Los ingresos empresariales de OpenAI supuestamente superan su negocio de consumo

Según informes, OpenAI cruzó una línea crítica en julio: su operación empresarial ahora genera más ingresos que su negocio de consumo liderado por ChatGPT. La historia de OpenAI en Techmeme también indica que los clientes empresariales crecieron un 32 % durante el mes.

La directora financiera Sarah Friar compartió las cifras durante una reunión con inversores el viernes, según la información de CNBC resumida en el informe de la reunión con inversores. OpenAI no ha publicado las cuentas subyacentes, la definición de cliente ni el desglose de ingresos.

Esta salvedad es importante, pero no elimina la aparente inversión. ChatGPT convirtió a OpenAI en un fenómeno de la tecnología de consumo. Los contratos empresariales, las cargas de trabajo de API, las herramientas de programación y los agentes para el entorno laboral ahora parecen estar convirtiéndose en su centro financiero.

El cambio también pone a Anthropic directamente en el foco. OpenAI sigue teniendo un alcance de consumo más amplio, mientras que Anthropic ha construido una sólida reputación entre desarrolladores y compradores corporativos. La competencia ya no es simplemente ChatGPT frente a Claude como asistentes. Se trata de qué empresa se convierte en la capa operativa del trabajo asistido por IA.

Por tanto, este informe de OpenAI en Techmeme describe más que otro mes de crecimiento de clientes. Sugiere que la familiaridad de los consumidores se ha convertido en un canal de distribución para un negocio empresarial mucho mayor.

Lo que OpenAI supuestamente dijo a los inversores

La afirmación decisiva es que el negocio empresarial de OpenAI ha superado a su operación de consumo antes de lo que la empresa proyectó públicamente.

CNBC informó que Friar celebró la reunión con inversores el viernes 14 de agosto, tras una semana turbulenta para el liderazgo de OpenAI. El informe señala que dijo a los inversores que los ingresos empresariales ahora superan los ingresos de la operación de consumo liderada por ChatGPT.

La segunda cifra destacada se refiere al crecimiento de clientes. Según se informa, los clientes empresariales aumentaron un 32 % en julio, aunque el resumen público no establece si esto mide cuentas, contratos, organizaciones de pago u otra categoría interna.

Esta distinción es importante. Un aumento del 32 % en el número de clientes no equivale necesariamente a un aumento del 32 % en los ingresos reconocidos. Los grandes contratos también pueden tardar en pasar de los compromisos firmados al uso facturado.

OpenAI es una empresa privada, por lo que los lectores externos no pueden examinar una presentación trimestral con definiciones estandarizadas por segmento. Las cifras proceden de una conversación con inversores de la que se informó, en lugar de una declaración pública auditada.

Sin embargo, las comunicaciones recientes de OpenAI respaldan la dirección de esta evolución. En una nota de la empresa sobre la fase de IA empresarial, OpenAI dijo que la actividad empresarial representaba más del 40 % de los ingresos. Esperaba que esa operación alcanzara la paridad con los ingresos de consumo a finales de 2026.

Si la actualización reportada de Friar utiliza las mismas definiciones, la paridad llegó varios meses antes. Eso hace que la nueva información sea significativa incluso sin una cuenta de resultados completa.

El resultado reportado también sigue a una rápida expansión de la base de clientes empresariales de OpenAI. En noviembre de 2025, la empresa dijo que más de un millón de organizaciones pagaban por productos para el trabajo o por uso directo de modelos.

Esa cifra combinaba a clientes que usaban ChatGPT para el trabajo con organizaciones que consumían modelos a través de la plataforma para desarrolladores. Por tanto, OpenAI utiliza «cliente empresarial» como una categoría amplia, no solo como un recuento de contratos convencionales de ChatGPT Enterprise.

En ese momento, OpenAI dijo que tenía más de siete millones de puestos de ChatGPT for Work. También indicó que los puestos de ChatGPT Enterprise habían crecido nueve veces durante el año anterior.

Estas cifras emitidas por la empresa no fueron auditadas de forma independiente. Aun así, establecieron el embudo comercial detrás de la última actualización para inversores. OpenAI vendía simultáneamente acceso individual para el entorno laboral, despliegues para toda la empresa, capacidad de API y productos especializados de desarrollo.

