Cuántos usuarios tiene cada IA y por qué el dinero no cuadra
Nunca una tecnología había ganado tantos usuarios tan rápido. Y nunca una industria había gastado tanto sin ganar dinero. Estas dos frases son verdad al mismo tiempo, y ahí está el problema.
La inteligencia artificial de consumo vive un momento contradictorio. Por un lado, los asistentes conversacionales suman cientos de millones de usuarios al año, a un ritmo que deja pequeños a productos como Instagram o TikTok. Por otro, las empresas que los fabrican y las que construyen su infraestructura están gastando cantidades históricas de dinero, muy por encima de lo que ingresan.
En este artículo repasamos, con datos verificados, qué asistentes de IA existen hoy, cuántos usuarios tienen y cómo han crecido año a año, para después entender la parte incómoda: el problema del gasto.
Qué IA hay ahora y cuántos usuarios tiene cada una
El mercado se ha concentrado en un puñado de nombres. Antes de ver las cifras, una advertencia importante: cada empresa mide a sus usuarios de forma distinta. Unas cuentan usuarios activos semanales (WAU), otras mensuales (MAU), y en algunos casos son estimaciones de terceros. No son directamente comparables, pero sí sirven para ver el orden de magnitud.
Asistentes de uso directo · mediados de 2026
Los que la gente abre a propósito para consultar o trabajar. Usuarios activos mensuales estimados, en millones.
Fuentes: OpenAI, Google (Google I/O), Sensor Tower vía Reuters y TechCrunch, Similarweb, Forbes, Business of Apps (2025-2026).
Una aclaración de criterio: aquí incluimos solo los asistentes de uso directo, es decir, los que una persona abre a propósito para preguntar, redactar o trabajar. Dejamos fuera integraciones como Meta AI, que suma más de 1.000 millones de usuarios pero en su mayoría de forma pasiva, porque aparece dentro de WhatsApp, Instagram o Facebook sin que el usuario elija abrir un asistente. No es lo mismo un chatbot que la gente busca que uno que simplemente le sale al paso.
ChatGPT, de OpenAI, es el asistente de referencia: su app superó los 1.000 millones de usuarios mensuales en 2026, la más rápida de la historia en alcanzar esa cifra.
Gemini, de Google, es el segundo en uso voluntario y el que más rápido recorta distancias, apoyado en Android, Chrome y el buscador. Por detrás quedan Copilot (Microsoft), Claude (Anthropic, líder en el mundo empresarial), Grok (xAI), el chino DeepSeek y Perplexity. Un apunte sobre Copilot: buena parte de sus 420 millones llega por venir integrado en Windows y Office, así que su uso real es más difícil de medir que el de asistentes que la gente busca por su cuenta.
Cómo han crecido año a año
Lo verdaderamente inédito es la velocidad. ChatGPT tardó cinco días en llegar a un millón de usuarios y unos dos meses en alcanzar los 100 millones, un récord que a Instagram le costó más de dos años. Este es el recorrido de los tres principales asistentes de uso directo.
Curva de adopción · usuarios activos mensuales (millones)
Alcance multiplataforma estimado. Se usa la misma métrica (mensual) para que sean comparables.
Fuentes: OpenAI, Google/Alphabet, Sensor Tower y Similarweb (2023-2026). La cifra semanal de ChatGPT (900 M) es una medida más estricta; su app superó los 1.000 M mensuales en 2026. Los datos de Claude son estimaciones multiplataforma.
ChatGPT pasó de 400 a 900 millones de usuarios semanales en solo doce meses, y su app superó los 1.000 millones de usuarios mensuales, la más rápida de la historia. Gemini multiplicó por más de dos su base en poco más de un año. Claude, mucho más pequeño en consumo (unos 245 millones), es sin embargo el líder en el mundo empresarial: la mayor parte de sus ingresos vienen de empresas y desarrolladores, no de usuarios particulares. Aun así, la conclusión es clara: estamos ante la adopción más rápida de la historia del software de consumo. La pregunta lógica sería: si tanta gente lo usa, ¿dónde está el problema?
