Barata por token, cara por tarea: La trampa de la IA
Lunes por la mañana. El café, junto al teclado. Lo que empezó como una prueba de IA se ha convertido, casi sin darse cuenta, en un proceso en marcha. Una factura muestra el coste por millón de tokens; otra separa las entradas de las respuestas. ¿En qué debe fijarse su empresa? La respuesta incómoda es que el precio del token, por sí solo, dice poco sobre el coste final de una tarea. Sobre todo cuando un agente de IA encadena varios pasos. ¿Cómo controlar la factura antes de que una prueba útil se convierta en un gasto fijo?
La factura tiene dos contadores
Un token es la unidad que utilizan muchos proveedores de IA para calcular el consumo. En la factura cuentan dos cantidades: el texto y los datos que envía al modelo, y la respuesta que recibe. Los proveedores las llaman input y output. Si solo mira un precio global por millón de tokens, puede pasar por alto la diferencia.
Un ejemplo de oficina: pide a la IA que resuma el historial de un cliente y redacte una respuesta. El historial cuenta como input; la respuesta redactada, como output. Cada parte puede tener un precio distinto. Por eso, el coste también depende de cuánto material envía y de lo extensa que sea la respuesta del modelo.
Al principio, los precios por token pueden resultar poco intuitivos. La buena noticia es que no hace falta contar cada token en el día a día. Sí conviene saber qué tareas generan mucho input, cuáles requieren respuestas largas y qué modelo se utiliza en cada caso.
Un millón de tokens, facturas muy distintas
La diferencia se entiende mejor al sumar input y output. VentureBeat recoge para GPT-5.6 Luna un precio de 0,20 dólares por millón de tokens de input y de 1,20 dólares por millón de tokens de output. Si se factura un millón de tokens de cada tipo, el total es de 1,40 dólares.
Para GPT-5.6 Sol Standard, el mismo artículo indica 5 dólares por millón de tokens de input y 30 dólares por millón de tokens de output. Con un millón de cada tipo, serían 35 dólares. La diferencia deja claro que el precio bajo de un modelo no basta para saber cuánto costará un flujo de trabajo. También importa cuántos tokens consume.
Son cifras en dólares de una comparativa de precios publicada, no una garantía sobre el coste de su contrato. OpenRouter recomienda expresamente consultar los precios en la página de cada modelo antes de preparar un presupuesto. Si su empresa factura mediante una plataforma o un contrato, compruebe también qué sistema de cobro se aplica.
Barata por token no significa barata por tarea
Es fácil caer en este error: pensar que el modelo más barato será siempre la opción que menos cuesta. En el trabajo diario importa si resuelve la tarea de forma fiable y cuántos intentos o pasos adicionales necesita. Un precio por unidad bajo sirve de poco si el modelo tiene que corregir una y otra vez una tarea rutinaria.
Una comparativa de OpenRouter ilustra la diferencia posible en una tarea muy concreta. Para clasificar 1.000 tickets de soporte, indica un coste de 0,0248 dólares con Jev 1.13, 0,0921 dólares con GPT Luna y 2,8802 dólares con Claude Opus. No es una clasificación general: la prueba se hizo en un solo día, con ejemplos breves y una única versión del prompt.
Para un pequeño negocio, la pregunta adecuada podría ser cuánto cuesta preparar una consulta para que alguien de la oficina pueda gestionarla rápidamente. En una empresa grande, quizá interese saber cuánto cuesta revisar una cola completa de tickets. En ambos casos, el coste por tarea terminada dice más que el precio por token.
Los agentes pueden comerse el ahorro
Un agente de IA intenta completar una tarea en varios pasos, en lugar de responder a una sola pregunta. Puede resultar útil para investigar, clasificar información o gestionar un proceso con un cliente que tiene varias fases. También puede procesar más material y poner en marcha trabajo adicional.
Gartner prevé que, para 2028, los costes de inferencia por flujo de trabajo con agentes serán más de cinco veces superiores. Según Gartner, derivar una tarea a un modelo de razonamiento agéntico requiere al menos cinco veces más costes de inferencia que una interacción sencilla con un chatbot. El analista Will Sommer calcula que los agentes pueden consumir entre cinco y treinta veces más tokens o tareas para resolver el mismo encargo.
Son previsiones y comparativas, no una factura aplicable a todas las empresas. Aun así, explican por qué un precio bajo por token no permite calcular con seguridad el coste total. Si deja un agente funcionando sin supervisión, conviene decidir de antemano qué lo detendrá cuando la tarea se alargue más de lo previsto.
Qué implica para su empresa
No necesita preparar un gran presupuesto de IA para empezar. Elija una tarea que se repita con frecuencia, como clasificar consultas de soporte, resumir documentos recibidos o preparar notas de reuniones. Anote qué información recibe la IA, qué resultado debe entregar y cuántas veces se realiza la tarea.
