¿Cuánto cuesta implementar un agente de IA en un SaaS?

La pregunta no es "¿cuánto cuesta un agente de IA?". Es "¿qué inversión inicial y recurrente exige añadir un agente a mi producto SaaS, y en qué punto deja de caber en el margen?". Si buscas un precio cerrado, no lo hay. Si buscas un TCO que un CEO pueda firmar, sí: se parte en cinco líneas, se mide por acción exitosa y se mata el caso cuando el coste unitario supera el valor que esa acción genera.

En las conversaciones que tenemos, el error más caro no es elegir mal el modelo. Es presupuestar solo tokens y descubrir, tres meses después, que el 70% del gasto está en ingeniería, operaciones y el tiempo de gente que ya tenía roadmap.

El precio del modelo no es el TCO

Cuando alguien pregunta cuánto cuesta integrar IA en un SaaS, casi siempre enseña una hoja con tarifas de API. Es un input útil y una respuesta incompleta. El modelo es la partida más visible y, en muchos casos de uso, la más pequeña.

Una demo de un fin de semana puede costar menos de lo que gastas en cafés del equipo. Llevar ese mismo flujo a un producto multi-tenant (con permisos, trazas, techo de coste y alguien de guardia) cambia el orden de magnitud. No porque el modelo se encarezca de golpe: porque aparece el sistema alrededor. Lo contamos con detalle en el checklist de demo versus producción. Aquí nos quedamos con la factura.

Tres números distintos, tres dueños distintos:

Coste de modelo. Tokens de entrada, salida, caché y tool calls. Lo ve Finanzas en la factura del proveedor. Cambia cada trimestre y se puede recortar con modelo más pequeño, caché y menos contexto.

Coste de sistema. Identidad, permisos por tenant, observabilidad, evaluación, colas, reintentos, rollback. Lo ve Ingeniería. No aparece en la tarifa de la API y es lo que decide si el agente escala o se queda en piloto.

Coste de decisión. Horas de CEO, CTO, legal y producto para aprobar el caso, definir el riesgo aceptable y decidir si se construye o se compra. Lo ve el P&L como oportunidad: cada mes de limbo es un mes sin aprender.

Si tu business case agente IA solo tiene la primera línea, no es un business case. Es un presupuesto de tokens.

Las cinco partidas que sí tienes que poner en la hoja

Antes de pedir un número a un vendor o a tu equipo, escribe estas cinco líneas. Si alguna queda en blanco, el TCO está incompleto.

1. Modelo y ejecución. Precio por millón de tokens, caché, embeddings si hay RAG, y sobre todo tool calls: cada vez que el agente toca tu API, un MCP o un sandbox, pagas inferencia más infra. Revisa las tarifas públicas de los proveedores como suelo, no como techo: el precio real sube con reintentos, contexto largo y modelos de razonamiento.

2. Ingeniería de producto. Convertir tu API en herramientas, inyectar contexto por tenant, definir scopes y montar el harness. No es "un intern y un weekend". Es el trabajo que hace que el agente hable con tu SaaS y no con un PDF genérico.

3. Operación y calidad. Trazas, evaluación, datasets de regresión, alertas, on-call. Un agente sin medición es un coste variable sin freno. Aquí es donde se decide si puedes bajar de modelo o si estás volando a ciegas.

4. Riesgo y soporte. Errores que llegan a cliente, tickets, cumplimiento (RGPD, AI Act), revisión humana en los flujos que escriben. El coste no es solo la indemnización hipotética: es el tiempo de Customer Success y el desgaste de marca.

5. Coste de oportunidad. Lo que deja de hacer el equipo mientras construye el agente. Si tu roadmap de producto ya va justo, "lo hacemos in-house" no es gratis: es posponer lo que hoy paga las nóminas.

La investigación de entrega de software de DORA lleva años diciendo lo mismo con otras palabras: el rendimiento no lo marca la herramienta que compras, sino las capacidades de entrega del equipo. Con agentes, esa frase se traduce a euros por mes.

Inversión inicial: lo que pagas antes de que el agente toque un cliente

El coste de implementar un agente de IA no empieza cuando el usuario abre el chat. Empieza cuando alguien decide qué caso merece producción.

En un SaaS B2B típico, la inversión inicial se parece a esto. Son rangos, no presupuestos cerrados; el extremo bajo asume un caso estrecho y un equipo que ya tiene APIs limpias.

