Garry Tan gasta hasta US$200K al año en agentes de IA

¿Cuánto cuesta de verdad operar agentes de IA todos los días?

Garry Tan, presidente de Y Combinator, gasta entre US$100.000 y US$200.000 al año en tokens de inteligencia artificial para sostener sus agentes personales. Lo reveló él mismo en el podcast The Builders, y no describe un experimento de laboratorio: describe su rutina diaria de trabajo.

Para un founder, el número corta en dos direcciones. Hacia arriba, marca lo que hoy es posible cuando el presupuesto no es el límite. Hacia abajo, marca la distancia entre ese techo y lo que puede pagar una startup de cinco personas.

Lo que Tan describe no es automatización de tareas puntuales. Sus agentes operan de forma continua sobre correo electrónico, archivos personales, notas de terapia de dos décadas atrás y la preparación de entrevistas públicas. El objetivo, en sus palabras, es tener un asistente que «anticipa, pregunta y ayuda a ver más allá». La diferencia con el uso convencional no está en el modelo: está en el contexto acumulado que le permite al agente actuar con más autonomía en lugar de responder a un prompt aislado.

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 →

Tan publicó su configuración técnica, conocida como gstack, en GitHub, con la intención de documentar y transferir ese conocimiento a otros desarrolladores. En el plano organizacional, Y Combinator opera un agente interno llamado Stray Light, que concentra el historial completo de fundadores respaldados, las aplicaciones recibidas y las comunicaciones institucionales. Funciona como una memoria corporativa activa, no como un chatbot de consulta.

El costo como barrera estructural, no como problema técnico

Tan reconoce que su nivel de gasto es, en sus propias palabras, «un privilegio loco que no todos pueden permitirse». La admisión apunta a la tensión central del mercado: las capacidades más sofisticadas de los agentes autónomos siguen fuera del alcance de la mayoría de las organizaciones, no por límites técnicos sino por estructura de costos.

Los datos del resto del mercado confirman esa presión. TechCrunch reportó en junio de 2026 que Uber agotó todo su presupuesto anual de IA para coding en abril, que Microsoft revocó las licencias de Claude Code de sus desarrolladores meses después de habilitarlas, y que una renovación rutinaria de contrato de Cursor en Priceline volvió 4 o 5 veces más cara. El mismo medio documentó el caso de una empresa que se encontró con una factura de US$500 millones de Claude por no haber fijado límites de uso a sus empleados.

El problema no es solo el precio por token, que bajó. Es que los agentes consumen muchísimos más. Jellyfish, plataforma de gestión de ingeniería, encontró que los ingenieros que más tokens usaban eran aproximadamente el doble de productivos que los que usaban menos IA, pero gastaban 10 veces más tokens para lograrlo. Su jefe de investigación, Nicholas Arcolano, declaró a TechCrunch que el consumo por desarrollador subió cerca de 18,6 veces en nueve meses. Un estudio de Faros AI sobre 20.000 desarrolladores detectó que la producción subía, pero también los bugs y las reescrituras.

La analista Gartner pone cifras al riesgo de gestión. Según publicó Businessworld, las empresas que despliegan agentes de IA en operaciones de TI bajo modelos de precio variable atados al consumo de tokens superarán sus expectativas iniciales de costo en más del 50% durante 2027, frente a las que usan suscripciones o paquetes predecibles. En una encuesta de Gartner a 272 responsables de infraestructura y operaciones de TI, realizada entre abril y mayo de 2026, el 58% consideraba prioritario escalar sus pruebas de concepto de IA a adopción operativa en los doce meses siguientes. Gartner proyecta además que para 2030 el 50% de las organizaciones usará agentes con intervención humana mínima en operaciones de TI, desde casi cero en 2026.

Hay un dato más que le sirve a cualquier equipo que esté armando su stack: Goldman Sachs proyecta que el uso global de tokens se multiplique por 24 hacia 2030, según TechCrunch. Y la Linux Foundation anunció planes para una Tokenomics Foundation, un organismo de estándares que busca hacer con los tokens lo que FinOps hizo con el gasto en nube.

¿Agentes propietarios o agentes bajo tu control?

Tan plantea una advertencia que va más allá del presupuesto: el riesgo de delegar la inteligencia operativa a agentes controlados por grandes plataformas tecnológicas. Lo compara con el efecto que los algoritmos de redes sociales tuvieron sobre el comportamiento colectivo, y sostiene que el agente ideal es aquel que el usuario puede programar y controlar directamente, sin que una corporación externa defina sus prioridades o filtre su información.

Para organizaciones que manejan datos sensibles —financieros, legales o de recursos humanos—, la arquitectura de control no es un detalle técnico: es una decisión de riesgo. gstack es un intento de democratizar ese control, pero adoptarlo exige capacidades técnicas que no todas las empresas tienen adentro. Y en el mercado corporativo la conversación ya se movió: Alexander Embiricos, responsable de empresa de OpenAI, dijo a TechCrunch que las conversaciones con clientes dejaron de ser sobre qué puede hacer el modelo y pasaron a ser sobre cuánto están gastando, y qué visibilidad, auditabilidad y controles de tokens tienen disponibles.

¿Qué significa esto para tu startup?

Cuatro movimientos concretos, sin necesidad de gastar US$200.000 al año.

Instrumenta antes de escalar. Adopta la regla que recomienda Gartner: sin telemetría, no hay despliegue. Antes de darle a un agente acceso a tu correo, tu CRM o tu repositorio, define cómo vas a medir el consumo por equipo y por caso de uso. Un piloto con precio fijo esconde el costo real que vas a tener en producción.
Modela el peor escenario, no el promedio. Gartner anticipa desvíos de más del 50% en esquemas de precio variable sin tope. Pon límites duros por usuario o por proyecto desde el día uno, como tuvo que hacer Priceline según TechCrunch. Una factura de US$500 millones por olvidar un tope no es un riesgo hipotético.
Define quién es dueño del contexto. La ventaja competitiva de un agente no está en el modelo, que cualquiera alquila, sino en la memoria acumulada y en quién puede exportarla. Si tu agente corre sobre la plataforma de un tercero y no puedes migrar su contexto, tu inteligencia operativa es un activo alquilado.
Mide el resultado, no el consumo. Arcolano, de Jellyfish, lo resume así: si el gasto extremo en tokens se paga o no depende del valor de negocio del código que sale a producción, algo que la mayoría de las empresas todavía no puede medir. Elige tu métrica de ROI antes de la demo, no después.

Conclusión

El escenario que describe Tan —agentes personales y organizacionales con contexto total, autonomía creciente y costos decrecientes— no es especulativo. La factura, sin embargo, llega antes que la democratización. La pregunta que cada founder debería hacerse hoy no es si los agentes de IA funcionan, sino cuánto contexto vale la pena darles y quién controla ese contexto cuando la cuenta sube.