Hay una verdad incómoda que la industria de la inteligencia artificial prefiere susurrar en lugar de proclamar: el coste real de poner un LLM en producción casi nunca coincide con la factura de la API. Es como comprar un coche y descubrir que el precio del concesionario no incluía ni las ruedas, ni el seguro, ni la gasolina. La etiqueta dice "0,15$ por millón de tokens de entrada". Lo que no dice es cuántos millones de tokens quemará tu agente en un bucle de delegación que se descontrola a las 3 de la madrugada.
Lo sé porque me ha pasado. Durante los últimos seis meses he operado sistemas de agentes autónomos en producción real: el Proyecto Autopilot (9 entregas) para automatizar la distribución de contenido en redes sociales, y la serie de Ingeniería de la Obsolescencia (7 entregas) con un radar agéntico 24/7 para monitorear riesgos en la cadena de suministro. Este artículo no es un ejercicio teórico: es una radiografía de mis facturas reales, mis errores y mis lecciones aprendidas.
El Iceberg: Lo que la Factura de la API No te Cuenta
El error más peligroso al presupuestar un proyecto de IA generativa es confundir el coste de la API con el coste total del sistema. Es como medir el coste de un restaurante solo por el precio de los ingredientes. En mi experiencia operando estos sistemas, la API representa aproximadamente un 15-25% del coste real. El resto es el iceberg sumergido:
| Capa de Coste | Qué Incluye | % Típico |
|---|---|---|
| API del LLM | Tokens de entrada/salida, caché de contexto | 15-25% |
| Infraestructura | GitHub Actions (minutes), Netlify Functions, Supabase | 25-35% |
| Tiempo de Ingeniero | Debugging de agentes, prompt tuning, programación defensiva | 30-40% |
| Costes Silenciosos | Reintentos por fallos, bucles infinitos, sobre-consumo de tokens | 10-15% |
El tercer bloque —el tiempo de ingeniero— es donde la mayoría de los proyectos mueren. Como documenté en el post-mortem del Autopilot, los modelos son estocásticos: ejecutas el mismo pipeline diez veces y obtienes diez resultados diferentes. Eso significa que no puedes testear un agente IA como testeas un microservicio convencional. Necesitas programación defensiva, validación de output con JSON Schemas, y reintentos con backoff exponencial. Cada hora invertida en esa ingeniería tiene un coste.
La Comparativa que Nadie Hace: Gemini vs GPT-4o vs Claude en Producción Real
Las comparativas de LLMs que abundan online suelen medir benchmarks académicos: MMLU, HumanEval, razonamiento lógico. Eso está bien para papers de investigación, pero en producción lo que importa es la ecuación coste-calidad-fiabilidad por tarea concreta. Aquí va mi experiencia operativa con los tres modelos principales:
| Criterio | Gemini 2.5 Flash | GPT-4o | Claude Sonnet 4 |
|---|---|---|---|
| Coste Input (por 1M tokens) | $0,15 | $2,50 | $3,00 |
| Coste Output (por 1M tokens) | $0,60 | $10,00 | $15,00 |
| Latencia media (respuesta completa) | ~2,1s | ~3,8s | ~4,5s |
| Fiabilidad JSON (structured output) | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| Respeto de instrucciones de sistema | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| Creatividad / "personalidad" | ⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
La diferencia de precio entre Gemini Flash y sus competidores no es un porcentaje: es un orden de magnitud. Para tareas de alto volumen y baja creatividad —clasificación, extracción de datos estructurados, parsing de emails— Gemini Flash es imbatible. Es exactamente por eso que lo elegí como motor del radar agéntico de obsolescencia: necesitaba ejecutar cientos de análisis al mes sin que la factura se disparara.
Sin embargo, cuando la tarea exige matiz, personalidad o razonamiento complejo, la diferencia de calidad justifica el precio. En el Proyecto Autopilot, el agente que escribía posts para LinkedIn con tono "corporativo" y el que escribía tweets con tono "cínico" (Parte 3) rendían significativamente mejor con modelos de gama alta. La lección: no existe el "mejor modelo", existe el modelo correcto para cada tarea de tu pipeline.
