Quien integra funciones de IA en proyectos web o herramientas internas, tarde o temprano calcula con tokens. Un token es la unidad de facturación más pequeña de los modelos de lenguaje – aproximadamente una parte de una palabra que el modelo lee o escribe. Esta unidad se ha convertido en los últimos meses en la magnitud de coste central, y la distribución detrás de ella ha cambiado.
Según un análisis del analista de OpenRouter Peter Walker, los agentes de IA consumen más tokens que el uso humano desde el 6 de febrero de 2025. El aumento en el consumo de agentes fue de catorce veces, mientras que el uso humano se incrementó 2,8 veces. El software se ha convertido así en el mayor consumidor de los modelos.
Por qué los agentes consumen tanto más
La razón está en la forma de trabajar. Una persona hace una pregunta, lee la respuesta y quizás hace una pregunta de seguimiento. Un agente – es decir, un programa que procesa una tarea de forma autónoma en varios pasos – convierte esto en una cadena: leer el contexto, diseñar un plan, invocar una herramienta, verificar el resultado, corregir, verificar de nuevo.
Cada uno de estos pasos lleva consigo el contexto acumulado. Archivos, especificaciones, resultados intermedios y mensajes de error se incluyen una y otra vez en el prompt. De una tarea que una persona resuelve con dos solicitudes, se generan así veinte o más llamadas al modelo, cada una con un preámbulo considerable. En el desarrollo de software esto llama especialmente la atención, porque allí se necesitan bases de código, salidas de pruebas y logs como contexto.
La factura crece más lentamente que la cifra
Decisivo para los presupuestos es un segundo hallazgo del análisis: casi el 70 por ciento del consumo de agentes corresponde a prompts en caché, que se facturan más baratos. El almacenamiento en caché de prompts significa que una parte constante de la entrada – por ejemplo, instrucciones del sistema o un archivo de proyecto – se mantiene en el proveedor y no se cobra a precio completo cuando se reutiliza.
Los costes reales aumentan por ello mucho más lentamente que las cifras de tokens. Para la planificación presupuestaria esto significa dos cosas: primero, una extrapolación basada únicamente en la cantidad de tokens es engañosa y conduce a márgenes innecesariamente altos. Segundo, la proporción de caché no es una ley natural, sino una característica de la arquitectura. Quien no la establece conscientemente, paga el precio completo por cada ejecución.
De qué depende la proporción de caché
El almacenamiento en caché actúa donde las entradas son estables y reconocibles. Esto se puede influir al construir una aplicación:
- Prefijos estables: Las instrucciones del sistema, las descripciones de roles y los datos de referencia recurrentes pertenecen al inicio del prompt y no deben cambiar entre dos llamadas.
- Variables al final: Las marcas de tiempo, los identificadores de usuario o los parámetros cambiantes al inicio del prompt destruyen la reutilización de todo el contexto.
- Recortar el contexto conscientemente: No arrastrar el historial completo, sino resumirlo de forma selectiva o recargar solo fragmentos relevantes.
- Elección del modelo según la tarea: Los pasos intermedios rutinarios como clasificar o formatear rara vez necesitan el modelo más caro.
- Criterios de interrupción: Los agentes que trabajan sin un límite superior de iteraciones, en caso de duda, entran en bucles. Un límite de pasos y salidas por tarea es una medida de coste.
Consecuencias para ofertas y contratos
El desplazamiento del consumo humano al consumo automático cambia cómo aparecen los costes en los proyectos. En el uso interactivo, los gastos escalan con el número de usuarios, es decir, de forma relativamente calculable. En los flujos de trabajo agénticos, escalan con el número de procesos procesados y con la complejidad de cada proceso individual – y ambos son más difíciles de estimar de antemano.
Por eso es sensato tratar los costes de modelo en curso desde el principio como una partida propia, separada del esfuerzo de desarrollo y del hosting. Esto incluye una medición en operación: coste por tarea completada, tasa de aciertos de caché, proporción de llamadas que no aportaron ninguna contribución aprovechable. Sin estos indicadores, cualquier optimización sigue siendo una suposición.
Para proyectos piloto ha demostrado ser útil medir primero un caso de uso delimitado con datos reales, en lugar de extrapolar a partir de benchmarks. Una ejecución sobre algunos cientos de procesos reales proporciona una base más sólida que cualquier cálculo de modelo – y generalmente también muestra en qué punto el contexto es innecesariamente grande.
No toda tarea necesita un agente
Las cifras invitan a considerar las arquitecturas agénticas como estándar. Eso se queda corto. Una única llamada al modelo bien formulada con una estructura de salida clara es para muchas tareas más económica, más rápida y más fácil de probar que un bucle de varios pasos. Los agentes merecen la pena donde el camino de solución no se conoce de antemano y deben integrarse herramientas.
A la inversa: donde el camino es conocido, pertenece al código. La lógica de programa clásica no consume tokens, es determinista y puede asegurarse con pruebas convencionales. La pregunta interesante en los proyectos es, por tanto, menos cuántos tokens consume un agente, sino qué pasos parciales necesitan realmente un modelo de lenguaje.
Clasificación
Para los proyectos web y de software, la evolución significa que los costes de modelo pasan de ser una partida secundaria a una magnitud de planificación propia con carácter operativo – comparable con el tráfico o el tiempo de cómputo, solo que más difícil de predecir. Quien trata la estructura del prompt, el tamaño del contexto y los criterios de interrupción como decisiones de arquitectura desde el principio, mantiene grande la diferencia entre la cantidad de tokens y la factura real.
Y quien hace medible el consumo por proceso puede negociar presupuestos en lugar de estimarlos.