Para la IA, el español es más caro que el inglés

Un fin de semana de pruebas

Este fin de semana estuve trasteando con flujos de agentes y aprendí dos conceptos que, sin exagerar, separan un prototipo de una solución de producción escalable. Ninguno de los dos es especialmente complicado, pero los dos se pagan caro si los ignoras.

El idioma importa (y mucho)

Los modelos son significativamente más eficientes en inglés que en español. La razón no es magia ni sesgo cultural: es tokenización.

Un tokenizador no cuenta palabras, cuenta fragmentos de texto (tokens), y los modelos actuales están entrenados mayoritariamente en inglés. Eso hace que el inglés tienda a fragmentarse en menos piezas, mientras que el español, con más flexiones, acentos y construcciones más largas, a menudo necesita más tokens para decir lo mismo.

Fíjate en el detalle: la frase en inglés tiene más caracteres que la española, pero menos tokens. Eso es exactamente el problema. Menos tokens para expresar la misma idea significa menos latencia y, sobre todo, menos coste, y ese efecto se multiplica cuando no es un prompt suelto sino un flujo de agentes con varias llamadas encadenadas.

Por eso escribir (o traducir) tus prompts al inglés en flujos complejos no es una preferencia de estilo. Es una decisión de arquitectura, con el mismo peso que elegir un índice de base de datos o un formato de serialización.

Estrategia de modelos por capas

El segundo concepto es más de sentido común, pero cuesta aplicarlo bajo presión: no mates moscas a cañonazos.

• Modelos de alto razonamiento (más caros). Resérvalos para la fase de planificación de features y la toma de decisiones lógicas complejas, donde un error de criterio sale mucho más caro que la llamada en sí.
• Modelos optimizados (más baratos). Úsalos para ejecutar código (idealmente con validación humana en el bucle) o para tareas repetitivas, una vez que la hoja de ruta ya está clara y lo que toca es ejecutar, no decidir.

Mezclar las dos cosas, usar el modelo caro para todo “por si acaso”, es la forma más rápida de convertir un experimento razonable en una factura que nadie sabe justificar.

Por qué me importa esto en mi día a día

Mi objetivo no es solo que la IA funcione. Es que sea sostenible y eficiente. Diseñar el flujo con cabeza (idioma, modelo, y en qué fase se usa cada uno) es la diferencia entre un proyecto viable y un pozo de gasto en APIs.

Es el mismo criterio que aplicamos al construir el MCP de YoFacturo: la parte que razona y decide es la que puede permitirse ser “cara”, pero la validación y ejecución final tiene que ser barata, determinista y repetible.