Modelos de precios para infraestructura de agentes de IA: retainer, proyecto, resultados

El pricing de agentes de IA en la agencia agrupa cuatro modelos: retainer (cuota mensual fija), proyecto/precio cerrado (precio fijo por entrega), outcome-based (pago por resultado) e híbrido. La clave está en cobrar por valor y no por horas, porque la eficiencia de la IA desvincula el tiempo de trabajo del resultado, y en proteger el margen con rigor frente a unos costes de tokens volátiles. Quien factura la infraestructura de agentes por horas, como un servicio clásico, regala valor de forma sistemática y subestima la estructura de costes.

• Retainer para la operación continua, la monitorización y el desarrollo evolutivo; proyecto/precio cerrado para implementaciones delimitadas; outcome-based solo con resultados medibles y estables.
• Los costes directos de modelos y API son solo el 30-50 % del TCO real. El resto corresponde a infraestructura (sandbox, base de datos vectorial, observabilidad), ingeniería, evals, compliance y human-in-the-loop.
• La economía de los tokens es volátil en 2026: toda tarifa plana necesita límites, caché y una cláusula de revisión de precios; si no, un cambio de modelo se come el margen.

Por qué la facturación por horas fracasa con los agentes de IA

El modelo clásico de agencia vende tiempo. Los agentes de IA rompen esa lógica porque desvinculan el resultado del tiempo invertido. Una tarea de investigación o de clasificación que a mano ocupaba días se ejecuta en minutos como workflow de agentes. Quien sigue facturando por horas castiga su propia eficiencia: cuanto mejor automatiza la agencia, menos gana por el mismo servicio. El pricing basado en valor le da la vuelta: lo que se mide es el valor de negocio para el cliente, no el tiempo consumido internamente.

Al mismo tiempo, el lado de los costes se ha vuelto más traicionero. En 2026, una sola petición de usuario ya no equivale a una única llamada al modelo, sino normalmente a 5-20 llamadas al LLM (planificador, selección de herramienta, resultado de la herramienta, crítica, revisión, verificación). Los workflows agénticos han multiplicado el consumo de tokens por petición entre 5 y 50 veces respecto al patrón simple de chatbot. Las cascadas de subagentes lo multiplican otra vez entre 3 y 10 veces. Una tarifa plana calculada con la vieja idea de «un prompt, una respuesta» pierde aquí el margen muy rápido.

Los cuatro modelos de precios de un vistazo

Retainer (cuota mensual fija). El cliente paga una cuota mensual fija por la operación, la monitorización, la iteración de evals y la mejora continua de los agentes. Ideal para infraestructura de agentes en producción que hay que mantener y adaptar a las actualizaciones de los modelos. El retainer asegura ingresos previsibles y amortiza la implantación del compliance a lo largo del contrato. En la región DACH (Alemania, Austria y Suiza) es un argumento de peso, porque los contratos plurianuales justifican el trabajo con contratos de encargo del tratamiento y subencargados.

Proyecto / precio cerrado. Un alcance de entrega delimitado, por ejemplo la implementación de un agente de voz o de un workflow de atención al cliente, por un precio fijo. Fácil de comunicar y popular en los primeros proyectos. El riesgo de margen está en el alcance: cascadas de tokens subestimadas, bucles de reintentos o el esfuerzo de integración en stacks DACH muy dependientes de SAP desbaratan el cálculo. Los precios cerrados deben incluir un colchón y un proceso limpio de solicitudes de cambio.

Outcome / performance-based. Se paga por resultado: por ticket resuelto, lead cualificado o proceso completado. La ventaja estructural: los intereses del proveedor y del cliente se alinean con el éxito. El riesgo estructural: la agencia asume el riesgo de costes de cada transacción. Si la tasa de éxito queda por debajo de lo previsto, cada resultado genera pérdidas.

