Los agentes de IA cuestan más de lo que sugiere su precio por token, y solo aportan valor cuando están vinculados a una tarea con un antes y un después medibles. Un agente de IA es un sistema en el que un modelo de lenguaje planifica pasos y utiliza herramientas, como una búsqueda, un CRM o un navegador, para completar un objetivo. Presupuestar significa contar el uso del modelo, las tarifas de la plataforma, el tiempo de construcción, el mantenimiento y la revisión humana, y luego compararlos con el tiempo ahorrado o los ingresos obtenidos.
¿Qué diferencia los costes de los agentes de los costes de los chatbots?
Un chatbot responde a un mensaje con una llamada al modelo. Un agente realiza un bucle: razona, llama a una herramienta, lee el resultado, vuelve a razonar y repite hasta terminar. Una solicitud de usuario puede activar diez o veinte llamadas al modelo, cada una de las cuales lleva el historial de conversación creciente y las salidas de las herramientas como tokens de entrada. Eso multiplica el coste en comparación con un prompt simple.
Los agentes también fallan de más formas. Una herramienta puede agotar el tiempo de espera, el modelo puede elegir una acción incorrecta y un bucle puede ejecutarse durante más tiempo del previsto. Cada fallo cuesta tokens y, a menudo, tiempo humano para solucionarlo.
¿Qué debe incluir un presupuesto de agente?
- Uso del modelo: tokens de entrada y salida en todos los pasos, con un precio por millón de tokens establecido por el proveedor.
- Tarifas de plataforma o marco de trabajo: productos como Salesforce Agentforce, Microsoft Copilot Studio o servicios de agentes gestionados cobran por conversación, mensaje o capacidad.
- Costes de herramientas: API de búsqueda, proveedores de datos, entornos de pruebas de navegador y bases de datos vectoriales.
- Tiempo de construcción: diseño, integración, redacción de prompts y pruebas, generalmente el mayor coste único.
- Mantenimiento: actualizaciones de prompts, cambios de herramientas, actualizaciones de modelos y supervisión.
- Revisión humana: los minutos que las personas pasan comprobando o corrigiendo las salidas.
- Reserva de riesgo: tiempo para gestionar los errores que llegan a los clientes.
Los equipos a menudo solo presupuestan la primera línea. Las tres últimas suelen decidir si el proyecto se amortiza.
¿Cómo se estima el uso del modelo?
Ejecute el agente en veinte tareas realistas en un entorno de prueba y registre los tokens por tarea. La mayoría de los proveedores devuelven el recuento de tokens en cada respuesta de la API, y los marcos de trabajo de agentes como LangGraph, el SDK de agentes de OpenAI o el SDK de agentes de Claude pueden registrarlos por ejecución. Tome la mediana y el percentil 90; este último es importante porque unas pocas ejecuciones largas pueden dominar el coste.
No olvide el coste de las ejecuciones fallidas, que siguen consumiendo tokens. Luego multiplique por el volumen mensual esperado y añada un margen para reintentos. El almacenamiento en caché de prompts, ofrecido por varios proveedores, reduce el coste de las instrucciones largas repetidas; los modelos más pequeños para pasos simples lo reducen aún más. Las decisiones de diseño cambian la factura más que la negociación de precios.
Establezca límites en el código
Dé a cada agente un número máximo de pasos y un presupuesto máximo de tokens por ejecución. Cuando alcanza el límite, se detiene y entrega el control a una persona. Sin límites, un agente confundido puede entrar en bucle y gastar dinero en nada.
¿Cómo se mide el retorno de un agente?
El ROI necesita una línea base. Antes del lanzamiento, mida cómo se realiza la tarea hoy: tiempo por tarea, tasa de error, volumen y cualquier ingreso vinculado a ella. Después del lanzamiento, mida lo mismo para la misma tarea.
Tiempo ahorrado
El tiempo ahorrado equivale a las tareas completadas por el agente multiplicadas por los minutos ahorrados por tarea, menos los minutos dedicados a la revisión. Valórelo a un coste horario cargado. Sea honesto sobre si el tiempo ahorrado se utiliza para algo útil; las horas ahorradas que nadie redistribuye no aparecen en los resultados.
Efectos en los ingresos
Algunos agentes influyen directamente en los ingresos: respuesta más rápida a los leads, más seguimientos enviados, más carritos abandonados recuperados. Utilice un grupo de control siempre que sea posible. Deje que el agente maneje una parte aleatoria de los leads y compare la conversión con la parte manejada de la forma antigua.
Calidad y riesgo
Realice un seguimiento de la tasa de error y la tasa de escalada. Un agente que ahorra tiempo pero envía respuestas incorrectas a los clientes puede costar más en abandono o soporte de lo que ahorra. Incluya esos efectos, incluso si se estiman aproximadamente.
Un ejemplo práctico
Tomemos una empresa de software B2B cuyo equipo de desarrollo de ventas investiga cada lead entrante antes de la primera llamada, lo que lleva unos quince minutos por lead. Un agente lee el formulario, busca en el sitio web de la empresa, comprueba el CRM y escribe un resumen de una página.
- Volumen: 400 leads al mes.
- Tiempo antiguo: 15 minutos cada uno, o 100 horas al mes.
- Tiempo nuevo: 4 minutos revisando cada resumen, o unas 27 horas.
- Tiempo ahorrado: unas 73 horas al mes.
- Coste del agente: uso de modelo y búsqueda por resumen, más una parte de la construcción y el mantenimiento repartida en un año.
Estos son números de ejemplo para ilustrar. Ponga sus propios números en la misma estructura y la decisión se convertirá en aritmética en lugar de opinión.
¿Cuándo no se amortiza un agente?
El bajo volumen es la razón habitual. Si una tarea ocurre diez veces al mes, el coste de construcción rara vez se recupera. La segunda es una tarea que requiere juicio cada vez, por lo que la revisión lleva tanto tiempo como hacerla. La tercera es un proceso que cambia a menudo, por lo que el mantenimiento nunca termina. En esos casos, una plantilla de prompt más simple o una automatización fija suele ser mejor valor. Una prueba útil es preguntar si la tarea podría escribirse como una lista de verificación que un nuevo empleado sigue el primer día. Si es así, una automatización o plantilla fija puede hacer el trabajo por mucho menos; si necesita leer, buscar y decidir entre varias fuentes, un agente tiene un mejor caso.
Cómo aplica Alien Road los agentes de IA y mide su ROI
En un compromiso típico, nuestro equipo de marketing de IA comienza cronometrando la tarea objetivo con las personas que la realizan hoy y registrando el volumen y la tasa de error. Esos números forman la línea base en una hoja de ROI compartida con las líneas de costes enumeradas anteriormente.
Construimos el agente con límites de pasos y tokens, registro por ejecución y una pantalla de revisión para las salidas. Un piloto se ejecuta en una parte del volumen real, a menudo con un grupo de control para comparar.
Los informes mensuales muestran el coste por tarea completada, el tiempo ahorrado después de la revisión, las tasas de escalada y error, y cualquier efecto en los ingresos medido frente al grupo de control. Si el coste por tarea aumenta o la calidad cae, el informe lo indica y recomienda cambios o una parada.
Por dónde empezar esta semana
Elija una tarea que su equipo repita al menos cien veces al mes. Cronometre a cinco personas haciéndola, anote la tasa de error y escriba esos números en una hoja con columnas vacías para los costes del agente. Ejecute un pequeño prototipo de agente en veinte tareas, registre los tokens y el tiempo de revisión, y rellene la hoja antes de decidir seguir construyendo.
Siga leyendo: Agencia de marketing de IA · Marketing de IA