La mayoría de las facturas de IA empresariales que crecen silenciosamente hasta cinco y seis cifras comparten la misma causa raíz — y no es a la que los equipos de ingeniería recurren primero. Un informe de campo sobre lo que realmente dispara el gasto en inferencia, y la disciplina que lo devuelve a un número que el CFO deja de reenviar con un signo de interrogación.
Las facturas de IA que se duplican cada trimestre no son problemas de precio — son problemas arquitectónicos componiéndose. Un modelo más pequeño y más caché normalmente capturan menos de un tercio del ahorro disponible. Los otros dos tercios viven en orquestación, disciplina de prompt y contexto, decisiones de UX y gobernanza.
El cacheo aborda un modo de fallo específico — llamadas idénticas o casi idénticas repetidas. La mayoría de las facturas de IA empresariales que crecen trimestre tras trimestre no están fallando en el cacheo; están fallando en orquestación, disciplina de contexto y ausencia de gobernanza de coste. El cacheo suele capturar alrededor de una décima parte del ahorro disponible; el resto está en otro sitio.
Rara vez. Las sustituciones por modelos más baratos parecen atractivas en aislamiento pero a menudo cascadean en más reintentos, más contexto y más correcciones aguas abajo que borran el ahorro por llamada. La primera jugada casi siempre es visibilidad — un tracing apropiado de tokens por petición — seguida de limpieza de orquestación, antes de evaluar cualquier swap de modelo.
Las victorias de visibilidad (tracing, etiquetado, alertas) suelen aterrizar en la semana uno. Las victorias rápidas de prompt y orquestación aterrizan en las semanas dos y tres y suelen suponer un 20–40% de reducción. Las victorias estructurales — las que producen los números titulares de orden de magnitud — aterrizan a lo largo de los dos meses siguientes a medida que los cambios de diseño se despliegan.