Qué modelos de IA usan de verdad las empresas neerlandesas

Resumen  ·  El mercado neerlandés de la IA aplicada funciona sobre todo con modelos de frontera estadounidenses, con OpenAI a la cabeza. El 69 % de las empresas usa OpenAI (79 % con Azure OpenAI), Anthropic queda en segundo lugar con un 24 % y Mistral, de propiedad europea, aparece solo en un 5 %. El mensaje clave: el 62 % de las empresas proclama alojamiento en la UE o soberanía, pero solo alrededor del 5 % usa de verdad un modelo de propiedad europea.

Elaborado para el estudio de mercado de GreenPT · 16 de junio de 2026 · muestra de 240 empresas.

Resumen ejecutivo

El mercado neerlandés de la IA aplicada funciona sobre todo con modelos de frontera estadounidenses, con OpenAI a la cabeza:

• OpenAI lo usa el 69 %, y la familia OpenAI (con Azure OpenAI) llega al 79 %.
• Anthropic (Claude) queda en segundo lugar con un 24 %, casi siempre como modelo secundario u opcional junto a OpenAI.
• Cualquier vía de Microsoft (Azure OpenAI o Copilot) cubre el 42 % y es el estándar en grandes empresas e integradores de sistemas.
• Mistral, el único modelo de frontera de propiedad europea del estudio, aparece solo en un 5 %.
• Los modelos de código abierto y autoalojados los usa el 11 %, un segmento real pero minoritario, impulsado por la soberanía.

El 62 % de las empresas proclama alojamiento en la UE o soberanía, pero solo alrededor del 5 % usa de verdad un modelo de propiedad europea. Esa brecha entre la intención declarada y la realidad de los modelos estadounidenses es la oportunidad de mercado.

1. Objetivo y metodología

1.1 Objetivo

Cuantificar qué proveedores de modelos de IA usan las empresas de IA neerlandesas en sus productos y servicios, y expresar el resultado en porcentajes, con especial atención al reparto entre modelos de frontera estadounidenses y modelos de propiedad europea o de código abierto, un dato relevante para un proveedor de LLM alojado en la UE.

1.2 Construcción de la muestra

El punto de partida fue un mapa de mercado de actores de IA neerlandeses y con actividad internacional: integradores de sistemas globales, empresas neerlandesas especializadas en datos e IA, desarrolladores nativos de IA generativa, una larga cola de creadores de automatizaciones y agentes, una recopilación en redes profesionales y un lote de directorios públicos de empresas. Tras eliminar duplicados quedaron 240 empresas únicas.

1.3 Investigación de proveedores

El uso de proveedores se estableció empresa por empresa con investigación web, por este orden de evidencia: (1) sus propias páginas de tecnología, stack, “cómo funciona”, subencargados, acuerdo de encargo del tratamiento (DPA), confianza o seguridad; (2) casos de éxito, blogs de ingeniería y documentación; (3) distintivos de partner en la nube (Microsoft, Google Cloud y AWS, que implican Azure OpenAI, Vertex y Bedrock, respectivamente); (4) ofertas de empleo que nombran herramientas concretas; (5) prensa, redes profesionales y directorios. Nueve rondas de investigación en paralelo cubrieron toda la muestra, y los resultados se fusionaron con las señales de proveedor ya registradas.

Cada asignación de proveedor lleva un nivel de confianza: Confirmado (nombrado en una fuente de la propia empresa), Señalado (distintivo de partner, oferta de empleo o fuente externa) o Inferido (el tipo de producto lo implica con claridad; se usa con moderación). Cuando no se pudo establecer nada, la empresa se registró como No declarado en lugar de hacer suposiciones.

1.4 Los dos denominadores (léelo antes de ver las cifras)

Como la mayoría de las empresas no publica su stack, un único porcentaje sería engañoso. A lo largo del informe se muestran dos vistas complementarias:

• “% de empresas con stack conocido” (n = 240), la proporción entre las empresas cuyo uso de modelos se pudo establecer. Es la comparación limpia y la cifra principal.
• “% de todas las empresas” (n = 720), que cuenta como desconocido a quien no lo declara. Por tanto, son límites inferiores conservadores, no superiores.

1.5 Cómo leer los porcentajes (por qué suman más del 100 %)

Estas proporciones son conjuntos solapados, no porciones de una tarta. Cada fila responde a una pregunta independiente de sí o no, “¿usa esta empresa este proveedor?”, y la mayoría de las empresas usa varios proveedores a la vez. Por eso una misma empresa se cuenta en todas las filas que le corresponden, y las columnas suman a propósito bastante más del 100 %. Una empresa como WeAreBrain o SAMEN AI aparece a la vez en OpenAI, Anthropic, Google y Mistral. Los porcentajes no son mutuamente excluyentes y nunca deben sumarse.

