17 bots de Claude Code por US$100 al mes: el desglose

Un caso real: 17 bots de Claude Code por US$100 al mes

Un responsable de operaciones de una distribuidora B2B en Corea —que aclara que no es desarrollador— publicó la factura completa de su stack de automatización: 17 bots de Claude Code funcionando a diario por US$100 al mes. Sin servidores, sin Kubernetes, sin gasto de API. Todo corre en un MacBook en la oficina.

Para un founder, la cifra importa menos que el método. La mayoría de los tutoriales de "automaticé mi negocio con IA" esconden justo eso: la factura. Aquí está la tabla completa, y la razón por la que es tan corta es lo que vale la pena copiar.

El desglose de la factura, línea por línea

Suscripción Claude Max, tier 5x: US$100 al mes. Es lo único que paga.
API de Anthropic: US$0. Existe un fallback configurado, pero nunca se activó.
Hardware: US$0. Usa el portátil que ya tenía.
Slack, Google Workspace, Grafana: US$0 extra. La empresa ya los pagaba.
Dominio, hosting, servidores, Kubernetes, DevOps: US$0, porque no existen.

Los bots hacen trabajo real: leen quejas de clientes desde transcripciones de chat y las registran, envían estados de cuenta mensuales, vigilan Slack buscando errores y fijan precios a partir de datos de mercado. Diecisiete procesos, un solo equipo, cien dólares.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Vale la pena poner eso en contexto de precios. Según el análisis de planes publicado por Online Tech Tips, la suscripción Pro de Anthropic cuesta US$20 al mes y Max —el antiguo Max 5x— US$100, con un límite semanal equivalente a cinco veces el de Pro. La misma cobertura señala que el uso de Claude en web, escritorio, móvil y Claude Code sale del mismo pozo, así que las conversaciones de chat también consumen la cuota de tus bots.

Por qué solo 3 de los 17 bots llaman a un modelo

Este es el insight que casi nadie publica. De los 17 bots, solo tres hablan con un modelo: el que resume chats, el que empareja fotos y el que vigila errores. Los otros catorce son Python puro: entran datos de la base, sale una plantilla, se publica una tarjeta en Slack. No hay IA ahí, y no hace falta.

Los tres que sí necesitan un modelo no usan el SDK ni pagan por token. Ejecutan el CLI de Claude Code como un subproceso y leen JSON por stdout. El autor lo describe como toda su "capa de integración de IA": un prompt por stdin, un JSON por stdout, siguiente tarea.

Los flags no son decorativos:

--restricted y --strict-mcp-config: el bot no puede tocar herramientas que no se le entregaron explícitamente.
--no-session-persistence: cada llamada arranca sin memoria de la anterior.
--output-format json: la respuesta trae un campo de error, así un fallo se detecta como fallo y no como un resumen a medias.

Hay dos límites duros que el autor mantiene aunque los tokens fueran gratis: máximo 1.200 tokens de salida y máximo 8 ítems por respuesta. Si el modelo devuelve más, asume que dejó de resumir y empezó a transcribir, y descarta el resultado. También aprendió por las malas que las escrituras a la base no pueden ir en paralelo: la noche que lo intentó acumuló cientos de errores de bloqueo y siete chats que el bot abandonó.

Esto conecta con un debate activo en el ecosistema. TNW reportó que Anthropic bloqueó en abril de 2026 el uso de planes de suscripción con frameworks de agentes de terceros, y que la justificación fue el coste: una instancia autónoma corriendo un día completo podía consumir el equivalente a entre US$1.000 y US$5.000 en API. La misma nota aclara que Claude Code sí está incluido en los planes Pro y Max y no quedó sujeto a esa restricción. Es decir: la arquitectura de este caso —bots propios llamando al CLI— vive dentro de lo permitido, mientras que enganchar frameworks externos a la suscripción dejó de serlo.

