Los agentes de IA pueden cambiar radicalmente los costos de una empresa, pero no por reemplazar personas con tokens baratos. El verdadero negocio aparece cuando te atreves a rediseñar el proceso completo.
McKinsey ha publicado publicado “Where AI agents pay off: A practical guide to the economics of agentic workflows”, y hay una idea que debería incomodar a más de algún gerente obsesionado con cuánto cuesta un token: la revolución de los agentes de IA no consiste en reemplazar trabajadores por inteligencia barata. Consiste en rediseñar procesos completos hasta cambiar radicalmente cuánto cuesta producir un resultado.
Y eso cambia la pregunta. No deberías partir diciendo: “¿Dónde puedo poner un agente?”. Deberías preguntar: “¿Qué proceso de alto valor, repetitivo y de gran volumen puedo reconstruir con agentes de IA para reducir brutalmente su costo marginal?”.
Los tokens baratos pueden distraerte del problema caro
Hoy es fácil caer en la tokenmanía.
McKinsey muestra que, a julio de 2026, un modelo como GPT-5.5 podía costar cerca de US$5 por millón de tokens de entrada y US$30 por millón de salida, mientras un modelo ligero anterior costaba apenas US$0,20 y US$1,25, respectivamente.
La diferencia es enorme. Pero cuidado: optimizar eso no necesariamente optimiza tu negocio.
En un agente de servicio al cliente bancario, los tokens representan solo entre 20% y 25% de los costos variables. ¿El gran costo? La supervisión humana: entre 70% y 75%. Además, McKinsey estima que entre 10% y 20% de las ejecuciones de onboarding bancario podrían terminar revisadas por especialistas funcionales o de riesgo.
O sea, puedes pasar semanas negociando centavos con tu proveedor de IA mientras mantienes intacta la parte realmente cara del proceso.
El ROI de los agentes de IA está en el trabajo terminado
Este es, para mí, el punto más potente del artículo.
El ROI no debería calcularse por agente, por token ni por llamada a una API. Deberías medir el costo total de terminar el trabajo.
Piensa en abrir una cuenta bancaria. McKinsey modela un workflow que puede involucrar entre 5 y 7 agentes, varios sistemas determinísticos y entre 2 y 4 equipos humanos supervisando. Bastante más complejo que el clásico dibujo corporativo donde aparece un bot sonriente reemplazando mágicamente veinte personas.
Pero el resultado económico es interesante: un proceso tradicional de onboarding puede costar entre US$50 y US$150 por cliente. Con un workflow agentic, el costo completo podría bajar a aproximadamente US$10–30.
Ese es el número que importa.
No cuánto cuesta “el agente”. Cuánto cuesta conseguir el resultado.
La escala cambia completamente la ecuación
Los agentes de IA también tienen una característica económica que muchas empresas todavía están subestimando: una vez realizada parte de la inversión fija, el costo no crece linealmente con el volumen.
McKinsey pone un ejemplo muy claro. Un agente conversacional utilizado para incorporar 2.500 clientes al año cuesta entre US$10.000 y US$15.000. Si duplicas el volumen a 5.000 clientes, el costo no se duplica: sube solamente a unos US$15.000–20.000.
Ahí aparece la gracia.
Si construyes un agente carísimo para ejecutar 200 veces una tarea irrelevante, probablemente hiciste una demo elegante. Si construyes una capacidad reutilizable que participa miles o millones de veces en workflows valiosos, probablemente empiezas a tener una transformación.
Deja de buscar lugares donde “poner IA”
Aquí creo que muchas empresas están partiendo al revés. Hacen inventario de procesos y preguntan dónde insertar Claude, Copilot, GPT, un agente o cualquier cosa que tenga IA en el nombre. Eso genera pilotos. No necesariamente genera productividad.
La pregunta debería ser bastante más incómoda: ¿qué proceso importante estás dispuesto a reconstruir completo?
Porque si mantienes las mismas aprobaciones, las mismas excepciones, los mismos controles, las mismas cinco planillas y las mismas personas revisando todo “por seguridad”, puedes terminar con una paradoja bastante ridícula: inteligencia artificial trabajando a velocidad digital dentro de una organización diseñada para moverse a velocidad humana.
La revolución de los agentes de IA no será poner pequeños robots digitales en cada departamento. Será cuestionar el workflow entero, y cuando hagas eso, quizá descubras que el ahorro más importante nunca estuvo en el token.
FAQs
¿Dónde generan mayor valor los agentes de IA?
En procesos de alto valor, repetitivos y con suficiente volumen para amortizar los costos fijos y reutilizar capacidades entre múltiples workflows.
¿Los tokens son el principal costo de un agente de IA?
No necesariamente. En el ejemplo bancario analizado por McKinsey, representan entre 20% y 25% del costo variable, mientras la supervisión humana alcanza entre 70% y 75%.
¿Cómo debería calcularse el ROI de los agentes de IA?
Midiendo el costo total de completar un resultado empresarial —por ejemplo, abrir una cuenta, resolver un reclamo o cerrar una venta— incluyendo agentes, personas, sistemas e infraestructura.
¿Por qué la escala es tan importante para los agentes de IA?
Porque muchos costos son fijos. En el ejemplo de McKinsey, pasar de 2.500 a 5.000 onboardings anuales no duplica el costo del agente: pasa de US$10.000–15.000 a aproximadamente US$15.000–20.000.
¿Qué proceso debería automatizar primero una empresa?
No necesariamente el más fácil. Deberías buscar un proceso de alto valor, repetitivo, de gran volumen y con suficiente potencial para reducir intervenciones, excepciones y costos por resultado.
Leave A Comment