McKinsey ha publicado un informe sobre la economia de la IA agentica, y su cifra central deberia inquietar a cualquiera que presupueste un despliegue de IA: cerca del 60 por ciento del costo de una tarea agentica se gasta despues de generar la primera respuesta, en verificarla y refinarla. Segun recoge ANI via The Economic Times el 17 de julio, la firma sostiene que la proxima fase de adopcion empresarial de IA se decidira por la economia unitaria, no por la capacidad de los modelos.
El momento no es casual. Durante dos anos la mayoria de las empresas se concentro en acceder a los modelos, correr pilotos y lanzar los primeros despliegues. Ahora los agentes entran en produccion y cambian las personas que hacen las preguntas. Segun el informe, los CFO y CIO exigen cada vez mas evidencia de retornos medibles, mientras muchas companias todavia carecen de sistemas para rastrear el impacto de negocio de las decisiones tomadas con IA.
Escalar un agente ya es una decision financiera
"La decision de escalar un agente se esta convirtiendo en una decision economica compleja y cambiante, no en una tecnica", senala el informe. Es un giro silencioso pero real sobre quien es dueno de la IA dentro de la empresa. Cuando el bloqueo era la precision o la latencia, ingenieria mandaba. Cuando el bloqueo es el costo por tarea completada, finanzas se sienta a la mesa, y sobreviven los proyectos que pueden mostrar sus numeros.
Por que el precio por token dejo de servir
El informe indica que las tareas agenticas pueden consumir casi 1.000 veces mas tokens que las tareas convencionales de chat o razonamiento de codigo. Un agente no responde una sola vez: planifica, llama herramientas, lee resultados, reintenta y arrastra contexto de larga vida en cada paso. "El precio por token dejo de ser una medida util de lo que las empresas realmente pagan por la IA generativa", dice el informe. Dicho de otro modo: el medidor que casi todos miran mide lo que no es.
Los seis motores de costo que identifica McKinsey
El informe divide el gasto operativo agentico en seis factores:
Interested in implementing similar AI solutions? Discover how PATech Labs can help your business leverage cutting-edge artificial intelligence.
Learn About Our Services- Contexto de larga vida. Cargar historial y memoria de trabajo entre pasos es uno de los mayores contribuyentes al costo.
- Refinar cuesta mas que generar. Modificar una respuesta generada cuesta mas que producir el primer borrador: cerca del 60 por ciento del costo de una tarea esta ligado a refinar respuestas.
- Variabilidad de costo. La misma tarea puede costar distinto segun las herramientas elegidas, la ruta de razonamiento y la cantidad de reintentos.
- Razonamiento avanzado en tareas simples. El razonamiento extendido rinde en problemas dificiles y quema dinero en los rutinarios.
- Orquestacion. Como se coordinan los agentes con herramientas, modelos y entre si mueve la factura de forma sustancial. Asignar tareas con eficiencia recorta costos sin danar resultados.
- Estructura de la informacion. El diseno del prompt, el largo del contexto, el formato y hasta el idioma cambian el consumo de tokens. "El texto no ingles, por ejemplo, se fragmenta en mas tokens por unidad de significado, asi que la misma conversacion cuesta mas en algunos idiomas", apunta el informe.
La misma tarea nunca cuesta lo mismo dos veces
La variabilidad merece enfasis porque rompe el presupuesto de TI clasico. El software tradicional tiene un costo conocido por transaccion. Un agente autonomo no: una corrida afortunada se resuelve en tres pasos, una desafortunada entra en bucles de reintentos y llamadas a herramientas. La cobertura de EdexLive presenta la gestion de tokens y rutas de razonamiento como una nueva habilidad central del ingeniero de IA, y los numeros lo confirman: controlar el costo se vuelve una disciplina de ingenieria propia.
Que significa esto para las empresas que despliegan agentes de IA
En PATech operamos agentes en produccion todos los dias: agentes de voz que atienden llamadas de negocio y una linea de contenido que investiga, escribe y renderiza sola. El informe coincide con lo que vemos en nuestras propias facturas, y este es nuestro resumen practico.
Primero, mida el costo por tarea completada, no por token ni por peticion. Un modelo barato que necesita cinco reintentos sale mas caro que uno capaz que termina a la primera. Segundo, enrute por dificultad: reserve el razonamiento profundo para los pasos que de verdad lo requieren y envie lo rutinario a modelos mas pequenos y rapidos. Tercero, ponga un presupuesto duro al bucle de refinamiento. Si cerca del 60 por ciento del costo vive en verificar y refinar, limitar reintentos y definir que es suficientemente bueno es un control financiero directo, no un sacrificio de calidad. Cuarto, trate el contexto como inventario: recorte lo que el agente arrastra entre pasos, porque cada parrafo almacenado se vuelve a facturar en cada paso siguiente.
Nada de esto va contra los agentes. Va contra desplegarlos sin instrumentacion. Las empresas que ganen esta fase conoceran su costo por resultado al centavo, como una logistica conoce el costo por paquete entregado. El lado de la demanda lo cubrimos en nuestra nota sobre el gasto en agentes de IA que llegara a 206 mil millones de dolares en 2026; este informe es la disciplina de oferta que ese gasto va a exigir.
En resumen
La IA agentica esta saliendo de la etapa de demo y la factura esta llegando. El mensaje de McKinsey no es que los agentes sean demasiado caros: es que sus costos se comportan distinto y hay que disenarlos, medirlos y asignarles un dueno. Los equipos que construyan telemetria de costos, enrutamiento y presupuestos de refinamiento escalaran con una economia predecible. Los que lo salten descubriran que el cuello de botella no es su modelo, sino su CFO.