Los materiales empresariales más recientes de OpenAI ahora citan más de dos millones de clientes empresariales. Esta definición en expansión puede incluir desde una pequeña organización que consume créditos de API hasta una multinacional que realiza un despliegue amplio.

Esa variación hace que los ingresos sean más útiles que el número bruto de clientes. Un total de clientes describe la distribución, mientras que los ingresos indican si el uso está adquiriendo relevancia financiera.

La afirmación de que los ingresos empresariales han superado los ingresos de consumo proporciona esa señal que faltaba. Indica que la adopción en el entorno laboral no solo acompaña a ChatGPT. Según se informa, se ha convertido en la parte más grande del negocio.

Sin embargo, la composición exacta sigue sin estar clara. Los ingresos empresariales podrían incluir suscripciones laborales de ChatGPT, consumo directo de API, uso de Codex y contratos vinculados a despliegues de agentes.

Los inversores necesitarán definiciones coherentes antes de comparar julio con periodos futuros. Por ahora, la conclusión más sólida y defendible es más limitada: OpenAI supuestamente alcanzó antes de lo previsto su objetivo de ingresos empresariales previamente declarado.

Por qué ChatGPT de consumo se convirtió en un embudo empresarial

La inversión de OpenAI no significa que ChatGPT de consumo haya fracasado; la familiaridad de los consumidores parece haber reducido el coste de adopción en el entorno laboral.

La mayoría de las empresas de software empresarial primero deben enseñar a los empleados qué hacen sus productos. OpenAI entró en las ventas corporativas con cientos de millones de personas que ya conocían el modelo básico de interacción de ChatGPT.

Esa familiaridad cambia un despliegue empresarial. Los trabajadores saben cómo hacer preguntas, revisar prompts, subir documentos e inspeccionar respuestas generadas antes de que un empleador les asigne formación formal.

OpenAI describió este efecto al anunciar su hito de clientes empresariales. La empresa sostuvo que la familiaridad existente con ChatGPT acortó los pilotos y redujo la fricción durante los despliegues en el entorno laboral.

Por tanto, el producto de consumo actúa como canal de distribución. Permite que los empleados experimenten personalmente la interfaz antes de que los equipos de compras, seguridad y tecnología evalúen una versión gestionada.

Esta es la inversión central detrás del cruce de ingresos reportado. La adopción de consumo construyó la marca, los hábitos y la demanda de los usuarios. Los contratos empresariales pueden entonces convertir esas ventajas en cargas de trabajo más grandes y duraderas.

El proceso suele comenzar de manera informal. Un empleado usa ChatGPT para resumir un documento, preparar preguntas para una reunión o revisar un mensaje para un cliente. Más tarde, un equipo solicita acceso compartido y controles administrativos más sólidos.

La organización se enfrenta entonces a cuestiones que las cuentas personales no resuelven. Necesita gestión de identidades, permisos, controles de datos, auditabilidad, condiciones de compra y conexiones con sistemas internos.

Una vez que aparecen esos requisitos, la relación comercial cambia. OpenAI ya no vende solo acceso a un asistente conversacional. Compite por convertirse en parte de la infraestructura operativa de la empresa.

La adopción de API amplía esa oportunidad. Una empresa puede incorporar modelos de OpenAI en atención al cliente, desarrollo de software, investigación, procesamiento de documentos o búsqueda interna sin enviar a todos los usuarios a ChatGPT.

La programación se ha convertido en otro puente. Codex puede entrar a través de los desarrolladores y luego expandirse a pruebas, revisión de código, trabajo de migración, análisis operativo y documentación técnica.

Los agentes empresariales extienden el mismo patrón más allá de los equipos de software. Un agente es un sistema que utiliza un modelo, herramientas, contexto y permisos para completar trabajo de varios pasos.

OpenAI ha descrito agentes de ventas que investigan prospectos, aplican reglas de cualificación, preparan mensajes y actualizan registros de clientes. Esa es una categoría de producto distinta de un chatbot que redacta un correo electrónico.

El valor comercial también se comporta de forma diferente. Las suscripciones de consumo dependen en gran medida de que las personas mantengan un hábito personal recurrente. Los sistemas empresariales se conectan a flujos de trabajo, fuentes de datos, políticas y procesos de equipo.

Estas conexiones pueden hacer que un despliegue sea más difícil de sustituir. También pueden hacer que los fallos sean más costosos, lo que eleva el estándar de fiabilidad y gobernanza.

