Por Javier Cuervo
Lunes, 7:12. Salta una alerta en el móvil: OpenAI podría estar moviendo parte de sus operaciones fuera de Microsoft Azure. Si se confirma, no sería un giro brusco, sino una fase natural de la madurez: cuando tu demanda de cómputo crece más rápido que la oferta, abres alternativas. Lo veo a menudo: primero eliges un proveedor por velocidad; luego diversificas por resiliencia, coste y poder de negociación.
Para entenderlo hay que mirar atrás. OpenAI nace en 2015 como organización sin ánimo de lucro. En 2019 crea la estructura “capped-profit” (OpenAI LP) para atraer capital manteniendo el control en la entidad sin ánimo de lucro. Ese mismo año Microsoft anuncia una inversión de 1.000 millones y pone a Azure como proveedor preferente. En 2020, Microsoft obtiene la licencia exclusiva de GPT‑3. En enero de 2023, Microsoft comunica una nueva inversión “multianual y multimillonaria” y que Azure seguirá siendo el proveedor cloud exclusivo de OpenAI para sus cargas principales. En noviembre de 2023 llega la mayor crisis de gobernanza: el consejo destituye a Sam Altman, el equipo se moviliza, Microsoft ofrece incorporarlo, y pocos días después Altman vuelve como CEO. Se recompone el consejo con Bret Taylor (presidente), Larry Summers y Adam D’Angelo, y Microsoft obtiene un asiento de observador sin voto. En marzo de 2024, tras una investigación externa, OpenAI anuncia mejoras de gobernanza, el retorno de Altman al consejo y la incorporación de perfiles independientes como Nicole Seligman, Sue Desmond‑Hellmann y Fidji Simo. Ese es el contexto: capital de Microsoft, exclusividad cloud declarada en 2023, y una gobernanza reforzada pero con tensiones entre misión, escala y mercado.
Volvamos a esta semana de noviembre de 2025: Lunes, 10:30. Si la prensa especializada está adelantando que OpenAI evalúa AWS para parte de su cmputación, la primera pregunta de los grandes clientes es operativa: latencia, disponibilidad y SLA. ¿Qué operaciones moverías primero? Obviamente las que permiten mayor tolerancia al cambio: picos de inferencia, experimentación, servicios periféricos. Entrenamiento a gran escala suele ir después,… si va.
Lunes, 13:10. Motivos técnicos, sin misterio.
1) Capacidad: la demanda de GPUs sigue superando la oferta.
2) Coste por token: si puedes ejecutar parte de la inferencia en hardware alternativo (por ejemplo, chips diseñados para IA como Inferentia/Trainium en AWS) con un TCO menor, tu P&L lo nota.
3) Resiliencia: multicloud reduce riesgo de concentración.
4) Cumplimiento: más ubicaciones, más opciones para requisitos regulatorios.
Lunes, 17:45. Motivo estratégico: poder de negociación. Un comprador que concentra toda su demanda en un único proveedor pierde capacidad para mejorar sus condiciones. A la inversa, diversificar te da mejores precios, mejores reservas de capacidad y, a veces, acceso prioritario a nuevas generaciones de hardware. No es “romper” con Microsoft; es gestionar dependencia.
Martes, 8:20. ¿Esto cambia la gobernanza de OpenAI? En principio, no. La estructura sigue siendo la misma: la entidad sin ánimo de lucro controla; la LP capta capital con tope de retorno; la dirección ejecuta. Decidir mover operaciones entre nubes es, típicamente, atribución de gestión, no del consejo, salvo que afecte a compromisos contractuales materiales. Si existen cláusulas de exclusividad o gasto mínimo con Azure, cualquier cambio sostenido y significativo abriría una mesa de renegociación. Pero eso es negociación comercial, no rediseño de la misión.
Martes, 12:05. ¿Y la relación con Microsoft? La alianza estratégica sigue ahí: integración de modelos en productos (Copilot, M365, Bing), co-desarrollo de infraestructuras y una relación financiera relevante. Que OpenAI explore AWS no acaba con eso. El ajuste es contractual-operativo: reservas de capacidad, precios escalonados, prioridades de despliegue, y quizá nuevos límites sobre qué se ejecuta dónde y con qué plazos.
Miércoles, 11:00. Técnica fina. Es probable que el entrenamiento de nuevos modelos siga en las GPU NVIDIA de última generación por ecosistema y madurez. La inferencia, en cambio, admite mayor diversidad: optimizadores por modelo, kernels específicos, servidores de modelos que abstraen el hardware, y caminos para chips especializados. El resultado deseable: coste por 1.000 tokens a la baja, latencia estable, y más resiliencia.
Jueves, 16:00. Efecto en mercado cloud. Si OpenAI abre camino, valida la apuesta de AWS por chips propios y refuerza la tesis “multicloud de verdad” para IA generativa a escala. Microsoft, que ya invierte en supercomputación dedicada para IA en Azure, acelerará compromisos de capacidad, acuerdos de suministro y servicios de plataforma más integrados. Google queda en situación ambivalente: gran proveedor de IA e infra, pero competidor directo en modelos.
Viernes, 9:00. ¿Qué cambia para el cliente empresarial? Tres cosas:
1) Estándares de portabilidad (serving y orquestación) importan más que nunca.
2) Contratos cloud con cláusulas de elasticidad real, no solo crédito.
3) Métricas que controlen negocio, no sólo técnica: coste por conversación/respuesta útil, latencia P95, tasa de caídas, disponibilidad multirregión.
Qué espero que pase, si esto se confirma:
- Multicloud pragmático: Azure sigue siendo el socio principal; AWS gana una porción significativa pero minoritaria de cargas, empezando por inferencia y picos.
- Entrenamiento mayoritariamente en NVIDIA a corto plazo; más experimentación en hardware alternativo para inferencia.
- Cambio contractual entre Microsoft y OpenAI: más capacidad comprometida en Azure a cambio de precio y prioridad; límites y ventanas de uso fuera de Azure.
- Ningún cambio en el consejo por este motivo. Sí más foco de los comités de riesgo/seguridad en dependencia tecnológica y concentración de proveedores.
- Lo más importante, el ejemplo: más actores AI‑first adoptan estrategias multicloud selectivas, priorizando coste por token, resiliencia y cumplimiento.
Qué haría yo como CEO/CIO hoy, con independencia de titulares (Y que empezaremos esta semana a hacer en Proportione):
- Negociar reservas de capacidad multianual con al menos un proveedor y opciones creíbles con un segundo.
- Diseñar la plataforma de IA (serving, observabilidad, feature store, vector DB) con abstracción de hardware y nube desde el día uno.
- Medir negocio, no solo técnica: coste por resultado útil, no por GPU/hora.
- Preparar un plan de continuidad de negocio específico para IA: degradación funcional, colas, caching, y fallback entre proveedores.
- Revisar cláusulas de exclusividad y MFN en contratos; que la estrategia técnica no quede atrapada por el papel.
Esto va, en el fondo, de independencia operativa sin romper alianzas. OpenAI tiene que asegurar capacidad, bajar costes unitarios y ganar flexibilidad. Microsoft quiere maximizar adopción en su plataforma y proteger la relación. AWS busca validar su stack de IA a escala. Ninguno de estos objetivos es incompatible. El equilibrio se negocia en watts, en tokens y en SLA, no en titulares.
— Javier Cuervo
Para dar el siguiente paso: explora estrategia de IA empresarial y consultoría de gestión de negocio.