Después, calcule el coste por tarea completada. Incluya el input y el output, además de las llamadas adicionales al modelo si el proceso consta de varios pasos. Una prueba sencilla con una selección limitada de ejemplos reales y adecuados le dará una referencia más útil que una comparativa de precios sobre el papel. Vuelva a consultar los precios antes de hacer el presupuesto, porque pueden cambiar.
Por último, marque un límite: un presupuesto máximo, un número máximo de intentos o la aprobación de una persona antes de que el agente continúe. Según Gartner, el 21 % de las empresas encuestadas que utilizan una plataforma de orquestación no tiene un bloqueo automático para detener el gasto en tokens de sus agentes. Incluso una empresa pequeña puede decidir este punto de antemano y evitar descubrirlo al recibir una factura inesperada.
- Elija una tarea recurrente y mida el esfuerzo actual.
- Pruebe un modelo económico para las tareas rutinarias y reserve uno más potente para cuando haga falta.
- Establezca un límite de gasto o una aprobación humana.
- Compruebe con regularidad que el coste sigue compensando el resultado.
El próximo lunes, alguien tendrá que dar el visto bueno
Imagine el próximo lunes: llega una consulta a la bandeja de entrada. La IA la clasifica, resume el contenido y propone el siguiente paso. Una empleada revisa el resultado antes de que salga hacia el cliente. Además, usted puede ver qué tarea ha generado el coste y si se ha alcanzado un límite.
Para una persona autónoma, este control puede consistir en revisar la factura una vez por semana. En una empresa más grande, probablemente hará falta asignar con claridad quién elige los modelos en cada equipo y quién puede detener los procesos automáticos. En ambos casos ayuda una regla sencilla: presupuesto limitado para las tareas rutinarias y una decisión expresa para las excepciones.
Gartner recomienda hacer visibles los costes, derivar automáticamente las solicitudes a modelos eficientes y no recurrir por defecto a modelos de frontera para tareas rutinarias. Así, la pregunta importante se concreta: ¿qué decisiones puede tomar su IA por su cuenta y en qué momento debe intervenir una persona?
Preguntas frecuentes
¿Qué son los tokens en una IA?
Los tokens son la unidad que utilizan muchos proveedores para calcular el uso de sus sistemas de IA. En la factura suelen separar lo que usted envía al modelo, el input, de lo que este devuelve, el output. La cantidad depende del contenido que se procesa y se genera en cada tarea.
¿Cómo se calcula el coste de la IA por millón de tokens?
Multiplique los tokens de input facturados por su precio y haga lo mismo con los tokens de output. Divida ambos resultados entre un millón y súmelos. Por ejemplo, VentureBeat indica para GPT-5.6 Luna un precio de 0,20 dólares por millón de tokens de input y de 1,20 dólares por millón de tokens de output.
¿Por qué los agentes de IA suelen costar más que un chatbot?
Un agente puede necesitar varios pasos y llamadas al modelo para completar una tarea. Gartner calcula que, para el mismo encargo, los agentes pueden utilizar entre cinco y treinta veces más tokens o tareas que los chatbots sencillos. El coste real depende del proceso, del modelo y de la cantidad de contenido que se procese.
¿Cómo puedo limitar el coste de la IA?
Empiece por medir el coste de cada tarea completada, no solo el precio por token. Después, fije un límite de gasto, un máximo de intentos o una aprobación humana. Puede probar modelos eficientes para las tareas rutinarias y reservar los más potentes para usos concretos. Consulte los precios vigentes antes de preparar el presupuesto.
¿Le interesa?
¿Quiere saber qué significa esto para su empresa?
Fuentes
- Jev vs LLM: When to Use a Decision Model Instead of Generating Text · openrouter.ai, 2026-09-19
- Claude Opus 5.5, GPT-6 Sol, GPT-6 Luna, and a new price war · Simon Willison’s Weblog, 2026-09-22
- Gartner says agent costs will rise fivefold by 2028 even as tokens get cheaper. Here is how to keep them in check · VentureBeat, 2026-10-16
- AI price wars: OpenAI cuts GPT-5.6 Luna prices by 80% as model competition shifts toward cost · VentureBeat, 2026-07-30
- ChatGPT Rate Card (Enterprise token-based pricing) | OpenAI Help Center · OpenAI Help Center, 2026-10-24
- Build more responsive apps with the Decisions API · OpenAI, 2026-10-22
Este artículo se ha investigado y redactado con ayuda de IA y se ha verificado automáticamente con las fuentes citadas antes de publicarse. Más sobre nuestra transparencia en IA
Klarframe AI Readiness Check
¿Hasta qué punto está preparada su empresa para la IA?
Unos diez minutos, resultado inmediato con su nivel, un plan de 90 días, soluciones adecuadas y notas sobre el AI Act.
