El proveedor cobra por procesar tokens, no por acertar. Si una petición falla a mitad, si el timeout salta cuando la respuesta ya estaba generándose, o si tu código descarta la salida porque no cumple el formato, ese trabajo se paga igual y hay que volver a hacerlo.
Es la parte de la factura que no aparece en ningún panel, porque los paneles cuentan peticiones, no peticiones útiles.
De un vistazo
| Qué pasa | El trabajo fallido se factura como el bueno |
| Fuentes | Reintentos, timeouts, validaciones fallidas, respuestas duplicadas |
| Cómo se ve | Comparando peticiones facturadas con tareas completadas |
| Palanca | Fallar antes, reintentar mejor y validar más barato |
De dónde salen las repeticiones
Los reintentos automáticos son los primeros sospechosos. Muchas librerías reintentan por defecto ante un error de red o un límite de ritmo, y lo hacen tres veces sin decir nada. Si el fallo era del lado del modelo y la generación ya había empezado, has pagado tres respuestas para usar una.
Los timeouts mal puestos son el segundo. Un timeout más corto que la respuesta larga que a veces genera el modelo corta la conexión pero no la facturación: el proveedor ya ha hecho el trabajo.
El tercero es tuyo: la validación posterior. Si pides un formato y tu código rechaza la salida cuando no encaja, cada rechazo es una petición pagada y tirada.
Cómo verlo en tus números
Compara dos cifras del mismo periodo: peticiones facturadas por el proveedor y tareas completadas por tu sistema. La diferencia es el desperdicio. Si no tienes la segunda, es la primera cosa que hay que instrumentar, y va de la mano de la monitorización del gasto.
En agentes el efecto se multiplica, porque un paso fallido arrastra todo el historial acumulado. Es una de las razones por las que un agente cuesta más de lo que parece.
Qué cambiar
Reintenta solo lo que tiene sentido reintentar. Un error de red, sí. Una respuesta que el modelo ya generó y no te gusta, no: eso no se arregla repitiendo, se arregla cambiando el prompt.
Ajusta el timeout a la respuesta larga, no a la media. Y si de verdad necesitas cortar, limita los tokens de salida en vez de cortar la conexión.
Valida barato. Si el formato falla a menudo, usa la salida estructurada del proveedor en lugar de pedirlo en el prompt y comprobarlo después.
Registra el motivo de cada repetición. Sin esa etiqueta, el desperdicio es invisible y nadie lo arregla.
Preguntas frecuentes
¿Me cobran una petición que ha dado timeout? En general sí, si el modelo ya ha empezado a procesar. El corte es de tu lado, no del suyo.
¿Cuánto suele pesar esto? Varía mucho, pero en sistemas sin instrumentar es habitual encontrar un porcentaje del gasto que solo paga trabajo tirado.
¿Es un problema de coste o de calidad? De los dos. Cada repetición es dinero y también latencia para el usuario que está esperando.
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.