OpenAI acaba de cruzar una línea estratégica importante: ha presentado Jalapeño, su primer procesador propio de inteligencia artificial, desarrollado junto a Broadcom y pensado específicamente para inferencia, es decir, para el momento en el que un modelo como ChatGPT recibe una instrucción, procesa el contexto y genera una respuesta. No hablamos de un chip genérico, ni de una GPU adaptada a la IA, sino de un acelerador diseñado desde cero para cargas de trabajo de grandes modelos de lenguaje actuales y futuros.
La noticia es relevante porque confirma una tendencia de fondo: la inteligencia artificial ya no se juega únicamente en los modelos, sino en la infraestructura completa que permite ejecutarlos a escala. Modelos, chips, memoria, redes, centros de datos, costes energéticos y disponibilidad de cómputo forman parte de una misma batalla. OpenAI lo define como una estrategia “full stack”: controlar más capas de la cadena para hacer que sus modelos sean más rápidos, fiables y, en teoría, más asequibles para usuarios, empresas y desarrolladores.
Qué es Jalapeño y por qué no es “otro chip más”
Jalapeño es el primer “Intelligence Processor” de OpenAI. La compañía lo presenta como un acelerador optimizado para LLM inference, no para entrenamiento. Esta distinción es clave. El entrenamiento es la fase en la que un modelo aprende a partir de enormes cantidades de datos. La inferencia es lo que ocurre cada vez que un usuario hace una consulta a ChatGPT, pide a Codex que programe, solicita un resumen jurídico, genera un informe o interactúa con un agente de IA.
Para un despacho profesional, la inferencia es la parte visible y operativa de la IA. Es lo que sucede cuando un asesor pide que se revise un contrato, cuando un abogado solicita una primera matriz de riesgos, cuando un gestor automatiza la clasificación de documentos o cuando un equipo de marketing genera contenidos personalizados. Si la inferencia se abarata y gana velocidad, las herramientas de IA pueden ser más accesibles, más rápidas y más integradas en procesos cotidianos.
Según OpenAI, Jalapeño está pensado para reducir movimiento de datos, equilibrar cómputo, memoria y red, y acercar el rendimiento real del chip a su rendimiento teórico. Es una afirmación técnica importante porque, en IA, el problema no es solo tener más potencia bruta: también importa cómo se mueven los datos, cuánta latencia se introduce y cuánta energía se consume para generar cada respuesta.
El dato que hay que leer con cautela: rendimiento por vatio
OpenAI afirma que las primeras pruebas muestran un rendimiento por vatio “sustancialmente mejor” que el estado del arte actual, aunque también reconoce que todavía está midiendo el rendimiento final y que publicará un informe técnico más detallado en los próximos meses. Es decir: la dirección estratégica está clara, pero aún no hay benchmark público suficiente para comparar Jalapeño de forma rigurosa con las plataformas líderes del mercado.
Este matiz es importante. En el sector tecnológico, cada nuevo chip suele llegar acompañado de promesas de eficiencia, escalabilidad y reducción de costes. Pero una cosa es ejecutar cargas en laboratorio y otra muy distinta es desplegar centros de datos a gran escala, con disponibilidad, refrigeración, redes, mantenimiento, suministro eléctrico y demanda real de clientes. La propia OpenAI indica que las muestras de ingeniería ya están ejecutando cargas de IA en laboratorio a frecuencia y potencia objetivo de producción, incluyendo GPT-5.3-Codex-Spark.
Nueve meses: el otro mensaje de la noticia
Uno de los elementos más llamativos es el plazo. OpenAI asegura que Jalapeño pasó de diseño inicial a tape-out en nueve meses, un ciclo extraordinariamente rápido para un ASIC avanzado. La compañía atribuye esa velocidad a la colaboración con Broadcom, a la coingeniería software-hardware y al uso de sus propios modelos de IA para acelerar partes del diseño y la optimización.
Aquí hay una lectura de fondo: la IA empieza a utilizarse para diseñar la infraestructura que, a su vez, ejecutará futuras generaciones de IA. Es una especie de bucle industrial. Mejores modelos ayudan a diseñar mejores chips; mejores chips abaratan y aceleran la ejecución de mejores modelos; y mejores modelos impulsan productos más potentes. Esa lógica es la que OpenAI quiere convertir en ventaja competitiva.
La carrera por depender menos de NVIDIA
La presentación de Jalapeño no puede entenderse sin el contexto de NVIDIA. Durante los últimos años, las GPU de NVIDIA se han convertido en la pieza central de la infraestructura de IA. La propia NVIDIA cerró su año fiscal 2026 con ingresos récord de 215.900 millones de dólares, un 65% más interanual, y con ingresos de Data Center de 193.700 millones de dólares, impulsados por computación acelerada e IA.
OpenAI no está rompiendo con NVIDIA de un día para otro. Eso sería una lectura simplista. Lo que está haciendo es diversificar su dependencia tecnológica y avanzar hacia un modelo en el que parte de su infraestructura esté diseñada alrededor de sus propias necesidades. EFE señala que OpenAI ha dependido históricamente de GPU de NVIDIA para entrenar y operar sus modelos, pero también ha buscado diversificar su cadena de suministro mediante acuerdos con AMD, Cerebras y AWS Trainium.