En el mercado, este modelo se está consolidando sobre todo en la atención al cliente. Intercom Fin cuesta 0,99 USD por conversación resuelta; HubSpot bajó en abril de 2026 el precio de su Customer Agent de 1,00 USD por conversación a 0,50 USD por conversación resuelta; Zendesk cobra entre 1,50 USD (committed) y 2,00 USD (pay-as-you-go) por resolución, y Salesforce Agentforce, 0,10 USD por acción o 2,00 USD por conversación (todos los datos de 2026). Sierra no publica precios; estimaciones de terceros hablan de costes totales en el año 1 de entre 200.000 y 350.000 USD o más. Para aplicar pricing por resultados hace falta una línea base de la tasa de éxito fiable y medida. Sin ella, es volar a ciegas.

Híbrido. La norma de facto en 2026: una base fija (retainer o setup), más un componente según consumo o resultados, más los costes de tokens repercutidos. El modelo híbrido combina un margen de contribución previsible con un reparto justo de la carga y es la estructura más sólida para la mayoría de los contratos de agencia.

Comparativa de modelos: cuándo tiene sentido, ventajas e inconvenientes, riesgo de margen

Costes de tokens: repercutirlos o incluirlos en una tarifa plana

Los costes de tokens son la partida más visible, pero no la mayor parte de la factura. En un workload agéntico típico, los costes directos de modelos y API suponen solo el 30-50 % del TCO total, incluidas las cascadas de herramientas y los subagentes. El resto se reparte entre infraestructura (computación de sandbox, base de datos vectorial, observabilidad), ingeniería, evals, operaciones de compliance y human-in-the-loop. Una agencia que solo calcula la lista de tokens pasa por alto al menos la mitad de la factura.

Hay dos formas limpias de tratar los costes de tokens:

• Repercusión (pass-through): los costes directos de API y plataforma se controlan por cliente (por ejemplo, con Helicone o Portkey por clave) y se refacturan con un recargo transparente; lo habitual en el sector es un 30-50 % de margen sobre los costes repercutidos. El riesgo de volatilidad recae en el cliente y la facturación es trazable.
• Tarifa plana: los costes de tokens van incluidos en el precio cerrado o en el retainer. Cómoda y previsible para el cliente, pero solo viable con límites estrictos de max_tokens, max_iterations y max_tool_calls por workflow, caché agresiva desde el primer día y un colchón de seguridad.

La caché es la mayor palanca de margen. Con Claude Sonnet 4.6, las lecturas de caché cuestan el 10 % del precio del input (datos de octubre de 2026): el input baja de 3,00 a 0,30 USD por millón de tokens. Una tasa de aciertos del 80 % reduce los costes efectivos de input en torno a dos tercios. En teoría sería posible un máximo del 72 %, pero el recargo del 25 % en las escrituras de caché (caché de 5 minutos) lo deja en un 67 % aproximadamente. Elegir el modelo con evals (el más barato que supera el eval) ahorra otro 30-60 %. Combinados, un enfoque FinOps bien instrumentado logra una reducción de costes del 60-80 % frente a la línea base sin optimizar. El margen de la agencia sale de ese margen de maniobra, no del descuento del proveedor.

Ejemplo de cálculo: agente de atención al cliente con pricing por resultados

Una agencia gestiona para un cliente de la región DACH un agente de atención al cliente que procesa 5.000 tickets al mes. Arquitectura: Claude Sonnet 4.6 como ejecutor, con prompt caching activo en el system prompt y en las definiciones de herramientas.

Supuestos por ticket procesado (datos de 2026, a título ilustrativo):

• Consumo directo de LLM por conversación: unos 15.000 tokens de entrada (casi todos en caché) y 1.500 tokens de salida a lo largo de varios pasos del agente.
• Input en caché a 0,30 USD/millón → aprox. 0,0045 USD; output a 15 USD/millón → aprox. 0,0225 USD.
• Costes directos del modelo: unos 0,03 USD por ticket.
• A esto se suman la cascada de herramientas, el riesgo de reintentos y los costes indirectos (embeddings, definiciones de herramientas): de forma realista, 0,08-0,12 USD por ticket en costes de modelo y API, todo incluido.

