La semana en que el mercado dejó de aplaudir
Durante tres años, la conversación sobre inteligencia artificial ha tenido una lógica sencilla: quien más invertía, más crecía, y quien más crecía, más valía. Esta semana esa lógica se ha agrietado de forma visible. Alphabet ha presentado un trimestre que en cualquier otro momento habría sido celebrado, con ingresos un 25 % superiores y un negocio cloud que duplica su facturación, y aun así la bolsa le ha restado más de un 12 % en una sola sesión. El motivo no es que el negocio vaya mal, sino que la inversión en centros de datos ha dejado el flujo de caja libre en negativo.
El documento regulatorio que Alphabet presentó al día siguiente explica mejor que cualquier titular la magnitud del compromiso. Más de 924.000 millones de dólares en compromisos de compra, 130.000 millones en arrendamientos de centros de datos que todavía no han empezado y una deuda a largo plazo que casi se ha triplicado en un año. No es una apuesta: es una obligación contractual a varios años vista. Cuando un inversor mira esas cifras, la pregunta que se hace no es si la IA funciona, sino cuándo devuelve lo que cuesta.
Esa misma pregunta, a escala mucho más pequeña, es la que se hacen hoy los comités de dirección de cualquier empresa que lleva un año pagando licencias de asistentes y agentes. Y lo interesante de esta semana es que casi todas las noticias relevantes son, de un modo u otro, respuestas a esa pregunta.
El proveedor empieza a justificar la factura
La reacción más directa ha venido de Anthropic, que ha lanzado para sus clientes empresariales unos informes que agrupan el uso de Claude en flujos de trabajo y muestran qué cuesta cada uno, qué produce y dónde hay fricción. A esto se suman encuestas a empleados y presupuestos compartidos por equipos. Que un laboratorio de frontera dedique producto a demostrar el retorno de su propio servicio dice mucho del momento. El cliente ya no compra capacidad en abstracto; compra resultados y quiere verlos medidos.
Es un movimiento lógico, pero conviene leerlo con atención. Un informe elaborado por el propio proveedor es útil para detectar dónde se concentra el uso, pero no sustituye a la medición propia. En los proyectos de implantación, la métrica que convence a dirección rara vez es el número de consultas o de tokens, sino el tiempo de ciclo de un proceso concreto, el coste por expediente o la tasa de errores antes y después. Anthropic, con buen criterio, advierte de que estos informes no deben usarse para evaluar a personas. Es un aviso que muchas organizaciones harían bien en convertir en norma interna.
GitHub ha respondido a la misma presión desde otro ángulo. Copilot Fusion elige automáticamente qué modelo usar en cada paso de una tarea de programación, y Microsoft afirma que su versión más potente se acerca al mejor modelo del mercado a la mitad de coste. El dato más revelador, sin embargo, es otro: según el informe Octoverse, en septiembre más del 40 % de los pull requests en GitHub los inició un agente, frente al 17 % de marzo. El enrutamiento entre modelos deja de ser una optimización avanzada y pasa a ser la forma por defecto de contener la factura cuando los agentes generan casi la mitad del trabajo.
La dependencia mutua de los grandes
Microsoft ha revelado que en un solo trimestre ingresó unos 10.000 millones de dólares de sus acuerdos con OpenAI, casi el 11 % de toda su facturación. La cifra matiza el relato habitual de que OpenAI depende de Microsoft. La dependencia es recíproca y creciente, y las cuentas por cobrar a OpenAI no dejan de subir.
Para una empresa usuaria, esto tiene una consecuencia práctica que a menudo se pasa por alto. Elegir un proveedor cloud y elegir un proveedor de modelos se han convertido en decisiones entrelazadas, y las condiciones de una afectan a la otra. Diversificar proveedores de modelos no es solo una cuestión técnica de evitar el bloqueo; es también una forma de no quedar expuesto a las tensiones financieras de una relación entre dos gigantes.
En el mismo sentido debe leerse la investigación del Departamento de Justicia de EE. UU. sobre la compra de Hugging Face por Nvidia. Hugging Face es el lugar donde vive buena parte del ecosistema de pesos abiertos: donde se publican, se comparan y se descargan los modelos. Que el fabricante dominante de chips controle también ese canal de distribución es precisamente lo que preocupa al regulador. Para quien construye sobre modelos abiertos, la neutralidad de esa plataforma no es un detalle menor.
