Cómo evitar que los costes de programar con IA se disparen a mitad de proyecto

Hace unas semanas, una startup de fintech llamada Slash fue noticia cuando un desarrollador quemó accidentalmente 81.000 $ en tokens de IA construyendo un videojuego inspirado en un meme. El desarrollador, a quien su empleador había animado a experimentar con vibe coding, subestimó lo caro que es pedirle repetidamente a Claude que lea y reescriba grandes cantidades de código.

"Fue un accidente genuino, subestimé mi propia capacidad", publicó el desarrollador en X. Es una situación que despierta empatía — y cada vez más común a medida que los agentes de programación con IA pasan de ser una novedad a un flujo de trabajo diario.

Esta guía cubre los cinco hábitos de mayor impacto que mantienen los costes predecibles.

1. Adapta el modelo a la tarea

La mayor palanca sobre el coste es la selección del modelo. Los modelos de frontera (Claude Opus, GPT‑5, Gemini Ultra) pueden costar de 10 a 50× más por token que los modelos de gama inferior con una calidad aceptable para la mayoría de las tareas. No todo necesita la frontera.

Un mapa mental aproximado:

• Modelos pequeños y rápidos (Haiku, Flash, mini): autocompletado, ediciones cortas, renombrado, generación de boilerplate, responder preguntas rápidas de sintaxis
• Modelos de gama media (Sonnet, GPT-4.1): la mayoría de las tareas de programación — implementar una funcionalidad a partir de una especificación clara, escribir pruebas, revisar un diff
• Modelos de frontera (Opus, Fable 5, GPT-5): decisiones arquitectónicas complejas, reescrituras largas de múltiples archivos, depurar problemas de producción espinosos, sesiones agénticas donde el modelo debe razonar a través de muchas llamadas a herramientas

Si usas Claude Code con un plan Max o Pro, el modo Auto enruta a la gama correcta automáticamente según la complejidad detectada de la tarea — y no cuenta contra tu presupuesto de tokens del mismo modo que las llamadas a la API. Cambia a Auto como tu opción predeterminada y anúlalo solo cuando sepas que necesitas más potencia.

2. Planifica primero, construye después

El patrón de programación con IA más caro es saltar directamente a "reescribe este archivo" en una base de código grande. Cuando el modelo lee todo ese contexto, propone cambios, recibe correcciones e itera, el uso de tokens se acumula rápido.

El modo Plan de Claude Code cuesta unos pocos cientos de tokens: describes lo que quieres, el modelo propone un enfoque paso a paso, y tú corriges el plan en lenguaje claro antes de tocar un solo archivo. Un diff erróneo de 400 líneas cuesta miles de tokens arreglarlo — y a menudo requiere otra ronda para arreglar el arreglo.

Para cualquier cosa que toque más de dos o tres archivos, la secuencia es:

1. Describe the goal in /plan
2. Read and correct the plan
3. Execute on the corrected plan

Este único hábito por sí solo recorta de forma consistente los costes por funcionalidad en un 30–50 % para los equipos que lo adoptan.

3. Acota tu ventana de contexto

Los modelos de IA cobran por token — tanto lo que envías (entrada) como lo que generan (salida). Un error común es enviar al modelo toda la base de código cuando solo necesita un módulo.

Técnicas prácticas:

• Sé explícito sobre qué leer. En lugar de "refactoriza el sistema de autenticación", di "refactoriza src/auth/session.ts — ignora todo lo demás."
• Usa las banderas --include. En Claude Code, --include acota las lecturas de archivos para que el agente no se desvíe a partes no relacionadas del repo.
• Deja que /compact haga su trabajo. Cuando una sesión se alarga, la compactación de contexto de Claude Code (activada automáticamente o con /compact) reemplaza el historial de la conversación por un resumen enfocado, recortando la carga de tokens en un 60–80 % mientras preserva las decisiones que importan.

La regla aproximada: un token por cada cuatro caracteres de inglés o código. Antes de iniciar una sesión larga de agente sobre un archivo grande, estima si el contexto cabe en tu presupuesto. Si el archivo objetivo tiene 2.000 líneas (~8.000 caracteres, ~2.000 tokens), tienes margen para trabajar. Si le entregas un módulo de monorepo de 50.000 líneas, querrás acotarlo.

4. Sabe qué quema más tokens

No todas las tareas de programación con IA cuestan lo mismo. De más a menos caras:

1. Sesiones agénticas con muchas llamadas a herramientas — el modelo lee archivos, escribe archivos, ejecuta pruebas, lee la salida e itera. Cada paso se factura.
2. Reescrituras de archivos grandes — leer + generar diffs grandes se acumula rápido.
3. Bucles de depuración iterativos — error, intento de arreglo, nuevo error, repetir.
4. Generación de un solo disparo a partir de una especificación ajustada — la más barata. El modelo lee la especificación y escribe la cosa una sola vez.

Para sesiones de depuración, dale al modelo el mensaje de error y la función específica de la que se originó — no la pila completa, no el módulo entero. Para reescrituras, divide las tareas grandes en unidades más pequeñas y verificables de forma independiente.

5. Establece límites de gasto reales antes de empezar

Después del 15 de junio de 2026, el uso de agente y headless (claude -p) de Claude Code se factura contra un fondo de créditos separado del chat interactivo: 20 $/mes en Pro, 100 $/mes en Max 5×, 200 $/mes en Max 20×. Si estás construyendo automatizaciones o agentes programados, ese fondo puede agotarse más rápido de lo que esperas.

Para mantener el control:

• Establece la variable de entorno CLAUDE_MAX_COST_PER_SESSION (o el equivalente en los ajustes de Cursor) como tope por sesión.
• En la consola de Anthropic, configura alertas de gasto mensuales al 50 % y al 90 % de tu presupuesto para recibir avisos por correo antes de llegar al techo.
• Si estás construyendo un producto sobre la API, añade comprobaciones de presupuesto de tokens en el bucle de tu agente y abandona con elegancia cuando superes tu límite por ejecución.

La ejecución de 81.000 $ del desarrollador de Slash ocurrió sin barreras de protección. Con un tope mensual de 500 $ configurado en la cuenta de la API de Slash, el daño habría sido una sesión bloqueada y una conversación rápida — no una historia viral.

Juntándolo todo

Ninguno de estos hábitos requiere ir más despacio. Los desarrolladores que usan agentes de programación con IA de forma más eficiente tienden a compartir un rasgo: piensan durante treinta segundos sobre lo que realmente necesitan que el modelo haga antes de iniciar la sesión. Esa pequeña pausa — elegir el modelo correcto, acotar el contexto, ejecutar primero el modo Plan — es lo que separa una funcionalidad de 5 $ de una de 50 $.