La diferencia de Jalapeño es que aquí OpenAI no se limita a comprar capacidad externa: diseña la arquitectura del acelerador y se apoya en Broadcom y Celestica para convertirla en una plataforma industrializable. Según OpenAI, Broadcom aporta implementación de silicio, tecnologías de red —incluyendo Tomahawk— y capacidad para producción a gran escala, mientras que Celestica participa en integración de placas, racks y sistemas.
Por qué la inferencia será el campo de batalla de la IA empresarial
Durante la primera etapa de la IA generativa, el foco mediático estuvo en el entrenamiento de modelos: quién tenía el modelo más grande, más capaz o más sorprendente. Pero a medida que la IA se incorpora a empresas, despachos y administraciones, la batalla se desplaza hacia la inferencia.
La razón es sencilla: la inferencia es donde se multiplican los costes de uso. Cada consulta, cada automatización, cada agente que toma decisiones, cada documento analizado y cada tarea delegada consume cómputo. Si una organización pasa de usar IA ocasionalmente a integrarla en procesos internos, el coste deja de ser anecdótico y se convierte en una variable operativa.
OpenAI lo expresa de forma directa: la inferencia es donde la IA llega a las personas. Cada mejora en coste, velocidad y fiabilidad puede traducirse en respuestas más rápidas de ChatGPT, tareas de Codex con más pasos, APIs más económicas o mayor disponibilidad cuando la demanda se dispara.
La lectura estratégica: la IA será cada vez menos “aplicación” y más infraestructura
Durante años, muchas empresas han pensado en la IA como una herramienta concreta: ChatGPT, Copilot, Claude, Gemini o una funcionalidad añadida dentro de un software. Pero el movimiento de OpenAI apunta en otra dirección: la IA se convierte en una infraestructura transversal, comparable a la nube, la ciberseguridad o las redes.
Esto tiene consecuencias importantes para los despachos profesionales. La pregunta ya no será solo “qué herramienta de IA uso”, sino:
Qué procesos quiero transformar
No basta con contratar una licencia. Hay que decidir dónde aporta valor: atención al cliente, gestión documental, fiscalidad, laboral, legal, marketing, formación interna o análisis de expedientes.
Qué datos puedo usar
La IA solo será útil si accede a información fiable, estructurada y gobernada. En un despacho, esto afecta a expedientes, documentos de clientes, comunicaciones, bases jurídicas, histórico de consultas y criterios internos.
Qué riesgos debo controlar
La adopción de IA exige supervisión humana, trazabilidad, criterios de uso, revisión de contratos con proveedores y formación del equipo. Más potencia de cómputo no elimina los riesgos de privacidad, confidencialidad o errores.
Qué dependencia tecnológica estoy asumiendo
El caso Jalapeño recuerda que detrás de cada herramienta de IA hay una cadena de suministro compleja: proveedor del modelo, infraestructura cloud, chips, red, centros de datos y condiciones comerciales. Para un despacho, esto se traduce en dependencia de proveedores y necesidad de evaluar continuidad, seguridad y coste.
España: adopción creciente, pero con una brecha clara
El dato del INE muestra crecimiento, pero también una brecha relevante. Una de cada cinco empresas de 10 o más empleados ya usa IA, pero eso significa que la mayoría todavía no lo hace de forma declarada. En microempresas, el porcentaje de empresas con conexión a internet que emplean IA alcanza el 13,4%, aunque supone una subida de 5,9 puntos frente al año anterior.
Para el sector de los despachos, esta brecha puede convertirse en una ventaja competitiva. Los que aprendan antes a integrar IA con criterio no solo ahorrarán tiempo: podrán prestar servicios más ágiles, generar más capacidad comercial, mejorar la experiencia del cliente y dedicar más horas profesionales a análisis, asesoramiento y estrategia.
En el Centro de Innovación ya hemos analizado esta evolución desde distintas perspectivas, como la llegada de OpenAI a Madrid, la comparación entre Claude Pro y ChatGPT Plus para despachos, o el impacto de los agentes de IA en el modelo SaaS. Estos contenidos ayudan a entender que la noticia de Jalapeño no es un hecho aislado, sino una pieza más de la transformación de la IA en infraestructura empresarial.
Lo que todavía no sabemos
Conviene evitar dos errores: pensar que Jalapeño va a cambiarlo todo mañana o pensar que no importa porque está lejos del usuario final. La posición razonable está en medio.
Sabemos que OpenAI y Broadcom han presentado el chip, que está optimizado para inferencia, que las muestras de ingeniería ya ejecutan cargas de IA en laboratorio y que la plataforma se desplegará inicialmente a finales de 2026, con vocación multigeneracional.
No sabemos todavía su rendimiento final medido de forma independiente, su coste real por token, su disponibilidad efectiva, su impacto en precios de API, su comportamiento en centros de datos a gran escala ni hasta qué punto reducirá la dependencia de terceros. OpenAI ha anunciado que publicará un informe técnico en los próximos meses, por lo que cualquier afirmación categórica sobre superioridad frente a NVIDIA, Google TPU u otros aceleradores debe tratarse con cautela.