Lo abierto, lo europeo y lo barato
En ese contexto, la publicación de los pesos de Mistral Large 4 tiene una lectura que va más allá del benchmark. Es un modelo de un billón de parámetros, multimodal, con licencia de uso comercial y un precio de API de 0,70 dólares por millón de tokens de entrada. Para muchas empresas europeas, sobre todo en sectores regulados, la posibilidad de desplegar un modelo de este nivel en infraestructura propia resuelve a la vez el problema de la soberanía de los datos y el del coste variable. Eso sí, la licencia exige un acuerdo aparte para quien quiera ofrecerlo como servicio, y es una cláusula que hay que revisar antes de construir un producto encima.
La seguridad como freno de mano
Si la presión económica empuja a desplegar más rápido y más barato, la seguridad tira en sentido contrario. Google ha presentado Gemini 4 Carbon, que lidera ahora los índices de capacidad, pero no lo ha abierto al público: de momento solo pueden usarlo defensores de ciberseguridad seleccionados, mientras pasa las pruebas voluntarias del Gobierno estadounidense. La razón es su capacidad para encontrar vulnerabilidades. Cuando el modelo más potente del mercado se lanza primero como herramienta defensiva, es que la capacidad ofensiva ya condiciona el calendario comercial.
La misma tensión aparece en dos documentos muy distintos. El 10-Q de Alphabet incluye, por primera vez, la advertencia de que en pruebas ha observado agentes autónomos actuando fuera de su ámbito previsto. Y una investigación de Forever Security ha mostrado que los navegadores integrados en cinco herramientas de programación con IA podían permitir a una página maliciosa leer claves y credenciales del equipo del desarrollador. Algunas ya están corregidas y otras no. La lección práctica es inmediata: el entorno en el que trabaja un agente debe estar aislado de los secretos de producción, por cómodo que resulte lo contrario.
La factura física
Queda la capa que sostiene todo lo anterior: la energía. El Departamento de Energía de EE. UU. ha comprometido un préstamo de 5.000 millones de dólares para ampliar la potencia de ocho centrales nucleares cuya producción adicional irá en buena parte a Google, Amazon y Meta. Es dinero público financiando la infraestructura que alimenta los centros de datos. Y es un recordatorio de que el precio del token no baja solo por la eficiencia de los modelos; también depende de cuánto cueste el megavatio y de quién lo pague.
Qué significa para quien implementa
El denominador común de la semana es que la IA ha entrado en la fase de pasar cuentas. Los inversores se las piden a Alphabet, los clientes a Anthropic y a GitHub, los reguladores a Nvidia, y los equipos de seguridad a todos. Para una empresa que está implantando IA, esto es una buena noticia, porque alinea los incentivos del proveedor con los suyos: ahora todos quieren demostrar retorno.
Lo que toca, en mi opinión, es adelantarse. Definir antes de cada despliegue la métrica de negocio que justificará su coste, no después. Diseñar la arquitectura para poder cambiar de modelo y enrutar tareas al más barato que cumpla. Valorar seriamente los modelos abiertos donde la soberanía o el volumen lo justifiquen. Y tratar a los agentes como lo que ya son: sistemas con acceso a datos y credenciales que pueden equivocarse de alcance. La etapa de experimentar sin medir ha terminado. La que empieza premiará a quien sepa explicar, con cifras propias, qué está comprando con cada euro que gasta en IA.
Las noticias del día
Google presenta Gemini 4 Carbon, número uno en benchmarks pero con acceso restringido
Google DeepMind anunció el 28 de octubre Gemini 4 Carbon, dos semanas después de Gemini 4 Argon. Lidera el Artificial Analysis Intelligence Index v5 con 59 puntos, por delante de Claude Opus 5.5 (58) y GPT-6 Astra (57). Solo lo pueden usar defensores de ciberseguridad seleccionados dentro del programa Fairwind, mientras pasa las pruebas voluntarias previas al lanzamiento del Gobierno de EE. UU. El precio de lanzamiento es de 2 dólares por millón de tokens de entrada y 10 por millón de salida; después subirá a 4 y 20. Su tasa de alucinación en AA-Omniscience sube del 4 % al 11 % respecto a Argon.
Por qué importa: el modelo más capaz del momento sale primero para ciberdefensa y no para el mercado general. La capacidad ofensiva ya condiciona el calendario de lanzamiento, y el repunte de alucinaciones obliga a validarlo antes de usarlo en flujos críticos.
Alphabet cae un 12 % en bolsa y revela más de un billón de dólares en compromisos de IA
Alphabet facturó 127.600 millones de dólares en el tercer trimestre, un 25 % más, y Google Cloud duplicó ingresos. Aun así, la acción cayó más de un 12 % el 28 de octubre por el flujo de caja libre negativo que deja la inversión en IA. El 10-Q recoge 924.400 millones en compromisos de compra y 130.500 millones en arrendamientos aún no iniciados; la deuda a largo plazo pasa de 46.500 a 125.100 millones. Por primera vez, la compañía avisa de que en pruebas ha visto "agentes autónomos tomando acciones fuera de su ámbito previsto".
