Qué encontró el informe de Wharton y Accenture
Más del 90% de las tareas que un agente de IA podría asumir dentro de una empresa son lo bastante rutinarias como para resolverse con modelos más baratos que los de frontera. Esa es la conclusión central de What Does Agentic AI Really Cost?, el tercer informe conjunto de la Wharton School y Accenture, publicado este lunes.
Lo que le da peso al hallazgo es el alcance. El estudio revisó más de 18.000 tareas y actividades laborales repartidas en 923 ocupaciones, dentro de 19 industrias. Tras filtrar por nivel de interacción humana y esfuerzo físico, quedaron 11.339 tareas dentro del marco evaluado. Y en ninguna de esas 19 industrias el trabajo que realmente exige un modelo de frontera superó el 11%: el rango se movió entre 6% y 11%.
Eric Bradlow, vicedecano de IA y análisis de Wharton y coautor del informe, dijo a Fortune que duda de que muchas compañías estén diferenciando los modelos según la etapa del flujo de trabajo. Su sospecha es concreta: se toma el sistema más potente disponible y se aplica de punta a punta, aunque buena parte de las actividades se resolvería igual con alternativas más económicas.
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 →Por qué la complejidad no se mide por lo difícil que parece la pregunta
Los investigadores no calificaron las tareas por intuición. Aplicaron cinco dimensiones de complejidad: coordinación de pasos interdependientes, exigencias legales, regulatorias o de auditoría, cantidad de sistemas informáticos involucrados, sensibilidad de los datos y volumen de información a procesar.
James Crowley, líder de industria y empresa de las Américas de Accenture y coautor del trabajo, señaló que la dificultad también aparece al navegar un flujo de trabajo, por la cantidad de sistemas conectados o por la regulación aplicable. Elegir modelo, entonces, no es medir cuán difícil suena una pregunta: es entender las consecuencias y restricciones que rodean esa tarea dentro de una organización.
El ejemplo de ciencias de la vida lo ilustra bien. Diseñar sistemas de control de calidad para producción o redactar solicitudes de patentes puntuó como complejo. Inscribir personas en programas o redactar textos corrientes puntuó bajo. Dentro de una misma industria conviven tareas que justifican un modelo caro y tareas que no.
En mercados de capitales, tecnología y aeroespacial ocurre lo contrario: las tareas de mayor volumen tienden a ser más complejas y encajan con más frecuencia en modelos avanzados. Crowley puso el caso de las compañías aeroespaciales y de defensa, que deben seguir de cerca certificaciones, calidad y disponibilidad de grandes cantidades de piezas en redes complejas de proveedores.
Cuánto cuesta de verdad operar agentes de IA
El informe pone números al gasto. Para una empresa de 100.000 empleados que opera 35 agentes, el costo estimado a cinco años va desde unos US$155 millones en salud hasta cerca de US$520 millones en seguros. El cómputo es uno de los principales componentes de esa factura.
Pero el cómputo no lo explica todo. Un análisis de 2026 de firmas como McKinsey, Deloitte, EY y Gartner, recogido por CryptoBriefing, indica que los tokens representan apenas entre 20% y 33% del costo total de poseer y operar un sistema de agentes. El resto se va en orquestación, supervisión humana e integración.
Ahí está la trampa que describe Bradlow: un precio por tarea más bajo no garantiza una factura total menor. Si cada consulta cuesta menos pero la empresa encarga a la IA muchas más actividades que antes no le pedía, el gasto acumulado sube igual.
Los datos de campo lo confirman. Microsoft Research encontró en un estudio de mayo que tareas idénticas pueden variar hasta 30 veces en consumo de tokens, y que las tareas agénticas consumen hasta 1.000 veces más tokens que el razonamiento o el chat de código, según reportó TechRepublic. Forrester documentó en julio cuatro casos concretos: Uber agotó su presupuesto anual de IA en cuatro meses, Microsoft terminó licencias de Claude Code, Tesla limitó el gasto a US$200 por semana y Priceline enfrentó renovaciones más caras de lo previsto.
El mercado, mientras tanto, sigue creciendo. Menlo Ventures estimó en su reporte State of Enterprise AI 2026 que el gasto en despliegue de IA alcanzó una tasa anualizada de US$176.800 millones en septiembre, frente a US$33.000 millones en 2025, y que la proporción de empresas que pagan por IA subió de 55% a 65%, según recogió THE Journal. Los agentes ya explican el 80% de los tokens en OpenRouter. Aun así, menos de un tercio de las organizaciones reporta valor sostenido a nivel de directorio.
Qué significa esto para tu startup
Si tu equipo tiene un solo modelo configurado por defecto para todo, probablemente estás pagando capacidad que no usas. La buena noticia es que corregirlo no exige reescribir tu producto.
- Clasifica tus tareas por consecuencia, no por dificultad aparente. Antes de elegir modelo, pregúntate qué pasa si el agente se equivoca: ¿hay multa, auditoría o datos sensibles expuestos? Las tareas de bajo impacto y alto volumen son las primeras candidatas a un modelo pequeño.
- Decide la capacidad en la etapa de diseño. El informe es explícito: definir qué modelo necesita cada agente antes de construirlo es más viable que el enrutamiento dinámico en producción, que los autores describen como difícil de seguir y poco implementado a escala. Crowley apunta que el error más común es elegir el modelo demasiado tarde, usando el que ya está disponible en lugar del que corresponde a la tarea.
- Lleva un estado de pérdidas y ganancias de IA. Registra el costo por agente y por flujo de trabajo junto al valor que genera. Sin atribución por caso de uso no puedes negociar contratos, ni comparar contra la línea base del piloto, ni responder la pregunta del directorio. Según datos de Gartner citados por TechRepublic, menos del 25% de las organizaciones tiene controles técnicos de gobernanza de IA implementados.
- Pon límites de gasto a nivel de flujo de trabajo, no solo de cuenta. Un tope mensual agregado llega cuando la factura ya está emitida.
El ecosistema ya se está moviendo en esa dirección. Ramp lanzó el 19 de agosto Router, un servicio de enrutamiento de modelos gratuito hasta finales de 2026 con un crédito inicial de US$26, que incluye una estrategia para enviar solo los problemas difíciles a los modelos caros, según WWWhat’s New. Stripe adquirió OpenRouter en agosto por más de US$7.000 millones. Y Anthropic presentó herramientas de reporte para que las empresas vean qué compra su gasto en tokens, en un contexto donde el gasto en herramientas de coding agéntico creció 10 veces desde el inicio del año y ya equivale a cerca del 2% del costo total de ingeniería, según el reporte de Jellyfish sobre 276.000 clientes que citó TechCrunch.
Conclusión
El informe no dice que los modelos de frontera sobren. Dice que reservarlos para el 6%-11% del trabajo que realmente los necesita es una decisión de diseño, no un ajuste de última hora. Para un founder con presupuesto limitado, la diferencia entre asignar bien y asignar por inercia puede ser la diferencia entre un agente que se paga solo y una factura de cómputo que crece más rápido que el negocio.
Fuentes
- DiarioBitcoin: las empresas podrían pagar de más por modelos de IA que sus tareas no necesitan (fuente original)
- CryptoBriefing: Wharton and Accenture report finds most AI agent tasks don’t need frontier models
- TechRepublic: AI Agent Cloud Costs Are Making Enterprise Budgets Harder to Predict
- THE Journal: Enterprise AI Spending Outpaces Adoption Growth, Report Finds
- TechCrunch: Anthropic just launched tools to show companies what their AI spending is buying
- WWWhat’s New: Ramp lanza Router, su servicio de enrutamiento de modelos de IA
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 →