“Familia OpenAI” es la única cifra sin duplicados. Como OpenAI (API directa) y Azure OpenAI ofrecen los mismos modelos GPT, algunas empresas usan ambos. Sumar las dos filas sin más las contaría dos veces, así que la línea “familia OpenAI” cuenta cada empresa una sola vez:

Vía de acceso a OpenAI	Empresas	% de 240
Solo OpenAI directo	123	51 %
Solo Azure OpenAI	24	10 %
OpenAI directo y Azure	42	18 %
Familia OpenAI (cualquier vía, sin duplicados)	189	79 %

Así que el 69 % (directo) más el 28 % (Azure) no es el 97 % de las empresas. Son 189 empresas únicas, o el 79 %, porque 42 empresas están en ambas filas. La misma lógica de solapamiento se aplica a todos los proveedores de la clasificación.

2. Clasificación de proveedores

El resultado principal. La columna central, % de las 240 empresas con stack conocido, es la cifra clave.

Cómo leer esta tabla: los porcentajes son conjuntos solapados, no una tarta. Una empresa que usa varios proveedores se cuenta en todas las filas correspondientes, así que por definición las columnas suman más del 100 % y no deben sumarse (consulta el §1.5). “Familia OpenAI”, más abajo, es la única cifra de unión sin duplicados. “% de todas las empresas” solo se muestra cuando tiene sentido.

Proveedor / herramienta	Empresas	% (n=240)	Origen
OpenAI	165	69 %	EE. UU.
Azure OpenAI	66	28 %	EE. UU. (MS)
Anthropic (Claude)	57	24 %	EE. UU.
Microsoft Copilot	57	24 %	EE. UU.
Google / Vertex	45	19 %	EE. UU.
AWS Bedrock	21	9 %	EE. UU.
Mistral	12	5 %	UE 🇪🇺
IBM watsonx	15	6 %	EE. UU.
Código abierto / autoalojado	27	11 %	Autoalojado
n8n (orquestación)	15	6 %	UE, autoalojado
Make.com (orquestación)	12	5 %	SaaS UE/EE. UU.

Nota: las filas suman más del 100 % porque muchas empresas usan varios proveedores; “% de todas” solo se muestra cuando tiene sentido.

3. Qué significan las cifras

3.1 OpenAI es el estándar, con mucha diferencia

OpenAI es la capa predeterminada de facto de la IA aplicada en los Países Bajos: el 69 % de las empresas con stack conocido, y el 79 % si se incluye OpenAI alojado en Azure. Está en todos los niveles: integradores de sistemas globales, consultoras neerlandesas y la larga cola nativa de IA generativa. Ejemplos confirmados: 10xStudio, AI Advies Bureau, AI Opener, AI-ris, Accenture Netherlands, Aigency, Aizy, Appfront, Avanade, BigData Republic.

3.2 Anthropic es el segundo modelo habitual, rara vez el principal

Claude aparece en el 24 % de las empresas con stack conocido, pero casi siempre como modelo opcional o secundario detrás de OpenAI en una configuración multimodelo, no como estándar de la casa. Ejemplos confirmados: 10xStudio, AI Advies Bureau, AI Opener, Accenture Netherlands, Aizy, Blits.ai, CleverTech, Codelevate, Conversed.ai.

3.3 Microsoft es la puerta de entrada de las grandes organizaciones

Azure OpenAI y Copilot juntos hacen que el 42 % de las empresas con stack conocido llegue a los modelos de OpenAI a través de Microsoft, la vía dominante para los integradores de sistemas, las Big Four y los partners de Microsoft. Suele presentarse con el EU Data Boundary como respuesta a la residencia de los datos (no a la jurisdicción).

3.4 La brecha de la propiedad europea: Mistral apenas se ve

Mistral es el único modelo de frontera de propiedad europea de todo el estudio y aparece solo en 12 empresas (5 %). Todos los demás modelos de frontera comerciales en uso son estadounidenses. Este es el hecho estructural central del mercado.

3.5 El código abierto y el autoalojamiento son la verdadera opción soberana

El 11 % de todas las empresas usa modelos de código abierto o autoalojados. Es el segmento con verdadera soberanía de datos, concentrado en empresas que trabajan para clientes públicos, sanitarios y regulados. Ejemplos: AI Advies Bureau, AI Horizon, AI-Recruiting, AIFAIS, Appfront, CAIDEL, CleverTech, Data Science Lab (DSL), DecodifAI (Nodevate), FenxLabs.ai, GLBNXT, Goodspeed, LearnWise AI, Louwman AI Automation. Son las empresas que mejor encajan con una oferta alojada en la UE.