Por qué importa: el mercado ya no premia el crecimiento si no viene con caja. Y el aviso sobre agentes en un documento regulatorio convierte un riesgo técnico en un riesgo que hay que declarar.
Fuente: The Next Web · Financial Times
Microsoft ingresa 10.000 millones de dólares de OpenAI en un solo trimestre
Según su informe regulatorio, Microsoft facturó unos 10.000 millones de dólares de sus acuerdos comerciales con OpenAI entre julio y septiembre, casi el 11 % de sus 92.300 millones de ingresos trimestrales. Las cuentas por cobrar a OpenAI suben a 7.200 millones y su participación en la empresa baja a cerca del 24 %. Azure creció un 48 %.
Por qué importa: la dependencia ya va en las dos direcciones. Para quien elige proveedor cloud, el contrato de Azure y el de OpenAI son cada vez más el mismo contrato.
Anthropic lanza informes para que las empresas vean qué compran con su gasto en IA
Anthropic presentó para Claude Enterprise informes que agrupan el uso en flujos de trabajo y muestran coste, entregables y fricciones, junto con encuestas a empleados y presupuestos mensuales compartidos por grupo. La empresa advierte de que no sirven para evaluar el rendimiento individual. Según TechCrunch, Anthropic presume de una retención neta de ingresos del 900 % interanual.
Por qué importa: el comprador ya pregunta por el retorno y el proveedor responde con instrumentación. Es la conversación que tiene cualquier comité de dirección hoy.
GitHub lanza Copilot Fusion y los agentes ya inician más del 40 % de los pull requests
En GitHub Universe, la compañía presentó Copilot Fusion, que elige el modelo o la combinación de modelos para cada paso de una tarea. Según Microsoft, Fusion Max queda a dos puntos de Claude Opus 5.5 Max en el índice de agentes de código de Artificial Analysis, a mitad de coste. El informe Octoverse indica que en septiembre los agentes iniciaron más del 40 % de los pull requests, frente al 17 % de marzo.
Por qué importa: el enrutamiento entre modelos ya es la forma estándar de controlar el coste de los agentes, y que un agente empiece casi la mitad de los cambios de código obliga a rediseñar la revisión.
Mistral publica los pesos de Mistral Large 4, un modelo de un billón de parámetros
Mistral liberó los pesos de Large 4, un MoE multimodal de un billón de parámetros, bajo la licencia Mistral Ecosystem Open-Weight, un MIT modificado: uso comercial libre, salvo para quien lo ofrezca como servicio de modelo, que necesita licencia aparte. En la API cuesta 0,70 dólares por millón de tokens de entrada y 2,10 por millón de salida.
Por qué importa: es la opción europea seria para desplegar en infraestructura propia por soberanía o cumplimiento. Conviene leer la cláusula de servicio antes de construir un producto encima.
El Departamento de Justicia de EE. UU. examina la compra de Hugging Face por Nvidia
Según Reuters, el Departamento de Justicia analiza si la compra de Hugging Face por 12.930 millones de dólares daría a Nvidia el control de un canal clave de distribución de IA. Se suma al examen del acuerdo de licencia con Groq por 20.000 millones. Nvidia espera cerrar la operación en el primer semestre de 2027.
Por qué importa: Hugging Face concentra buena parte del ecosistema de pesos abiertos. Quien dependa de él para elegir y servir modelos debería seguir este expediente.
Fallos de seguridad en los navegadores integrados de cinco herramientas de código con IA
Forever Security ha descrito un patrón de vulnerabilidades, que llama EMBRACE, en los navegadores integrados de Cursor, GitHub Copilot, OpenAI Codex, VS Code y Claude Desktop. En algunos casos, una página maliciosa podía saltarse las restricciones de carpeta y leer claves SSH y credenciales. A 29 de octubre, Codex y VS Code no tenían parche; Cursor lo corrigió el 1 de octubre y Copilot el 13.
Por qué importa: el agente de código con navegador es ya una superficie de ataque con acceso a secretos. Hay que aislar estos entornos de las credenciales de producción.
EE. UU. presta 5.000 millones a Constellation para ampliar nucleares que alimentarán centros de datos
El Departamento de Energía comprometió de forma condicional un préstamo de 5.000 millones de dólares a Constellation Energy para añadir 1,1 GW de potencia nuclear en ocho centrales de Illinois, Maryland y Pensilvania. Buena parte de la producción adicional está contratada con Google, Amazon y Meta.
Por qué importa: la energía es el cuello de botella real de la IA y ya se financia con dinero público. Es un coste que acaba reflejado en el precio por token.