La economía de agentes IA cambia la pregunta: ya no importa cuánto cuesta cada token, sino cuánto valor produce cada resultado terminado.
En el artículo “Is that AI agent worth it? Agentic economics and the modern operating model”, publicado por QuantumBlack, AI by McKinsey, aparece una pregunta que cualquier gerente debería hacerse antes de escalar inteligencia artificial: ¿el agente realmente vale lo que cuesta?
Mi opinión es que muchas empresas están midiendo la economía de agentes IA con una lógica demasiado parecida a la del consumo de electricidad. Observan tokens, llamadas al modelo y precio por uso, pero pierden de vista lo importante: el resultado que obtuvieron y cuánto trabajo humano necesitaron para corregirlo.
La caída del precio de los modelos no garantiza una reducción del gasto. El costo de inferencia de una capacidad equivalente a GPT-3.5 cayó desde US$20 hasta US$0,07 por millón de tokens hacia 2024. Sin embargo, el gasto empresarial en grandes modelos de lenguaje se triplicó durante los 12 meses terminados en 2025. Además, un 93% de los participantes de una encuesta de McKinsey afirmó haber superado su presupuesto de IA.
Los tokens son la cuenta, no el valor
Una empresa puede reducir el precio unitario de cada token y, al mismo tiempo, multiplicar su factura total.
Esto ocurre porque los agentes no se limitan a contestar una pregunta. Planifican, consultan herramientas, recuperan datos, revisan respuestas, corrigen errores y vuelven a intentarlo. Una tarea agéntica puede consumir cerca de 1.000 veces más tokens que una interacción de chat o un ejercicio simple de razonamiento sobre código.
Por eso, la economía de agentes IA debe medirse mediante una unidad de negocio: costo por solicitud resuelta, cliente atendido, contrato analizado, incidente solucionado o decisión aprobada.
Imagina que un agente cuesta US$2 por completar una tarea. Ese número parece atractivo. Pero si una persona debe invertir 40 minutos en verificar y corregir el resultado, el costo económico real es muy distinto.
La pregunta correcta no es “¿cuántos tokens consumió?”, sino “¿cuánto costó obtener un resultado confiable?”.
El 60% del costo aparece después de la respuesta
Uno de los datos más importantes del análisis es que alrededor del 60% del costo de una tarea agéntica está asociado al refinamiento: revisar, reparar y volver a verificar la respuesta.
Este porcentaje cambia completamente la conversación.
Muchas demostraciones de IA muestran la primera respuesta porque es rápida y visualmente impresionante. Pero el valor empresarial no aparece en el primer borrador. Aparece cuando el resultado alcanza el nivel de calidad necesario para utilizarse en una operación real.
En la economía de agentes IA, el control de calidad, el tratamiento de excepciones y el retrabajo deben formar parte del presupuesto desde el principio.
Si tú comparas el costo de un agente con el trabajo humano, no puedes enfrentar un resultado preliminar de la máquina contra un resultado terminado de una persona. Debes comparar dos resultados equivalentes en calidad, riesgo y confiabilidad.
La misma tarea puede costar 30 veces más
La autonomía también introduce variabilidad.
Dos ejecuciones del mismo agente pueden seguir caminos diferentes, utilizar herramientas distintas o realizar un número desigual de intentos. En tareas de programación, McKinsey cita variaciones de hasta 30 veces en el costo de completar un mismo trabajo.
Esto significa que presupuestar mediante un costo promedio puede ser peligroso. Debes mirar también los casos extremos: cuánto cuestan las ejecuciones más complejas, cuándo el agente debe detenerse y en qué punto conviene transferir el trabajo a una persona.
Todo agente debería tener al menos tres límites:
- Un presupuesto máximo por tarea.
- Un umbral de calidad verificable.
- Una regla clara para escalar a supervisión humana.
Sin esos límites, la autonomía puede convertirse en consumo sin control.
No todas las tareas necesitan el mejor modelo
Otro error común es utilizar el modelo más avanzado para todo.
La economía de agentes IA mejora cuando asignas la inteligencia adecuada a cada etapa. Un modelo avanzado puede formular la hipótesis inicial, mientras uno más pequeño ejecuta clasificaciones, resúmenes o refinamientos rutinarios.
McKinsey señala que instrucciones más concisas pueden reducir el consumo de tokens entre 30% y 40% en algunos workflows sin afectar materialmente su calidad. La consultora también informa que procesa cerca de 5 billones de tokens al mes, y que aproximadamente el 10% de sus usuarios concentra el 65% del consumo.
Eso demuestra que no necesitas restringir a todos por igual. Necesitas identificar dónde se concentra el uso, qué consumo crea valor y cuál corresponde a desperdicio.
FAQs
¿Qué es la economía de agentes IA?
Es el análisis del costo total y del valor empresarial producido por agentes de inteligencia artificial, incluyendo modelos, infraestructura, supervisión y retrabajo.
¿Por qué los agentes IA consumen tantos tokens?
Porque mantienen contexto, utilizan herramientas, ejecutan múltiples pasos, verifican resultados y pueden repetir acciones antes de completar una tarea.
¿Qué porcentaje del costo corresponde al refinamiento?
Aproximadamente el 60% del costo de una tarea agéntica puede concentrarse en revisar, reparar y verificar la respuesta.
¿Cómo saber si un agente IA vale la inversión?
Debes comparar su costo total por resultado confiable con el valor económico producido y con las alternativas humanas o automatizadas.
¿Cómo reducir el costo de agentes IA?
Puedes usar modelos más pequeños en tareas simples, optimizar el contexto, limitar reintentos, mejorar prompts y establecer reglas de detención.
Leave A Comment