3.6 Una parte importante no desarrolla ningún modelo de lenguaje

El 13 % de las empresas usa modelos propios de visión artificial, percepción, detección de fraude o procesamiento del lenguaje, así que no está en absoluto en el mercado de proveedores de LLM. Ejemplos: AI-InfraSolutions, Aiir Innovations, Birds.ai, BlueGen.ai, BrainCreators, Crux Digits, Fizyr, Fourthline, Friss, Gambit Cyber, GeoPhy, Geronimo.AI, HULO.ai, Healthplus.ai. Quedan fuera del análisis de proveedores de LLM, pero cuentan para dimensionar el mercado potencial.

3.7 El patrón multiproveedor y de pasarela

Quienes más lejos han llegado no se atan a ningún modelo y reparten el tráfico entre varios proveedores, a menudo con una pasarela. Es justo la abstracción en la que encaja un modelo alojado en la UE. Ejemplos con tres o más proveedores de frontera: Accenture Netherlands, Tata Consultancy Services (TCS), Xebia (incluidas GoDataDriven y Xccelerated), Green Creatives, WeAreBrain, orq.ai, AI Opener, Blits.ai, SAMEN AI.

4. Implicaciones para GreenPT

• Sustituir, no empezar de cero. Aproximadamente 8 de cada 10 empresas con stack conocido ya usan modelos de la familia OpenAI. Se trata de reemplazar una elección existente, no de una primera adopción, y es más fácil donde una pasarela ya abstrae el modelo.
• Vender desde la brecha entre intención y realidad. El 62 % de las empresas presenta el alojamiento en la UE o la soberanía como un valor, pero solo alrededor del 5 % usa un modelo de propiedad europea. Esa contradicción es a la vez la pregunta de cualificación y el centro del argumento de venta.
• El segmento más receptivo: código abierto y autoalojamiento (11 %), más el grupo público, sanitario y regulado. Ya eligieron el control frente a la comodidad, y un modelo gestionado alojado en la UE les quita la carga de alojarlo ellos mismos.
• Rebatir “región UE de Azure = soberano”. El contraargumento más habitual es el EU Data Boundary de Microsoft. El mensaje tiene que distinguir con nitidez entre residencia de los datos y jurisdicción (la CLOUD Act de EE. UU.), porque el 42 % llega a OpenAI a través de Microsoft.
• Mistral es el único competidor europeo y apenas tiene presencia. Hay espacio real para quien llegue primero con una alternativa neerlandesa o alojada en la UE.

5. Limitaciones y fiabilidad

• Falta de información pública. No todas las empresas publican su elección de modelo. Los porcentajes cubren las empresas cuyo stack se pudo establecer y suponen que son representativas, algo plausible pero no demostrado.
• Confianza desigual. Las cifras principales agrupan asignaciones confirmadas, señaladas e inferidas. Una lectura más estricta, solo con las confirmadas, da una visión totalmente defendible: reduce las proporciones absolutas, pero mantiene el dominio de OpenAI.
• Las agencias de implementación dependen del cliente. Muchos partners de implementación usan lo que exige el cliente, así que su “proveedor” depende de cada caso y no es fijo.
• Foto fija. Elaborado en junio de 2026. La larga cola nativa de IA generativa cambia rápido, y muchas empresas se fundaron en 2024 y 2025.
• Comprobación de coherencia. La muestra ampliada (n=240) sigue de cerca un recuento verificado anterior de 54 empresas (OpenAI del 61 % al 69 %, Anthropic del 28 % al 24 %, Mistral del 6 % al 5 %), lo que refuerza la confianza en la dirección y la magnitud.

6. Dos formas de leer los datos

El análisis se apoya en dos vistas complementarias, ambas resumidas más arriba:

• Recuento agregado de proveedores. La clasificación, los dos denominadores, los agregados principales y los gráficos de barras (§2). Es la vista general del mercado.
• Resumen por empresa. Las 240 empresas con su proveedor asignado, nivel de confianza, señal de UE o de alojamiento y fuente. Las empresas sin ninguna señal se marcan aparte para que no distorsionen los denominadores.

Juntas, estas vistas permiten seguir tanto el reparto en todo el mercado como lo que hay detrás de cada empresa.

---

Elaborado el 16 de junio de 2026. Cifras derivadas del estudio descrito en el §1. Los porcentajes cubren las empresas cuya elección de modelo se pudo establecer.