Un agente de IA más sofisticado no es necesariamente un agente más rentable. Esa es la conclusión, documentada por dos estudios publicados en octubre de 2026, que debería preocupar a cualquier pyme que despliega, o se plantea desplegar, agentes de IA para automatizar atención al cliente, cualificación comercial o desarrollo de software. Investigadores compararon varios «arneses» (el programa que dirige un modelo de lenguaje) y varios sistemas de memoria en las mismas tareas, con el mismo modelo. Resultado: la factura puede variar hasta cinco veces para una precisión casi idéntica.
En resumen
- Un estudio de la Universidad de Shandong, recogido por VentureBeat el 23 de octubre de 2026, muestra que el coste de un agente de IA puede variar hasta 3 veces según el arnés utilizado (Claude Code, OpenCode, mini-SWE-agent), para una precisión casi idéntica en el benchmark SWE-bench Verified.
- Un estudio anterior del UC Berkeley Sky Computing Lab, citado en ese mismo artículo, había medido una diferencia de coste de hasta 5 veces entre arneses, en siete modelos distintos, sin una mejora comparable en la tasa de éxito.
- Un segundo estudio, «MemoryTax», dirigido por la Universidad Jiao Tong de Shanghái y recogido por VentureBeat el 25 de octubre de 2026, muestra que los modelos más potentes (como Claude Opus 5.5) a menudo no necesitan una memoria estructurada costosa: logran la misma precisión con el historial en bruto.
- Con el mismo modelo (Claude Opus 5.5), responder a 152 preguntas cuesta 6,95 $ con un arnés minimalista y 28,41 $ con Claude Code, con una precisión del 99 % y el 97 % respectivamente.
- Para una pyme, la lección no es evitar los agentes de IA, sino medir el coste por tarea junto con la precisión, antes de elegir una herramienta o un proveedor.
¿Qué es un «arnés» de agente de IA?
Un arnés de agente de IA («agent harness» en inglés) es el programa que envuelve a un modelo de lenguaje: le da herramientas (leer un archivo, ejecutar un comando, buscar en la web), gestiona la memoria de la conversación y decide cuánta información enviar al modelo en cada paso. Claude Code, Codex, Cursor o un simple script interno son todos arneses. Dos arneses que usan el mismo modelo pueden producir resultados muy distintos en coste, simplemente porque estructuran el contexto de forma diferente.
Ese es exactamente el punto que dos estudios distintos pusieron a prueba en 2026, con conclusiones que coinciden.
Un arnés más sofisticado no garantiza una mejor puntuación
El estudio de la Universidad de Shandong (publicado en arXiv, recogido por VentureBeat) puso a funcionar tres arneses, Claude Code, OpenCode y mini-SWE-agent (un arnés minimalista de apenas un centenar de líneas de código), en 492 tareas del benchmark SWE-bench Verified, con cinco modelos distintos, entre ellos Claude Opus 5, DeepSeek-V4-Flash y dos modelos Qwen.
El resultado es claro: en el conjunto de tareas más grande, Claude Code y mini-SWE-agent obtienen una puntuación a 2 puntos porcentuales de distancia. Pero el coste por tarea varía hasta 3 veces según el arnés elegido, con el mismo modelo. Con el modelo GLM-5.3-Flash, por ejemplo, una prueba con Claude Code cuesta casi el doble que con mini-SWE-agent, y más de tres veces más que con OpenCode.
Los investigadores también remiten a un estudio anterior del UC Berkeley Sky Computing Lab, apodado «HarnessTax», que había probado siete modelos en tres arneses (Claude Code, Codex CLI, Pi): las tasas de éxito solo variaban unos pocos puntos, mientras que los costes de inferencia subían hasta 5 veces.
Arnés sofisticado (ej.: Claude Code)
Contexto inicial voluminoso, más de 16.000 tokens desde la primera llamada, más herramientas, más pasos. Coste por tarea más alto, sin garantía de mejor precisión.
Arnés minimalista (ej.: mini-SWE-agent, Pi)
Contexto inicial reducido, menos de 1.000 tokens en el estudio de Shandong, pocas herramientas. Precisión estadísticamente comparable, coste por tarea notablemente más bajo.
La memoria de los agentes también tiene un coste oculto
El segundo estudio, llamado MemoryTax y dirigido por la Universidad Jiao Tong de Shanghái, analizó otra decisión de arquitectura: ¿hay que construir una memoria estructurada (resúmenes, un grafo de conocimiento) para un agente que debe recordar una conversación larga, o dejarle acceder directamente al historial en bruto?
