Ingeniería de Costos

Ingeniería de costos de un sistema multiagente

18 de julio de 2026 · 5 min de lectura

El costo de un sistema multiagente es una propiedad de diseño. Se decide cuando eliges qué modelo ejecuta qué paso, qué pasa ante una falla, y qué hace tu infraestructura mientras nadie la usa. Descubrir el costo después, en la factura, significa que el diseño saltó un requisito.

Construir Proposal Architect para el Google for Startups AI Agents Challenge 2026 forzó la pregunta temprano, porque una demo pública tiene el peor perfil de costo que existe: tráfico en ráfagas, no autenticado, contra un backend de inferencia caro. Estas fueron las palancas que importaron.

Enruta modelos por donde la calidad se compone

Un pipeline multiagente no necesita una llamada a un modelo premium en cada paso. La mayoría de los pasos (extracción, anclaje, composición) funcionan bien con modelos rápidos y baratos. Reservamos el tier premium para exactamente un paso, el agente arquitecto, porque la calidad de la arquitectura se propaga a todo lo que viene después: la estimación, el precio, la narrativa. Una llamada cara que mejora las baratas a su alrededor es un buen negocio; un pipeline de llamadas caras es un subsidio para nadie.

Acota el peor caso, no el promedio

Los reintentos son donde los presupuestos mueren en silencio. Un pipeline que reintenta todo ante cualquier falla tiene un costo de peor caso varias veces mayor que su promedio. Dos límites cambian eso: un deadline duro por llamada al modelo y por ejecución (una llamada colgada quema tiempo, no presupuesto), y reintento por etapa que reutiliza el estado anterior, de modo que una falla del compositor cuesta una llamada de compositor, no una re-ejecución del pipeline entero.

Lleva el cómputo ocioso a cero y haz finito el pico

Los frontends de inferencia serverless se pagan solos en demos y productos tempranos: scale-to-zero significa que el cómputo del frontend de inferencia cae a cero en reposo, y un tope de instancias significa que un pico de tráfico (o un intento de abuso) tiene un techo conocido. Agrega un throttle de aplicación delante de las llamadas al modelo y los tres límites se componen: el cómputo en reposo es gratis, las ráfagas están acotadas, y un solo actor no puede monopolizar el presupuesto.

Trata las alertas de billing como parte de la arquitectura

Una alerta de presupuesto no es un detalle de operaciones; es el detector de humo del sistema, y pertenece a la revisión de diseño junto a la tabla de timeouts. Si la alerta algún día se dispara, algún límite de arriba falló, y esa es una señal de ingeniería, no de contabilidad.

Cuánto cuesta realmente una ejecución

La respuesta honesta es un orden de magnitud, no un número: una ejecución acotada es un puñado de llamadas a modelos, la mayoría en tiers baratos, con exactamente una llamada premium. La cifra precisa cambia con los modelos, el tamaño de los prompts y la longitud de las salidas, y cualquier precisión decimal que imprimiéramos aquí sería falsa. Lo que el diseño garantiza es la forma: el costo por ejecución está acotado, se conoce de antemano, y lo domina la única llamada que elegiste hacer cara.

La lección

La ingeniería de costos para agentes es ingeniería común: enruta por valor, acota los modos de falla, ponle techo a la infraestructura e instrumenta el dinero. Los equipos que tratan el costo como propiedad emergente se sorprenden. Los que lo tratan como requisito, no.