¿Por qué el gasto en chatbots no sirve para presupuestar agentes de IA?
Los agentes de IA no son una versión mejorada de los chatbots: consumen muchos más recursos computacionales por cada tarea que resuelven. Marc Bolitho, director ejecutivo de la compañía de procesadores Tensordyne, estima que estos sistemas consumen entre cinco y diez veces más tokens que los chatbots tradicionales, y que la diferencia puede ser incluso mayor [1].
Esto tiene una consecuencia directa para cualquier empresa que planifique su presupuesto de IA para 2027. El gasto registrado en chatbots durante el último año no sirve como referencia precisa para estimar cuánto costará poner en marcha agentes capaces de ejecutar tareas más complejas [1].
La razón es estructural, no solo de escala: mientras un chatbot responde preguntas, un agente planifica, usa herramientas externas, verifica su propio trabajo y repite pasos cuando algo no cuadra, y cada paso adicional se factura.
La magnitud del fenómeno ya es medible a nivel global. Según proyecciones de IDC citadas por Forbes, para 2029 habrá más de mil millones de agentes de inteligencia artificial operativos en el mundo, 40 veces más que en 2025, y estos sistemas procesarán 3,7 billones de tokens y llamadas a interfaces de programación de aplicaciones por día [1].
¿Por qué una devolución simple puede disparar el costo de un agente de IA?
Un caso de uso típico en retail, como la gestión de devoluciones, muestra por qué el costo de un agente no se puede calcular dividiendo la factura del proveedor entre el número de casos resueltos. Las excepciones, no los casos estándar, son las que determinan el gasto real.
Forbes describe el ejemplo de una tienda que delega en un agente la gestión de devoluciones: durante una demostración comercial, el proceso parece simple porque el sistema localiza el pedido, verifica las condiciones, autoriza el reembolso y genera la etiqueta de envío [1]. El problema aparece con las excepciones, como un comprobante faltante o una compra cuestionada, que exigen verificaciones adicionales y, muchas veces, intervención humana [1].
Por eso, antes de ampliar el despliegue, Forbes recomienda a las empresas dividir el costo operativo total entre el número de devoluciones completadas según sus propios estándares, y no entre el total de casos recibidos, para obtener un indicador que refleje el costo real de cada tarea [1].
¿Por qué la inferencia, y no el entrenamiento, infla la factura de los agentes de IA?
El entrenamiento de un modelo de IA es una inversión que se repite ocasionalmente, al actualizar el sistema. La inferencia, en cambio, genera un costo cada vez que el agente se usa, y es ahí donde se concentra el gasto recurrente de una empresa que opera agentes a escala.
Una compañía que contrata un servicio de inteligencia artificial no necesita entrenar su propio modelo, pero paga la inferencia que el proveedor traslada mediante sus tarifas [1]. Esa dependencia conecta el presupuesto de IA de una empresa con la competencia entre fabricantes de chips: procesadores más eficientes pueden abaratar el costo por tarea, mientras que los menos eficientes erosionan el ahorro esperado [1].
El cambio en el modelo de cobro de los proveedores agravó el problema. La mayoría pasó de suscripciones de precio fijo a esquemas basados en el uso que facturan por tokens consumidos, de forma similar a como se factura la electricidad [2].
Un caso ilustra el salto: cuando GitHub Copilot adoptó la facturación por uso el 1 de junio, un usuario que antes pagaba 10 dólares mensuales con plan fijo proyectó, tras una sola sesión intensiva, una factura mensual de 180 dólares [2].
| Indicador | Chatbot tradicional | Agente de IA |
|---|---|---|
| Consumo de tokens por tarea | Base de referencia | 5 a 10 veces más, o superior [1] |
| Modelo de precios típico | Suscripción de precio fijo | Pago por uso o por token [2] |
| Pasos que generan costo | Una respuesta por consulta | Planificación, uso de herramientas, autoverificación, reintentos [2] |
| Necesidad de intervención humana | Baja | Alta en excepciones y casos no contemplados [1] |
¿Cuántos ejecutivos ya frenaron sus agentes de IA por el costo?
