Cómo calcular el coste de un proyecto de IA basado en tokens

Antes de construir una funcionalidad de IA, hay una pregunta que el cliente, el CFO o tu propio sentido común van a hacer: ¿cuánto va a costar esto al mes? Responder de forma vaga es el camino más rápido para una sorpresa desagradable en la factura. La buena noticia es que, con el conocimiento adecuado, se puede estimar el coste de un proyecto de IA con bastante precisión antes de escribir una línea de código.

Este artículo muestra el método, paso a paso, para calcular el coste de un proyecto basado en tokens.

El punto de partida: la fórmula

Todo el coste de una API de IA se resume en esta multiplicación por llamada:

coste por llamada = (tokens de input ÷ 1 millón × precio del input) + (tokens de output ÷ 1 millón × precio del output)

A partir de aquí, solo hay que multiplicar por el volumen de llamadas. Toda la estimación se basa en cuatro variables: tokens de input por llamada, tokens de output por llamada, número de llamadas y el precio del modelo elegido.

Paso 1: estima los tokens por llamada

Primero, comprende cuánto texto entra y sale en cada llamada típica. Usa la regla práctica de que un token equivale a unas 0,75 palabras, o que un millón de tokens son unas 750 mil palabras.

Define un caso típico. Por ejemplo, en un chatbot de soporte cada pregunta puede llevar unos 500 tokens de input (la pregunta más las instrucciones del sistema) y generar 300 tokens de output. En un generador de informes, el input puede ser de 2 mil tokens y el output de 500. Sé realista y usa un caso medio, no el mejor escenario.

Paso 2: estima el volumen de llamadas

¿Cuántas llamadas al día o al mes esperas? Relaciona el número con el uso real del producto. Mil usuarios que hacen diez solicitudes al día son 300 mil llamadas al mes. Es aquí donde los costes individuales minúsculos se transforman en valores que importan.

Paso 3: elige el modelo y el precio

Con los tokens por llamada y el volumen estimados, elige el modelo y usa su precio por millón de tokens. Recuerda que el output casi siempre cuesta cinco veces más que el input, y que la elección del modelo es el factor que más cambia el resultado final.

Paso 4: haz la cuenta

Junta todo. Un ejemplo completo:

• Chatbot de soporte, 500 tokens de input y 300 de output por llamada.
• Volumen de 300 mil llamadas al mes.
• Modelo a $1 de input y $5 de output por millón.

Input al mes: 300 mil × 500 = 150 millones de tokens, a $1 por millón, da 150 dólares.

Output al mes: 300 mil × 300 = 90 millones de tokens, a $5 por millón, da 450 dólares.

Total estimado: unos 600 dólares al mes.

Observa cómo el output, aun siendo menos tokens, domina la cuenta por ser más caro.

Paso 5: ajusta a la realidad

La estimación base es tu punto de partida, no el número final. Ajústala a los factores que la realidad trae consigo:

• Margen de seguridad. Añade del 20 al 30 por ciento para variaciones de uso y respuestas más largas de lo previsto.
• Crecimiento. Si el producto crece, el coste crece en la misma proporción. Proyecta el volumen futuro.
• Ahorros. Si vas a usar caching o batch, aplica los descuentos correspondientes, que pueden recortar gran parte del coste de cargas adecuadas.
• Picos. Las conversaciones largas y las funcionalidades de razonamiento extendido consumen más de la media. Identifícalas.

Un consejo para propuestas y presupuestos

Cuando presentas esto a un cliente o a la dirección, da siempre un rango, no un número único. Algo como entre 500 y 800 euros al mes a este volumen transmite rigor y te protege contra la variación natural del uso. Añade la premisa de volumen en la que se basa la estimación, para que cualquier cambio de uso sea fácil de reevaluar.

Conclusión

Calcular el coste de un proyecto de IA no es adivinar, es multiplicar cuatro variables conocidas: tokens de input, tokens de output, volumen de llamadas y precio del modelo. Con una estimación realista por llamada y el volumen esperado, llegas a un número defendible antes de construir nada.

Dominar este cálculo es lo que te permite proponer proyectos de IA con confianza, dimensionar la arquitectura para el presupuesto correcto y evitar que la factura se convierta en la parte más memorable del proyecto.