Mientras la industria de la inteligencia artificial se obsesiona con lanzar modelos más grandes y rápidos, hay un problema que crece en silencio en las facturas de las empresas: el consumo exponencial de tokens. Cada tarea que un agente de IA completa —reconciliar contratos, redactar un informe, responder un ticket— puede requerir decenas de interacciones con el modelo. Y ese bucle de interacciones, conocido técnicamente como "arnés" u orquestación, es el verdadero responsable del costo final.
Un equipo de Writer, respaldado por un paper publicado en arXiv el 8 de julio de 2026, midió exactamente cuánto pesa ese arnés en la economía de los agentes. Los resultados son contundentes: cambiando solo la capa de orquestación —sin tocar modelos ni tareas— el costo por tarea cayó 41 % (de 0,21 a 0,12 dólares), los tokens por tarea se redujeron 38 % (de 14.200 a 8.800) y la calidad se mantuvo prácticamente igual. Pero el dato que debería encender alarmas en las áreas de tecnología es otro: el movimiento del arnés alteró el costo más que elegir entre el modelo más barato y el más caro.
El fenómeno que Writer denomina "token maxing" —comprar capacidad con tokens, cada vez más largos, sin que el valor por token crezca— está disimulado por la caída del precio unitario de los tokens. Es un clásico efecto Jevons: como cada token cuesta menos, se consume más, y la factura total sube. La solución no está en el modelo ni en el hardware, sino en el software que decide qué entra al contexto, qué herramientas se ofrecen, cuándo recuperar información, cuándo reintentar y cuándo detenerse.
La capa de orquestación no solo controla el costo: también determina la capacidad del agente. El paper muestra que los modelos más fuertes aprovechan mejor un arnés eficiente —la correlación entre la fortaleza del modelo y la mejora de calidad es casi perfecta (r = 0,99)— mientras que los modelos más débiles pueden verse abrumados. Es decir, un arnés bien diseñado actúa como palanca: multiplica el rendimiento de modelos capaces y evita que los limitados se ahoguen.
Aprendiendo a editar el arnés desde las fallas
Si cambiar el arnés es tan poderoso, ¿por qué no se actualiza continuamente? Eso es exactamente lo que propone Harness-R1, un método presentado el 3 de agosto de 2026 por investigadores de la Universidad Jiao Tong de Shanghái y Xiaohongshu.
El sistema opera con aprendizaje por refuerzo online: el ingeniero genera parches ejecutables, los aplica a un agente congelado, vuelve a ejecutar las mismas tareas y recibe la recompensa del cambio real en éxito. En tres benchmarks —WebShop, ALFWorld y DBBench—, Harness-R1 elevó la tasa de éxito promedio de 44,3% a 53,6% (+9,3 puntos), y cuando se combinó con ajuste fino del agente objetivo, llegó a +5 puntos adicionales. Esto apunta a una evolución conjunta: el arnés y el agente pueden co-mejorar.
La otra cara: infraestructura masiva
Mientras Writer y Harness-R1 atacan la ineficiencia desde el software, otros apuestan por el hardware. Z.AI, la empresa china detrás del modelo GLM-5.2, finalizó un centro de datos de 1 GW alimentado con chips nacionales. Es una declaración de intenciones: para competir en la frontera de la inteligencia artificial, la infraestructura propia es un activo estratégico. Pero para la mayoría de las empresas latinoamericanas, un centro de datos de esa escala es tan inalcanzable como innecesario.
Aquí radica el dilema para los ejecutivos de tecnología en la región. Los presupuestos no permiten derrochar tokens ni construir granjas de servidores. La tentación de comprar el último modelo "revolucionario" choca contra la realidad fiscal. La evidencia apunta a que el próximo salto de eficiencia no vendrá de un modelo más grande, sino de una capa de software más inteligente que decida exactamente qué decir, cuándo y a qué costo.
Implicaciones para América Latina
Para una empresa en México, Colombia o Chile, el mensaje es directo: la competencia ya no es solo entre modelos, sino entre arquitecturas de orquestación. Una startup fintech que automatice la atención al cliente con un arnés ineficiente podría estar pagando más del doble por cada tarea resuelta, sin saberlo. Las áreas de TI deben empezar a auditar la capa de orquestación con la misma rigurosidad con que auditan los costos de nube.
Según la investigación, no es necesario cambiar de proveedor ni de modelo para lograr ahorros significativos. Un arnés bien diseñado —con disciplina de caché, gobernanza de fallos y delegación inteligente— puede generar reducciones de entre 33 % y 61 % en el costo por tarea, independientemente del modelo subyacente. En un contexto donde cada dólar cuenta, esa eficiencia es una ventaja competitiva real.
Las empresas latinoamericanas deberían hacerse una pregunta: no '¿qué modelo usamos?', sino '¿cómo está construido el arnés que orquesta nuestras tareas?' Porque, como demuestran los datos, quien domine esa capa controlará el costo real de la inteligencia artificial.