Pseudocódigo para el cálculo del margen:

```
coste_directo = 0.03 # USD por ticket, con caché
coste_total = 0.10 # + cascada, reintentos, indirectos
recargo_ue = 1.10 # 10 % de recargo por endpoint en la UE
coste_dach = coste_total * recargo_ue # = 0.11 USD por ticket procesado
tickets = 5000 # tickets procesados al mes
tasa_resolucion = 0.60 # supuesto: se resuelve el 60 %
precio_resultado = 0.50 # facturación por ticket resuelto
ingresos_mes = precio_resultado * tickets * tasa_resolucion # = 1500 USD
costes_mes = coste_dach * tickets # = 550 USD
margen_contrib_mes = ingresos_mes - costes_mes # = 950 USD/mes
```

Con 5.000 tickets procesados y una tasa de resolución supuesta del 60 %, quedan unos 950 USD de margen de contribución al mes. El coste se genera en cada ticket procesado, pero solo se cobra el resuelto. Por eso, cada punto porcentual menos de tasa de resolución cuesta 25 USD, y por debajo del 22 % el agente trabaja con pérdidas. Si además los bucles de reintentos aumentan un 20-50 %, el margen por ticket se reduce aún más. Precisamente por eso el pricing por resultados necesita una línea base medida y un retainer mínimo que cubra los costes fijos (iteración de evals, compliance, monitorización) con independencia del volumen. Nota: la economía de los tokens es volátil en 2026. Según la lista de precios de DeepSeek, DeepSeek V4.1 Flash cuesta 0,15 USD por millón de tokens de entrada fuera de las horas punta y 0,30 USD en hora punta; GPT-5.5, 5 USD (datos de octubre de 2026). Eso supone un factor de entre 17 y 33 aproximadamente. Un cambio de modelo puede mover el cálculo en ambas direcciones.

Protección del margen y realidad DACH

Tres palancas protegen el margen, independientemente del modelo elegido:

1. Cláusula de revisión de precios y límites. Todo retainer y todo precio cerrado incluye una cláusula de ajuste por cambios en los costes de tokens y límites estrictos de consumo por workflow. En 2026, la economía de los tokens es un objetivo en movimiento.
2. Primero la ingeniería, después el contrato. Caché, routing, batch (50 % de descuento con un SLA de 24 horas) y fallback a modelos open-weight para workloads de cola larga determinan el 50-80 % de la factura, más que cualquier descuento del proveedor.
3. Incluir el sobrecoste DACH de forma explícita en el precio. Los endpoints regionales de la UE tienen un recargo del 10 %: en OpenAI, para los modelos lanzados a partir del 5 de marzo de 2026; en los modelos de Claude a partir de la versión 4.5, a través de endpoints regionales o multirregión de Bedrock o Google Cloud. El hosting soberano cuesta entre 1,5 y 3 veces más, y la cadena de contratos de encargo del tratamiento, 5-20k euros al año por proveedor, más 10-50k euros de onboarding. En conjunto, los factores DACH elevan el TCO un 15-35 % frente a un workload en EE. UU. Los contratos plurianuales amortizan este esfuerzo de compliance. Eso habla a favor del retainer y en contra de los proyectos aislados.

Para agencias y decisores B2B

Para las agencias, esto significa: abandona la lógica de las horas. Construye un modelo híbrido con un retainer mínimo, repercusión transparente de los tokens (30-50 % de margen, controlado por cliente) y un componente opcional por resultados allí donde conozcas la tasa de éxito porque la has medido. Fija por contrato los límites, la caché y una cláusula de revisión de precios. Eso protege el margen cuando cambian los precios de los tokens.

Para los decisores B2B que contratan servicios de agentes: pregunta por la estructura de costes que hay detrás del precio, no solo por la tarifa por hora. Una oferta seria detalla de forma transparente la repercusión de tokens, la estrategia de caché y los costes de compliance. Si estás planificando una infraestructura de agentes y quieres desarrollar un modelo de precios fiable y que proteja el margen para tu caso de uso, habla con nosotros. Calculamos la economía de los tokens, el TCO y la elección de modelo a partir de tu workload real.