# Qué cuesta de verdad operar un agente el segundo mes

> El primer mes se paga la construcción. El segundo aparece la factura real. Qué la compone, qué ajuste la baja más y cómo estimarla antes de firmar.

- Autor: César Medina
- Publicado: 2026-10-15
- Tema: Agentes que trabajan solos
- Lectura: 7 min
- Palabras clave: costo de operar agentes de IA, cuánto cuesta un agente, factura de API de IA

El segundo mes el costo se reparte en tres partes: el consumo del modelo, las
horas de quien revisa y ajusta, y la infraestructura donde vive. La primera es la
que todo el mundo estima y casi siempre la más pequeña. La segunda es la que
decide si el proyecto sigue.

> **Puntos clave**
>
> - El consumo del modelo suele ser la parte menor de la factura. Las horas de personas son la mayor.
> - Leer de caché cuesta el 10% del precio de entrada, y la caché de cinco minutos se amortiza con una sola lectura.
> - Los tokens leídos de caché no cuentan para el límite de ritmo en la mayoría de los modelos, así que la caché baja el costo y sube el techo.
> - El procesamiento por lotes cuesta la mitad, a cambio de que la respuesta no sea inmediata.

## ¿Por qué el segundo mes y no el primero?

Porque el primero está lleno de costos que no se repiten y vacío de los que sí.

El primer mes se paga construir: definir el caso, escribir los prompts, conectar
lo que haya que conectar, probar. Es un número grande y por eso se planea. Lo que
casi nadie planea es que ese mes el sistema procesa poco volumen real, porque
todavía está en pruebas, así que el consumo se ve engañosamente bajo.

El segundo mes se invierte todo. Desaparece el costo de construcción, aparece el
volumen de verdad, y aparece algo que nadie puso en la hoja: el tiempo de las
personas que revisan salidas, ajustan prompts y arreglan lo que cambió de
formato. Ese es el mes que hay que estimar antes de firmar.

## ¿De qué se compone la factura?

De tres partes, en este orden de tamaño habitual.

**Las horas de personas.** Alguien revisa una muestra de las salidas, alguien
ajusta cuando aparece un caso nuevo, alguien investiga cuando el número del
tablero se movió. En los proyectos que he visto, esto pesa más que todo lo demás
junto, y es invisible porque se paga en salarios que ya existían.

**El consumo del modelo.** Tokens de entrada y de salida, más lo que cueste
cualquier herramienta que el agente use. Es la parte que se puede calcular con
precisión, y por eso es la que aparece en todas las estimaciones.

**La infraestructura.** Donde corre el código, dónde se guardan los registros,
qué monitorea. Suele ser pequeño y suele estar ya pagado.

La proporción exacta depende del caso, pero el patrón se repite: quien estima
solo la segunda parte se lleva una sorpresa que no es de dinero sino de tiempo,
porque las horas salen del equipo que ya tenía otras cosas que hacer.

## ¿Cuánto cuesta el modelo, en números?

Se calcula con tres datos: cuántas veces corre al mes, cuántos tokens gasta una
corrida, y el precio por millón de tokens del modelo que uses.

Los precios están publicados. Al 31 de agosto de 2026, en la lista de Anthropic,
un modelo pequeño cuesta 1 dólar por millón de tokens de entrada y 5 de salida;
uno intermedio, 2 y 10; uno grande, 5 y 25. Son de un solo proveedor y cambian
cada pocos meses, así que sirven para entender el orden de magnitud y hay que
volver a consultarlos antes de comprometerse con un presupuesto.

Lo importante de esos números no son los números: es la proporción. El modelo
grande cuesta cinco veces el pequeño, y en la mayoría de las tareas de una
operación comercial el pequeño hace el trabajo. Poner el más grande en todo por
si acaso es la forma más común de multiplicar la factura sin mejorar nada.

## ¿Cuál es el ajuste que más baja el costo?

La caché de prompt, y por partida doble.

Cuando cada llamada manda el mismo bloque grande de contexto (las instrucciones,
un catálogo, la definición de las herramientas), ese bloque se puede cachear. La
documentación de Anthropic lo explica así: «A cache hit costs 10% of the standard
input price, which means caching pays off after one cache read for the 5-minute
duration (1.25x write), or after two cache reads for the 1-hour duration (2x
write).»

O sea: escribir la caché corta cuesta un poco más que una llamada normal, pero
leerla cuesta la décima parte, así que se amortiza con **una sola lectura**. Si
tu agente procesa dos casos seguidos con el mismo contexto, ya ganaste.

| Operación | Costo relativo al precio de entrada |
| --- | --- |
| Escribir caché de 5 minutos | 1,25× |
| Escribir caché de 1 hora | 2× |
| Leer de caché | 0,1× |

Fuente: [Anthropic, *Pricing*](https://platform.claude.com/docs/en/about-claude/pricing), consultada el 31 de agosto de 2026.

La documentación de límites añade algo que casi nadie conoce: «For most Claude
models, only uncached input tokens count toward your ITPM rate limits.» Los
tokens leídos de caché no cuentan para el límite de ritmo.
Es decir, cachear no solo abarata: aumenta cuánto puedes procesar por minuto sin
pedir una ampliación de cuota.

