¿Qué dispara el costo de tokens de la IA agéntica?
La mayoría de los modelos por API cobran por token, por lo que envías y por lo que el modelo responde. Un agente autónomo piensa en bucle: lee la tarea, planifica un paso, llama a una herramienta, lee el resultado y vuelve a enviar todo al modelo para decidir qué sigue. Cada vuelta reenvía las instrucciones, el contexto que crece y la última salida de la herramienta. Una sola solicitud es barata. A lo largo de millones, esos viajes repetidos son donde crece la factura, y como el bucle define su propia duración, el total es difícil de prever.
¿Por qué los pasos rutinarios no necesitan un modelo?
Buena parte del trabajo empresarial es enrutamiento, sincronización de datos y aprobaciones: mover un registro, revisar si un monto está bajo un límite, avisar a la persona correcta. Ese trabajo no necesita que un modelo razone; necesita reglas y una conexión al sistema adecuado. Cuando un agente lo manda al modelo de todas formas, pagas precios de inferencia por algo que una regla haría gratis. Un diseño centrado en el flujo parte del proceso mismo y reserva la inferencia para los pasos que necesitan interpretación, que es donde el documento dice que están los ahorros.
Un escenario de costos ilustrativo (no un benchmark)
El white paper modela un millón de transacciones al mes de dos maneras:
- Guiado por agentes: el modelo corre en el 100% de las transacciones, con 12.000 tokens de entrada y 3.000 de salida cada una.
- Guiado por el flujo: el modelo corre en el 20% de las transacciones, con 3.000 tokens de entrada y 750 de salida cada una.
- Precio de lista de Claude Sonnet 5.5, noviembre de 2026: $2 por millón de tokens de entrada y $10 por millón de salida.
Con esos supuestos, el diseño guiado por agentes modela cerca de $54.000 al mes y el guiado por el flujo cerca de $2.700, una diferencia de unos $51.300 al mes, o $615.600 al año, solo en inferencia del modelo. La brecha de 20x son dos decisiones multiplicadas: correr el modelo en una quinta parte de las transacciones (5x) y usar un cuarto del contexto por llamada (4x).
Tómalo como una razón para medir antes de comprometerte. Los costos reales cambian con el modelo elegido, el caché, el agrupamiento, los reintentos, el tamaño del contexto y los niveles de servicio, y el escenario deja fuera licenciamiento, hosting, integración y revisión humana, así que por sí solo no prueba un menor costo total de propiedad.
El documento corre la misma carga en varias configuraciones para mostrar cuánto pesan las palancas:
- El mismo agente con 9.000 de sus 12.000 tokens de entrada en caché: unos $36.900 al mes.
- El mismo agente en Claude Haiku 5.5: unos $2.700, lo mismo que el flujo en Sonnet.
- El flujo en Claude Haiku 5.5: unos $135.
Un agente bien optimizado acorta la brecha, y las mismas palancas, caché, agrupamiento y modelos más pequeños, también aplican dentro de un flujo con gobernanza.
Hay un segundo beneficio más allá de la cifra principal, y es la previsibilidad. El white paper señala que reducir la inferencia innecesaria mejora la previsibilidad a medida que sube el volumen de transacciones, que es lo que importa cuando defiendes un presupuesto y no cuando corres un piloto. Su comparación de arquitecturas traza la misma línea: un diseño agéntico puede requerir vueltas repetidas al modelo, mientras que un flujo con gobernanza puede restringir la IA a tareas seleccionadas. Reserva el modelo para los pocos pasos que lo necesitan y el costo por transacción deja de moverse con cada cambio en el largo del prompt o la profundidad del bucle, así finanzas puede planear contra un número que se sostiene. El documento es igual de firme sobre cómo probarlo: una afirmación defendible necesita una comparación directa de la misma carga, las mismas integraciones, los mismos requisitos de seguridad y niveles de servicio comparables, medida contra un agente bien optimizado que ya use caché y un modelo apropiado.
Para ver dónde quedaría tu propio costo de tokens de la IA agéntica, mapea un proceso de alto volumen: qué pasos necesitan de verdad un modelo, cuáles pueden correr con reglas y cuánto consumiría cada uno. Una estimación sobre tu propia carga vale más que cualquier cifra ilustrativa.
Sigue leyendo: Orquestación con gobernanza vs. agentes autónomos · Inteligencia no es autoridad



