Tus ingenieros eligieron sus agentes de código. Nadie eligió los ajustes sobre los que esos agentes corren, y son esos ajustes los que deciden qué modelo responde, cuánta parte de la conversación se reenvía a precio completo y cuántos subagentes se lanzan detrás de una sola pulsación de tecla. Un preprint de Accenture Responsible AI volvió a tarificar unas 10.000 sesiones reales de agentes tomadas de conjuntos de datos públicos y encontró que mover el trabajo al modelo capaz más barato, sin perturbar ninguna conversación en curso, recupera entre el 13 y el 21 % del gasto agéntico en modelos (Kwartler, Aqrawi y Abbasi, 2026).
La cifra transferible no es el porcentaje. Es el denominador que hay debajo: 41 dólares por ingeniero y día activo.
El producto que ejecuta tus agentes de código es una decisión de compra que nadie tomó
El término que usa el artículo para el producto que ejecuta un agente es harness: Claude Code, Codex y otros diecinueve que los autores cartografían en una matriz de acoplamiento construida a partir de archivos de licencia y documentos de configuración. Casi ninguna empresa construye uno. Adoptan el que el proveedor del modelo incluye con las licencias, con sus ajustes por defecto.
Ahí es donde se decide el dinero. Un harness elige qué modelo responde a un turno dado, cuánto contexto lee ese modelo, cómo se usa la caché de prompts y qué subagentes corren. En la formulación de los autores, por tanto, elige la tarifa de la lista de precios y fija el volumen comprado a esa tarifa. Las dos mitades de la factura, elegidas por un archivo de configuración que nadie revisó.
Compáralo con cómo la misma organización trata una partida de software de 30.000 euros: una evaluación del proveedor, un cuestionario de seguridad, un responsable con nombre y apellido. El harness de los agentes llegó a través de un presupuesto de herramientas de desarrollo y ahora mueve una cifra un orden de magnitud mayor, sin responsable alguno.
Qué encontró la nueva tarificación
Los autores construyeron un enrutador, lo colocaron entre el harness y el endpoint del modelo, y emularon una empresa de 10.000 puestos usando comportamientos medidos en sesiones reales: correcciones, pausas y lanzamientos de subagentes incluidos.
| Medida | Resultado |
|---|---|
| Gasto anual en modelos en el estado actual, 10.000 puestos | 24,4 M$, o 41 $ por ingeniero y día activo |
| Recuperado por el enrutamiento que preserva la caché | entre el 13 y el 21 %, equivalente a 3,3-5,1 M$ al año |
| Sesiones reales largas más baratas en el modelo de gama alta que en el nivel inferior | entre el 51 y el 80 % |
| Parte del ahorro total que proviene de ese único cruce | aproximadamente tres cuartos |
Lee el rango con atención, porque no es un intervalo de confianza. Los 3,3 M$ son lo que el clasificador real de los autores entrega; los 5,1 M$ son lo que entregaría un clasificador perfecto. La diferencia entre esas dos cifras es la calidad de tus decisiones de enrutamiento, no ruido estadístico.
Una línea de sus resultados hace concreto el mecanismo: un cambio de una sola línea dentro de una sesión de código larga baja de 0,90 $ a 0,36 $. No porque el modelo se haya abaratado. Porque la petición dejó de arrastrar una conversación entera tras de sí.
Un tercio de la factura es retrabajo, no trabajo
El hallazgo que con más probabilidad sobrevivirá a una nueva tarificación en tu propia empresa no tiene nada que ver con el enrutamiento.
En la emulación, las correcciones —los turnos en los que alguien le dice al agente que se equivocó y este lo intenta de nuevo— suponen más de un tercio de la factura en el estado actual. Quítalas y el gasto mensual cae de 2,03 M$ a 1,31 M$. Las correcciones son también el motivo más frecuente por el que la gente interrumpe a un agente de código: el 32 % de las interrupciones en la muestra del proveedor que citan los autores.