El 49% de los ejecutivos globales redujo la implementación de agentes de IA porque los costos operativos superaron los beneficios obtenidos, de acuerdo con el informe Global AI Pulse de KPMG del segundo trimestre de 2026 [2]. El dato surge de una encuesta a 2.145 altos ejecutivos de 20 países, en organizaciones con ingresos anuales superiores a 50 millones de dólares [2].
El freno no significa abandono:
- La IA siguió siendo una prioridad de inversión para el 79% de los líderes, frente al 74% del trimestre anterior [2].
- El gasto promedio en IA se mantuvo estable en 188 millones de dólares [2].
- El porcentaje de organizaciones que describen la IA como parte de su trabajo cotidiano pasó del 13% al 22% en el trimestre, el mayor salto registrado por KPMG [2].
¿Qué tan limitada es la visibilidad sobre el gasto en agentes de IA?
El problema de fondo es que muchas empresas no pueden ver el medidor de gasto en tiempo real. Solo el 26% de un grupo de 204 líderes empresariales de Estados Unidos, con ingresos de miles de millones de dólares, afirma tener visibilidad completa sobre los costos de IA a gran escala [2].
“Analizar en detalle la factura de los agentes de IA no implica un colapso: es una señal de madurez.”
En la encuesta global, un tercio de los líderes señala que la comprensión limitada de las estructuras de precios basadas en tokens es una barrera concreta para implementar agentes [2].
¿Cuántos proyectos de agentes de IA cancelará Gartner para 2027?
Más del 40% de los proyectos de IA agéntica serán cancelados antes de finales de 2027 por el aumento de los costos, un valor de negocio poco claro o controles de riesgo insuficientes, según proyectó Gartner [3].
La firma atribuye buena parte del problema a que la mayoría de estos proyectos todavía son experimentos tempranos impulsados por el entusiasmo del mercado, lo que oculta la complejidad real de operar agentes a escala [3].
Gartner también identificó un fenómeno que distorsiona las comparaciones de costo entre proveedores: el "agent washing", es decir, el cambio de nombre de productos existentes, como asistentes de IA o herramientas de automatización robótica de procesos, para presentarlos como agentes sin capacidades agénticas reales [3]. De los miles de proveedores que se promocionan como agénticos, Gartner estima que solo unos 130 lo son genuinamente [3].
¿Qué deberían preguntarse los líderes antes de escalar agentes de IA?
Antes de ampliar el despliegue de un agente de IA, una empresa necesita respuestas financieras claras, no solo técnicas. Doug Levin, investigador ejecutivo de Harvard Business School, propone cinco preguntas que conectan la decisión de implementación con el control presupuestario [1]:
KPMG recomienda instalar paneles de control de costos antes de escalar, una práctica que ya usa el 53% de los líderes a nivel mundial, e incorporar la revisión de costos en el ciclo de aprobación de cada nuevo agente, algo que ya hace el 54% de las organizaciones encuestadas [2].
- 1¿En qué partida del presupuesto se registra el gasto en inteligencia artificial?
- 2¿Cuánto cuesta completar cada tarea de manera satisfactoria?
- 3¿Quién es responsable de supervisar los gastos asociados a la IA?
- 4¿Qué implementaciones de agentes requieren autorización previa?
- 5¿Con qué frecuencia recibe el comité de auditoría informes sobre estos costos?
¿Qué significa esto para el comercio en América Latina?
Para un retailer o marketplace de la región que evalúa sumar agentes de IA a devoluciones, atención al cliente o gestión de pedidos, el punto de partida es el costo de cada tarea que el agente completa de principio a fin, incluyendo la supervisión humana de las excepciones, y no el gasto por licencia mensual.
Antes de prometer ahorros en la próxima campaña de fin de año, vale la pena exigir al proveedor una prueba con el volumen real de excepciones del negocio, no solo con los casos estándar de la demostración comercial.
Fuentes
- [1]Forbes Argentina, Por qué los agentes de IA cuestan hasta 10 veces más que los chatbots — forbesargentina.com
- [2]Forbes Argentina, Por qué el 50% de los ejecutivos frenó la implementación de agentes de IA en sus empresas — forbesargentina.com
- [3]Gartner, Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 — gartner.com
