¡Hola, colegas de arbitraje! Mi nombre es Timur, soy el responsable del marketplace en Cloud.ru. Ofrecemos una plataforma para servicios de IA que se integran en la infraestructura de la nube de los clientes. Mi tarea es garantizar la transparencia de los precios. Actualmente, muchos evalúan la IA por el costo de los tokens, pero esto es fundamentalmente incorrecto. El cliente no paga por los tokens, sino por un resultado específico. En este artículo, analizaremos cómo calcular correctamente la economía unitaria de un <a href="/ru/blog/massovyy-posting-video-4-strategii-povtoreniya-zadach-ii-agentami/" title="Publicación masiva de videos: 4 estrategias para repetir tareas con agentes de IA">agente de IA, basándonos en los datos de Cloud.ru, y determinaremos el costo real de una respuesta útil para entender qué CPM es rentable.
«El proveedor en el marketplace debe fijar un precio para su agente, el cliente debe entenderlo y la plataforma debe asegurarse de que los precios en el escaparate puedan compararse entre sí. Mientras las tres partes midan el costo en tokens, nada de esto funcionará».
Los materiales anteriores se dedicaron a OpenClaw: cómo desplegar un agente sin fugas de datos y por qué la nueva versión es un servicio separado. Hoy hablamos de dinero.
Evaluación del costo de los servicios de IA: enfoque en la economía unitaria
Unidad de medida: respuesta útil, no tokens
El token es una mala métrica. El cliente no compra tokens, sino la solución a su problema. El «diálogo cerrado» también es engañoso. Intercom, por ejemplo, distingue dos tipos de soluciones: confirmadas (el cliente dijo «gracias») y supuestas (el cliente simplemente se fue).
Ambas se pagan, pero hay un matiz: si el cliente regresa con la misma pregunta, la solución se anula. Ejemplo de Lorikeet (195 casos, 38 proveedores): de 4200 diálogos cerrados por IA, 900 se cerraron con un enlace a un artículo de la base de conocimientos. Sin ellos, la proporción de resueltos cae del 70% al 55%.
La diferencia entre «cerrado» y «resuelto» es enorme. Por lo tanto, nuestra unidad de medida es la respuesta útil. Es un diálogo cerrado por IA sin intervención humana, en el que el cliente no regresó con la misma pregunta en 72 horas y no dejó una evaluación negativa. Todo lo que no pasó estos filtros va al numerador de los costos, pero no al denominador de las respuestas útiles. Los intentos fallidos se pagan con los exitosos. Este es un punto clave.
Caso modelo: soporte de tienda online
Para los cálculos, tomaremos un escenario típico: soporte de una tienda online. Es un caso masivo con un gran volumen de datos públicos. La tienda recibe 40.000 consultas al mes. El 90% de ellas (36.000 diálogos) se dirigen al agente de IA.
Los diálogos cerrados por el agente sin intervención del operador, los llamaremos autocierres, son la métrica que muestran los proveedores. La estructura del agente: RAG (búsqueda en la base de conocimientos + generación de respuestas) más la herramienta de «estado del pedido». Un diálogo implica tres llamadas a LLM:
- Comprender la consulta y elegir la ruta.
- Responder basándose en los fragmentos encontrados.
- Contactar la herramienta o recopilar un resumen para el operador.
En promedio, esto representa 12.000 tokens de entrada (prompt del sistema, fragmentos, historial) y 800 de salida. Hay dos consultas a la base de conocimientos por diálogo. Un modelo de filtro verifica la réplica del cliente y la respuesta del agente (1000 tokens por cada una de las tres llamadas). Se asigna un 15% adicional de tokens para regeneraciones.
Infraestructura y costos
Utilizamos los servicios de Cloud.ru:
- Base de conocimientos: Evolution Managed RAG.
- Agente: Evolution AI Agents.
- Registros: Evolution Managed PostgreSQL.
Costo de un operador de soporte en Moscú: 125.000 rub./mes (85.300 rub. salario según hh.ru para 2025 + contribuciones y gastos generales). Con 40 tickets al día, un ticket cuesta 149 rub. El minuto del operador cuesta 15,5 rub. (125.000 rub. / 80% de 10.080 minutos). Para un chat en retail (60 consultas/día), el costo del ticket es de 99 rub.
Supuestos para los cálculos
Supuestos principales:
- Proporción de autocierres: la mediana de los casos públicos es del 70%. Ozon: 27% (2020) -> 62% (2022). Tomamos el punto medio: 50%.
- Diálogos que no pasaron el filtro: el cliente regresó dentro de las 72 horas o dio un voto negativo. Supuesto: 6% (en el ejemplo de Lorikeet, el 21% de los diálogos cerrados eran enlaces).