La escala de consumo de OpenAI sigue siendo importante en este modelo. Una interfaz conocida puede ayudar a los empleados a aceptar una nueva herramienta, pero la familiaridad no puede completar revisiones de seguridad ni demostrar retornos medibles.

La empresa debe convertir el reconocimiento generalizado en uso laboral gobernado. Eso requiere especialistas en despliegue, socios de integración, soporte técnico y productos diseñados para administradores.

OpenAI ha respondido posicionando sus modelos, ChatGPT, Codex y agentes empresariales como partes de una misma pila. La estrategia ofrece a los compradores un proveedor común para asistencia personal, desarrollo de software y flujos de trabajo automatizados.

Esta amplitud puede reducir la complejidad de las compras. También puede profundizar la dependencia de un único proveedor, lo que preocupará a los compradores que buscan portabilidad entre modelos.

Para los trabajadores del conocimiento, el cambio ya está transformando la forma en que la IA entra en el trabajo diario. El producto está pasando de una ventana de chat separada a sistemas que recuperan contexto empresarial y actúan en las aplicaciones existentes.

Eso hace que la organización de la información sea más importante. Los equipos necesitan fuentes empresariales gobernadas, mientras que las personas aún necesitan una base de conocimiento personal fiable para su propia investigación y contexto de trabajo.

El cruce de ingresos reportado muestra que las empresas están pagando por esta transición. Aún no demuestra que todos los despliegues hayan generado un retorno duradero.

La historia de OpenAI en Techmeme presiona a Anthropic

La principal competencia ahora enfrenta la expansión empresarial de OpenAI impulsada por el consumo con la fortaleza empresarial de Anthropic.

Anthropic se ha convertido en un serio rival corporativo a través de Claude, su API y una sólida adopción entre desarrolladores. Sus productos han ganado especial atención por la programación y las cargas de trabajo empresariales.

OpenAI aborda el mismo mercado con una ventaja inicial diferente. ChatGPT estableció conciencia global entre los consumidores antes de que la empresa intensificara su campaña empresarial.

Esto crea dos rutas competidoras hacia el entorno laboral. Anthropic puede ganar mediante equipos técnicos, rendimiento de modelos y relaciones corporativas enfocadas. OpenAI puede combinar esos canales con la familiaridad de los empleados y una amplia demanda de consumo.

Los resultados reportados de julio sugieren que la ruta de OpenAI se está convirtiendo en ingresos. No establecen que OpenAI lidere a Anthropic en todas las métricas empresariales.

Las comparaciones entre empresas privadas siguen siendo difíciles. Ninguna de las dos empresas publica un desglose completo de valores de contratos, retención, composición de cargas de trabajo o ingresos reconocidos por producto.

Los recuentos de clientes son especialmente difíciles de comparar. Un proveedor podría contar organizaciones, otro podría contar puestos de pago y un tercero podría destacar desarrolladores de API o cuentas activas.

La mejor pregunta competitiva se refiere a la profundidad de las cargas de trabajo. Una empresa que prueba Claude con un equipo de ingeniería no equivale a una empresa que gestiona la atención al cliente mediante la API.

La misma distinción se aplica a OpenAI. Una pequeña suscripción laboral de ChatGPT no tiene el mismo peso estratégico que un agente conectado a sistemas empresariales sensibles.

OpenAI quiere aumentar esa profundidad mediante una plataforma empresarial unificada. Su estrategia pública reúne modelos, ChatGPT, Codex, gestión de agentes, conectores, permisos y alianzas de despliegue.

La presión sobre Anthropic proviene de la amplitud de ese paquete. Si los empleados ya solicitan ChatGPT, los líderes tecnológicos pueden enfrentar una demanda interna para estandarizar en torno a OpenAI.

Sin embargo, OpenAI enfrenta su propia presión por la reputación de Anthropic en programación e IA corporativa. Los equipos técnicos pueden influir en las decisiones de compra cuando su modelo preferido rinde mejor en tareas importantes.

Las empresas también tienen razones sólidas para evitar una estrategia de modelo único. La calidad de los modelos cambia rápidamente, las cargas de trabajo difieren y los compradores quieren capacidad de negociación al pactar condiciones de capacidad y servicio.

Muchas organizaciones pueden situar una capa de enrutamiento entre las aplicaciones y los proveedores de modelos. Un enrutador envía cada solicitud a un modelo elegido por coste, velocidad, riesgo o rendimiento en la tarea.

