La cifra suena descomunal: OpenAI prevé alrededor de 278.000 millones de dólares de flujo de caja libre negativo acumulado entre 2026 y 2030.[1][2]
Sin embargo, el usuario puede mirar el mismo dato y pensar lo contrario:
¿Cómo puede una persona acceder a todo esto pagando una cuota mensual?
Investigar, redactar, programar, leer documentos, comparar opciones, crear prototipos, corregir, volver a probar y resolver preguntas diminutas puede hacerse desde una misma interfaz.
Si cada tarea se externalizara por separado a profesionales, la coordinación se volvería costosa incluso antes de hablar de honorarios.
El cambio no es solo que “la IA sea barata”.
Es que se comparte un capital computacional gigantesco, el tamaño mínimo de una tarea intelectual comprable se desploma y los costes de traspaso entre especialidades pueden reducirse.
1. Los 278.000 millones no son una pérdida contable de un solo año
Reuters, citando al Financial Times, informó que OpenAI espera consumir aproximadamente 278.000 millones de dólares en efectivo entre 2026 y 2030.[1][2]
Es una previsión acumulada de flujo de caja libre negativo durante cinco años, no una pérdida neta anual ya registrada.
Según el FT, los documentos internos proyectan que los ingresos podrían pasar de unos 36.000 millones de dólares en 2026 a unos 350.000 millones en 2030, mientras que el gasto acumulado hasta el final de la década podría rondar los 856.000 millones.[2]
Por tanto, la historia no es simplemente “no hay clientes”.
Es más bien:
los ingresos pueden crecer muy rápido, pero la inversión en cómputo, centros de datos, energía, redes e I+D crece todavía más.
Tampoco se puede dividir el gasto de toda la empresa por el número de conversaciones para obtener el coste de un chat. La inversión inicial y el coste marginal de una solicitud adicional son conceptos distintos.
2. Por qué el usuario puede obtener un gran excedente
En economía, la diferencia entre lo que alguien estaría dispuesto a pagar y lo que realmente paga se llama excedente del consumidor.
Si la IA aporta poco valor mensual y cuesta casi lo mismo, el excedente es pequeño.
Si reduce mucho trabajo externo, espera, repetición y oportunidades perdidas por la misma cuota, el excedente puede ser enorme.
Eso no equivale al coste de OpenAI.
Pero una suscripción de IA puede generar este efecto porque muchos usuarios comparten costes fijos que serían imposibles de asumir individualmente.
Una persona no va a entrenar un modelo de frontera, construir un clúster de GPU, integrar búsqueda y almacenamiento, operar seguridad, voz, imagen y actualizaciones de modelos.
La suscripción permite alquilar una fracción de ese sistema cuando hace falta.
Es parecido a usar electricidad sin construir una central eléctrica en casa, solo que aquí la salida es investigación, texto, código, imágenes y razonamiento.
3. La ruptura más importante puede ser el tamaño mínimo de una externalización
La externalización ya existía.
Pero contratar a una persona tiene costes fijos: encontrarla, explicar el objetivo, entregar contexto, acordar alcance, esperar, revisar, pedir cambios y transferir el resultado al siguiente especialista.
Por eso no es razonable contratar formalmente a un experto para cada tarea de cinco minutos.
“Comprueba solo este dato.” “Prueba este pequeño cambio.” “Dame tres variantes basadas en lo que hemos hablado hasta ahora.” “Deshaz este intento fallido y prueba otra ruta.”
La tarea es pequeña; el proceso de contratación es grande.
La IA cambia eso.
El lote mínimo de trabajo intelectual se vuelve diminuto.
No solo abarata un proyecto grande. También permite ejecutar decenas o cientos de microtareas que antes eran demasiado pequeñas para comprarse por separado.
4. También disminuye el coste de mover contexto entre especialistas
Los equipos humanos pierden tiempo e información en cada traspaso.
El investigador investiga. El redactor recibe un resumen. El ingeniero recibe una especificación. El control de calidad encuentra un problema. Alguien reconstruye la intención original.
Si un mismo entorno de IA conserva el contexto desde investigación hasta redacción, código, verificación y revisión, parte de ese coste desaparece.
Por eso “una IA sustituye a cinco personas” suele ser una metáfora pobre.
El valor puede estar más en:
menos transferencias, menos explicaciones, menos esperas y menos reinicios de contexto.
Así un usuario intensivo empieza a verla como un pequeño departamento de I+D.
5. Ya hay evidencia experimental de ganancias de productividad
Un estudio con 5.179 agentes de soporte encontró un aumento medio de productividad cercano al 14% con asistencia de IA generativa, con mejoras mayores entre los trabajadores menos experimentados y de menor rendimiento.[3]
Un experimento aleatorizado con 453 profesionales universitarios mostró que ChatGPT redujo el tiempo de tareas de escritura en un 40% y elevó la calidad en un 18%.[4]
Otro experimento con 758 consultores de BCG halló que, en tareas dentro de la frontera de capacidad de la IA, los participantes trabajaron más de un 25% más rápido y obtuvieron evaluaciones humanas más de un 40% superiores. Fuera de esa frontera, la IA también podía aumentar las respuestas incorrectas.[5]
La conclusión no es que la IA multiplique todo el trabajo.