Descubrimiento y recorte de alcance (1-3 semanas). Elegir un flujo con valor medible, definir "éxito" y decidir qué no hará el agente. Barato en dinero, caro si lo saltas: un alcance abierto multiplica el resto.

Integración con tu producto (2-8 semanas). Exponer endpoints como tools, auth por tenant, contexto real, límites. Si tu API ya es coherente, vas al extremo bajo. Si el agente tiene que "entender la empresa" a base de prompts, vas al alto.

Capa de producción (2-6 semanas en paralelo o después). Logs, costes por ejecución, evaluación mínima, techo de gasto, rollback. Es el trabajo que la demo no enseña y el que evita la sorpresa en la factura.

Personas. Un perfil de platform/AI engineering a tiempo parcial o completo, más horas de producto y de alguien que conozca el dominio. El salario no entra en la slide del vendor. Entra en la tuya.

Traducido a una horquilla que un CEO puede usar en comité: montar el primer agente usable en producto suele estar entre unas pocas semanas de un perfil senior y un trimestre de un equipo pequeño, más el gasto de modelo de las pruebas. El POC de 5.000 € y dos sábados existe. Casi nunca es el sistema que quieres poner delante de un cliente.

Si el caso es un asistente de lectura sobre documentación interna, el inicial se comprime. Si el agente escribe en el tenant del cliente (crea objetos, cambia estados, lanza workflows) el inicial se estira, y debe estirarse.

Coste recurrente: tokens, tool calls y gente de guardia

Aquí es donde se juega el precio agente IA SaaS de verdad. El gasto mensual no es una licencia plana. Es una función de volumen × complejidad × calidad exigida.

Modelo. Un turno de conversación simple, con poco contexto y un modelo ligero, puede costar céntimos de dólar o menos. El mismo turno con historial largo, RAG, un modelo de razonamiento y cinco tool calls se va a decenas de céntimos o a más de un dólar. Multiplica por conversaciones al mes y deja de ser "el coste de la IA" para convertirse en una línea de COGS.

Tool calls. En producto, el agente no solo habla: llama. Cada llamada a tu API consume tokens de orquestación y, si hay sandbox o conectores, infra. Por eso medimos por tool call y no solo por token: es la unidad que se parece a una acción de producto.

Observabilidad y evaluación. Retener trazas, correr evals, mantener un dataset de regresiones. Barato al principio; crece cuando quieres dormir tranquilo. Recortar aquí es ahorrar hoy para pagar incidentes mañana.

Personas de operación. Alguien mira fallos, ajusta prompts, decide cuándo cambiar de modelo y atiende el caso que se salió del carril. Aunque sea un 20% de un perfil, es recurrente. Si nadie lo tiene en el organigrama, el coste aparece igual: en el Slack de madrugada del CTO.

Una regla práctica: si no puedes decir cuánto te cuesta una acción exitosa esta semana, no tienes TCO. Tienes una factura que aún no has leído.

Unit economics: cuánto puedes permitirte por conversación

El business case no se aprueba con un total anual. Se aprueba con una desigualdad.

Coste por acción exitosa < valor capturado por esa acción × tasa de éxito.

Ejemplo, sin disfrazarlo de caso real con nombre. Un agente que resuelve un ticket de soporte de 12 € de coste interno. Si acierta el 70% de las veces y el 30% restante lo escala a humano (con el coste del humano más el del intento fallido), el coste combinado tiene que seguir por debajo de esos 12 €. Si el modelo solo ya se come 2 € por conversación y encima hay reintentos, el caso no es "IA cara": es un flujo que no debería ser autónomo todavía.

Tres palancas que sí controlas:

Recortar el alcance. Menos tools, menos contexto, menos libertad para divagar. El agente más barato es el que hace una cosa.

Bajar de modelo cuando la eval lo permite. El modelo grande es para el 10% de turnos difíciles, no para saludar. Sin evaluación, no te atreves a bajar y pagas el premium para siempre.

Poner techo. Límite por tenant, por hilo y por día. Un loop de reintentos sin tope convierte un céntimo en una factura. Lo hemos visto más veces de las que nos gusta admitir.

Si vendes un SaaS con margen bruto del 70-80%, un agente que añade 15 puntos de COGS en el segmento donde lo enciendes no es innovación. Es una decisión de precio. O subes precio, o eliges un flujo donde el valor por acción es más alto, o no lo enciendes en todos los planes.

Un business case que un CEO puede firmar

Olvida la slide de "potencial de la IA". Para el comité caben una página y cuatro números.

