top of page
cardiologist-doctor-surgeon-analyzing-patient-heart-testing-result-human-anatomy-interface

Tu IA cuesta menos por token. Tu factura sigue subiendo

Foto del escritor: Amanda
Amanda
hace 1 día
6 min de lectura

El precio de usar un modelo cae, pero cada tarea consume muchas más unidades de las que se imaginan. Siete decisiones para controlar el gasto antes de que alguien lo note.


Imagina el día en que Finanzas abre la primera factura de un agente de IA que lleva semanas en producción. Nadie sabe qué área lo pidió, qué aplicación lo consume ni por qué el número es tres veces mayor que el del piloto. El agente funciona bien. El problema es que nadie lo vigiló como un gasto.


Es una escena cada vez más probable, y tiene una causa que sorprende: usar IA es más barato que nunca, pero operarla no lo es.


El token baja. La tarea sube.


La IA se cobra por tokens, la unidad en la que un modelo procesa texto. Según Gartner, un token equivale a unos cuatro caracteres. Cada pregunta que se envía y cada respuesta que se recibe consume tokens, y cada token tiene un precio.

Ese precio va a la baja. En un comunicado de marzo de 2026, Gartner pronosticó que para 2030 hacer inferencia con un modelo de un billón de parámetros costará a los proveedores más de 90% menos que en 2025.


La buena noticia viene con una advertencia. Esa baja no se trasladará por completo a las empresas, y los modelos agénticos, los que ejecutan tareas de varios pasos, requieren de 5 a 30 veces más tokens por tarea que un chatbot estándar. Como el consumo crece más rápido de lo que bajan los precios, Gartner espera que el costo total de la inferencia aumente.


Los presupuestos ya lo reflejan. Una encuesta de Gartner a 199 líderes de servicio y soporte, realizada entre abril y mayo de 2026, encontró que el gasto en IA subió 38% mientras los presupuestos totales de la función crecieron apenas 2%. Es un dato de servicio al cliente, pero muestra hacia dónde se está moviendo el dinero.


No es de extrañar que administrar el gasto en IA ya sea una tarea de rutina: en la encuesta State of FinOps 2026, con 1,192 profesionales, 98% dice que lo hace, frente a 31% dos años antes.


La factura no cuenta toda la historia


El problema no es solo cuánto se gasta, sino que cuesta saber en qué. La FinOps Foundation, un programa de la Linux Foundation dedicado a la gestión financiera de la tecnología, publicó con actualización de octubre de 2026 una guía sobre el costo de los tokens cuando se compran directamente a los proveedores de modelos. Sus hallazgos más reveladores:


La factura no dice quién gastó. El proveedor muestra tokens consumidos por clave o proyecto, pero no por área, aplicación ni centro de costos. Sin instrumentación propia, nadie puede responder quién gastó qué.

Comprar es muy fácil. Un desarrollador puede empezar a consumir en minutos, sin autorización de compras ni estimación de costo. Cuando Finanzas ve la primera factura, la aplicación ya puede estar en producción.

Un descuido pequeño cuesta mucho. Un agente atrapado en un ciclo, una instrucción que duplica su longitud o una función con diez veces el tráfico esperado pueden agotar un presupuesto mensual en un solo día. Y los límites que ofrecen los proveedores se miden en tokens por minuto, no en dinero por mes.

Las conversaciones largas cuestan cada vez más. Los agentes reenvían su historial completo en cada llamada, así que el costo por llamada crece con la duración de la sesión. Además, la respuesta suele costar de tres a cinco veces más por token que la pregunta, y un modelo de frontera puede costar entre 50 y 100 veces más que el más pequeño del mismo proveedor. La guía aclara que los precios cambian con frecuencia y que cualquier cifra debe confirmarse antes de usarla en un pronóstico.


Y hay un costo que ni siquiera aparece en la factura del modelo. En arquitecturas de producción con agentes y recuperación de información, la infraestructura que rodea al modelo suele representar entre 40% y 60% del gasto total, según la misma guía: bases de datos, orquestación, cachés, transferencia de datos y monitoreo.


Cuando nadie es dueño del gasto


Gartner describe el mismo patrón en el desarrollo de software. En un comunicado de junio de 2026, la firma prevé que para 2028 el costo de las herramientas de IA para programar superará el salario promedio de un desarrollador.


Su analista principal, Nitish Tyagi, lo explica así: la disciplina en el uso de tokens no surgirá solo de las decisiones de cada desarrollador, porque tienden a optimizar por velocidad y comodidad antes que por costo. Entre las fallas más comunes, Gartner menciona la autonomía de los agentes sin gobierno, las ventanas de contexto infladas y la falta de mecanismos de retroalimentación.


