La caída en el precio de los tokens de los modelos de lenguaje está lejos de traducirse en ahorro para las empresas. Por el contrario, Gartner advierte que los costes de inferencia por flujo de trabajo de IA agentic pueden multiplicarse más de cinco veces hasta finales de 2028, incluso cuando los modelos fundamentales se vuelvan cada vez más baratos. La paradoja de la economía de la IA agentic reside en un mecanismo engañosamente simple: a medida que los modelos se vuelven más eficientes por token, los usuarios empujan la tecnología hacia tareas cada vez más complejas, consumiendo muchos más tokens en el proceso y disipando cualquier descuento por unidad.
El hallazgo, publicado en agosto de 2026 por Dan Robinson en The Register, sintetiza la investigación de la firma analítica sobre lo que ocurre cuando las organizaciones abandonan los chatbots básicos para construir sistemas autónomos capaces de planificar, ejecutar y autoevaluar tareas. La diferencia de costes no es marginal — es estructural. Un único flujo de trabajo agentic puede consumir decenas de veces más tokens que una simple pregunta a un chatbot, porque el sistema necesita razonar continuamente, negociar con otros modelos, validar salidas e iterar sobre sí mismo.
Will Sommer, analista senior de Gartner, enmarca la diferencia en términos prácticos. Un chatbot lee una consulta, interpreta la intención y produce una respuesta probabilística. Un agente, en cambio, debe mantener un bucle cerrado de razonamiento: evaluar el estado actual, decidir la acción siguiente, ejecutar, verificar el resultado y, si es necesario, reiniciar el ciclo. Cada iteración adicional multiplica los costes de inferencia. Según Gartner, enrutar una tarea a un modelo de razonamiento agencial aumenta los costes de inferencia al menos cinco veces, y potencialmente mucho más a medida que la complejidad de la tarea crece.
Esto no es solo teoría — las empresas ya están sintiendo el impacto. The Register informa que el cambio de algunos proveedores de IA de modelos de suscripción con precio fijo a facturación basada en el consumo ha exacerbado el problema. Los flujos de trabajo intensivos en tokens pueden generar facturas sorprendentes bajo el nuevo modelo. El mismo informe cita un artículo previo del The Register publicado en julio de 2026, documentando cómo los ejecutivos del C-suite se enfrentan a facturas de IA incomprensibles tras migrar al modelo de pago por uso.
El contexto de Gartner es coherente con predicciones anteriores de la misma firma. En junio de 2026, la empresa afirmó que los costes de IA para programación superarían el salario medio de un desarrollador para 2028, precisamente por el aumento del consumo de tokens y la adopción de modelos de licencia basados en consumo. En mayo, Gartner predijo que el 40% de las organizaciones discontinuarían o rebajarían proyectos de IA agentic debido a problemas de coste y rendimiento — una predicción que sonaba pesimista en mayo, pero adquiere contornos de realidad cuando se considera la curva exponencial de consumo.
La ironía es que los mismos factores que hacen la IA agentic tan atractiva son los mismos que hacen su operación financiera insostenible sin una gobernanza rigurosa. La capacidad de un agente de ejecutar flujos de trabajo multi-etapa con mínima intervención humana es exactamente lo que impulsa su consumo desproporcionado de inferencias. Es el mismo principio que explica por qué los usuarios de streaming consumen mucho más contenido cuando mejora la calidad — la mejora de la experiencia impulsa la expansión de la demanda, no la reducción del coste total.
Las empresas que busquen retorno real de la IA agentic necesitarán adoptar estrategias sofisticadas de optimización de inferencia, enrutamiento inteligente de tareas y orquestación de modelos. Esto significa, en la práctica, asignar cada tarea al modelo más eficiente en coste capaz de ejecutarla, en lugar de simplemente escalar al modelo más potente. Gartner recomienda este enfoque de selección granular por tarea, pero reconoce que la implementación práctica es desafiante: requiere monitoreo en tiempo real de costes por flujo, mapeo de capacidades de los modelos e infraestructura de enrutamiento que puede ser tan compleja como los propios agentes que se intenta orquestar.
NVIDIA, OpenAI, Google y otras gigantes de la tecnología continúan empujando la IA agentic como la próxima frontera de la transformación digital, con inversiones billonarias en infraestructura de inferencia. Pero la señal de Gartner es clara: sin cambio de arquitectura, la economía agentic es una ilusión. Los tokens están bajando en precio por unidad, pero la cuenta total sigue subiendo — y la tendencia es acelerarse.
Fuentes: The Register, Gartner, CXOToday
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
