Controlar los costes de IA: lo que de verdad cuesta construir con IA

La primera factura de IA rara vez sorprende porque los precios sean altos. Sorprende porque en la cabeza hay un modelo equivocado: la idea de que se paga por pregunta. En realidad se paga por cantidad de texto, y por todo el texto que envías en cada llamada. Cuando esa diferencia queda clara, las decisiones al construir cambian de inmediato.

Este artículo explica el mecanismo, no los precios del día. Las cifras cambian, los planes se renombran, las promociones van y vienen. Las cuatro palancas de debajo siguen siendo las mismas, trabajes con Claude, ChatGPT, Gemini o un modelo local.

Se factura por token, no por pregunta

Un token es un fragmento de texto: según el idioma, entre media palabra y una entera. Los proveedores facturan por separado lo que entra y lo que sale, y los tokens de entrada suelen ser bastante más baratos que los de salida. Por eso una pregunta corta con una respuesta muy larga puede costar más que una pregunta larga con una respuesta escueta.

Esto tiene una consecuencia práctica inmediata: «sé breve» no es una fórmula de cortesía, es una instrucción de coste. Si en el encargo indicas un formato y una extensión, acotas la mitad cara de la factura. Es también el motivo por el que un encargo preciso rinde el doble, en calidad y en dinero. Cómo se construye está en tu primer buen prompt.

El contexto es el verdadero motor del gasto

Aquí está la sorpresa que explica la mayoría de las facturas: un modelo de lenguaje no tiene memoria entre dos llamadas. Para que una conversación se sienta como tal, en cada paso se vuelve a enviar el historial anterior, y ese envío se cobra otra vez como entrada.

El paso veinte de una sesión paga, por tanto, los diecinueve anteriores. En una sesión de programación, donde además acaban en el historial archivos, mensajes de error y salidas de herramientas, esa carga base crece deprisa. Diez conversaciones cortas y limpias cuestan habitualmente menos que una larga que lo arrastra todo.

De ahí sale un hábito que ahorra más que cualquier comparativa de precios: abrir un chat nuevo en cuanto cambia el tema. No por orden, sino porque de lo contrario el historial viejo se paga en cada paso siguiente. Lo mismo vale para los agentes: un encargo bien acotado con un criterio de parada claro genera menos llamadas a herramientas que la exploración abierta que los agentes de IA tienden a iniciar.

Suscripción y API son dos mundos distintos

Una suscripción de chat de pago es una cuota fija con límites de uso: pagas un importe mensual y de vez en cuando chocas con un tope. La API funciona justo al revés: no incluye ninguna cantidad y factura cada llamada por separado. A cambio no bloquea nada mientras tu medio de pago responda.

Los dos mundos están separados: un plan no incluye saldo de API, y el uso de la API se gestiona con una cuenta propia, con sus límites de frecuencia y su facturación. Confundirlos lleva a esperar un reinicio sin necesidad o a iniciar sin querer un uso de pago. Qué límite te está frenando y cuándo se renueva se explica en el artículo sobre los límites de Claude y Codex.

Para el día a día: el trabajo manual va en la suscripción, la automatización en la API, y la automatización necesita un límite.

Cuatro palancas que cambian la cifra de verdad

Mantener el contexto pequeño es la palanca más potente y a la vez más barata, porque actúa en cada llamada. Chat nuevo para tema nuevo, solo el archivo relevante en lugar de la carpeta entera, nada de registros de error pegados enteros.

Cachear lo que se repite. Cuando muchas llamadas comparten un mismo inicio largo (una instrucción de sistema, un reglamento, un documento de referencia), los proveedores ofrecen caché justo para eso: Anthropic como prompt caching con vigencia corta, Google como context caching en la API de Gemini. La parte recurrente se factura más barata que un reenvío completo. Con prompts cortos y distintos cada vez, la caché no aporta nada; solo compensa cuando hay repetición real.

Procesar por lotes en vez de una a una. Si una tarea no tiene que estar lista al instante, el procesamiento asíncrono es la vía barata. Anthropic ofrece message batches y Google una API de lotes. El precio es tiempo de espera, algo casi siempre irrelevante para análisis nocturnos, traducciones masivas o preparación de datos.

Elegir el tamaño de modelo adecuado. El modelo más grande no es siempre el resultado más caro. Para tareas acotadas y comprobables de forma mecánica basta a menudo con uno pequeño. Para planificación abierta y depuración difícil, el grande suele salir más barato porque resuelve a la primera y no a la cuarta. Tres intentos baratos fallidos cuestan más que uno caro que funciona.

El límite va antes del experimento

Las facturas más caras no las provocan los modelos caros, sino bucles que nadie detuvo: un script que reintenta ante cada error, un agente sin criterio de parada, un cron olvidado. Sin límite de gasto, te enteras por la factura.

De ahí un orden sencillo: fijar el límite de gasto en la cuenta del proveedor antes de la primera llamada automatizada. No después, ni «cuando pase a producción». Ayudan además unos límites de frecuencia bajos para claves nuevas, claves de API separadas por proyecto y un presupuesto máximo de tokens por respuesta.

La rutina mensual de cinco minutos

El control de costes no es un ajuste único. Bastan cuatro preguntas al mes:

• ¿El consumo se corresponde con lo que realmente he hecho?
• ¿Sigue corriendo alguna llamada automatizada que había olvidado?
• ¿Hay un inicio largo y recurrente que todavía no está en caché?
• ¿La elección de modelo sigue encajando con la tarea o es solo herencia?

Lo que cuenta es siempre la vista de uso del proveedor, no la estimación propia. Anthropic ofrece además una API de uso y coste con la que consultar consumo y gasto de forma programática y llevarlos a un panel propio.

Lo que este artículo no pretende hacer

No da precios concretos por millón de tokens ni comparativas de planes en euros. Esas cifras quedan obsoletas el día en que un proveedor las cambia, y eso ocurre más a menudo de lo que le conviene a un artículo. Los valores vinculantes están en las páginas de precios enlazadas y en la vista de tu cuenta.

Lo que permanece es el mecanismo: tokens en lugar de preguntas, el contexto como multiplicador, bolsas separadas para plan y API, y un límite que actúa antes del error y no después. Con esas cuatro cosas configuradas una vez, los costes de IA dejan de ser un tema recurrente.