Cuánto cuesta ejecutar un workflow con IA, tokens e infraestructura (2026)

Automatización

13 de noviembre de 20267 min read

Miguel Ángel Rodríguez (Miguelo DEV)Especialista en IA aplicada a procesos de negocio

Casi nadie sabe lo que le cuesta una ejecución de sus flujos con inteligencia artificial. Lo sabe al mes siguiente, cuando llega la factura, y entonces la conversación ya es sobre recortar en lugar de sobre diseñar.

Calcularlo antes no es difícil. Son cuatro sumandos, una multiplicación y un par de trampas que explican casi todas las facturas que se disparan sin que haya subido el volumen.

¿Cómo se calcula el coste por ejecución de un flujo con IA?

La fórmula es sencilla y lo que cuesta es tener los números honestos, no multiplicarlos.

Por cada ejecución tienes cuatro sumandos.

• Tokens de entrada. Todo lo que le mandas al modelo. Las instrucciones, los ejemplos, el documento, la conversación anterior y los resultados de herramientas si los hay. Es casi siempre más de lo que la gente cree.
• Tokens de salida. Lo que responde. Se pagan del orden de cinco veces más caros por token que los de entrada en la mayoría de modelos, así que una respuesta larga pesa mucho más de lo que ocupa.
• Llamadas por ejecución. Si tu flujo clasifica, luego extrae y luego redacta, son tres llamadas, no una. Y si hay reintentos, más.
• Infraestructura. La plataforma de automatización, el almacenamiento y la base de datos. En n8n, además, una ejecución es una ejecución aunque dentro llame al modelo cinco veces.

Multiplica el total por las ejecuciones al mes y ya tienes la factura. El ejercicio útil no es el resultado, es descubrir cuál de los cuatro sumandos manda en tu caso, porque ahí está la palanca.

¿Qué pesa más en la factura, lo que mandas o lo que responde?

Depende del tipo de flujo, y confundirlo lleva a optimizar lo que no toca.

En los flujos de clasificar, extraer o decidir, la entrada es enorme y la salida son dos líneas. Le mandas una factura entera, un correo largo o un documento, y responde una etiqueta o un objeto pequeño. Aquí manda la entrada con diferencia, por mucho que el token de salida sea más caro.

En los flujos de generar, como redactar una respuesta, un resumen largo o una propuesta, se invierte. La entrada es modesta y la salida se lleva la factura.

La consecuencia práctica es que las dos familias se optimizan al revés. En la primera se recorta contexto. En la segunda se acota la longitud de la respuesta y se pide que sea concisa, que es gratis y funciona.

¿Por qué los reintentos multiplican el coste de un flujo con IA?

Porque un reintento vuelve a pagar la llamada completa, con toda la entrada incluida. No es un recargo, es otra llamada entera.

Esto es la causa número uno de las facturas que se disparan sin que haya subido el volumen, y es especialmente traicionero por un motivo. El flujo acaba saliendo en verde. El reintento funciona, el proceso termina bien y nadie se entera de que cada ejecución está costando el doble.

Hay tres patrones que lo provocan y conviene buscarlos en este orden.

• Reintentar lo que no se arregla insistiendo. Un error de validación o una credencial mal configurada va a fallar las cinco veces, y las cinco se pagan.
• Bucles sobre elementos sin control. Un flujo que procesa cien elementos y llama al modelo por cada uno cuesta cien llamadas, no una. Es correcto si está decidido y es un disgusto si se descubrió solo.
• Reintentos en cadena, donde un paso reintenta dentro de otro que también reintenta. Los números se multiplican, no se suman.

¿Qué palancas bajan el coste sin perder calidad?

Cuatro, y las tres primeras no tocan la calidad en absoluto. Conviene agotarlas antes de tocar la cuarta.

La segunda merece un matiz, porque es la que más gente aplica mal. La caché funciona por coincidencia de prefijo, así que basta con que cambie un byte al principio para que deje de servir. Si metes la fecha y la hora o un identificador al comienzo de tus instrucciones, has desactivado la caché sin saberlo.

Y la última de la tabla es la más infravalorada. Lo más barato es la llamada que no se hace. Una regla sencilla que descarta lo que claramente no necesita criterio ahorra exactamente esa proporción de la factura.

¿Cuánto cuesta esto al mes en una empresa normal?

Menos de lo que la gente teme, y por eso el gasto en modelo rara vez es la partida importante de un proyecto.

Con volúmenes de pyme, de cientos a unos pocos miles de ejecuciones al mes, el modelo suele quedarse en decenas de euros. Lo he visto en atención al cliente, en lectura de facturas y en clasificación de correo, y descoloca a casi todo el mundo que esperaba que fuera lo caro.

Lo que de verdad pesa es montar y mantener. El coste de la plataforma lo desgloso en precio de n8n en 2026 y el de montar un sistema de atención con sus tres niveles en cuánto cuesta automatizar la atención al cliente con IA.

El error habitual, por tanto, no es gastar de más en tokens. Es no tener medido cuánto se gasta, que es lo que impide decidir con criterio cuando alguien propone procesar documentos de doscientas páginas.

¿Cuándo no merece la pena optimizar el coste de tokens?

Te lo digo aunque suene raro viniendo de un artículo sobre costes.

Si gastas decenas de euros al mes, optimizar es perder el tiempo. Una tarde de trabajo cuesta más que el ahorro de un año entero.

Si el flujo todavía no está estable, tampoco. Primero que funcione bien y luego que funcione barato, porque optimizar algo que vas a rediseñar es trabajo doble.

Y si la optimización consiste en bajar de modelo sin medir, mejor no. Un modelo más barato que falla una de cada diez veces sale más caro en revisión humana que lo que ahorra en tokens.

Cómo calculo yo el coste de un flujo antes de montarlo

Mido con una ejecución real antes de estimar nada. Una sola pasada con un caso representativo me da los tokens de entrada y salida de verdad, que casi nunca coinciden con lo que calcularía a ojo.

Cuento las llamadas por ejecución, no las ejecuciones. Es el número que la gente olvida y el que más veces multiplica la factura por tres sin que nadie lo vea venir.

Diseño el aviso para que la caché funcione desde el principio. Lo estable delante, lo variable detrás. Hacerlo al montar es gratis y hacerlo después obliga a rehacer el flujo.

Pongo un filtro antes del modelo siempre que pueda. Si una regla descarta la mitad de los casos, acabo de reducir la factura a la mitad sin tocar ni una palabra del aviso.

Y dejo el consumo medido en el propio flujo. Tokens por ejecución y llamadas por ejecución, guardados. Sin ese registro, la conversación del mes que viene es sobre impresiones.

Traducido a tu dinero, la pregunta útil no es cuánto cuesta un token. Es cuánto cuesta una ejecución y cuántas haces al mes. Cómo planteo un proyecto completo lo cuento en automatizaciones con n8n.

Si te quedas con una sola idea, que sea esta. La llamada más barata es la que no se hace, y la segunda más barata es la que no se repite.