Los investigadores probaron siete enfoques de memoria (contexto completo, búsqueda por palabras clave, herramientas de consolidación como Mem0 o Zep, búsqueda dirigida por el propio agente) combinados con tres modelos: GPT-4o-mini, GPT-6 Luna y Claude Opus 5.5. El resultado: la memoria estructurada ayuda sobre todo al modelo más débil, GPT-4o-mini. Con Claude Opus 5.5, el modelo más potente probado, el contexto en bruto y la memoria estructurada obtienen la misma puntuación, 95 %: construir una memoria sofisticada no aporta entonces ninguna mejora de precisión, solo un coste de construcción adicional.
El dato más útil para una pyme corresponde al arnés Pi, una herramienta minimalista que deja al modelo buscar por sí mismo en el historial en bruto en lugar de recargarlo todo en cada pregunta:
Coste para responder a 152 preguntas con el modelo Claude Opus 5.5, según el estudio MemoryTax (Universidad Jiao Tong de Shanghái, recogido por VentureBeat el 25 de octubre de 2026). El porcentaje indicado es la tasa de respuestas correctas.
En este ejemplo, el arnés más barato es también el más preciso. La diferencia no viene del modelo, idéntico en los cuatro casos, sino de cómo cada arnés estructura y reutiliza la información.
Para recordar
El precio de un agente de IA no depende solo del modelo elegido. El arnés y la gestión de la memoria a menudo pesan más en la factura que la elección del modelo en sí. Pida siempre a un proveedor el coste por tarea, no solo el nombre del modelo utilizado.
Qué debe comprobar una pyme antes de elegir o construir un agente de IA
Ambos estudios convergen en un mismo método, aplicable a cualquier proyecto de automatización: atención al cliente, cualificación comercial, procesamiento de documentos.
Empezar simple
Añadir búsqueda si es necesario
Construir memoria solo si se va a reutilizar
Comparar toda la pila, no solo el modelo
Estas cuatro comprobaciones llevan unas horas. Evitan pagar, cada mes, por una capa de ingeniería que no aporta ningún beneficio medible, un riesgo tanto más real cuanto que muchos proveedores facturan sus agentes de IA por tokens consumidos: cuanto más «hablador» es el arnés, más sube la factura, independientemente de la calidad del resultado.
Preguntas frecuentes
¿Un arnés de agente de IA más caro es siempre más preciso?
No. Según el estudio MemoryTax (Universidad Jiao Tong de Shanghái, 2026), el arnés más caro probado, Claude Code a 28,41 $ por 152 preguntas, obtuvo una precisión inferior al arnés más barato, Pi, a 6,95 $, que alcanza el 99 % de respuestas correctas.
¿Hay que construir siempre una memoria estructurada para un agente de IA?
No. El estudio muestra que una memoria estructurada, como Mem0 o un grafo de conocimiento, ayuda sobre todo a los modelos menos potentes. Con un modelo de última generación como Claude Opus 5.5, el contexto en bruto logra una precisión idéntica, sin el coste de construir una memoria.
¿Cómo puede una pyme comparar dos agentes de IA antes de elegir?
Pidiendo el coste por tarea y la precisión sobre una muestra real de sus propios expedientes, no sobre una demostración del proveedor. El estudio de la Universidad de Shandong muestra que el coste puede variar hasta 5 veces entre dos arneses que usan el mismo modelo, sin una mejora comparable en la tasa de éxito.
¿Estos estudios se aplican solo a los agentes de desarrollo de software?
Los dos estudios analizados tratan sobre tareas de código (SWE-bench) y conversaciones largas (atención al cliente). El principio, en cambio, es genérico: cualquier agente de IA que procese documentos, tickets o conversaciones largas se enfrenta al mismo compromiso entre coste del arnés, coste de la memoria y precisión.
Conclusión
La complejidad de un agente de IA se nota antes en la factura que en los resultados. Para una pyme, el reflejo correcto en 2026 no es elegir la herramienta más de moda o el modelo más potente, sino exigir una medición numérica, coste por tarea y precisión, antes de integrar un agente de IA en un proceso de negocio. Esa es también la pregunta central a la hora de elegir entre construir su propio agente o comprar una solución llave en mano: consulte nuestra guía build vs. buy para agentes de IA en pymes y nuestros casos de éxito para profundizar.
