Agentes IA en producción: el coste real tras 3 meses de experiencia (cifras incluidas)

Tres meses. Ese es el tiempo que tardé en pasar de «los agentes IA van a acelerarlo todo» a «ok, ¿cuánto cuesta realmente cuando funciona todos los días?». Desplegué agentes autónomos en tareas reales (generación de contenido, análisis de datos, orquestación de workflows) con Claude Code, la API de Claude y cadenas multi-agentes. El presupuesto API del primer mes superó mi estimación inicial en un 340 %. No porque la tecnología no funcione, sino porque nadie habla de los costes que aparecen únicamente en producción.

Las guías en línea anuncian horquillas de 3.000 € a 50.000 € para «un agente IA» (según la guía de automatisation-intelligence-artificielle.fr). Estas cifras cubren el build, raramente el run. Y es el run el que decide si tu agente es una inversión o un pozo sin fondo.

Esto es lo que observé, medí y corregí pilotando agentes IA en producción durante 3 meses, con las cifras reales.

Lo que las demos de YouTube nunca muestran

Mira cualquier vídeo de demo de un agente IA. El autor lanza un prompt, el agente ejecuta tres acciones, el resultado aparece en 30 segundos. Coste mostrado: 0,02 $. Aplausos.

El problema es que esa demo corre sobre un caso único, con un contexto mínimo, sin gestión de errores, sin retry (relanzamiento automático tras un fallo), sin persistencia de memoria entre sesiones. En producción, cada ejecución consume entre 8.000 y 45.000 tokens de entrada solo para cargar el contexto del proyecto (archivos de arquitectura, convenciones, estado actual).

¿Por qué el coste anunciado en la demo no refleja la producción?

Porque la ventana de contexto (la cantidad de información que la IA puede procesar de una vez) se llena muy rápido cuando el agente tiene que entender un proyecto real. En una misión reciente, medí que un agente Claude Code consume en promedio 32.000 tokens por ejecución sobre una codebase de tamaño medio (unos 150 archivos). El coste unitario por ejecución pasa de 0,02 $ en demo a 0,35 a 0,80 $ en producción.

Miguel Cotrina, especialista en Data e IA, lo resume bien en su vídeo sobre la memoria de los agentes: la ventana de contexto se acumula mensaje a mensaje, y cada token de entrada se factura. Sin una estrategia de resumen o compresión, el coste se dispara de forma lineal con la duración de la conversación.

El coste de un agente no se mide por ejecución, se mide por la cadena de ejecuciones a lo largo de un día.

En mis workflows de producción, un agente ejecuta entre 15 y 60 runs al día según la tarea. Multiplica 0,50 $ por 40 runs: 20 $ al día, unos 600 $ al mes, para un solo agente en una sola tarea.

El presupuesto real de un agente IA en producción

Registré cada dólar gastado durante 3 meses. El resultado contradice la mayoría de las tablas de precios publicadas en línea, que se centran en el desarrollo inicial y subestiman el coste recurrente.

¿Cuánto cuestan realmente los tokens por ejecución?

La partida principal es el coste API (las llamadas al modelo de lenguaje). Con Claude Opus 4, los tokens de entrada cuestan 15 $ por millón y los de salida 75 $ por millón (tarifas Anthropic, junio 2026). Con Claude Sonnet 4, son 3 $ y 15 $. La elección del modelo cambia la factura por un factor de 5.

El ratio es claro: el coste real es 4,4 veces superior a la estimación. Y mi estimación no era ingenua, se basaba en las horquillas publicadas por ESN como Smartpoint o RedArrow (que anuncian entre 100 y 400 € mensuales en costes de API para una pyme, según la guía de smartpoint.fr).

¿Qué modelo elegir para controlar la factura?

Aprendí una regla simple: Opus para decidir, Sonnet para ejecutar, Haiku para filtrar. El 80 % de las ejecuciones de un agente no necesitan el modelo más potente. Cuando cambié mis agentes de contenido a Sonnet 4 para las tareas rutinarias (formateo, verificación, extracción), la factura API bajó un 40 % sin pérdida de calidad apreciable.

Es exactamente lo que compruebo también en las herramientas de desarrollo IA: la herramienta adecuada en el momento adecuado, no la más cara por defecto.

Los costes invisibles que disparan la factura

El build (desarrollo inicial) es la cifra que todos publican. Según la guía de nerolia-ai.fr, un agente IA para pyme cuesta entre 3.000 € y 25.000 € de integración. Esta cifra es correcta. Pero representa como mucho el 30 % del coste total del primer año (el TCO, coste total de propiedad).

Las tres partidas que nadie presupuesta al principio son la gestión de errores, la supervisión humana y la deuda de contexto.

