How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks
Este estudio analiza sistemáticamente el consumo de tokens en tareas de programación realizadas por agentes de IA, revelando que estos procesos son extremadamente costosos, altamente estocásticos, difíciles de predecir para los propios modelos y que la eficiencia varía significativamente entre los distintos modelos de lenguaje.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
🤖 ¿En qué se gastan el dinero los agentes de IA? 💸
Imagina que estás contratando a un asistente personal súper inteligente para que arregle un problema en tu computadora. No es solo un chat al que le haces una pregunta (como WhatsApp); es un "agente" que puede entrar en tus archivos, usar herramientas, probar soluciones y trabajar solo durante horas.
Este estudio analiza un problema que nadie estaba mirando: ¿Cuánto nos va a costar realmente dejar que esa IA trabaje sola?
Aquí te explico los 5 descubrimientos principales con analogías:
1. El efecto "Bola de Nieve" (El costo es enorme) ❄️
Si hablar con una IA es como enviar un mensaje de texto, usar un "agente de IA" es como contratar a un detective privado que tiene que leer todos los expedientes, revisar todas las pistas y volver a leerlas cada vez que encuentra algo nuevo.
- El hallazgo: Los agentes gastan 1,000 veces más que un chat normal. Y lo más curioso es que el gasto no está en lo que la IA dice (la respuesta), sino en todo lo que tiene que leer una y otra vez para no olvidar el contexto. Es como si el detective tuviera una memoria de corto plazo y, para no equivocarse, tuviera que releer todo el libro en cada página que pasa.
2. El "Efecto Casino" (La incertidumbre) 🎰
Imagina que vas a un casino y alguien te dice: "Arreglar este error de código te costará exactamente 10 dólares". Pero, cuando terminas, te cobran 300.
- El hallazgo: El gasto es impredecible. Incluso si le das la misma tarea a la IA tres veces, una vez puede gastar muy poco y otra vez puede gastar 30 veces más. Es como si la IA, a veces, se perdiera en un laberinto y diera vueltas en círculos sin avanzar.
3. "Más no siempre es mejor" (El gasto inútil) 🔄
Podrías pensar: "Si la IA gasta más tokens (dinero), es porque está pensando más profundamente y lo hará mejor". Error.
- El hallazgo: El estudio descubrió que cuando la IA gasta demasiado, a menudo es porque está "trabajando en círculos". Es como un mecánico que, en lugar de arreglar el coche, se pasa tres horas abriendo y cerrando el mismo capó una y otra vez sin hacer nada. El gasto sube, pero la calidad del trabajo no mejora; de hecho, a veces empeora.
4. "Cada marca tiene su propio estilo de gasto" 🏎️
No todas las IAs son iguales. Algunas son como un coche de carreras eficiente y otras son como un camión viejo que consume gasolina a lo loco.
- El hallazgo: Algunos modelos (como los de la familia GPT) son muy eficientes: resuelven el problema rápido y con poco gasto. Otros modelos (como Kimi o algunas versiones de Claude) son mucho más "gastones": leen muchísimos más archivos y hacen más movimientos innecesarios para llegar al mismo resultado.
5. "El problema del presupuesto" (La IA no sabe cuánto va a gastar) 📉
Imagina que le preguntas a un contratista: "¿Cuánto me va a costar remodelar la cocina?" y él te dice: "No tengo idea, pero creo que serán 50 dólares". Al final, te manda la factura por 5,000.
- El hallazgo: Los investigadores intentaron que la propia IA calculara su costo antes de empezar. ¿El resultado? Las IAs son pésimas calculando su propio gasto. Casi siempre te dicen que será barato, pero terminan gastando muchísimo más de lo que prometieron.
💡 En resumen:
El estudio nos dice que los agentes de IA son herramientas increíblemente poderosas, pero actualmente son como "agujeros negros de dinero" difíciles de controlar. Para que podamos usarlos en empresas sin miedo a una factura sorpresa, necesitamos que sean más eficientes y, sobre todo, que aprendan a decirnos la verdad sobre cuánto nos van a costar antes de empezar a trabajar.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.