El problema del gasto: mucho uso, poco dinero
Aquí llega el giro. Tener cientos de millones de usuarios no significa ganar dinero. La IA es carísima de operar: cada respuesta consume potencia de cálculo, y entrenar los modelos y construir los centros de datos cuesta cifras que cuesta imaginar.
1. Una inversión sin precedentes
Las cinco grandes de la nube e infraestructura (Amazon, Microsoft, Alphabet, Meta y Oracle) han anunciado inversiones combinadas de entre 650.000 y 725.000 millones de dólares solo en 2026, casi el doble que en 2025. Amazon guía por sí sola hacia los 200.000 millones, el mayor compromiso de inversión de una empresa tecnológica en la historia. Para dar contexto: esa cifra por sí sola supera el gasto de capital de todo el sector energético cotizado de Estados Unidos.
La escalada de inversión en infraestructura de IA
Capex combinado de las grandes tecnológicas, en miles de millones de dólares.
Fuentes: resultados trimestrales de las compañías (Q1 2026), Goldman Sachs, CreditSights, Morgan Stanley.
2. Los ingresos no siguen el ritmo
El dinero que entra existe y crece rápido: los negocios de nube de Amazon, Google y Microsoft facturan decenas de miles de millones al año con la IA. Pero el gasto crece mucho más deprisa que los ingresos. El inversor David Cahn, de Sequoia, calculó una brecha de unos 600.000 millones de dólares al año entre lo que se invierte en infraestructura de IA y lo que el ecosistema ingresa realmente. Y esa brecha, lejos de cerrarse, se está ampliando.
Según Allianz Research, la divergencia entre inversión e ingresos en IA ronda el 46%, ya por encima del 32% que se vio en la burbuja de las telecomunicaciones del año 2001, un episodio al que siguió una dura corrección bursátil de varios años.
Cuantos más usuarios, más pierden. Es el patrón que preocupa: la escala no está bajando los costes lo suficiente.
3. El caso OpenAI: perder para crecer
El fabricante de ChatGPT es el mejor ejemplo. OpenAI alcanzó hacia mediados de 2026 unos 25.000 millones de dólares de ingresos anualizados, pero se estima que perderá unos 14.000 millones solo en 2026. Según cifras internas filtradas, gasta aproximadamente 1,69 dólares por cada dólar que ingresa, y prevé pérdidas acumuladas cercanas a los 115.000 millones hasta 2029.
Al mismo tiempo, la compañía ha firmado compromisos de compra de computación por unos 1,4 billones de dólares a ocho años (con Microsoft, Oracle, Nvidia, Broadcom y el proyecto Stargate). El desajuste entre lo que se ha comprometido a gastar y el dinero que realmente tiene asegurado es enorme.
4. El susto ya llegó una vez
Que estos números pueden mover mercados enteros no es teórico. En enero de 2025, la irrupción del modelo chino DeepSeek (mucho más barato de entrenar) borró alrededor de un billón de dólares de capitalización bursátil del sector en un solo día, incluida la mayor caída diaria de la historia para una empresa: Nvidia perdió cerca de 589.000 millones en una jornada.
Por qué pierden dinero con cada usuario
Aquí está la parte menos intuitiva, y la clave de todo. En un producto de software normal (una app, una red social), crecer abarata: los costes fijos se reparten entre más usuarios y cada usuario nuevo apenas cuesta nada. En la inteligencia artificial ocurre lo contrario: cada usuario añade coste real. Por tres motivos.
1. Casi nadie paga
La gran mayoría de la gente usa la versión gratuita. En el caso de ChatGPT, se estima que solo alrededor del 5% de los usuarios paga una suscripción. El otro 95% no ingresa nada… pero sí genera coste cada vez que escribe una consulta.
De cada 100 usuarios, cuántos pagan
Proporción estimada de usuarios de pago frente a gratuitos en ChatGPT.
Fuentes: estimaciones sobre datos de OpenAI recogidas por The Information, Revenue Memo y análisis del sector (2025-2026).
