Un asistente clásico hace una petición por pregunta. Un agente hace un bucle: piensa, llama a una herramienta, lee el resultado, vuelve a pensar. Cada vuelta arrastra todo lo anterior, así que el contexto crece y el coste de la vuelta número diez no se parece al de la primera. Por eso las estimaciones hechas con una sola petición se quedan cortas por mucho.
De un vistazo
| Qué pasa | El historial se reenvía en cada vuelta del bucle |
| Efecto | El coste crece más deprisa que el número de pasos |
| Cómo medirlo | Por tarea completada, no por petición |
| Palancas | Podar el historial, limitar pasos, bajar de modelo dentro del bucle |
De dónde sale el coste
Tres cosas se suman. La primera, el historial: en la vuelta N el modelo vuelve a leer las N-1 anteriores. La segunda, las descripciones de herramientas, que viajan en todas las peticiones aunque el agente use dos de las quince que tiene. La tercera, los reintentos: un paso que falla se repite y se paga dos veces.
El resultado es que el gasto de una tarea agéntica no es lineal con los pasos. Duplicar la longitud de la conversación puede más que duplicar la factura.
Medir por tarea, no por petición
La unidad correcta no es la petición, es la tarea completada. Un agente que resuelve el caso en cuatro pasos con un modelo caro puede salir más barato que otro que da veinte vueltas con uno barato, y el precio por millón de tokens no te lo dice. Es exactamente lo que mide el coste por tarea.
Añade una segunda columna: el porcentaje de tareas que terminan bien. Un agente barato que falla una de cada cuatro veces obliga a repetir, y esa repetición también se paga.
Dónde ponerle freno
Poda el historial. No todo lo que pasó hace ocho pasos hace falta en el noveno. Resumir lo viejo y conservar entero lo reciente corta el crecimiento de raíz.
Recorta las herramientas. Enseña al agente solo las que puede usar en ese punto del flujo, no el catálogo entero.
Pon un tope de pasos. Un agente sin límite es una factura sin límite. Mejor que se rinda y avise a que dé cuarenta vueltas.
Baja de modelo dentro del bucle. Decidir el siguiente paso suele ser más fácil que resolver la tarea. Muchos bucles funcionan igual con un modelo pequeño para navegar y el grande solo para el paso difícil, como en elegir el modelo por tarea.
Cachea la parte fija. Las instrucciones del sistema y las descripciones de herramientas no cambian entre vueltas: son el caso de manual del prompt caching.
Preguntas frecuentes
¿Cuánto más caro es un agente que un asistente normal? Depende del número de vueltas, pero es habitual que una tarea agéntica cueste un orden de magnitud más que una sola petición equivalente.
¿Merece la pena limitar los pasos? Sí. El tope protege de los casos raros, que son los que se comen el presupuesto, y suele afectar a una fracción muy pequeña de las tareas.
¿Cómo sé si mi agente está dando vueltas de más? Mira la distribución de pasos por tarea. Si la cola larga concentra la mayor parte del gasto, tienes un problema de bucle, no de precio.
En e-ficient medimos el coste por tarea de empresas que ya tienen IA en producción y te decimos cuánto ahorrarías con cada palanca a tu volumen real. La primera auditoría es gratuita si contratas un plan con compromiso de tres meses y devuelve un diagnóstico en 72 horas.