Tokens y agentes: la IA pasa de comprarse como licencia a medirse como consumo, y las PyMEs deben vigilar el coste

Por Infochannel · 10 de noviembre de 2026.

El artículo, firmado por Michel Braverman, fundador y director de CADE Soluciones, es una pieza de opinión dirigida a las pequeñas y medianas empresas (PyMEs) de México. Su idea central: la IA cambia la forma de consumir tecnología. En lugar de comprar licencias con funciones fijas, las empresas pagan por el uso de modelos según la cantidad de información que procesan y generan.

La unidad de medida son los tokens: fragmentos de texto que un modelo procesa para leer una consulta y generar una respuesta. Según el autor, en muchos servicios su consumo determina el coste. Braverman aclara que no son «la nueva moneda» de los negocios, sino una forma de medir parte del gasto.

El segundo eje son los agentes de IA, sistemas que encadenan varias tareas para cumplir un objetivo en lugar de responder a una sola pregunta. El ejemplo del texto: recibir la solicitud de un cliente, consultar el inventario, preparar una cotización, actualizar el sistema comercial y programar una reunión. El autor subraya que el humano sigue fijando objetivos, autorizando operaciones sensibles y supervisando resultados.

El texto enumera usos en ventas, atención al cliente, administración, marketing e inventarios, y advierte de que acceder a estas herramientas no garantiza mejores resultados. Recomienda identificar qué procesos automatizar, revisar la calidad de los datos y fijar controles contra errores, gastos innecesarios y exposición de información. Su conclusión es que el indicador de éxito no es cuántos tokens se consumen ni cuántos agentes se despliegan, sino cuánto valor se obtiene.

Nuestra lectura: el artículo es sencillo y divulgativo, sin cifras ni casos medidos, así que conviene tomarlo como marco de pensamiento, no como evidencia. Aun así, apunta a un cambio de fondo. Con el software tradicional el coste era fijo y previsible; con tokens y agentes pasa a ser variable y proporcional al uso. Eso trae libertad (empezar pequeño, sin infraestructura propia), pero también un riesgo nuevo: un agente mal acotado que repite tareas o entra en bucles puede disparar la factura sin resolver nada.

En general, ese es el paso que separa el piloto de la gobernanza. Muchas organizaciones ya prueban agentes, pero pocas saben presupuestarlos, auditarlos y limitarlos. El riesgo de un agente no es solo dar una mala respuesta, sino ejecutar una mala acción, como actualizar un sistema con datos erróneos. Por eso la supervisión humana que menciona el autor no es un trámite: es parte del diseño.

También compartimos su tesis competitiva, con matiz. Es cierto que la nube y los modelos bajo demanda reducen barreras que antes favorecían a las grandes empresas. Pero esa democratización beneficia a quien tenga procesos ordenados y datos limpios; la IA amplifica la disciplina operativa, y también el desorden.

A corto plazo, la transición será desigual. Las tareas administrativas y de atención repetitiva que el texto propone automatizar son precisamente las más expuestas en empleo, y conviene decirlo sin eufemismos. A largo plazo, si las PyMEs convierten ese ahorro en capacidad de atender más clientes y centrarse en el criterio, la relación y el producto, la IA puede ser una palanca de abundancia y no solo de recorte.

La conclusión práctica es modesta pero útil: antes de preguntar qué agente contratar, hay que preguntar qué proceso concreto mejora, cuánto cuesta cada ejecución y cómo se mide el resultado. Una automatización que cuesta más de lo que ahorra no es innovación, es gasto.