En el sector enterprise, la inteligencia artificial generativa ha dado un vuelco inesperado. El modelo de lenguaje más usado por las empresas ya no es ChatGPT ni Gemini, sino Claude, de Anthropic, con un 40% de cuota, seguido por las soluciones de OpenAI (27%) y Google (21%). Este dato, procedente de un informe de Menlo Ventures de diciembre de 2025, sorprende a muchos directivos acostumbrados al dominio mediático de ChatGPT. Conviene aclarar que se trata de cuota de mercado en uso, no de ingresos: es decir, refleja el porcentaje del uso empresarial de cada modelo, no la facturación de sus proveedores. Aun así, el panorama de la IA corporativa se está fragmentando, y ningún modelo ostenta ya un monopolio indiscutible.
Esto no estaba en el guión
Hace dos años, dábamos por hecho que ChatGPT era el “ganador” en IA. En las empresas o en las universidades, si alguien preguntaba qué inteligencia artificial lideraba, la respuesta parecía obvia: ChatGPT, y fin de la discusión. Las alternativas (Claude, Bard, los primeros Gemini…) se veían como herramientas interesantes pero secundarias. Sin embargo, los últimos meses de 2025 marcaron un punto de inflexión. En noviembre, OpenAI lanzó GPT-5.1, Anthropic contraatacó con Claude 4.5, y Google respondió días después con Gemini 3. Tres grandes lanzamientos casi simultáneos que anunciaron el final de la era del modelo único ganador.
Los resultados están a la vista: Anthropic –con su modelo Claude– ha destronado a OpenAI en las empresas. OpenAI, que en 2023 acaparaba la mitad del mercado enterprise de LLMs, cayó a un 27% en 2025. Google, por su parte, subió hasta el 21% gracias a la integración de sus modelos (como Gemini) en su ecosistema de productos. Y Anthropic alcanzó el 40%, consolidándose como líder inesperado. Para los CEOs, este cambio de liderazgo no es solo una curiosidad estadística, sino una señal de que las dinámicas del sector han cambiado: la IA empresarial ya no es un juego de un solo jugador.
Cabe preguntarse ¿cómo es posible que Claude, relativamente menos famoso, domine el uso en empresas? La respuesta está en los casos de uso. Claude ha triunfado especialmente en un nicho crítico: la generación de código y asistencia a desarrolladores. De hecho, Anthropic posee ya el 54% del mercado de IA para codificación en empresas, dejando a OpenAI con apenas el 21% en ese terreno. La preferencia de los equipos técnicos por Claude (gracias a su capacidad para manejar bases de código extensas y reducir errores) ha impulsado su adopción. Esto ilustra un punto clave: en entornos corporativos, la mejor IA depende de para qué la utilicemos.
Cada modelo brilla en una cosa
Lejos de haber un único campeón todoterreno, lo que vemos es un ecosistema fragmentado según el caso de uso. Podríamos compararlo con un equipo de especialistas: no se trata de una liga con un solo campeón, sino de tener al mejor jugador en cada posición. Por ejemplo, Gemini 3 (de Google) ha demostrado ser puntero en razonamiento complejo, análisis científico y matemático, mientras que ChatGPT sigue destacando en generación de textos narrativos y argumentativos. Para búsquedas con información actualizada y citas fiables, herramientas como Perplexity AI sobresalen, y Claude se ha ganado el respeto de los desarrolladores en trabajos con código y manejo de grandes contextos.
Esta división de papeles empieza a ser el nuevo estándar:
- ChatGPT (OpenAI) – Especialista en redacción de texto, generación de contenido narrativo y argumentos coherentes.
- Gemini 3 (Google) – Potente en razonamiento complejo, escenarios estratégicos, cálculos matemáticos y análisis profundos.
- Perplexity AI – Herramienta de investigación que encuentra, contrasta y cita fuentes de información actualizadas, ideal para búsquedas con contexto.
- Claude (Anthropic) – Experto en asistencia de programación: ayuda a escribir código, depurar y mantener contexto extenso sin perder el hilo.
- NotebookLM (Google) – Un asistente de investigación y estudio, capaz de analizar documentos proporcionados por el usuario y extraer conocimiento de forma interactiva (útil para formación interna o síntesis de informes largos).