- Costo de dicho diálogo: 150 rub. de compensación + 3 minutos de operador (200 rub.).
- Tiempo del operador para la escalada: 1,5 minutos adicionales al ticket normal.
- Verificación manual: 3% de todos los diálogos durante 3 minutos.
- Base de conocimientos, prompts: 0,5 de la tarifa de un especialista (optimista).
- Amortización: 50.000 rub./mes (para un integrador con CRM, hasta 1,5 millones de rub.).
Precios de modelos e infraestructura (Cloud.ru, octubre de 2026)
Tarifas de Evolution Foundation Models (con IVA del 22%, por 1 millón de tokens):
- HiveTraceGuard-Pro (filtro): entrada 25 rub., salida 125 rub.
- Qwen3-30B-A3B: entrada 10 rub., salida 50 rub.
- GigaChat-3-Pro: entrada 25 rub., salida 125 rub.
- Claude Haiku 4.5: entrada 100 rub., salida 500 rub.
- Claude Sonnet 4.6: entrada 360 rub., salida 2250 rub.
Diferencia entre el modelo barato y el caro: 36x en la entrada, 45x en la salida. Infraestructura (Evolution, septiembre de 2026, 730 horas/mes):
- 4 vCPU + 8 GB RAM: 1,5616 rub./vCPU-hora, 0,3904 rub./GB-hora.
- Evolution Managed RAG (2 GB, 72.000 solicitudes): 1,3664 rub./GB-hora, 0,0976 rub./1000 solicitudes.
- Evolution Managed PostgreSQL (2 vCPU, 4 GB RAM, 100 GB SSD): 1,49145 rub./vCPU-hora, 0,4026 rub./GB-hora, 0,016836 rub./GB-hora.
Costo total de la infraestructura: 13.420 rub./mes. Esta es la línea más barata en el cálculo.
Cálculo del costo de una respuesta útil
Precio de un diálogo
Primero, calculamos el costo de un diálogo utilizando diferentes modelos:
- Qwen3-30B-A3B: 0,43 rub.
- GigaChat-3-Pro: 1,32 rub.
- Claude Haiku 4.5: 3,76 rub.
- Claude Sonnet 4.6: 10,99 rub.
¡Una diferencia de 25 veces! Si nos detuviéramos aquí, la elección del modelo sería crítica.
Precio de una respuesta útil
De 36.000 diálogos, con un 50% de cierres automáticos, se cerraron 18.000. De ellos, el 6% fueron errores. Quedan 16.920 respuestas útiles. Cada respuesta útil no solo implica tokens, sino también:
- Tokens de intentos fallidos.
- Minutos de los operadores en la escalada.
- Costo de los errores.
- Verificación.
- Base de conocimientos.
- Implementación.
La diferencia de 25 veces en tokens se convierte en 1,4 veces en una respuesta útil: de 51 rub. a 73 rub. El modelo caro (Claude Sonnet 4.6), que es 25 veces más caro en tokens, resulta ser solo un 40% más caro en el precio del resultado. ¿Por qué? Porque todos los demás costos son iguales para todos los modelos.
Estructura de precios: GigaChat-3-Pro (53 rub.)
Para GigaChat-3-Pro (53 rub. por respuesta útil):
- Escaladas y respuestas erróneas: 71% del costo. Estos costos generalmente no se consideran como «gastos de IA», sino que se incluyen en los salarios del soporte o las compensaciones.
- Tokens: 2,8 rub. (5%). Esta es la única línea que todos comparan.
- Infraestructura en la nube: 0,80 rub.
En Claude Sonnet 4.6, los tokens ya representan el 32% del precio. Aquí tiene sentido ahorrar en tokens. ¿Cómo?
- Reducción del contexto: reducir 12.000 tokens de entrada a 6.000. La respuesta útil en Sonnet se abarata de 73 a 65 rub.
- Almacenamiento en caché: la lectura desde la caché es 10 veces más barata. Si la mitad del contexto es un prompt del sistema, el precio cae a 66 rub.
En Qwen, estas técnicas ahorran centavos.
Palancas clave de ahorro
1. Tasa de cierres automáticos
La transición de un piloto (35-50% de cierres automáticos) a un circuito de trabajo (65%) ahorra 15-19 rub. Diez puntos porcentuales de cierres automáticos dan tanto como la transición a un modelo más barato (en Sonnet, el aumento del 50% al 60% ahorra 14 rub., la sustitución de Sonnet por Haiku – 15 rub.). Pero lo primero funciona en cualquier modelo, lo segundo – una vez.
