La salida a bolsa de Anthropic está diseñada para adelantarse a OpenAI

Las cifras de ingresos se han conocido mientras los inversores siguen a la espera de que Anthropic presente públicamente el formulario S-1. La empresa presentó confidencialmente la documentación ante la SEC el 1 de junio, y se espera que debute en bolsa este otoño con una valoración cercana a los 2 billones de dólares.

Reuters informó que la salida a bolsa de Anthropic podría posponerse hasta después de las elecciones de mitad de mandato de Estados Unidos en noviembre. Independientemente de esto, aunque finalmente se produzca un retraso, se sigue esperando que la empresa salga a bolsa antes que su rival OpenAI, que apunta a cotizar a principios de 2027. En cambio, OpenAI está considerando una posible ronda de financiación de 30.000 millones de dólares con una valoración de 1,4 billones de dólares.

Esto significa que la salida a bolsa de Anthropic podría ofrecer a los inversores una especie de evaluación temprana de lo que pueden llegar a ser las grandes empresas de IA que siguen teniendo pérdidas profundas a medida que crecen. La creadora de Claude ha afirmado que cree que los ingresos acabarán superando el costo de desarrollar y operar modelos avanzados de IA.

Compromisos de gasto y cuestiones de seguridad

Anthropic ha asumido compromisos por un valor de al menos 518.000 millones de dólares durante los próximos diez años para computación en la nube e infraestructura. Tanto Alphabet, la empresa matriz de Google, como Amazon están ayudando a financiar la expansión, proporcionando potencia de cómputo y distribuyendo los productos de la empresa, al tiempo que compiten con ella en el mercado de la IA.

Fundada por antiguos directivos de OpenAI, Anthropic ha construido su negocio en torno a sus modelos de IA Claude y a su enfoque en la seguridad de la IA. La empresa afirma que sus investigaciones han detectado agentes de IA que filtran datos confidenciales y sabotean código en entornos de prueba, aunque no ha observado comportamientos indebidos similares en implementaciones reales.