Es la misma forma que el hallazgo sobre el coste de los agentes publicado por QuantumBlack de McKinsey a principios de año: para un agente de atención al cliente en banca, los costes de tokens son entre el 20 y el 25 % del coste variable de operación de un agente, mientras que la supervisión humana es entre el 70 y el 75 % (McKinsey QuantumBlack, 2026). Carga de trabajo distinta, método distinto, misma conclusión: la parte costosa de un agente es la parte en la que un humano tiene que repasar su resultado.
Hay una señal de calidad que apunta en la misma dirección. El análisis de GitClear sobre 623 millones de cambios de código entre 2023 y 2026 encontró la duplicación de bloques al alza un 81 %, el copiar y pegar dentro del mismo commit un 41 %, las construcciones que enmascaran errores un 47 %, y los desplazamientos de líneas por refactorización a la baja un 70 % (GitClear, 2026). Vale la pena tomar prestado su término para el resultado: componentes perpetuamente en V1, código que se publica y nunca se consolida, porque nadie refactoriza lo que un agente puede regenerar.
El retrabajo se paga dos veces: una en la factura y otra en el código.
El precio por token no es el coste por tarea
El resultado del cruce es el contraintuitivo, y es el que rompe el instinto de cualquier responsable de operaciones atento a los costes.
En sesiones largas y densas en uso de herramientas, el modelo más caro cuesta menos por sesión que el nivel inferior, en entre el 51 y el 80 % de las sesiones reales que cuestan 100 $ o más. El mecanismo es la caché: un modelo de gama alta que lee contexto en caché a la mitad de la tarifa del nivel inferior gana en cualquier sesión que relea su historial suficientes veces, y el trabajo agéntico relee constantemente. El artículo es rotundo sobre la dependencia: quita el modelo de cabecera y todo el ahorro se derrumba del 13 % al 3,1 %, porque el cruce lo necesita.
Así que «hemos movido a todo el mundo al modelo barato» no es un programa de costes. Es una apuesta a que tus sesiones son cortas.
La caché es el contador oculto
Tres detalles de configuración del artículo valen más, para una empresa de 200 personas, que el porcentaje de portada.
Primero, la duración de la caché. La caché de un agente de código sobrevive una hora en una suscripción de consumo pero cinco minutos con claves de API y proveedores de nube, que es exactamente cómo se conecta una pasarela empresarial. Anthropic documenta ambas opciones y tarifica la caché de una hora al doble de los tokens de entrada base en escritura (Anthropic, 2026). En dos corpus públicos de sesiones reales, entre el 17 y el 27 % de los turnos de usuario llegaron tras una pausa de más de cinco minutos. Cada uno de esos turnos reconstruye la caché en frío a precio completo. El TTL más largo no es gratis, pero casi con seguridad es más barato que lo que el ajuste por defecto te está haciendo.
Segundo, la pasarela misma. Si el proxy entre el harness y el modelo elimina los marcadores de caché o las cabeceras beta, el proveedor factura la conversación completa como entrada sin caché en cada turno. Es una pérdida silenciosa y total de la caché, causada por una pieza de infraestructura de red que funciona correctamente.
Tercero, los ajustes de contexto por rol. Diez mil retornos en frío a un historial de 300.000 tokens cuestan 18.750 $ solo por reenviarlo; podarlo primero a 30.000 tokens cuesta 1.875 $. Un ingeniero en mitad de una tarea puede necesitar de verdad todo el historial. Un responsable de marketing que revisa un borrador no necesita el razonamiento detrás de la versión anterior. Un umbral único para todos es una decisión de precio disfrazada de ajuste por defecto.
La objeción honesta
Cuatro límites, dichos sin adornos.
Es un preprint, y la versión importa. arXiv 2609.28919 se publicó el 24 de septiembre de 2026 y se revisó el 26 de septiembre. La revisión movió la cifra principal del 14-21 % al 13-21 %, el ahorro de 5,0 a 5,1 M$, y cambió el título del artículo. No ha completado la revisión por pares. Si has visto las cifras anteriores citadas en otro sitio, son las de la v1.
