En el ecosistema actual de desarrollo asistido por inteligencia artificial, los agentes como Claude Code u OpenCode se han convertido en herramientas indispensables para equipos técnicos. Sin embargo, a medida que su uso se intensifica, surge una pregunta incómoda: ¿cuánto de lo que pagamos realmente se invierte en tareas productivas? La respuesta, según las primeras mediciones de un nuevo tipo de perfilador de agentes, es sorprendente: solo alrededor del 60% del coste de API corresponde a las instrucciones directas del desarrollador. El resto se esfuma en operaciones internas del agente: exploraciones de subagentes, compactación de contexto, resúmenes de recuperación tras inactividad y hasta generación de títulos de sesión. Este fenómeno, que podríamos llamar 'overhead oculto', está motivando a empresas y profesionales a buscar transparencia en el consumo de tokens.
La herramienta que ha destapado esta realidad funciona como un proxy inverso transparente que se interpone entre el agente de código y el proveedor de LLM. Sin añadir latencia, registra cada petición y clasifica su propósito en hasta once categorías: principal, búsqueda, compactación, resumen, título, subagente, fetch web, cuota, resultado de herramienta, guía y desconocido. Los datos de sesiones reales revelan que el subagente de búsqueda puede consumir entre un 25% y un 30% de los tokens cuando se le pide al agente que 'explore a fondo'. Estas mediciones permiten a los equipos entender dónde se va realmente el presupuesto de API y tomar decisiones informadas sobre la configuración de sus asistentes.
Uno de los hallazgos más impactantes tiene que ver con el comportamiento de la caché del proveedor. Claude Code, por ejemplo, inserta marcadores cache_control con tipo ephemeral, pero sin un TTL explícito. En la práctica, el prefijo en caché —que incluye el prompt del sistema, las herramientas y el historial de mensajes— expira tras unos cinco minutos de inactividad. Si un desarrollador se levanta a leer documentación o a tomar un café, al volver la siguiente petición paga una escritura completa de caché sobre potencialmente más de 200.000 tokens. En modelos como Opus, el multiplicador de escritura de caché encarece drásticamente esa primera solicitud. El perfilador detecta estas 'regeneraciones en frío' y las marca con indicadores de severidad, mostrando exactamente cuánto ha costado cada pausa.
El problema se agrava en sesiones largas. Cada turno incrementa el prefijo en caché, por lo que los costes de refresco en frío crecen de forma lineal. Una sesión de tres horas puede reescribir más de 200.000 tokens en cada expiración. Además, las definiciones de herramientas por sí solas pueden representar entre 10.000 y 15.000 tokens que se reenvían en cada llamada. La tentación de optimizar es enorme, pero la experiencia demuestra que no es trivial. Un intento de construir una capa de optimización —podando resultados de herramientas obsoletos, colapsando prompts del sistema y eliminando herramientas no utilizadas— arrojó resultados iniciales espectaculares que luego resultaron erróneos. El calentamiento de caché entre sesiones inflaba las líneas base, y el modelo de costes inicial ignoraba los tokens de escritura de caché. Una vez corregidos ambos sesgos, los ahorros virtuales desaparecieron. Editar el prefijo en caché convierte lecturas baratas en escrituras caras, y el cliente reenvía el historial completo original en cada turno de todas formas.
Este escenario obliga a replantear la estrategia de despliegue de agentes en entornos productivos. Para las empresas que desarrollan aplicaciones a medida, conocer estos patrones de consumo es esencial para dimensionar correctamente la infraestructura y controlar los costes operativos. Integrar un perfilador de agentes en el flujo de desarrollo no solo proporciona visibilidad, sino que permite ajustar parámetros como la frecuencia de las búsquedas, la duración máxima de las sesiones o la política de caducidad de la caché. Además, la optimización del uso de tokens tiene un impacto directo en la sostenibilidad económica de los proyectos basados en IA, especialmente cuando se combinan con servicios cloud como AWS o Azure, donde el coste de las APIs puede escalar rápidamente.
La ciberseguridad también juega un papel relevante: al canalizar todas las peticiones a través de un proxy, se puede auditar qué información sensible se envía a los proveedores de LLM y garantizar que los datos de clientes o propiedad intelectual no quedan expuestos. Herramientas como este perfilador, que redactan secretos y no envían telemetría, ofrecen un punto de control adicional. En Q2BSTudio, donde desarrollamos soluciones de ciberseguridad y inteligencia artificial, vemos una oportunidad clara de combinar la transparencia en el consumo de tokens con arquitecturas que minimicen el desperdicio. Por ejemplo, ajustando la granularidad de las herramientas o implementando estrategias de caché cross-session que respeten las políticas de TTL del proveedor.
En el ámbito de la inteligencia de negocio, los análisis de coste generados por el perfilador pueden integrarse en paneles de Power BI para que los gestores tomen decisiones basadas en datos reales. En Q2BSTudio ofrecemos servicios de BI / Power BI que permiten visualizar estos indicadores junto con otras métricas de rendimiento, creando una visión holística del gasto en IA. La automatización de procesos también se beneficia: al saber exactamente cuánto cuesta cada tipo de petición, se pueden diseñar flujos que prioricen las operaciones más eficientes y eviten las costosas regeneraciones en frío. Nuestra experiencia en automatización nos ha enseñado que el primer paso para optimizar es medir, y este tipo de perfiladores proporcionan esa capacidad.
En definitiva, el perfilador de agentes IA se revela como una herramienta crítica para cualquier organización que utilice asistentes de código en producción. No solo desvela que hasta un 40% del coste de API puede ser overhead no atribuible al trabajo del desarrollador, sino que también señala las limitaciones actuales de las estrategias de caché de los proveedores. La pregunta que queda abierta es si el caché de los proveedores es intrínsecamente subóptimo para el patrón de peticiones de los agentes, o si existen ajustes a nivel de proxy que puedan mejorar la situación. Mientras tanto, la transparencia que ofrecen estas herramientas permite a empresas como Q2BSTudio diseñar despliegues más eficientes, combinando desarrollo de software a medida, cloud, ciberseguridad, BI e inteligencia artificial para sacar el máximo partido de la inversión en agentes. El camino hacia la eficiencia empieza por saber exactamente a dónde van nuestros tokens.
