Stripe acordó comprar OpenRouter por más de 7.000 millones de dólares, unas cinco veces la valuación de 1.300 millones que la startup había alcanzado en su Serie B de mayo. La cifra sorprende hasta que se entiende qué compró Stripe: no una app de IA, sino la capa que decide qué modelo atiende cada request y cuánto cuesta.

Esa capa se llama AI gateway, y entender cómo funciona explica bastante bien hacia dónde va la infraestructura de software.

Qué es un AI gateway

Un AI gateway es una capa intermedia entre tu aplicación y los proveedores de modelos. En lugar de integrar por separado las APIs de OpenAI, Anthropic, Google y una docena de modelos abiertos —cada una con su formato, su autenticación y su facturación—, tu código habla con un único endpoint y el gateway se encarga del resto.

Sus funciones concretas:

• Routing. Enviar cada request al modelo más adecuado según costo, latencia, disponibilidad o capacidad requerida.

• Fallback. Si un proveedor se cae o devuelve error, reintentar automáticamente con otro. Es la función que más se agradece en producción.

• Normalización. Una sola interfaz para todos los modelos, lo que permite cambiar de proveedor sin reescribir la aplicación.

• Observabilidad y control de costos. Consumo de tokens, latencia y gasto por endpoint, por equipo o por cliente, en un solo lugar.

• Facturación unificada. Un contrato y una factura en lugar de diez.

OpenRouter llevó esta idea a escala: según TechCrunch, da acceso a más de 400 modelos a través de un único punto de integración y atiende a unos 8 millones de desarrolladores. Su fundador, Alex Atallah —cofundador de OpenSea—, describía a la compañía como "el Stripe de la IA", precisamente por ofrecer un solo punto de acceso a sistemas heterogéneos y evitar el lock-in con un proveedor.

Por qué Stripe paga más de 7.000 millones

El negocio de Stripe siempre fue el mismo: pararse en el medio de una transacción y hacer que mover dinero sea trivial para el developer. La tesis de esta compra es que las llamadas a modelos de IA son transacciones —medidas en tokens, facturadas por uso, con volúmenes crecientes y necesidad de medición precisa.

Con OpenRouter, Metronome —su motor de facturación basada en consumo— y sus rieles de pago, Stripe queda posicionada para operar la capa completa de medición, enrutamiento y monetización de cargas de trabajo de IA. Como señala The Register, el movimiento la convierte en intermediaria de la venta de tokens de IA, del mismo modo que lo es hoy de los pagos con tarjeta.

Hay una segunda razón, más de fondo: si los agentes de IA van a ejecutar compras y contratar servicios de forma autónoma, alguien tiene que resolver cómo se autentican, se autorizan y se pagan esas operaciones. Quien controle simultáneamente el routing de modelos y los rieles de pago está en la mejor posición para definir ese estándar.

Qué cambia para quienes integran IA en sus productos

Lo que mejora

• Menos fricción de integración. Un solo contrato, una sola factura, un solo SDK para probar decenas de modelos.

• Optimización de costos más simple. Enrutar tareas simples a modelos económicos y reservar los modelos grandes para lo que realmente los necesita puede reducir la factura de forma sustancial.

• Más resiliencia. El fallback automático entre proveedores evita que la caída de una API se convierta en la caída de tu producto.

Lo que conviene vigilar

• Dependencia de un intermediario. Evitar el lock-in con un proveedor de modelos a cambio de depender del gateway sigue siendo una dependencia.

• Latencia adicional. Hay un salto de red extra. Suele ser marginal, pero importa en aplicaciones sensibles al tiempo de respuesta.

• Tratamiento de datos. Los prompts pasan por un tercero. En contextos regulados o con información sensible, es una pregunta que hay que responder antes de integrar.

• Precios post-adquisición. Es lo habitual después de una compra de este tamaño: la estructura de precios puede cambiar. Conviene diseñar la integración de forma que migrar sea posible.

La consolidación del stack de IA

Esta operación es parte de un patrón más amplio. Las capas intermedias del stack de IA —gateways, herramientas de observabilidad, plataformas de evaluación, orquestadores— están siendo absorbidas por compañías de infraestructura más grandes. La lógica es la misma que llevó a que los servicios de nube integraran capacidades que antes vendían startups independientes.

Para un developer, la consecuencia práctica es que integrar IA se parece cada vez más a integrar cualquier otro servicio de infraestructura: menos experimentación artesanal, más herramientas estándar. Esa misma dirección se ve en la adopción de protocolos abiertos para conectar modelos con herramientas y fuentes de datos, un tema que se cruza con lo que trabajamos en el análisis de gobernanza y evaluación de agentes de IA.

Qué habilidades demanda este escenario

• Diseño de arquitecturas multi-modelo. Saber qué tarea conviene resolver con qué modelo, y por qué.

• Control de costos por token. Medir consumo por funcionalidad y optimizarlo. Es una competencia nueva y bastante escasa.

• Evaluación sistemática. Sin un método para comparar la calidad de salida entre modelos, cambiar de proveedor es a ciegas.

• Ingeniería de resiliencia. Timeouts, reintentos, degradación elegante cuando un proveedor falla.

Cursos recomendados de Coderhouse

• Para integrar modelos en productos: el Curso de AI Engineering cubre justamente la capa de integración, evaluación y costos.

• Para trabajar con agentes: el Curso de AI Agents.

• Si venís de desarrollo web: la Carrera de Desarrollo Full Stack y, como primer acercamiento conceptual, el Curso de Introducción a la Inteligencia Artificial.

Preguntas frecuentes

¿Qué es exactamente un AI gateway?

Una capa intermedia entre tu aplicación y los proveedores de modelos que unifica la integración, enruta cada request al modelo más conveniente, maneja fallbacks cuando un proveedor falla y centraliza métricas de consumo y facturación.

¿Para qué sirve el routing entre modelos?

Para optimizar costo y rendimiento. Una clasificación simple no necesita el modelo más caro; un análisis complejo sí. Enrutar según la tarea puede reducir el gasto de forma significativa sin degradar el resultado.

¿Conviene usar un gateway o integrar cada API por separado?

Si usás un solo modelo y el volumen es bajo, la integración directa es más simple y evita un intermediario. Si necesitás varios modelos, resiliencia frente a caídas o control centralizado de costos, el gateway se justifica rápido.

¿Por qué una empresa de pagos compra infraestructura de IA?

Porque las llamadas a modelos se facturan por uso, igual que una transacción. Stripe ya opera medición y cobro por consumo; sumar el routing de modelos le permite quedarse con la capa completa entre la aplicación y el proveedor de IA.

¿Esto afecta a quien solo usa herramientas de IA sin programar?

De forma indirecta. La consolidación tiende a abaratar y estandarizar el acceso a modelos, lo que suele traducirse en herramientas no-code más potentes y más baratas. El impacto directo lo sienten los equipos que integran modelos vía API.