- Modelos de voz y vídeo – Soluciones especializadas para tareas fuera del texto: por ejemplo, IAs de voz para transcripción o generación de audio, e IAs de vídeo para creación de contenido visual o análisis multimedia. Estas herramientas cubren necesidades específicas que los modelos de lenguaje puros no atienden.
La conclusión: no hay una IA única que sea la mejor en todo, sino varias IA destacando cada una en lo suyo. Esto explica que en las organizaciones se reparta el uso entre distintos proveedores: las empresas están combinando herramientas para aprovechar las fortalezas de cada modelo en cada área. En total, los tres grandes (Anthropic, OpenAI, Google) concentran un 88% del uso de LLMs en empresas, pero el 12% restante corresponde a una larga cola de actores como Meta (Llama), Cohere, startups como Mistral, e incluso modelos open-source adaptados a nichos. El panorama es más diverso que nunca, señal de un mercado en rápida madurez.
Multimodelo: no es fidelidad, es arquitectura
Este nuevo escenario exige repensar la estrategia de IA corporativa. Tradicionalmente, muchas compañías optaban por casarse con un solo ecosistema (“somos de Microsoft” o “somos de Google”), confiando en que ese proveedor les daría la solución de IA óptima. Pero si incluso los gigantes están evitando el modelo de proveedor único, una empresa mediana no debería atarse de pies y manos a un solo actor. Microsoft y OpenAI, por ejemplo, han recalibrado su relación, permitiendo que OpenAI colabore con otros socios; Google ha abierto su plataforma a integraciones externas. La pregunta ya no es de lealtad a una marca, es de arquitectura tecnológica.
En Proportione llevamos tiempo insistiendo en esta idea. De hecho, en un análisis publicado tras el lanzamiento de Gemini 3 recalcábamos que “la era del modelo omnipotente se ha acabado; la estrategia ganadora no consiste en elegir un modelo, sino en aprender a orquestar varios modelos según la tarea”. Es lo que llamamos una estrategia multimodelo. En lugar de preguntar “¿qué modelo de IA es el mejor?”, las empresas punteras se preguntan “¿qué modelo es el mejor para cada necesidad específica?”. Esta forma de pensar, más compleja al principio, está dando frutos tangibles: estudios recientes comparando implementaciones de “modelo único” vs. estrategias multimodelo muestran diferencias significativas en el retorno de la inversión, a favor del enfoque multimodelo. En otras palabras, las organizaciones que dejan de buscar un ganador absoluto y pasan a un esquema de “ganadores por área” capturan más valor, más rápido.
Nuestra experiencia práctica confirma esta tendencia. En Proportione, por ejemplo, hemos adoptado un enfoque pragmático y multimodelo: utilizamos Claude cuando se trata de generar o revisar código (donde sobresale), preferimos NotebookLM o Perplexity para el estudio de documentos y tareas de investigación, aprovechamos ChatGPT en redacción y síntesis de textos, y no dudamos en recurrir a modelos de voz o vídeo cuando un proyecto lo requiere. Esta mentalidad abierta y orientada al caso de uso nos ha permitido ofrecer soluciones IA efectivas sin casarnos con una sola tecnología. No se trata de hacer autobombo, sino de ilustrar un enfoque maduro: igual que no existe una única herramienta válida para todas las operaciones de tu negocio, tampoco la hay en inteligencia artificial.
Implicaciones en la toma de decisiones
¿Qué significa todo esto en la práctica para un CEO? En primer lugar, dejar de buscar “el mejor modelo de IA” como una decisión única. La verdadera ventaja competitiva no vendrá de elegir un modelo milagroso, sino de diseñar un sistema donde múltiples modelos colaboren a tu favor. Para avanzar en esa dirección, considera estas acciones:
- Mapea las necesidades según el tipo de tarea: analiza qué partes de tu negocio dependen principalmente de la generación de texto (por ejemplo, creación de informes o marketing de contenidos), cuáles requieren razonamiento complejo y análisis (planificación estratégica, simulaciones), cuáles implican investigación rápida con fuentes fiables (documentación, conocimiento del mercado) y cuáles giran en torno al código o desarrollo de software. No olvides identificar necesidades de audio/vídeo u otros formatos si las hay (por ejemplo, atención al cliente por voz, análisis de vídeos de seguridad, etc.).