El otro ajuste grande es el procesamiento por lotes, que cuesta la mitad en
entrada y salida a cambio de que la respuesta no sea inmediata. Para
clasificaciones nocturnas o enriquecimiento de una base, es dinero regalado.

## ¿Por qué sube la factura si nadie tocó nada?

Tres causas, y la segunda es la que sorprende.

**Creció el volumen.** La buena. Se procesa más porque el sistema funciona.

**Creció el contexto.** Un agente conversacional manda el historial completo en
cada turno, así que la décima llamada de una conversación cuesta mucho más que la
primera aunque la pregunta sea igual de corta. Sin un límite de historial, el
costo por conversación crece de forma que nadie previó.

**Cambió el modelo.** Actualizar a una versión nueva con el mismo precio por
token no significa el mismo precio por tarea, porque un modelo puede necesitar
más tokens para decir lo mismo. Ese detalle merece su propio artículo y lo
tratamos al hablar de
[agentes con modelos de lenguaje](/blog/agentes-con-modelos-de-lenguaje).

## ¿Cómo se estima antes de construir?

Con una corrida real de veinte casos y una multiplicación.

Se toman veinte entradas representativas, se corren con el prompt que se piensa
usar, y se anota cuántos tokens de entrada y de salida consumió cada una. Con eso
sale el costo medio por caso. Se multiplica por el volumen mensual esperado y ya
tienes la parte del modelo.

Después, dos correcciones. La primera: multiplica por dos. Siempre aparecen
reintentos, casos que necesitan más contexto y volumen que se subestimó. La
segunda: suma las horas de revisión. Estima cuántas salidas va a revisar alguien
por semana y cuánto tarda en cada una, y ponle el costo por hora que corresponda.

Ese segundo número casi siempre supera al primero, y verlo escrito cambia la
conversación: deja de ser «cuánto cuesta la IA» y pasa a ser «cuánta revisión
necesitamos y durante cuánto tiempo». Que es la pregunta correcta, y se responde
con un conjunto de pruebas que permita reducir la revisión manual conforme
aumenta la confianza. Cómo se arma está en
[cómo medir si las respuestas de tu agente son buenas](/blog/medir-calidad-agente).

Si quieres que estimemos el costo del segundo mes de un caso concreto antes de
que lo construyas, el [diagnóstico inicial no tiene costo](/contacto).

## Preguntas frecuentes

**¿Qué parte de la factura es el modelo?**
Casi siempre la más pequeña. En los proyectos que he visto, el consumo del modelo
ronda entre el 10% y el 30% del costo mensual, y el resto son horas de personas:
revisar salidas, ajustar prompts, arreglar lo que cambió de formato. Estimar solo
el modelo da un número tranquilizador y falso.

**¿Cuál es el ajuste que más baja el costo?**
La caché de prompt. Leer de caché cuesta el 10% del precio de entrada, y la caché
corta se amortiza con una sola lectura. Como además los tokens leídos de caché no
cuentan para el límite de ritmo en la mayoría de los modelos, baja la factura y
sube el techo a la vez.

**¿Por qué la factura sube si nadie cambió nada?**
Tres causas habituales: creció el volumen, creció el contexto que se manda en
cada llamada, o se cambió de modelo. La segunda es la más silenciosa, porque el
historial de una conversación crece solo y cada mensaje nuevo se paga entero.

**¿Cómo estimo el costo antes de construir?**
Con tres números: cuántas veces al mes corre, cuántos tokens gasta una corrida
típica y el precio por millón del modelo elegido. Se mide una corrida real con
veinte casos y se multiplica. Un margen del doble sobre esa estimación cubre lo
que aparece después.

## Preguntas frecuentes

### ¿Qué parte de la factura es el modelo?

Casi siempre la más pequeña. En los proyectos que he visto, el consumo del modelo ronda entre el 10% y el 30% del costo mensual, y el resto son horas de personas: revisar salidas, ajustar prompts, arreglar lo que cambió de formato. Estimar solo el modelo da un número tranquilizador y falso.

### ¿Cuál es el ajuste que más baja el costo?

La caché de prompt. Leer de caché cuesta el 10% del precio de entrada, y la caché corta se amortiza con una sola lectura. Como además los tokens leídos de caché no cuentan para el límite de ritmo en la mayoría de los modelos, baja la factura y sube el techo a la vez.

### ¿Por qué la factura sube si nadie cambió nada?

Tres causas habituales: creció el volumen, creció el contexto que se manda en cada llamada, o se cambió de modelo. La segunda es la más silenciosa, porque el historial de una conversación crece solo y cada mensaje nuevo se paga entero.

### ¿Cómo estimo el costo antes de construir?

Con tres números: cuántas veces al mes corre, cuántos tokens gasta una corrida típica y el precio por millón del modelo elegido. Se mide una corrida real con veinte casos y se multiplica. Un margen del doble sobre esa estimación cubre lo que aparece después.

## Recurso gratuito

[Costo del trabajo manual](https://c2suite.com/recursos/costo-del-trabajo-manual) — Calcula lo que tu empresa paga al año por el trabajo que hoy se hace a mano, área por área, y cuánto de eso se puede quitar.

---

Fuente: https://c2suite.com/blog/costo-operar-un-agente

Puedes citar y resumir este contenido atribuyéndolo a C2Suite y enlazando a la URL de origen.