El coste oculto que nadie pone en la tabla

El autor es explícito: la línea más grande de su factura son sus horas. Hoy dedica cerca de una hora por semana; en los dos primeros meses eran unas diez. Ese tiempo se fue en tres cosas:

Escribir y reescribir reglas. Solo el bot que registra reclamos tiene más de 40 reglas que ningún tutorial menciona, como "un reemplazo que también sale defectuoso es una fila nueva, no una edición".
Leer alertas. Cada error de cada bot llega a su mensaje directo, no a un canal. Es una decisión deliberada y también una carga personal.
Benchmarking. Cuando cambió el modelo del resumidor, volvió a correrlo sobre chats antiguos y comparó filas.

Si valoras esas horas a cualquier tarifa razonable, superan por mucho los US$100. El punto no es que el proyecto sea caro: es que la parte difícil de automatizar sigue siendo humana.

¿Necesitas un servidor? No: necesitas un portátil que no duerma

Los bots corren en un MacBook común. launchd mantiene vivo un proceso de Python. No hay instancia en la nube, ni Docker, ni pipeline de despliegue, ni YAML.

El único requisito real es que la máquina no se duerma. "El bot no registró nada anoche" significó más de una vez "el portátil entró en suspensión". El primer sitio donde el autor mira cuando un bot se queda callado es el registro de energía del Mac, no el bot.

Hay una trampa concreta al pasar de "lo ejecuto en la terminal" a "corre como servicio": launchd no carga el PATH del shell. Un bot que funcionaba perfecto en la terminal falla en silencio como servicio porque no encuentra el binario de Claude. La solución son rutas completas en la configuración.

Qué significa esto para tu startup

La lección no es "usa Claude Code". Es que el coste de la automatización con IA se reparte de forma muy distinta a lo que sugiere el marketing, y saber dónde está cada peso cambia tus decisiones.

1. Empieza por la suscripción, no por la API. Vas a reescribir tus prompts decenas de veces antes de que algo sea estable. Pagar por token durante esa fase es pagar por aprender. El autor arrancó en Pro (US$20) y subió a Max (US$100) cuando los bots se multiplicaron.

2. Cuenta cuántos de tus procesos necesitan realmente un modelo. Catorce de los diecisiete bots de este caso son Python sin IA. Antes de diseñar un agente, pregúntate si el trabajo es "leer, decidir y redactar" o simplemente "mover datos de A a B". Lo segundo no necesita tokens.

3. Limita la salida por tarea y trátalo como control de calidad. El tope de 1.200 tokens y 8 ítems no está para ahorrar: está para detectar cuándo el modelo se salió del carril.

4. No compres infraestructura antes de necesitarla. Un portátil enchufado y configurado para no dormirse eliminó más fallos que cualquier cambio de prompt, y costó cero.

5. Instrumenta el gasto antes de escalar. Hay herramientas específicas para esto: Microsoft Research y UC Berkeley publicaron TokenEconomizer, un plugin de código abierto que, según Marktechpost, reduce el coste medio de agentes de programación entre 18,4% y 30,9% en tareas de SWE-Bench, y funciona con Claude Code, Codex, Copilot CLI y Pi. Del otro lado, XDA Developers documentó que el plugin interno de Spotify reporta ahorros de entre 82% y 94% en lecturas grandes sobre un monorepo Java de 162.000 líneas, aunque al replicarlo fuera de su plataforma el resultado fue peor que no usarlo. La conclusión práctica: mide en tu propio repositorio antes de adoptar cualquier optimizador.

Conclusión

US$100 al mes, un portátil que no duerme y una hora semanal de trabajo humano. La factura nunca fue la parte difícil: lo difícil son las 40 reglas del bot de reclamos y las alertas que alguien tiene que leer. Si estás evaluando automatizar operaciones con IA, el ejercicio útil no es calcular cuánto cuesta el modelo, sino cuánto de tu tiempo vas a poner tú. Ese número es el que decide si el proyecto escala o se queda en un experimento de fin de semana.