Un nuevo estudio ha producido un titular alarmante: los agentes de IA pueden usar hasta 136,5 veces más electricidad que un chatbot estándar para una sola consulta. La cifra se hizo viral. Según la investigación de KAIST, recogida por el Korea Times, Forbes, Gizmodo y Digital Trends, es real - pero también muy malinterpretada. Esto es lo que significa de verdad. Para lo básico, mira nuestra guía qué es un agente de IA.
Qué encontró el estudio
Un equipo de KAIST (el Instituto Avanzado de Ciencia y Tecnología de Corea) publicó hacia el 5 de julio de 2026 un artículo sobre el coste del razonamiento dinámico, el estilo de bucle-y-llamada de los agentes de código de IA modernos. Midió la potencia de las respuestas tipo chatbot frente al trabajo tipo agente.
El resultado pico: un agente que navega por la web, escribe código y encadena planes multipaso puede consumir hasta 136,5 veces más energía por pregunta que una simple respuesta de IA generativa.
La cifra es un pico, no un promedio
Aquí es donde el titular viral engaña. 136,5x es el peor caso, no el caso típico. Describe agentes pesados, multipaso, que llaman a muchas herramientas - no cada agente en cada tarea. Un agente simple con un trabajo corto está muy lejos de esa cifra.
La cobertura de Forbes hizo la misma observación: la cifra viral es un pico, y tratarla como promedio exagera el coste diario. La lectura honesta es que los agentes pueden ser mucho más caros, no que siempre lo sean.
El problema real: las GPU inactivas
El hallazgo más útil es por qué los agentes cuestan tanto. Un agente no responde de una vez. Planifica, llama a una herramienta, espera, lee el resultado y vuelve a llamar al modelo - a menudo muchos ciclos por tarea.
Mientras el agente espera una herramienta externa o una página web lenta, la costosa GPU está encendida pero sin calcular. El estudio midió que las GPU pueden estar inactivas hasta el 54,5% del tiempo. Pagas potencia completa por hardware que, gran parte de la tarea, solo espera. Ese tiempo muerto - no el tamaño del modelo - es el impuesto energético oculto.
Qué significa para ti
Dos conclusiones prácticas:
- Ajusta la herramienta a la tarea. Una sola llamada al modelo bien formulada es mucho más barata que un agente que repite ciclos. Para una pregunta simple, no lances un agente multipaso.
- Valora los ciclos. Cuando la navegación, el código y las comprobaciones de un agente te ahorran trabajo de verdad, la energía extra puede valer la pena. La meta es la eficiencia, no evitarlos.
La conclusión honesta
Dos matices para no desviarse. Primero, 136,5x es un pico de un solo estudio, muy difundido pero aún la medición de un único grupo de investigación - útil, no dogma. Segundo, el punto no es que los agentes sean malos; es que su coste energético crece con cuánto repiten ciclos y esperan.
La lectura honesta: los agentes de IA son un salto real en capacidad y un salto real en consumo, debido sobre todo al hardware inactivo durante el razonamiento multipaso. Úsalos donde el trabajo multipaso compense, y recurre a una simple llamada al modelo cuando no. Para elegir modelos eficientes desde el principio, nuestro resumen de mejores LLM de código 2026 ayuda.
