Gartner: agentes de IA costarán 5 veces más en 2028

La paradoja de la inferencia: tokens más baratos, facturas más caras

Gartner proyecta que el costo de inferencia por flujo de trabajo agéntico aumentará más de cinco veces hacia 2028. La paradoja es que esa previsión convive con la tendencia opuesta: el precio de cada token cae de forma sostenida. La firma bautizó esa divergencia como la Paradoja de la Inferencia, y su consecuencia práctica es incómoda para cualquier equipo que haya armado su presupuesto de IA multiplicando tokens por precio unitario.

El pronóstico se publicó el 17 de agosto de 2026. La previsión se refiere al costo de esos flujos de trabajo: no implica que todos los agentes tengan el mismo gasto ni que cada tarea cueste un múltiplo fijo frente a una consulta básica.

¿Por qué un agente consume hasta 30 veces más tokens que un chatbot?

Un chatbot recibe una pregunta, la interpreta y devuelve una respuesta. Un agente hace algo distinto: planifica, llama herramientas externas, revisa resultados intermedios, se corrige y vuelve a intentar hasta cumplir el objetivo. Cada uno de esos pasos es una llamada al modelo, y cada llamada reenvía el contexto acumulado.

Según una estimación de Gartner recogida por Sectoriales, las tareas agénticas pueden consumir entre cinco y 30 veces más tokens que una tarea de chatbot tradicional. Ese rango describe consumo de tokens, no un múltiplo equivalente en costos: el precio final también depende de qué modelos y qué recursos se empleen.

Will Sommer, Sr. Director Analyst de Gartner, lo resumió sin matices en el comunicado de la firma: "Los líderes de producto no pueden confiar en una economía de tokens más eficiente para justificar los costos de IA. Cada generación sucesiva de capacidad de IA exigirá más tokens, y a menudo más caros".

Los tres motores que empujan el gasto

Gartner identifica tres fuerzas detrás de la anomalía:

• La economía de los modelos fundacionales mejora rápido. Tokens más baratos hacen viable construir aplicaciones que antes eran prohibitivas, así que las empresas las construyen.
• Se despliegan modelos más potentes y más caros. Cuando la tarea es difícil, los equipos recurren a la opción pesada.
• El consumo de tokens se dispara con los flujos multietapa. Más pasos de razonamiento y más llamadas a herramientas multiplican el uso acumulado.

El resultado: los tokens son cada vez más eficientes en costo, pero no tan rápido como crecen las capacidades de IA y los gastos asociados. La velocidad de la innovación le gana a la curva de costos.

¿Qué dicen los números reales de gasto?

La evidencia de mercado acompaña la proyección. Gartner calculó que el gasto mundial en infraestructura como servicio optimizada para IA alcanzará los US$42.000 millones en 2026, casi el doble de los US$21.500 millones de 2025, y que US$23.300 millones irán a cargas de inferencia frente a US$19.000 millones a entrenamiento: es la primera vez que la inferencia supera al entrenamiento, según reportó TechTimes.

El diferencial por tarea es igual de contundente. Un análisis de EY citado por TechTimes calculó que un flujo de IA lineal simple costaba aproximadamente US$0,04 por interacción en 2023, mientras que un sistema agéntico orquestado con llamadas a herramientas y bucles de razonamiento ronda los US$1,20 por interacción, unas 30 veces más.

Hay además un componente estructural poco intuitivo: según el Stanford Digital Economy Lab, el contexto reenviado —los prompts de sistema, las definiciones de herramientas y el historial de sesión que el modelo reprocesa en cada llamada— representa alrededor del 62% del costo total de inferencia de un agente.

Los casos corporativos ya forman parte de la conversación. El CTO de Uber, Praveen Neppalli Naga, reveló en abril de 2026 que su organización consumió el presupuesto anual completo de IA en cuatro meses, con costos mensuales por ingeniero de entre US$500 y US$2.000, según TechTimes. Y una encuesta de McKinsey de mayo de 2026 sobre FinOps de IA, con 75 respondientes de cinco industrias, encontró que el 93% reportó haber excedido su presupuesto de IA, según recogió The Hindu.

¿Qué significa esto para tu startup?

Si tu producto usa agentes, el precio por token ya no es una métrica de control suficiente. Estas son las decisiones que conviene tomar ahora:

• Mide costo por tarea, no por token. Define la unidad de trabajo que entregas al usuario y calcula cuánto cuesta completarla: llamadas al modelo, tokens, orquestación y supervisión humana. Es la lógica que Coforge llama "costo por tarea unitaria" y hacia la que apunta también la investigación de Gartner.
• Implementa enrutamiento por niveles. Gartner lo llama inference tiering: manda las tareas simples a modelos baratos y reserva los caros para lo que realmente necesita esa capacidad. No todas las operaciones de tu flujo requieren el mismo modelo.
• Audita tus despliegues de modelos ajustados. Un endpoint fine-tuned inactivo puede seguir facturando entre US$50 y US$70 por día, según TechTimes, lo que equivale a miles de dólares antes de que alguien lo note en una revisión de presupuesto.
• Pon un techo de gasto con alertas. El caso del empleado que probaba herramientas en la plataforma corporativa y generó un costo de US$70.000 en un mes, relatado por la periodista de CNBC Contessa Brewer en un panel de ITC Vegas recogido por Insurance Business, muestra que el gasto descontrolado no siempre viene del equipo de producto.

Cómo controlar el gasto sin frenar el producto

Gartner recomienda tres movimientos concretos: enrutamiento por niveles, orquestación multimodal —coordinar distintos modelos y modalidades para que ninguno caro haga todo— y monitoreo vigilante de costos. La advertencia de Sommer es directa: "Recurrir por defecto a inteligencia autónoma genérica resultará en costos ilimitados, órdenes de magnitud más altos que los de ecosistemas de producto optimizados".

Vale contrastar con la otra proyección de Gartner, publicada en marzo de 2026: para 2030, el costo de hacer inferencia en un modelo de lenguaje grande de un billón de parámetros sería más de 90% inferior al de 2025. Esa previsión se refiere a ese modelo y a ese horizonte, no a una caída uniforme del costo de todos los tokens. El abaratamiento por unidad no garantiza que baje el gasto de los flujos agénticos si estos requieren más recursos.

Conclusión

La conclusión operativa es simple: la economía unitaria de la IA mejora, pero eso no se traduce automáticamente en una factura menor. Para un founder, la diferencia entre un producto agéntico rentable y uno que se come el margen está en decisiones de arquitectura —qué modelo hace cada paso, cuántas etapas tiene el flujo y cómo se monitorea el consumo—, no en esperar a que el token siga bajando. Quien mida costo por tarea y diseñe su orquestación con criterio de costo tendrá una ventaja concreta cuando llegue la factura de 2028.

Fuentes

• DiarioBitcoin: Gartner advierte que ejecutar agentes de IA podría costar cinco veces más en 2028 (fuente original)
• CryptoBriefing: Gartner forecasts fivefold rise in AI agent costs by 2028
• HPCwire: Gartner Predicts AI Inference Costs Per Agentic Workflow Will Increase More Than Fivefold Through 2028
• TechTimes: Gartner Marks First Year Inference Spending Beats AI Training
• Insurance Business: Rising AI costs concern insurtechs as token bills keep climbing
• The Hindu: The price of AI is falling; why are enterprises still spending more?