La creciente adopción de agentes de inteligencia artificial en los flujos de integración continua ha abierto oportunidades enormes para automatizar tareas repetitivas, pero también ha traído un desafío poco visible: el costo de los tokens consumidos por cada ejecución. Cuando hablamos de agentes IA para empresas, cada petición a un modelo de lenguaje implica un gasto que, si no se gestiona, puede escalar rápidamente sin que los equipos lo noten. En Q2BSTUDIO, como empresa especializada en inteligencia artificial y desarrollo de software, observamos que la eficiencia en el uso de tokens se ha convertido en un factor crítico para mantener la sostenibilidad económica de los procesos automatizados.

Los flujos de trabajo agentivos se definen en archivos YAML y se ejecutan de forma repetitiva, lo que los hace más fáciles de optimizar que las sesiones interactivas de un desarrollador. Sin embargo, la falta de visibilidad sobre cómo se consumen los tokens impide identificar ineficiencias. Una práctica recomendada es instrumentar cada llamada a la API, registrando tokens de entrada, salida, caché y el modelo utilizado. Con estos datos, se pueden construir paneles de control que alerten sobre desviaciones en el consumo. Esta capacidad de monitorización es similar a la que ofrecemos en nuestros servicios cloud aws y azure, donde la observabilidad es clave para controlar costos.

Una de las ineficiencias más comunes en los flujos agentivos es la inclusión de herramientas no utilizadas. Cada herramienta registrada a través del protocolo MCP añade su esquema JSON a todas las peticiones, incluso si el agente solo emplea dos o tres. Eliminar esas herramientas puede reducir el contexto de cada turno en varios kilobytes, lo que se traduce en ahorros significativos sin alterar el comportamiento. Este tipo de optimización se alinea con el enfoque de aplicaciones a medida que aplicamos en Q2BSTUDIO, donde cada componente se ajusta a las necesidades reales del cliente.

Otra estrategia eficaz consiste en reemplazar las llamadas a herramientas MCP que obtienen datos estáticos por comandos directos desde línea de comandos. Por ejemplo, en lugar de que el agente solicite el diff de un pull request mediante una herramienta, se puede ejecutar un comando Git o la CLI de GitHub antes de que el agente comience. Esto elimina la necesidad de que el modelo realice una inferencia solo para recuperar información, reduciendo drásticamente el consumo de tokens. Además, los agentes están entrenados para procesar salidas de terminal, por lo que la transición es natural. Esta aproximación encaja perfectamente con los principios de software a medida que desarrollamos, donde cada funcionalidad se implementa con la máxima eficiencia posible.

Medir el impacto real de estas optimizaciones requiere una métrica que normalice el costo entre modelos. No es lo mismo usar un modelo pequeño como Haiku que uno grande como Opus, aunque el número de tokens sea similar. Una fórmula útil multiplica los tokens de entrada por 1, los de caché por 0,1 y los de salida por 4, y luego aplica un factor de costo del modelo. Así se obtienen los tokens efectivos (ET), que reflejan el gasto real. Al aplicar estas métricas, es posible detectar si una reducción de tokens se debe a una mejora genuina o a que el flujo está haciendo menos trabajo. Por eso, además de los tokens, es importante monitorear el número de turnos de LLM y la complejidad de las tareas, aspectos que abordamos en nuestros servicios inteligencia de negocio con herramientas como Power BI.

Un caso recurrente es el de los bucles infinitos provocados por configuraciones incorrectas. Si un agente no puede ejecutar una herramienta porque la regla de permisos lo bloquea, intenta alternativas manuales que pueden disparar decenas de turnos adicionales. Detectar estos patrones requiere auditorías automáticas, similares a las que realizamos en ciberseguridad para identificar comportamientos anómalos. La ciberseguridad y la eficiencia van de la mano: un agente que gasta tokens innecesariamente también puede estar generando logs confusos o abriendo vectores de ataque indirectos.

En Q2BSTUDIO, cuando trabajamos en proyectos de ia para empresas, siempre recomendamos empezar por la observabilidad a nivel de proxy. Colocar un intermediario que registre todas las llamadas a la API permite tener una visión unificada, independientemente del framework de agente utilizado. A partir de ahí, se pueden construir flujos de optimización automáticos que generen issues con sugerencias concretas. Esto no solo ahorra tokens, sino que también mejora la calidad del código, porque los agentes dedican menos esfuerzo a recuperar datos y más a razonar sobre ellos.

La evolución natural de estas prácticas es pasar de optimizar flujos individuales a hacerlo a nivel de portfolio. Cuando un repositorio ejecuta múltiples flujos agentivos, es probable que varios lean el mismo diff o los mismos archivos. Centralizar esas lecturas en artefactos compartidos y consolidar flujos redundantes puede generar ahorros aún mayores. Este enfoque sistémico es el que aplicamos en nuestros desarrollos de agentes IA y automatización de procesos, donde la visión global del cliente es tan importante como la eficiencia de cada componente.

En definitiva, la eficiencia de tokens no es solo una cuestión técnica, sino una decisión estratégica que impacta directamente en el retorno de inversión de cualquier iniciativa con inteligencia artificial. Desde Q2BSTUDIO, acompañamos a las empresas en este camino, ofreciendo soluciones que van desde la auditoría de consumo hasta la reingeniería de flujos completos, siempre con un enfoque práctico y orientado a resultados medibles.