1. Caso y métrica. Qué flujo, qué acción cuenta como éxito, quién es el usuario. Si no cabe en una frase, no está listo para presupuestar.

2. Inversión inicial. Semanas de ingeniería + coste de pruebas. Incluye el trabajo de producción, no solo el prototipo.

3. Coste recurrente a volumen. Tres escenarios: 1.000, 10.000 y 100.000 acciones al mes. En cada uno, modelo + ops + soporte. El escenario del medio es el que suele mentir menos.

4. Payback. En qué mes el valor (horas ahorradas, conversión, retención, tickets evitados) cubre inicial + recurrente. Si el payback depende de un volumen que no tienes, el caso es una apuesta, no un plan.

Añade una línea de "qué pasa si el modelo cambia de precio". Porque va a cambiar. El TCO que no aguanta una subida del 30% en inferencia no es un TCO: es un deseo.

Y una de riesgo: qué porcentaje de acciones requiere humano, y qué coste tiene ese humano. El agente que "casi" resuelve y luego escala todo es más caro que no tener agente.

Señales de que el número no cuadra

No hace falta un modelo financiero sofisticado. Estas señales bastan para parar.

El equipo estima tokens y "ya veremos el resto". El resto es el proyecto.

Nadie sabe el coste por hilo esta semana. Entonces nadie puede decidir si bajar de modelo.

El caso de uso escribe en datos de cliente y aún no hay techo ni dueño. El coste oculto es el incidente.

El ROI se calcula con un 95% de acierto que nadie ha medido. Mide primero en un 5% del tráfico.

La alternativa "lo construimos nosotros" no incluye plataforma, evals ni on-call. Estás comparando un prototipo con un producto.

Si varias de estas se cumplen, no necesitas un vendor más barato. Necesitas un alcance más estrecho o más semanas de sistema. El precio de crear un agente de IA in-house no es el salario de quien escribe el primer prompt. Es el coste de operarlo el mes 6, cuando el modelo ha cambiado dos veces y el intern ya no está.

Cómo bajar el TCO sin recortar el caso de negocio

Hay formas de gastar menos que no consisten en elegir el modelo más tonto y rezar.

Empieza en un plan o un segmento. El unit economics se aprende con volumen real, no con una extrapolación de 40 demos. Un free tier o un piloto instrumentado sirve para eso: ver tool calls, tokens y fallos antes de comprometer el margen de toda la base.

Mide por agente, no por cuenta. Un agente de soporte y uno de onboarding no tienen el mismo coste ni el mismo valor. Si los mezclas, el que destruye margen se esconde detrás del que lo crea.

Caché, contexto mínimo, tools justas. Cada documento que metes "por si acaso" se paga en cada turno. Cada tool extra es una oportunidad de equivocarse y reintentar.

No construyas dos veces la capa aburrida. Observabilidad, permisos, techo de coste y MCP sobre tu API son trabajo de plataforma. Si tu equipo lo monta para un solo agente, el TCO del segundo agente sigue siendo alto. Si esa capa ya existe (propia o comprada) el coste marginal cae.

En Devic esa capa es el producto: harness con observabilidad y control de coste, tool calls como unidad, y planes con volumen incluido para medir antes de escalar. El plan free cubre 5.000 tool calls al mes sin tarjeta; no es el TCO de producción, es la forma de dejar de adivinar. Si el caso pide on-premise, retención larga o acompañamiento, el número ya no es self-serve y se habla con los requisitos encima de la mesa.

Checklist: ¿tienes un TCO o solo una factura de tokens?

Antes de aprobar el business case, el equipo debería poder responder sí a esto:

¿Está escrito el flujo y la métrica de éxito?

¿La inversión inicial incluye producción, no solo la demo?

¿Hay coste por acción exitosa, no solo un total mensual?

¿Existen tres escenarios de volumen, no uno "conservador" que en realidad es el del PowerPoint?

¿Hay techo de gasto por tenant y un dueño con nombre?

¿El payback aguanta una subida del 30% en el modelo?

¿Sabes qué parte construiréis y qué parte no queréis volver a construir?

Si faltan dos o más, el siguiente paso no es negociar precio. Es cerrar el alcance y instrumentar.

Cuando tengas esas líneas, el resto es aritmética. Y si quieres contrastarlas con un caso real (tu API, tu margen, tu volumen) lo miramos con los números delante, no con una slide de potencial.