# Token-to-Outcome: el KPI que separa IA usada de IA rentable

> El coste real de los agentes no esta en usar mas tokens, sino en no saber que resultado compra cada token.

- Author: Viktor Berthelius (BRTHLS)
- Published: 2026-06-01
- Category: ai operating models
- Tags: ai-roi, token-economics, agentic-ai, ai-operating-models
- Language: es
- Canonical: https://www.brthls.com/magazine/token-to-outcome-kpi-ia-rentable-es
- Source: BRTHLS Magazine — https://www.brthls.com

---

## Problema

La mayoría de equipos mide la IA con indicadores que no explican negocio: prompts lanzados, usuarios activos, tokens consumidos, coste mensual, horas "ahorradas" o volumen automatizado.

Son métricas útiles para operar, pero malas para decidir. Un agente puede consumir pocos tokens y no mover nada. Otro puede consumir mucho y cerrar un trabajo que antes bloqueaba a tres personas. Sin una unidad que conecte coste computacional con resultado, el debate se vuelve moral: unos piden ahorrar, otros piden experimentar mas.

El problema no es el token. El problema es que nadie sabe que outcome compra.

## Tesis

`Token-to-Outcome` debería convertirse en el KPI base de cualquier operación con agentes.

No mide si la IA se usa. Mide cuantos tokens, llamadas, herramientas y revisiones humanas necesita un sistema para producir un resultado aceptado: una incidencia resuelta, una migración validada, un informe publicado, una oportunidad cualificada, una pieza aprobada o una decisión registrada.

La empresa que solo mira coste por token optimiza el insumo. La que mira token-to-outcome optimiza el sistema.

## Framework

Un buen KPI token-to-outcome necesita cuatro capas:

- **Unidad de resultado:** que cuenta como trabajo terminado.
- **Coste computacional:** tokens, llamadas, herramientas, ejecuciones y reintentos.
- **Coste humano:** revisión, corrección, espera, escalado y supervisión.
- **Calidad verificable:** criterios que impiden contar basura barata como éxito.

Mini-caso: un agente de soporte genera 10.000 respuestas por poco coste. Si solo el 20% resuelve sin recontacto, el sistema es barato pero debil. Otro agente consume mas tokens por caso, consulta tres sistemas, verifica políticas y cierra el 65% sin escalado. El segundo parece caro en dashboard, pero puede ser mas rentable por outcome.

**Señal medible:** coste total por resultado aceptado, no coste por conversación ni coste por token.

**Postura:** en 2026, el equipo maduro no presume de usar IA. Presume de saber cuanto cuesta cada unidad de trabajo resuelta.

## Por que importa ahora

Los sistemas agénticos estan haciendo visible una economía que antes quedaba escondida. OpenAI documenta precios por token, dashboards de uso, presupuestos y limites de gasto. Anthropic ha explicado que los sistemas multiagente escalan el uso de tokens para tareas que superan a un agente único, y un estudio de abril de 2026 sobre agentes de coding encontro que el consumo puede variar mucho entre ejecuciones equivalentes.

Eso no significa que los agentes sean demasiado caros. Significa que el coste ya no se puede analizar como una factura SaaS plana. Cada workflow tiene una curva distinta: algunas tareas merecen mas computo porque compran cobertura, paralelismo o verificación; otras solo queman tokens para simular progreso.

La pregunta cambia de "cuanto gastamos en IA" a "que outcomes compran esos tokens".

## Anti-ejemplo

"Tenemos que reducir tokens un 30%."

Puede ser correcto. También puede destruir el margen si recorta justo la parte que validaba, contrastaba o evitaba retrabajo. Reducir tokens sin separar tareas exploratorias, productivas y verificadoras es como bajar costes de fabrica apagando control de calidad.

## Protocolo (3 pasos)

1. **Define el outcome atomico.** No midas "uso de IA"; mide un resultado cerrado y aceptado.
2. **Separa gasto por fase.** Exploración, ejecución, verificación y retrabajo no compran lo mismo.
3. **Cruza coste con calidad.** Un outcome barato que vuelve como incidencia no es barato; es deuda.

| Métrica vieja | Métrica token-to-outcome | Decisión que permite |
| --- | --- | --- |
| tokens consumidos | tokens por resultado aceptado | saber si el workflow escala |
| coste mensual | coste por unidad de trabajo | comparar IA contra proceso actual |
| respuestas generadas | resoluciones verificadas | evitar actividad sin valor |
| usuarios activos | outcomes por usuario | detectar adopción falsa |

## Relacionado

- [Zendesk Relate 2026: cuando el agente se cobra por resolución, no por asiento](/magazine/zendesk-autonomous-service-workforce-mcp-precio-resultado-es)
- [AI Evaluation Stack 2026: medir sin teatro](/magazine/ai-evaluation-stack-2026-medir-sin-teatro)
- [Proof-of-Value Theater: señales de que tu IA funciona pero no mueve negocio](/magazine/proof-of-value-theater-senales-de-que-tu-ia-funciona-pero-no-mueve-negocio)

## Fuentes consultadas

- [OpenAI Platform: Pricing](https://platform.openai.com/docs/pricing)
- [OpenAI Platform: Rate limits](https://platform.openai.com/docs/guides/rate-limits)
- [Anthropic: How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system)
- [How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption in Agentic Coding Tasks](https://arxiv.org/abs/2604.22750)

## Próximo paso

Elige un workflow con coste visible y resultado claro. No optimices el prompt todavía. Mide primero cuanto cuesta un outcome aceptado. Ese número dira si tienes producto, teatro o deuda.

---

_Cite as: Berthelius, V. (2026). "Token-to-Outcome: el KPI que separa IA usada de IA rentable". BRTHLS Magazine. https://www.brthls.com/magazine/token-to-outcome-kpi-ia-rentable-es_