Esa arquitectura debilita la idea de que un único laboratorio de IA deba controlar cada carga de trabajo. Permite a una empresa utilizar un proveedor para programación, otro para análisis de documentos y modelos más pequeños para tareas repetitivas.

Los modelos de pesos abiertos crean otra opción. Las empresas pueden desplegar algunos modelos en entornos controlados, aunque esa elección transfiere más responsabilidad operativa al comprador.

Microsoft, Google y Amazon también dan forma a la competencia. Cada una controla distribución en la nube, relaciones empresariales y productos de software que pueden incorporar IA a contratos existentes.

Microsoft tiene un papel especialmente complejo porque es a la vez socio de OpenAI y proveedor de IA empresarial. Sus clientes pueden encontrarse con modelos de OpenAI a través de productos de Microsoft, en lugar de mediante un contrato directo con OpenAI.

Google puede combinar Gemini con Workspace, Cloud, servicios de seguridad y datos. Amazon puede conectar modelos y agentes a la infraestructura que ya utilizan los equipos de desarrollo corporativos.

Por tanto, OpenAI debe competir en dos niveles. Necesita modelos capaces y una plataforma comercial que los compradores puedan desplegar en entornos tecnológicos fragmentados.

La continuidad del liderazgo es importante en este contexto. OpenAI nombró a Dali Rajic directora de ingresos después de que Denise Dresser decidiera dejar el cargo antes de cumplir un año en él.

El cambio siguió a otras salidas de altos cargos y a una mayor implicación operativa del cofundador Greg Brockman. Un informe sobre liderazgo empresarial indicó que OpenAI estaba intensificando sus esfuerzos para superar a Anthropic en adopción corporativa.

Ese momento hace significativa la reunión de Friar con inversores. La empresa necesitaba demostrar que la turbulencia en el liderazgo no había interrumpido el impulso comercial.

La cifra de crecimiento del 32% en julio responde a esa preocupación durante un mes. No establece qué parte del aumento provino de nuevos contratos, mayor uso, adquisiciones o definiciones revisadas de cuentas.

Anthropic cuenta ahora con pruebas de que la distribución masiva de OpenAI puede sostener un negocio empresarial. OpenAI aún debe demostrar que esta ventaja resiste el escrutinio de compras y la competencia entre múltiples modelos.

Lo que la reversión de ingresos no demuestra

El liderazgo de ingresos comunicado frente a la operación de consumo de OpenAI no demuestra que la IA empresarial haya alcanzado una economía estable, rentable o defendible.

Los ingresos son solo una parte de la ecuación. Los modelos de frontera requieren una capacidad informática considerable, y las cargas de trabajo agénticas pueden generar llamadas repetidas al modelo durante una misma tarea.

Un agente empresarial podría buscar en varios sistemas, evaluar documentos, utilizar herramientas de software, reintentar pasos fallidos y solicitar aprobación humana. Cada acción añade latencia y gasto computacional.

Por tanto, un contrato puede generar ingresos impresionantes mientras implica costes de entrega significativos. OpenAI no ha proporcionado suficientes detalles públicos para calcular los márgenes por segmento a partir del cruce comunicado.

Los costes de implementación también quedan fuera de la factura del modelo. Las empresas deben preparar datos, gestionar permisos, integrar sistemas, evaluar resultados, formar a los empleados y supervisar fallos.

Algunos despliegues ahorran tiempo de inmediato. Otros trasladan el trabajo de la ejecución de tareas a la revisión, corrección y gobernanza.

Los directores financieros quieren cada vez más pruebas de que la IA completa trabajo valioso, no simplemente pruebas de que los trabajadores generan más prompts. Esa demanda explica por qué Friar ha promovido la “inteligencia útil por dólar” como medida empresarial.

El concepto pide a las empresas examinar el coste total de una tarea realizada con éxito. Incluye el uso del modelo, reintentos, revisión humana, correcciones y escalaciones.

Un análisis de la métrica de valor de la IA señaló el incentivo de OpenAI para redirigir la atención desde los precios por token hacia los resultados. Los modelos más capaces pueden costar más por solicitud, incluso cuando terminan algunas tareas con menos fallos.

Este marco es razonable, pero debe ser medido por los clientes en lugar de aceptarse como una afirmación del proveedor. Una empresa debería definir una tarea exitosa antes del despliegue y hacer seguimiento de la calidad tras la adopción.

