El desajuste que vacía el presupuesto
Cada petición que mandas a un modelo grande cuesta dinero. La mayoría de esas peticiones no necesita un modelo grande. Ese desajuste no aparece en ninguna línea de la factura, pero se acumula mes a mes hasta que alguien pregunta por qué el gasto en IA crece más rápido que el uso.
El 54 % de las peticiones a modelos de IA usa capacidades superiores a las que la tarea requiere, según la encuesta de Accenture a 750 ejecutivos de 17 países que recoge Turing Magazine. El mismo análisis estima que solo el 10 % de las tareas exige de verdad un modelo frontera. Clasificar, extraer, resumir y formatear se resuelve con modelos más pequeños y baratos.
Las compañías destinan de media el 25 % de su presupuesto de IA a tokens, y una de cada tres ya superó su presupuesto anual, según la misma fuente. Los directivos esperan un aumento del 78 % en el consumo durante los próximos dos años. Bajar el precio por token no arregla nada: cuando el coste por token cae un 25 % o más, el 95 % de los ejecutivos encuestados dice que aumentará el gasto total en lugar de ahorrar la diferencia.
Qué modelo usar para cada tarea
Elige el modelo mínimo que resuelve la tarea con la calidad que el negocio exige. Esta tabla sirve para asignar por defecto y subir un escalón solo cuando haya motivo.
| Tarea | Modelo mínimo viable | Señal de que te has quedado corto |
|---|---|---|
| Clasificación y etiquetado | Ligero | Etiquetas inconsistentes en casos límite |
| Extracción de campos | Ligero | Campos vacíos o mal alineados |
| Resumen de documentos largos | Medio | Pierde cifras o condiciones |
| Redacción con criterio de marca | Medio | Reescritura humana constante |
| Razonamiento sobre varias fuentes | Frontera | Conclusiones que no se sostienen |
| Atención al cliente con excepciones | Frontera con escalado | Escala mal o promete lo que no puede cumplir |
Sube un escalón cuando la tercera columna se repita de forma medible, no por sensación.
La métrica que cambia la conversación
El precio por token es el número de la página de precios. El coste por tarea es el que aparece en la factura tras un mes de uso real, según Nexforce. La fórmula para la próxima reunión de presupuesto:
coste por tarea resuelta = (tokens + reintentos + revisión humana) / tareas resueltas correctamente
Un modelo barato por token que necesita tres llamadas para acertar sale más caro que uno que acierta a la primera. La cifra que pide un director financiero es cuánto cuesta resolver el 100 % de los tickets, no el millón de tokens.
Secuencia para el lunes
- Lista tus casos de uso y escribe la tarea real de cada uno en una frase.
- Asigna a cada tarea el modelo mínimo viable de la tabla.
- Mide el coste por tarea resuelta durante dos semanas, con reintentos incluidos.
- Baja un escalón donde la calidad aguante y documenta dónde no.
- Deja una capa de enrutado que decida por tarea, no por costumbre.
Los números respaldan el ejercicio. Un sistema que estima la calidad de salida antes de invocar el modelo y elige el más adecuado para cada consulta reduce costes entre un 40 % y un 90 % y mejora la calidad entre un 4 % y un 7 %, según este trabajo sobre costes de uso de LLM. Otro marco de asignación de consultas logra reducciones de coste de entre el 2,40 % y el 49,18 % con la misma precisión que el mejor modelo, según OptLLM.
Dónde falla este enfoque
Enrutar por tarea no es gratis. Añade middleware, caché, reserva entre proveedores y observabilidad. El coste del modelo es solo una parte del stack de inferencia, y el resto se va en esa fontanería y en rehacer integraciones cuando un modelo se descataloga o cambia de precio, como explica Nexforce.
La API representa aproximadamente entre el 15 % y el 25 % del coste real de un sistema de IA generativa. La infraestructura se lleva entre el 25 % y el 35 %, el tiempo de ingeniería entre el 30 % y el 40 %, y los costes silenciosos (reintentos, bucles, sobreconsumo de tokens) entre el 10 % y el 15 %, según Datalaria. Un brief de Stravoris cifra en un 40 % a 60 % los costes ocultos que la mayoría de presupuestos no contempla.
Hay dos trampas más. La primera es elegir por benchmark: de 445 benchmarks de LLM revisados, el 47,8 % usa definiciones discutidas, solo el 16 % emplea tests estadísticos y el 27 % se apoya en muestreo de conveniencia, según el mismo brief. La segunda es que un modelo más preciso no siempre da mejor retorno: la mayor precisión de los modelos caros puede justificar la inversión con más ingresos, pero no necesariamente un RoI mayor, según este modelo de decisión.
Y aunque los directivos consideran el enrutado por modelo la medida más importante, solo el 30 % lo ha implementado, según Turing Magazine. Menos del 20 % del gasto en tokens puede vincularse cuantitativamente a resultados financieros.
Si tu factura crece sin explicación
Elegir modelo es una decisión de arquitectura que se revisa cada trimestre. En Data Innovation llevamos más de 20 años con CRM y datos desde Barcelona, y construimos y operamos sistemas inteligentes Humano+IA con esa lógica de co-evolución: medir primero, elegir modelo después. Si tu gasto en modelos crece y no puedes atribuirlo a un caso de uso concreto, podemos ayudarte a montar la medición y el enrutado. También puedes ver cómo enfocamos una estrategia de IA corporativa.