El diagnóstico se extiende a toda la IA generativa. Según el informe de Gartner de junio de 2026 sobre cómo optimizar sus costos, citado por Campus Technology, al menos 50% de los proyectos de IA generativa superarán su presupuesto hasta 2028 por malas decisiones de arquitectura y falta de experiencia operativa. El mismo informe advierte que un sistema listo para producción puede costar órdenes de magnitud más que un piloto.


Son predicciones, no datos medidos. Pero todas apuntan a lo mismo: el costo de la IA se descubre tarde.


Siete decisiones antes de lanzar


Estas prácticas siguen la guía de la FinOps Foundation y las recomendaciones de Gartner de junio de 2026. Los porcentajes de ahorro que menciona la fundación son rangos indicativos, no garantías, y conviene validarlos con datos propios.


  1. Que cada gasto tenga nombre. Cada clave de acceso al modelo debe estar ligada a un equipo, una aplicación y un centro de costos, con un responsable. Es el control mínimo y no requiere herramientas adicionales.

  2. Medir por resultado, no por token. "Gastamos 42,000 dólares en tokens" no ayuda a decidir. "Resolver un caso cuesta 0.18 dólares", como ejemplo ilustrativo, sí. La guía propone medir por consulta, por usuario activo, por resultado exitoso y por transacción de negocio.

  3. Medir antes de presupuestar. La fundación recomienda observar cada aplicación entre 30 y 60 días y después fijar presupuestos con alertas, por ejemplo en 80% y 100% de lo previsto.

  4. Usar el modelo más pequeño que cumpla. Gartner recomienda enviar las tareas simples y frecuentes a modelos pequeños y reservar los de frontera para el trabajo complejo y de alto valor. La fundación lo señala como la palanca con mayor potencial de ahorro (60% a 90% como rango indicativo). En la encuesta State of Tokenomics de septiembre de 2026, 86% de los participantes evaluaba o usaba un enrutador de modelos para hacerlo.

  5. Enviar menos al modelo. Incluir solo la información relevante, resumir el historial, limitar la longitud de las respuestas, reutilizar con memoria temporal las partes fijas de las instrucciones y procesar por lotes lo que no urge. La fundación estima ahorros de 20% a 60% por manejo del contexto, de 50% a 90% en los tokens que se leen desde esa memoria temporal y de alrededor de 50% con el procesamiento por lotes.

  6. Poner topes y alertas. Gartner recomienda umbrales de tokens, políticas de escalamiento y monitoreo automático integrados al flujo de trabajo. La fundación añade vigilar los picos por aplicación y no solo por día, porque un ciclo de un agente puede consumir millones de tokens en minutos.

  7. Nombrar un responsable y revisar con regularidad. En la encuesta de septiembre de 2026, las organizaciones con un responsable definido de la economía de la IA tenían 3.7 veces más probabilidad de demostrar valor ante la dirección financiera. Gartner propone revisar de forma periódica los flujos que más tokens consumen.


Cinco preguntas para la dirección


Antes de aprobar el lanzamiento de un agente, vale la pena exigir respuestas claras a estas cinco:


  1. ¿Cuánto cuesta una ejecución típica y una ejecución en el peor caso?

  2. ¿Quién responde por este gasto, con nombre y apellido?

  3. ¿Contra qué resultado de negocio vamos a medir el costo?

  4. ¿Qué tope hay por ejecución y qué alerta salta si algo se cicla?

  5. ¿Cada cuánto revisamos si seguimos usando el modelo adecuado?


Si alguna respuesta es "lo vemos después", ahí es donde aparecerá la sorpresa en la factura.


El costo también se opera


Controlar el gasto no es un proyecto de una sola vez. Los precios, los modelos y los patrones de uso cambian, y el costo se mueve con ellos. Por eso forma parte de la operación continua y no de la implementación.


En Mobiik, la operación de los agentes se hace dentro del AI Operating Program, con observabilidad 24/7, FinOps, controles de calidad y evolución continua, y la infraestructura en la nube la paga directamente el cliente. La idea es que el costo de operar IA sea un número que el negocio conoce y gobierna, no una sorpresa.


La pregunta que importa


No es cuánto cuesta un token. Es cuánto cuesta que tu agente resuelva un caso, quién responde por ese número y si te enterarías esta semana, y no el mes que viene, de que subió.


En Mobiik operamos agentes de IA en producción con monitoreo continuo y control del gasto como parte de la operación, para que el costo se conozca antes de que se dispare. Si quieres revisar cuánto costaría operar tu primer agente y cómo medirlo, conversemos.

bottom of page