2. Cada respuesta cuesta dinero de verdad
En una app tradicional, responder a un usuario más es prácticamente gratis. En la IA no: cada respuesta (lo que se llama inferencia) consume potencia de cálculo, chips especializados y electricidad. Es un coste que crece con cada uso. Solo en inferencia, OpenAI gastó unos 8.400 millones de dólares en 2025, y para 2026 esa cifra se proyecta cerca de 14.000 millones. Mantener ChatGPT en marcha cuesta, según algunas estimaciones, cientos de miles de dólares al día.
El problema se agrava con los modelos más nuevos: los llamados de «razonamiento», que piensan más antes de responder, son bastante más caros por consulta que los anteriores. Y al mismo tiempo, la competencia (con China empujando precios a la baja) obliga a cobrar menos. Más coste por respuesta y menos margen para cobrarla.
3. Incluso quien paga puede costar más de lo que paga
Aquí está lo más llamativo. El propio Sam Altman, consejero delegado de OpenAI, reconoció que perdían dinero incluso con el plan Pro de 200 dólares al mes, porque la gente lo usaba mucho más de lo que esperaban. Con el plan de 20 dólares el riesgo es aún mayor: un usuario intensivo, que hace decenas de consultas complejas al día, puede consumir fácilmente más de 30 dólares al mes en cómputo. Es decir, cuanto más valor le saca el cliente, más pierde la empresa.
En el software normal, crecer abarata. En la inteligencia artificial, crecer encarece. Por eso ganar usuarios no ha arreglado las cuentas: ha agrandado el agujero.
Conviene ser justos: el margen mejora poco a poco. En 2024, OpenAI gastaba 71 céntimos de inferencia por cada dólar que ingresaba; en 2025 esa cifra bajó, mejorando el margen bruto. Pero ese cálculo no incluye el coste de entrenar los modelos, los salarios, la investigación ni el marketing. Contándolo todo, ni una sola de las grandes empresas de modelos gana dinero todavía.
Entonces, ¿es una burbuja?
Aquí conviene ser honesto: no hay consenso, y cualquiera que te dé una respuesta rotunda te está vendiendo una opinión, no un dato. Existen dos lecturas razonables.
| Los optimistas dicen… | Los pesimistas dicen… |
|---|---|
| Es un superciclo de infraestructura, comparable a los ferrocarriles o la electrificación: se gasta antes de que llegue el retorno. | Es una sobreinversión parecida a la de las telecos en 2001, que dejó capacidad ociosa y años de resaca. |
| La demanda de cómputo supera a la oferta; las empresas no dan abasto. | Muchos proyectos empresariales de IA no generan beneficio medible todavía. |
| Los ingresos crecen a ritmos del 30-120% anual en la nube. | El gasto crece aún más rápido, y se financia cada vez más con deuda. |
| La capacidad financiera de las grandes es enorme. | Los fabricantes de modelos pierden dinero y dependen de rondas constantes. |
Lo que sí es un hecho es la tensión: estamos ante el mayor ciclo de inversión privada en tecnología de la historia, sostenido por una adopción real y masiva de usuarios, pero con una parte del sector (los fabricantes de modelos) que todavía pierde mucho dinero y depende de que los inversores sigan poniendo capital. Mientras haya apetito inversor, la maquinaria sigue. El día que ese apetito se enfríe, la conversación cambiará muy rápido.
Qué mirar de aquí en adelante
Sin necesidad de ser experto, hay tres señales que cualquiera puede seguir para saber por dónde va la historia:
Primera, si la brecha entre gasto e ingresos empieza a cerrarse o se sigue ampliando. Segunda, si los fabricantes de modelos como OpenAI o Anthropic acercan sus pérdidas a cero (Anthropic prevé equilibrio antes que OpenAI). Tercera, cómo reacciona la bolsa cada vez que una gran tecnológica anuncia más inversión: si el mercado la premia o la castiga, sabremos si la confianza se mantiene.
La IA ha ganado la batalla de los usuarios. La que sigue abierta, y la que de verdad importa para tu dinero, es la de la rentabilidad.
Este contenido es informativo y divulgativo. No constituye asesoramiento de inversión ni una recomendación de compra o venta de ningún activo.