente procesa datos de clientes, contratos o información financiera, vale la pena preguntarse si esa información puede salir de la empresa. Si la respuesta es no, los modelos abiertos en servidor propio dejan de ser un experimento y pasan a ser una opción seria.
Lo tercero es definir un criterio de evaluación antes de elegir herramientas. En lugar de comparar modelos por lo que dicen los rankings, define tus propias métricas: cuántas consultas al mes necesitas, cuánto puedes gastar, qué nivel de precisión es aceptable para tu caso. Si quieres conversar sobre cómo aterrizar esto en tu operación, puedes conversar con nosotros sobre tu caso.
Preguntas Frecuentes
¿Cuándo sale a bolsa Anthropic y a qué valoración?
Anthropic presentó su formulario S-1 ante la SEC el lunes 26 de octubre de 2026 y se espera que cotice alrededor del 16 de noviembre. La valoración anticipada por el mercado está entre 1,5 y 2 billones de dólares, según Cinco Días, aunque el folleto no confirma el monto que la compañía pretende recaudar. Se trata de expectativas, no de términos cerrados.
¿Qué es un modelo de código abierto y por qué le importa a una empresa?
Un modelo de código abierto es un modelo de IA cuyos pesos están disponibles para que cualquiera los descargue y ejecute en su propia infraestructura. Para una empresa, la ventaja principal es el control: los datos no salen de sus servidores. La desventaja es el costo y la complejidad de operar el hardware necesario, que en modelos muy grandes puede requerir decenas de tarjetas gráficas de alta gama.
¿Cómo saber si conviene un modelo en la nube o uno instalado en la empresa?
Depende de dos factores: la sensibilidad de los datos y el volumen de uso. Si la información es confidencial y el volumen es alto y constante, instalar un modelo propio puede justificarse a mediano plazo. Si el uso es esporádico o los datos no son críticos, pagar por uso en la nube suele ser más simple y más barato al inicio. Conviene calcular ambos escenarios con números propios antes de decidir.
Conclusión: ¿qué deberías vigilar después de esta salida a bolsa?
La salida a bolsa de Anthropic será una prueba de confianza en el sector, pero no la respuesta definitiva sobre si la IA es una burbuja. Wolfe sugiere mirar lo que ocurra cuando venzan los periodos de bloqueo de los accionistas internos, típicamente unos seis meses después: ahí se verá si quienes están más cerca del negocio venden o mantienen.
Para una empresa en Perú, la lección práctica es más terrenal. La IA dejó de ser una curiosidad y se convirtió en un gasto recurrente que hay que presupuestar, medir y justificar. Los modelos abiertos amplían las opciones, pero también exigen capacidades técnicas que no todas las organizaciones tienen hoy.
Si estás evaluando cómo incorporar IA en tu operación sin perder el control de tus datos ni de tu presupuesto, en Consultoría TI podemos revisar tu caso y ayudarte a definir por dónde empezar.
Por Edgar Vásquez, Consultoría TI · actualizado el 31 de octubre de 2026
Fuentes y Referencias
- Matt Wolfe — 6 AI Updates Worth Knowing & A Bubble-Bursting IPO
- Cinco Días — Anthropic llega para revolucionar la inversión en IA
- Blog de Consultoría TI
✨ Contenido generado con ContentFlow — Consultoría-Ti