El informe de ingresos deja sin responder varias otras preguntas. No indica la base inicial de clientes utilizada para el cálculo del 32%.

No identifica la rotación de clientes, duración de los contratos, crecimiento medio por cuenta ni concentración geográfica. Tampoco revela qué parte de los ingresos procedió de puestos recurrentes frente al consumo variable de API.

Las cargas de trabajo variables pueden expandirse rápidamente cuando un nuevo modelo o producto atrae atención. También pueden contraerse cuando los compradores optimizan prompts, enrutan tareas a otros lugares o pausan experimentos.

Julio podría haberse beneficiado de lanzamientos de productos, despliegues más grandes o una demanda de API inusualmente fuerte. Los lectores necesitan varios periodos coherentes antes de considerar un solo mes como una tendencia duradera.

La comparación con los ingresos de consumo también necesita contexto. El rendimiento de consumo podría haberse ralentizado mientras la actividad empresarial se aceleraba.

OpenAI ha estado probando enfoques adicionales de monetización para consumidores, incluida la publicidad. Un futuro aumento de los ingresos de consumo podría volver a invertir el equilibrio sin debilitar la operación empresarial.

Los límites entre segmentos también pueden difuminarse. Un trabajador podría utilizar ChatGPT a través de su empleador durante el día y mantener una cuenta personal para otras tareas.

Una empresa de software podría comprar capacidad de API para crear una aplicación de consumo. OpenAI podría clasificar esos ingresos como actividad empresarial o de plataforma para desarrolladores, aunque los usuarios finales sean consumidores.

Esta ambigüedad no vuelve las cifras irrelevantes. Significa que el cruce debe tratarse como un indicador estratégico, no como un diagnóstico financiero completo.

La condición privada de OpenAI amplifica esa limitación. Las presentaciones para inversores pueden utilizar métricas internas de gestión que no coinciden con las categorías de contabilidad pública.

La empresa no ha verificado de forma independiente el informe de CNBC mediante una divulgación financiera detallada. Ni el aumento de clientes ni el cruce de segmentos deben presentarse como hechos auditados.

La adopción empresarial también introduce riesgos que el crecimiento de consumo no acarrea a la misma escala. Una respuesta personal fallida puede frustrar a un usuario. Un agente empresarial defectuoso puede afectar a clientes, registros, código o decisiones reguladas.

Los compradores exigirán controles más sólidos a medida que los agentes obtengan acceso a sistemas de la empresa. Necesitan límites de permisos, registros de acciones, procesos de evaluación y una responsabilidad humana clara.

Los incidentes de seguridad o los despliegues poco fiables podrían ralentizar la expansión incluso si la demanda de los empleados sigue siendo elevada. Los reguladores también pueden examinar las decisiones automatizadas en finanzas, empleo, sanidad y otras áreas sensibles.

Por tanto, la verdadera prueba es la retención tras la experimentación. OpenAI debe demostrar que los clientes amplían las cargas de trabajo exitosas sin permitir que los costes, errores o cargas de gobernanza eliminen el valor.

Tres señales que pondrán a prueba el liderazgo empresarial de OpenAI

La próxima fase se juzgará por la consistencia de los ingresos, las victorias competitivas en cargas de trabajo y las pruebas de que los agentes empresariales ofrecen resultados medibles.

La primera señal es la próxima actualización de segmentos de OpenAI. Los inversores deberían buscar una definición coherente de los ingresos empresariales y otro periodo que demuestre que se mantienen por encima de los ingresos de consumo.

Un solo mes puede marcar un punto de inflexión, pero no puede establecer una combinación de negocio duradera. El crecimiento secuencial de ingresos, la retención de clientes y la expansión de cuentas reforzarían la reversión comunicada.

Una caída no invalidaría automáticamente julio. Los ingresos basados en uso pueden desplazarse entre periodos, especialmente en torno a lanzamientos importantes de modelos o productos.

Aun así, la dirección debe explicar si el cruce refleja contratos estables o una concentración temporal de consumo. Una divulgación más clara haría que las comparaciones fueran más creíbles.

OpenAI ya había dicho a los inversores que la actividad empresarial sería central para su futuro. Informes anteriores señalaban que la empresa esperaba que las operaciones empresariales y de consumo aportaran ingresos casi equivalentes con el tiempo.