¿Por qué la supervisión humana sigue siendo la partida más cara?

Porque un agente en producción falla. No siempre, no de la misma forma, pero lo suficiente como para necesitar un ojo humano. En mis 3 meses de seguimiento, medí una tasa de errores de 7 a 12 % según las tareas. Los errores más frecuentes: alucinación sobre datos numéricos (el agente inventa una cifra), desbordamiento de la ventana de contexto (el agente «olvida» el principio de la conversación), y bucles infinitos en tareas mal especificadas.

Cada error no detectado cuesta más que la propia ejecución. Un agente que publica una cifra incorrecta en el sitio de un cliente implica una corrección manual, un email de disculpa y potencialmente una pérdida de confianza. Estimo el tiempo de supervisión en 3 horas por semana para un portfolio de 4 agentes activos. A un TJM de 400 € (tarifa de mercado de un dev senior freelance en Francia, según los datos que he recopilado), eso representa unos 600 € al mes de coste humano no presupuestado.

Un agente «autónomo» que necesita 12 horas de supervisión al mes no es autónomo. Es un asistente.

¿Cómo reducir la tasa de errores en producción?

Tres palancas funcionaron en mi caso. La primera: especificaciones muy precisas por tarea, con criterios de aceptación explícitos (archivos CLAUDE.md, CONVENTIONS.md, DECISIONS.md que sirven de memoria de proyecto al agente). La segunda: un desglose en bloques cortos, testeables e independientes, en lugar de un prompt monolítico. La tercera: pruebas reales en el navegador, no solo validación del código generado.

Con estos tres ajustes, mi tasa de errores pasó del 12 % al 4 % entre el mes 1 y el mes 3. La factura de supervisión bajó un tercio.

Cuándo un agente IA se vuelve rentable (y cuándo no)

El ROI de un agente IA no se calcula en una demo. Se calcula en un trimestre de producción, con el TCO real.

¿Cómo calcular el ROI real de un agente en producción?

La fórmula que utilizo: (tiempo humano ahorrado × coste por hora) menos (coste API + infra + supervisión). Si el resultado es positivo durante 3 meses consecutivos, el agente es rentable. Si no, hay que repensarlo o eliminarlo.

Según la guía de automatisation-intelligence-artificielle.fr, el ROI mediano de los proyectos de IA en empresas alcanza el 165 % (McKinsey, 2025). Esta cifra oculta una distribución muy desigual. Los agentes que automatizan tareas repetitivas de alto volumen (clasificación de emails, cualificación de leads, extracción de datos) alcanzan ese ROI. Los agentes «estratégicos» (redacción, análisis complejo, decisión) a menudo tienen dificultades para superar el umbral de rentabilidad.

Mi observación personal tras 3 meses: un agente es rentable cuando procesa al menos 40 tareas al día en un perímetro bien definido. Por debajo, el coste de supervisión y mantenimiento absorbe el ahorro de tiempo. Por encima, el efecto palanca se vuelve real.

¿Construir a medida o comprar SaaS?

Para un desarrollador potenciado por la IA, construir a medida suele ser la mejor opción. Controlas los costes, eliges el modelo por tarea, optimizas los prompts. El SaaS (Make, n8n + IA, plataformas no-code) funciona para casos simples, pero el coste por ejecución es 2 a 3 veces superior a una llamada API directa. Y pierdes el control del contexto enviado al modelo.

Para una pyme sin desarrollador, el SaaS sigue siendo el mejor punto de entrada. Según Algomax, un agente sencillo arranca desde 2.999 € con 2 semanas de despliegue.

El veredicto tras 3 meses

No recomiendo lanzar un agente IA en producción sin haber respondido a tres preguntas. ¿Cuál es el volumen diario de tareas? ¿Cuál es el coste de un error no detectado? ¿Y quién supervisa, con qué presupuesto de tiempo?

Si la respuesta es «más de 40 tareas/día, error tolerable, 3 h/semana de supervisión presupuestadas», adelante. El ROI llegará en el segundo trimestre. Si la respuesta es vaga en alguno de estos tres puntos, empieza con un piloto de 30 días sobre una sola tarea, con un límite estricto de API.

Los agentes IA en producción funcionan. Pero cuestan 4 a 5 veces más de lo que sugieren las demos. La verdadera ventaja no está en la IA en sí, sino en el sistema que construyes alrededor: especificaciones claras, desglose en bloques, monitorización, elección del modelo por tarea. Sin ese sistema, compras una herramienta inteligente que quema dinero. Con él, construyes un palanca que compensa a un equipo entero.

Mi consejo: presupuesta el run antes del build. Y nunca te creas una demo a 0,02 $ por ejecución.