- Asocia cada área con la IA más adecuada: una vez categorizadas las tareas, elige el modelo líder en cada categoría. Puede significar integrar ChatGPT o Gemini en tu departamento de planificación, usar Claude para asistir a tus desarrolladores, desplegar un asistente como Perplexity o NotebookLM para el equipo de research, y así sucesivamente. Ten en cuenta criterios como la privacidad de datos (algunas áreas quizá requieran modelos on-premise o open-source) y la facilidad de integración con tus sistemas existentes.
- Acepta una arquitectura con varios proveedores: es probable que tu ecosistema de IA involucre a diversos proveedores y herramientas. Esto rompe con la comodidad de antes, pero es necesario. No tiene sentido aferrarse a “somos una empresa 100% de X proveedor” en un mundo donde cada proveedor brilla en algo distinto. Prepárate para gestionar contratos, APIs y acuerdos de nivel de servicio con múltiples socios tecnológicos.
- Prepara a tu equipo y ajusta procesos: invertir en IA no es solo cuestión tecnológica sino también organizativa. Asegúrate de dar a tus profesionales tiempo y formación para familiarizarse con varias herramientas a la vez. Establece protocolos claros: por ejemplo, ¿cuándo deben tus analistas pedirle a ChatGPT un primer borrador, cuándo es mejor consultar a Gemini para un análisis de escenarios, o cuándo usar Perplexity para verificar un dato?. Al mismo tiempo, define qué decisiones o tareas no delegarás nunca por completo en una IA, por brillantes que sean sus resultados (la supervisión humana sigue siendo crucial).
Tomar este camino exige visión estratégica. Significa reconocer que la IA no es un monolito mágico que se enchufa y resuelve todo, sino un conjunto de herramientas poderosas que hay que saber combinar. La recompensa, eso sí, merece la pena: por primera vez, las empresas pueden imaginar despliegues de IA verdaderamente transformadores sin tener que renunciar a su stack tecnológico preferido. Es posible obtener IA de primer nivel permaneciendo en entornos Google Workspace o Microsoft 365, siempre que incorpores los modelos adecuados de forma orquestada.
El liderazgo de Claude en las empresas nos enseña que la carrera de la IA no tiene un ganador único, sino varios, y que tu ventaja como empresa dependerá de cómo sepas jugar con todos ellos. La pregunta ya no es “qué IA gana” (esa competición ya no existe, como bien dijo un análisis de Proportione). La pregunta relevante es cómo vas a organizar tu propia “liga interna” de inteligencias artificiales y personas para que todas sumen a tu estrategia. Distintos modelos brillan en distintas tareas, y en esa diversidad bien gestionada reside el nuevo factor de éxito. Los próximos años se jugarán en este terreno: en la capacidad de cada organización para diseñar sistemas híbridos donde humanos y varias IAs colaboren de forma inteligente, sostenible y clara. Aquellos CEOs que antes comprendan y actúen en consecuencia —abrazando una estrategia multimodelo con cabeza— tendrán una ventaja notable en la era de la IA madura.
Fuentes: El dato de cuotas de uso de modelos proviene del informe State of Generative AI in the Enterprise 2025 de Menlo Ventures. Reflexiones sobre la estrategia multimodelo extraídas de análisis de Proportione (J. Cuervo, 2025) y otras publicaciones especializadas. En Proportione ya hemos comparado a fondo modelos como Gemini 3 vs. ChatGPT en nuestro blog, concluyendo que la cuestión no es quién es mejor en general, sino quién es mejor en cada cosa. Estos ejemplos refuerzan la idea central: no hay un único ganador claro en IA, y por ello la estrategia más inteligente es la combinación adecuada de múltiples inteligencias artificiales al servicio de los objetivos de negocio.
Lectura relacionada: Descubre cómo integrar IA en los procesos de tu empresa y comparativa de herramientas de IA para empresas en Proportione.