Anatomía de una Factura Real: El Proyecto Autopilot
Desglosemos los costes reales de operar el Proyecto Autopilot durante un mes típico. Este sistema analiza cada nuevo post del blog, genera contenido optimizado para Twitter y LinkedIn en dos idiomas (ES/EN), pasa por una auditoría de calidad, y publica automáticamente con aprobación humana.
| Concepto | Coste Mensual | Notas |
|---|---|---|
| Gemini API (Flash + Pro) | ~1,20 € | ~4 ejecuciones/mes, ~50K tokens por ejecución |
| GitHub Actions (CI/CD minutes) | 0,00 € | Free tier: 2.000 min/mes (sobra para esto) |
| Brevo (Newsletter) | 0,00 € | Free tier: 300 emails/día |
| Netlify (Functions + Hosting) | 0,00 € | Free tier: 125K invocaciones/mes |
| Supabase (PostgreSQL) | 0,00 € | Free tier: 500MB, 2 proyectos |
| Dominio (datalaria.com) | ~1,50 € | Prorrateado mensual |
| Tiempo de ingeniero | ¿? | El verdadero coste oculto |
| Total infraestructura | ~2,70 €/mes |
Sí, has leído bien: menos de 3 euros al mes para operar un sistema completo de agentes IA con publicación automatizada en redes sociales, newsletter y CI/CD. La clave está en tres decisiones arquitectónicas deliberadas:
- Gemini Flash como motor principal: A $0,15/M tokens de entrada, el coste por ejecución es de céntimos, no de euros.
- Free tiers agresivos: GitHub Actions, Netlify, Supabase y Brevo ofrecen generosos planes gratuitos que cubren sobradamente un proyecto individual o una startup temprana.
- Ejecución bajo demanda: El pipeline no corre 24/7, solo se activa con cada nuevo post (evento), evitando el coste de servidores siempre encendidos.
La Trampa de los Bucles: Cuando tu Agente Quema Dinero Solo
Pero la factura no siempre es tan amable. En el post-mortem del Autopilot documenté un fallo crítico que todo ingeniero debería conocer: los bucles de delegación infinita de CrewAI. Cuando un agente no encuentra la respuesta esperada, puede re-delegarse la tarea a sí mismo en un bucle que consume tokens exponencialmente hasta que GitHub Actions mata el proceso por timeout (SIGTERM a los 60 minutos).
En una sola ejecución fallida, ese bucle puede consumir más tokens que un mes entero de operación normal. Es el equivalente digital de dejar un grifo abierto toda la noche. La solución es brutalmente simple pero nadie la implementa de serie:
-
max_iterymax_execution_timeen cada agente CrewAI - Validación de output con Pydantic antes de pasar al siguiente agente
- Alertas de coste configuradas en la consola de Google Cloud
- Circuit breakers que matan la ejecución si el consumo supera un umbral
La Regla del 10x: Cuándo Merece la Pena Pagar Más
Después de seis meses operando estos sistemas, he destilado una regla pragmática que llamo la Regla del 10x: un modelo más caro solo se justifica si produce un resultado al menos 10 veces mejor en la métrica que importa para tu caso de uso. ¿Qué significa "10 veces mejor"?
- En clasificación: 10x menos errores de clasificación
- En generación de contenido: 10x menos iteraciones humanas de corrección
- En extracción de datos: 10x menos alucinaciones verificables
- En latencia: 10x más rápido en la ruta crítica del usuario
Si la mejora es de un 20-30%, quédate con el modelo barato. Si es de un 2x-3x, evalúa. Si es de un 10x, no lo pienses. Esta regla me llevó a usar Gemini Flash para el 90% de las tareas y reservar modelos premium solo para la generación creativa de contenido.
Mirando al Futuro: La Deflación de la Inteligencia
Hay una tendencia macro que todo ingeniero debe tener en el radar: el coste por token está cayendo a un ritmo brutal. Gemini Flash en junio de 2025 costaba $0,35/M tokens de entrada. Un año después, cuesta $0,15 — una caída del 57% en 12 meses. Si esta tendencia se mantiene (y todo indica que se acelerará con la competencia de modelos open-source como Llama y Mistral), en dos años estaremos hablando de costes de API que serán esencialmente gratuitos para la mayoría de los casos de uso.
Eso no significa que la IA será gratis. Significa que el coste se desplazará definitivamente de la API al ingeniero: la capacidad de diseñar sistemas robustos, implementar programación defensiva, y orquestar pipelines complejos será el verdadero diferencial competitivo. El modelo será un commodity; la arquitectura será el moat.
Como bien decía W. Edwards Deming —al que dediqué un artículo completo— : "No basta con hacer lo mejor que puedas; primero debes saber qué hacer". En la economía oculta de la IA, saber qué modelo usar, cuándo usarlo y cuándo no usarlo es la habilidad más valiosa que puedes desarrollar.
Fuentes de Interés:
- Google AI: Gemini API Pricing — Modelos y Precios Actualizados
- OpenAI: API Pricing — Modelos GPT-4o, GPT-4o mini
- Anthropic: Claude API Pricing — Modelos Claude 4 y Sonnet
- Datalaria: Post-Mortem del Proyecto Autopilot — Lecciones Aprendidas
- Datalaria: El Radar Agéntico — Tool Calling vs RAG en Producción
- Andreessen Horowitz: The Cost of AI — Who Pays and How Much? (Informe Andreessen Horowitz)
- GitHub: GitHub Actions Billing — Free Tier y Precios
Top comments (0)