Negocios El negocio oculto tras el ranking de IA: Arena ya factura US$100 millones anuales
El ranking abierto de modelos de IA alcanzó US$100M en ingresos en solo 8 meses. Detrás del éxito, una tensión entre comunidad gratuita y grandes clientes que pagan por evaluaciones profundas.
Ocho meses después de lanzar su servicio comercial, Arena —el ranking de inteligencia artificial que millones usan sin pagar— está facturando US$100 millones anualizados. La cifra, confirmada por su CEO Anastasios Angelopoulos, revela una verdad incómoda: el negocio real de la IA no está en las suscripciones, sino en los datos de evaluación que las empresas necesitan para refinar sus modelos.
Arena nació en 2023 como un proyecto de investigación en UC Berkeley. Su propuesta es simple: un sitio web gratuito donde cualquier usuario puede ingresar un prompt, comparar dos modelos y votar cuál responde mejor. Más de 10 millones de evaluaciones después, ese ranking crowdsourced se convirtió en la referencia de la industria. Pero lo que poca gente sabe es que desde septiembre de 2025 la empresa también vende un servicio llamado AI Evaluations, que ofrece análisis de rendimiento detallados a laboratorios de modelos y empresas.
Ese giro comercial explica los números. En enero de este año, cuando Arena recaudó una Serie A de US$150 millones con una valoración de US$1.700 millones, su ingreso anualizado era de apenas US$30 millones. Seis meses después, más que triplicó esa cifra. Angelopoulos aclaró que no se trata de ARR tradicional —ingreso recurrente mensual— sino de facturación por consumo. Los clientes pagan según el volumen de evaluaciones que solicitan, lo que introduce un riesgo de volatilidad que los inversionistas prefieren no mirar de frente.
La empresa no tiene competidores directos en el nicho de rankings crowdsourced —Yupp, una startup similar, cerró en marzo— pero sí compite por el mismo presupuesto que compañías como Mercor, Surge y Scale AI, todas dedicadas al etiquetado humano para ajuste de modelos (post-training). Y el apetito por ese tipo de refinamiento no para de crecer. Según The Information, Handshake, otra firma de entrenamiento de IA, duplicó sus ingresos anualizados de US$550 millones a casi US$1.000 millones entre enero y abril. Mercor también superó los US$1.000 millones.
El éxito de Arena revela una paradoja del ecosistema de IA: las herramientas gratuitas, sostenidas por trabajo no remunerado de la comunidad, se convierten en imanes de datos que luego se venden caro a los mismos que entrenan los modelos. ¿Es sostenible? Angelopoulos admite que muchos aún ven a Arena como un proyecto open source, y esa confusión le da una ventaja competitiva: los usuarios contribuyen sin esperar compensación, alimentando una base de datos que ningún laboratorio puede replicar fácilmente.
Pero el modelo tiene grietas. La dependencia de evaluaciones voluntarias puede erosionarse si los participantes sienten que su trabajo se monetiza sin retorno. Además, los grandes clientes —OpenAI, Google, Meta— podrían desarrollar sus propios sistemas de evaluación internos, reduciendo su dependencia de Arena. Por ahora, la startup ha recaudado US$250 millones de inversores como Felicis, Andreessen Horowitz, Kleiner Perkins y Lightspeed. La apuesta es que el mercado de post-training seguirá expandiéndose mientras los modelos sean cada vez más complejos.
Para un ejecutivo latinoamericano, la historia de Arena deja una lección incómoda: el verdadero valor en IA no está en el modelo, ni en la aplicación, sino en los mecanismos para medir y refinar el rendimiento. Si su organización depende de proveedores externos de IA, pregúntese quién está evaluando a esos proveedores. Y si está construyendo un producto basado en modelos de lenguaje, considere que la capacidad de testearlos de forma rigurosa puede ser su ventaja más duradera. O su talón de Aquiles.