Es una emulación, no una factura auditada. Los autores modelan una empresa de 10.000 puestos usando comportamientos extraídos de corpus públicos de sesiones, no la factura de una empresa concreta. Son explícitos en que sus escenarios subrepresentan los turnos más cortos —un cuarto de las peticiones reales están en sesiones de menos de siete peticiones, frente al 3,8 % de las suyas— y que sesiones con la forma de uno de sus corpus de referencia bajarían el 13 % a en torno al 9 %.
La aritmética está anclada a una sola lista de precios. Todo descansa en los precios de lista de Anthropic del 21 de septiembre de 2026. Bajo un régimen uniforme de lectura de caché, el cruce desaparece y el ahorro cae al 6 %. Los proveedores retarifican con poco aviso. Lo que se transfiere es el método, no el número.
El propio enrutamiento es imperfecto. El clasificador acierta la complejidad solo el 63 % de las veces, y el 12,5 % de los turnos que movió fueron degradaciones erróneas, enviadas por debajo del nivel que el trabajo requería. Relajar su umbral de 0,8 a 0,5 mueve un 46 % más de turnos y baja el ahorro al 10 %, porque las cadenas de corrección cuestan más de lo que los movimientos ahorran. El enrutamiento agresivo es la forma de comprar retrabajo.
Y la cautela más amplia: si el coste de tokens es realmente un cuarto del coste variable de operación de un agente, entonces recuperar entre el 13 y el 21 % de la partida de tokens equivale a recuperar algo así como el 3-5 % de lo que el agente te cuesta de verdad. Conviene tenerlo. No es una estrategia.
Qué cambiar este trimestre
Cuatro movimientos. Ninguno es una compra, y solo uno es técnico.
- Saca de tu propia factura la cifra por ingeniero y día activo. Ese es todo el ejercicio. A los 41 $ de la emulación, treinta ingenieros a lo largo de unos 220 días activos se acercan a 271.000 $ al año; a la media de unos 13 $ que reporta el proveedor, se acercan a 86.000 $. Es mi aritmética sobre su unidad, no un hallazgo suyo, y justamente esa horquilla es la razón para medir en lugar de suponer.
- Dale a la configuración del harness un responsable con nombre y apellido, al mismo nivel que cualquier otro gasto de ese tamaño. Ahora mismo los ajustes por defecto pertenecen a quien los envió.
- Revisa tres ajustes antes de considerar el enrutamiento: el TTL de la caché, si tu pasarela reenvía los marcadores de caché sin alterarlos, y si los límites de contexto difieren por rol. El propio orden de recomendaciones del artículo pone esto antes de cualquier enrutador, porque un enrutador detrás de una pasarela que elimina la caché no ahorra nada.
- Cambia la métrica de coste por token o coste por puesto a coste por tarea verificada, la unidad que incluye la cadena de corrección. Es la recomendación final de los autores y es el único número que se mueve cuando el trabajo mejora de verdad en lugar de abaratarse.
Esto último es más difícil de lo que parece, porque exige que el coste de una pieza de trabajo de un agente y el registro de que un humano la aceptó vivan en el mismo lugar. Vale la pena mirar cómo estructura Scovai eso en su superficie de Digital Employees: tres fuentes de coste mantenidas deliberadamente separadas —lo que pagas en la factura, lo que miden los contadores de la plataforma y lo que declara el proveedor— con techos mensuales y por transacción vinculados al puesto en lugar de a la herramienta, y una regla declarada según la cual, donde un número no existe, la superficie lo dice en lugar de imprimir un cero.
La conclusión incómoda de este artículo es que el mayor coste tecnológico variable que la mayoría de las empresas añadirá en esta década lo está fijando ahora mismo un archivo de configuración que llegó con una herramienta de desarrollo. No una negociación con el proveedor, no un presupuesto, no la decisión de nadie.
Así que averigua, antes de que cierre el trimestre, cuánto cuestan realmente tus agentes de código por ingeniero y día activo, y quién, con nombre y apellido, está autorizado a cambiar los ajustes que lo deciden. Si la respuesta a la segunda pregunta es nadie, has localizado el problema, y nunca fue el precio por token.