Es que, en tareas adecuadas y verificables, puede mover tanto velocidad como calidad.
6. El usuario intensivo compra un ciclo, no una respuesta
El usuario ocasional compra respuestas.
El usuario intensivo compra un ciclo:
pregunta → investigación → hipótesis → borrador → código → prueba → revisión → archivo → siguiente pregunta.
La ventaja crucial es el bajo coste de reinicio.
Una idea puede probarse de inmediato. Un enfoque fallido puede reemplazarse. El material de ayer puede reutilizarse hoy.
Tareas que antes morían porque “no merece la pena explicar esto a otra persona” ahora sobreviven.
Por eso el retorno puede medirse mejor por experimentos habilitados, pequeñas tareas terminadas, esperas eliminadas, traspasos evitados y tiempo de idea a prototipo.
7. Existe el rumor de 500 dólares al mes, pero no es un precio oficial actual
A 25 de septiembre de 2026, la información oficial de OpenAI sitúa ChatGPT Plus en 20 dólares mensuales.[6]
Pro tiene niveles de 100 y 200 dólares. Las nuevas altas y mejoras al nivel de 200 dólares están temporalmente pausadas desde el 10 de septiembre, aunque el Help Center sigue describiéndolo como el nivel Pro más alto.[7]
El 24 de septiembre, el sitio externo TestingCatalog informó de referencias no publicadas que parecían describir un plan “Pro Max” de 500 dólares al mes.[8]
La distinción es importante:
OpenAI no había anunciado oficialmente un plan ChatGPT vigente de 500 dólares a 25 de septiembre.
Las referencias internas pueden cambiar o no llegar a publicarse.
Si un nivel así apareciera en el futuro, un profesional intensivo tendría que compararlo no solo con otras suscripciones, sino con el trabajo externo, el tiempo y la coordinación que realmente sustituye.
8. El precio de la API no es la contabilidad de costes de OpenAI
La página oficial del modelo GPT-5.6 Sol mostraba el 25 de septiembre un precio API de 4 dólares por millón de tokens de entrada y 20 dólares por millón de salida.[9]
Un usuario intensivo podría convertir su actividad a precios minoristas de API y suponer que toda la diferencia es una pérdida para OpenAI.
No se puede concluir eso.
El precio API es un precio de venta, no el coste marginal divulgado.
ChatGPT puede usar enrutamiento, modelos más pequeños, caché, límites de uso, infraestructura compartida y otras optimizaciones. A la vez, la proyección de 278.000 millones incluye inversiones iniciales enormes.
El valor del usuario debe compararse con su propia alternativa: ¿cuánto costaría obtener el mismo resultado mediante trabajo humano, externalización, equipos y tiempo?
El coste del proveedor y el valor del usuario son números distintos.
9. Conclusión: el gran apalancamiento es la compresión organizativa
No hay contradicción entre una OpenAI que gasta cantidades gigantescas y un individuo que siente que paga poco.
La empresa y sus inversores financian una base compartida de cómputo; millones de usuarios alquilan una fracción.
Pero el cambio más importante no es solo inteligencia más barata.
La organización necesaria para ejecutar una idea se vuelve más pequeña.
Cinco minutos de investigación. Diez de edición. Veinte de código. Tres de comparación. Reabrir ayer al instante. Cambiar de ruta después de un fallo.
El mercado tradicional de externalización gestiona mal estas unidades porque la coordinación puede costar más que el trabajo.
La IA las recibe por una sola puerta.
En el lado del proveedor arden GPU, electricidad, centros de datos y financiación.
En el lado del individuo, un botón de suscripción invoca investigación, redacción, programación e iteración.
El capitalismo ha empezado a alquilar maquinaria pesada intelectual a particulares.
Por eso asusta tanto una posible subida de precios.
- Reuters, “OpenAI forecasts cash burn near $280 billion by 2030, FT reports,” 2026-09-18 reuters.com
- Financial Times, “OpenAI expects to burn $280bn by 2030,” 2026-09 ft.com
- Brynjolfsson E, Li D, Raymond LR. “Generative AI at Work.” NBER Working Paper 31161; published version in The Quarterly Journal of Economics, 2025 nber.org
- Noy S, Zhang W. “Experimental evidence on the productivity effects of generative artificial intelligence.” Science. 2023;381(6654):187-192. doi:10.1126/science.adh2586 pubmed.ncbi.nlm.nih.gov
- Harvard Business School / BCG, “Navigating the Jagged Technological Frontier,” field experiment with 758 consultants aiinstitute.hbs.edu
- OpenAI Help Center, “What is ChatGPT Plus?”, checked 2026-09-25 help.openai.com
- OpenAI Help Center, “About ChatGPT Pro tiers,” checked 2026-09-25 help.openai.com
- TestingCatalog, “OpenAI prepares new $500/month Pro Max plan for ChatGPT,” 2026-09-24 testingcatalog.com
- OpenAI API, “GPT-5.6 Sol Model,” checked 2026-09-25 developers.openai.com
