El gasto en IA ya necesita guardrails, como los permisos. Las plataformas los ofrecen y los CFO quieren voz

Un asistente de chat tiene un coste bastante previsible: la persona escribe, el modelo responde. Un agente no. Planifica, reintenta, llama a herramientas, lee documentos y repite el ciclo hasta decidir que ha terminado. Si se multiplica por todos los empleados con acceso, o por miles de ejecuciones automáticas al día, el gasto en IA deja de ser una partida del presupuesto y se convierte en una variable que puede cambiar de un día para otro.

Tres anuncios de las últimas semanas muestran al mercado reaccionando desde dos lados: las plataformas convierten el control de costes en funcionalidad de producto, y los responsables financieros asumen un papel mayor en las decisiones de IA.

Las plataformas incorporan controles de gasto

Snowflake lanzó en disponibilidad general las cuotas de IA por usuario en septiembre. El administrador fija límites diarios y mensuales por usuario, por separado para cada servicio controlado: las funciones de IA de Cortex, Cortex Agents, el asistente para desarrolladores y el cómputo de los warehouses. Cuando un usuario alcanza su límite, según Snowflake, el acceso a ese servicio concreto se pausa hasta el siguiente ciclo, sin afectar a otros servicios ni a otros usuarios. Los límites se configuran en SQL, en la interfaz Snowsight o en lenguaje natural.

Google Cloud presentó un conjunto de controles de FinOps para agentes en agosto. Entre ellos: topes de gasto por proyecto que pausan temporalmente las llamadas a la API del agente al alcanzar el límite mensual, con alertas al 50%, 80% y 100%; detección de anomalías que señala gastos inusuales y los tres SKU que más pesan; cuotas compartidas con excedentes controlados por el administrador para su plataforma de desarrollo Antigravity; y una opción de ejecución diferida, anunciada como próxima, que ejecuta tareas elegibles fuera de las horas punta por hasta la mitad del coste de inferencia.

El patrón: los límites de gasto se diseñan como permisos, con alcance por usuario, proyecto o servicio, y la plataforma los aplica.

Finanzas se acerca a la IA

El 30 de septiembre, el Institute for Business Value de IBM publicó un estudio con 1.500 CFO de 33 geografías y 26 sectores, encuestados entre febrero y abril de 2026. Según IBM, el 62% afirma tener un papel mayor en la estrategia de tecnología o de IA, y el 56% más autoridad sobre la gestión de la cartera y la reasignación de capital. Solo el 6% considera que su área financiera está preparada para la transformación.

Son resultados de una encuesta de IBM, no mediciones independientes. Pero la dirección coincide con lo que ofrecen las plataformas: cuando el coste de la IA se vuelve variable y relevante, quienes son dueños del presupuesto quieren visibilidad y control, no una sorpresa a fin de mes.

1. Cuotas por usuario
2. Topes por proyecto
3. Alertas de anomalías
4. Gasto atribuido por agente y tarea
5. Ejecución fuera de horas punta para lo que puede esperar
6. Descuentos por compromiso

• Limitar: Cuotas por usuario · Topes por proyecto
• Detectar: Alertas de anomalías · Gasto atribuido por agente y tarea
• Optimizar: Ejecución fuera de horas punta para lo que puede esperar · Descuentos por compromiso

Pueden pausar el trabajo al alcanzarse: diséñelos por carga de trabajoReducen el coste unitario sin cambiar el comportamiento

La pregunta que nadie hace: ¿qué pasa al llegar al límite?

Un límite estricto es una protección para un empleado que prueba un asistente. Para un agente que atiende a clientes, es una caída del servicio. Tanto Snowflake como Google describen la pausa del trabajo al alcanzar el límite. Es el comportamiento adecuado para la exploración y el equivocado para un flujo en producción del que dependen los clientes.

Por eso, los guardrails de coste requieren la misma disciplina de diseño que los controles de seguridad:

Clasifique las cargas de trabajo por criticidad. La exploración y la productividad individual reciben límites estrictos por usuario. Los agentes en producción reciben un presupuesto con alertas, excedentes controlados y un responsable que decide qué hacer.

Atribuya el gasto al comportamiento. El total del proyecto dice que se superó el presupuesto. El coste por agente, por tarea y por modelo dice por qué. Eso requiere el tipo de tracing que analizamos en nuestro artículo sobre observabilidad de agentes.

Separe lo que puede esperar. El enriquecimiento por lotes, los análisis nocturnos y la generación de informes a menudo pueden ejecutarse fuera de horas punta, más baratos. El trabajo interactivo, no. Decidir qué es cada cosa es una elección de arquitectura, no un ajuste de facturación.

Dé a finanzas una vista útil. Si los CFO asumen decisiones sobre la cartera de IA, necesitan datos de gasto organizados por caso de uso y resultado, no por SKU.

España y Latinoamérica: el tipo de cambio también cuenta

En España, el consumo de IA en la nube suele facturarse en dólares o con precios vinculados al dólar, mientras el presupuesto se hace en euros. En Latinoamérica, con monedas más volátiles, el efecto es mayor: un agente que duplica sus llamadas y una depreciación de la moneda local en el mismo trimestre se suman. Conviene presupuestar por caso de uso con margen para el tipo de cambio, seguir la proyección de gasto durante el mes y no solo al cierre, e implicar a finanzas y compras desde el diseño, incluida la negociación de compromisos de consumo.

Qué hacer ahora

1. Identifique dónde puede originarse gasto en IA: asistentes, agentes, funciones de IA dentro de plataformas de datos, herramientas de desarrollo.
2. Active límites por usuario para la exploración en todas las plataformas que lo permitan.
3. Asigne a cada agente en producción un presupuesto, un umbral de alerta y un responsable, y acuerde de antemano qué ocurre si se supera.
4. Active la detección de anomalías y envíe las alertas al responsable, no solo a un buzón compartido de FinOps.
5. Informe a finanzas del gasto por caso de uso, junto con el valor que se espera de cada uno.

En resumen

El coste de los agentes de IA es variable por diseño. Las plataformas ya ofrecen las palancas: cuotas, topes, alertas y formas más baratas de ejecutar lo que puede esperar. Usarlas bien es una decisión de modelo operativo: qué cargas pueden pausarse, quién es dueño de cada presupuesto y cómo ve finanzas el valor. En nuestra guía del stack de 2026, esa decisión pertenece a la capa que nadie entrega: la responsabilidad operativa. Y el coste suele ser lo que frena un programa que, en lo demás, funciona.