La afirmación sobre julio adelanta ese calendario. También eleva las expectativas para cada actualización posterior.

La segunda señal es el desplazamiento competitivo. OpenAI debe demostrar que las empresas eligen su plataforma para cargas de trabajo de producción importantes, no solo porque los empleados reconocen ChatGPT.

Esté atento a despliegues que conecten modelos con datos corporativos gobernados, repositorios de software, sistemas de clientes y herramientas operativas. Estos contratos ofrecen pruebas más profundas que los totales de puestos por sí solos.

También observe si Anthropic, Google, Microsoft y Amazon anuncian sustituciones o expansiones que impliquen los mismos tipos de cargas de trabajo. Las victorias competitivas revelan dónde ven los compradores diferencias técnicas u operativas significativas.

La respuesta de Anthropic merece especial atención. Si sigue ganando cargas de trabajo de programación y empresariales pese a la ventaja de distribución de OpenAI, el mercado puede sostener a más de un proveedor líder.

Si OpenAI empieza a desplazar a Anthropic en los equipos técnicos, su embudo de consumidores parecerá estratégicamente más importante. Ese resultado reforzaría la idea de que una amplia familiaridad se convierte en una distribución empresarial defendible.

La tercera señal es el retorno de la inversión verificado. Las empresas deben informar sobre trabajo completado, calidad y costes totales de las tareas, no solo sobre uso de modelos.

Las mediciones útiles incluyen casos de servicio resueltos, cambios de código aceptados, tareas de investigación completadas, menor tiempo de procesamiento y menores tasas de corrección. Cada métrica debe incluir los costes de revisión humana e integración.

Un despliegue que produce más borradores sin reducir la carga de trabajo no representa una ganancia clara de productividad. Tampoco lo es un agente que completa tareas rápidamente, pero introduce errores costosos.

Las propias historias de clientes de OpenAI ofrecen ejemplos, pero los casos seleccionados por el proveedor no pueden sustituir a una medición independiente. Una evidencia más amplia debería proceder de clientes, investigadores y evaluaciones estandarizadas.

Aquí es donde los ingresos empresariales pueden volverse más duraderos que la demanda de consumo. Una empresa seguirá pagando cuando un sistema complete trabajo valioso de forma fiable y cumpla los requisitos de gobernanza.

También ocurre lo contrario. Los compradores pueden reducir el uso rápidamente cuando los costes aumentan más deprisa que los beneficios o cuando otro modelo realiza la misma tarea de forma más eficiente.

Para los desarrolladores, esto significa que la portabilidad de modelos sigue siendo valiosa. Las aplicaciones deberían separar, cuando sea práctico, la lógica de negocio, los datos de la empresa, las evaluaciones y las llamadas al modelo específicas de cada proveedor.

Para los compradores empresariales, el cruce comunicado hace más importante la disciplina de compras. OpenAI tiene mayor impulso comercial, pero el impulso no sustituye las pruebas a nivel de carga de trabajo.

Para los trabajadores del conocimiento, el cambio significa que la IA aparecerá dentro de más sistemas de la empresa. Los empleados deberán entender a qué contexto puede acceder un agente, qué acciones puede realizar y quién revisa su trabajo.

La historia de OpenAI en Techmeme recoge una notable reversión empresarial. Según el informe, el éxito de ChatGPT entre consumidores ya no es solo la mayor fuente directa de ingresos de OpenAI.

En su lugar, parece estar alimentando una operación empresarial construida en torno al acceso en el lugar de trabajo, las API, la programación, los agentes y las integraciones. Según se informa, esa operación superó al negocio de consumo meses antes del objetivo declarado por OpenAI.

La afirmación sigue basándose en información privada de inversores, por lo que conviene mantener la cautela. Las próximas actualizaciones deberán mostrar definiciones coherentes, un uso sostenido y retornos para los clientes.

Si esas señales se materializan, julio parecerá el mes en que OpenAI pasó de ser una empresa de IA de consumo con productos empresariales a una plataforma empresarial con una distribución de consumo sin rival. Si no lo hacen, el cruce parecerá más bien una instantánea prometedora, pero temporal.

En cualquier caso, los compradores empresariales deberían guiarse por la evidencia y no por la posición en el mercado. ¿Qué carga de trabajo de producción, medida a lo largo de un ciclo operativo completo, puede OpenAI realizar mejor que las alternativas?