2. Tasa de errores
Pocos miden la proporción de diálogos cerrados que no pasaron el filtro, pero es crítica.
| Proporción de no pasados el filtro | Precio de una respuesta útil | Gastos en ellos (rub./mes.) |
|---|---|---|
| 6% | X | Y |
| 3% | X — 8 rub. | Y — Z |
Reducir los errores del 6% al 3% ahorra 8 rub. en cada respuesta útil. La transición de GigaChat-3-Pro a Qwen3-30B-A3B ahorra solo 2 rub. El 15% de errores puede costar más de la mitad del salario de un operador, si se considera resuelto cada diálogo en el que el cliente se quedó en silencio.
3. Calidad de la escalada
He estimado 1,5 minutos de un operador para la escalada (lectura del resumen, continuación). Esto funciona con una transferencia «cálida»: el agente transfiere al operador un historial conciso, el número de pedido y una lista de acciones. Con una transferencia «fría» (el operador lee todo el diálogo, donde el bot respondió incorrectamente tres veces), 1,5 minutos se convierten en 3 o 6.
Con 3 minutos, una respuesta útil en GigaChat-3-Pro sube de 53 a 77 rublos; con 6 minutos, a 127 rublos. Esto ya es más caro que un operador regional. Si el agente identifica al cliente y pre-rellena el ticket, el operador ahorra uno o dos minutos, y esta línea se vuelve negativa.
“La calidad de la transmisión resulta ser una partida presupuestaria separada con la mayor dispersión en todo el modelo, y debe medirse: el tiempo promedio de procesamiento de los tickets escalados debe calcularse por separado de los normales”.
¿Luchar por la precisión = quemar tokens? Si para reducir los errores del 6% al 3% los tokens por diálogo aumentan 1,6 veces, en GigaChat-3-Pro la respuesta útil sigue abaratándose de 53 a 46 rublos. En Sonnet, los tokens adicionales son más caros que la precisión ganada; allí es mejor mejorar la base de conocimientos.
Conclusiones: qué considerar un CPM rentable
Conclusión práctica: en el circuito de trabajo de soporte, lo más caro no son los tokens, sino el denominador. Todo lo que aumenta la proporción de respuestas útiles (calidad de la base de conocimientos, enrutamiento correcto, conjuntos de prueba) se amortiza más rápido que cualquier negociación por el precio de un millón de tokens.
Los modelos caros (por ejemplo, Sonnet) se amortizan si aportan 10 puntos de autocierre y 2 puntos de precisión en comparación con los más baratos. Si en su conjunto de prueba la diferencia es menor, está pagando de más. Si es mayor, está ahorrando en tokens innecesariamente.
Comparación con un humano: dos salvedades
1. Precio del ticket: con 149 rublos por ticket, incluso un piloto con un 35% de autocierres en Sonnet (110 rublos por respuesta útil) parece rentable. La paridad con el operador se logra con un 20-27% de autocierres. Pero si el operador cierra 60 tickets al día (99 rublos/ticket), el mismo piloto en Sonnet (110 rublos) ya es más caro. Un operador regional/subcontratado (64 rublos/ticket) cambia el panorama: GigaChat-3-Pro (42 rublos) es más barato, Sonnet (62 rublos) – paridad. La pregunta “¿se amortizará?” depende de su costo por ticket y la proporción de autocierres.
2. Volumen: los gastos fijos (base de conocimientos, implementación, infraestructura) son 163.000 rublos/mes. Con 36.000 diálogos. Con 6.000 diálogos, una respuesta útil en GigaChat-3-Pro cuesta 101 rublos; con 3.000, 159 rublos (más caro que un operador). Por debajo de 3.500 diálogos al mes, el agente no se amortiza. Si los gastos fijos son mayores (un puesto a tiempo completo para la base de conocimientos – 200.000 rublos/mes, implementación – 1,5 millones de rublos), el umbral de amortización se desplaza a 7.000 diálogos al mes. La proporción de tokens en este caso cae al 4%: cuanto más realistas se calculan los demás costos, menos significativo parece el precio por millón de tokens.
Lo que no se ha tenido en cuenta en el modelo (en ambos sentidos)
- Contra el agente: licencia del sistema de tickets o plataforma de chat.
- A favor del agente: rotación de personal (hasta 50% al año), costos de reclutamiento y capacitación, trabajo lento de los novatos, escalabilidad para ventas, pago de turnos nocturnos/de fin de semana. Estas cosas son difíciles de calcular sin datos específicos, pero es por ellas que las empresas a menudo están dispuestas a pagar, incluso si la economía unitaria diaria muestra paridad.
Preguntas frecuentes
¿Qué es una «respuesta útil» en el contexto de un agente de IA?
Una respuesta útil es un diálogo cerrado por la IA sin intervención humana, en el que el cliente no vuelve con la misma pregunta en un plazo de 72 horas y no deja una valoración negativa. Esta es una métrica clave para evaluar la eficacia real y el coste del servicio de IA.
