El 7 de octubre de 2026 Anthropic publicó los precios de Claude Haiku 5.5: 0,10 dólares por millón de tokens de entrada y 0,50 por millón de salida, hasta un 90% menos que la versión anterior en el tramo de hasta 100.000 tokens y alrededor de un 75% menos de media. La semana siguiente, el análisis del mercado español de empleo tech de Shakers contaba 1.023 ofertas activas que piden RAG como skill. Otras 853 piden LangChain, 495 ingeniería de prompts y 413 MCP. Las cuatro crecen más del 55% en 90 días. Dos señales, la misma historia: el modelo se vuelve commodity y el cuello de botella se desplaza hacia quien lo integra, lo evalúa y lo opera. Este artículo separa las dos columnas del precio de la IA y explica qué significa el desplazamiento para una empresa que necesita capacidad de IA en producción.
La inteligencia se abarata y el coste se desplaza: cuando el modelo casi no cuesta, el dinero está en conectarlo con los sistemas, los datos y la operación de la empresa. Claude Haiku 5.5 bajó hasta un 90% (Anthropic, octubre de 2026) mientras RAG, LangChain, ingeniería de prompts y MCP crecían más del 55% en 90 días en las ofertas españolas (análisis de Shakers, 41.953 activas).
Qué ha caído exactamente en el precio de la IA
Los proveedores de modelos cobran por token, la unidad mínima de texto que el modelo lee o genera; un millón de tokens equivale al texto de varios libros completos. Sobre esa unidad, la tabla pública de Anthropic para Claude Haiku 5.5 marca 0,10 dólares por millón de tokens de entrada y 0,50 por millón de salida. El precio aplica a peticiones de hasta 100.000 tokens. La versión anterior, Haiku 4.5, costaba 1 y 5 dólares. El recorte anunciado el 7 de octubre de 2026 es del 90% en ese tramo. Por encima de 100.000 tokens baja la mitad: 0,50 y 2,50 dólares. De media, la propia empresa sitúa el ahorro en torno al 75%. Leer la memoria caché cuesta 0,01 dólares por millón.
Barato no significa inferior. Anthropic acompaña el precio con comparativas de rendimiento frente a GPT-6 Luna: 1.620 frente a 1.437 puntos en GDPval, la prueba de tareas del mundo real que usa Artificial Analysis (2026). El modelo que cuesta una fracción de sus rivales mantiene el nivel de la frontera en tareas de agentes y de escritorio. La dirección del precio tampoco es un caso aislado dentro del propio catálogo: la versión anterior costaba diez veces más por el mismo uso. Y el patrón alcanza a los proveedores abiertos, donde las licencias permiten ejecutar modelos competentes en hardware propio.
Para una empresa, la consecuencia es aritmética. Con la tarifa anterior, diez veces mayor, el consumo de API podía dominar el presupuesto de un piloto de IA generativa; a la tarifa de hoy puede ser marginal frente al resto del proyecto. La pregunta cambia cuando hay que estimar cuánto cuesta un proyecto de IA. Ya no es el modelo: es dónde se va el dinero cuando casi no cuesta.
La otra cara en las ofertas españolas
Si la capacidad de razonamiento se abarata, la demanda de talento debería calmarse. El mercado español dice lo contrario. Entre las 41.953 ofertas tech activas que rastrea el análisis de mercado de Shakers (ventana del 14 de junio al 22 de octubre de 2026, con skills etiquetadas en el 83,8% de ellas), las cuatro skills que definen la capa de integración de IA crecen a doble o triple dígito en 90 días:
| Skill | Ofertas activas que la piden | Variación en 90 días |
|---|---|---|
| RAG | 1.023 | +114,8% |
| LangChain | 853 | +56,9% |
| Ingeniería de prompts (prompt engineering) | 495 | +180,8% |
| MCP | 413 | +135,8% |
Sumadas, aparecen en cerca de 2.800 menciones de ofertas activas. Una oferta puede pedir varias. El dato convive con otro más incómodo. MCP, el protocolo que conecta agentes con sistemas empresariales, pasó de 403 a 413 ofertas entre los cortes del 19 y del 22 de octubre. El método importa para leer la tabla: los recuentos son del corte del 22 de octubre. Una oferta está activa si figura en la ventana de rastreo del 14 de junio al 22 de octubre. La variación de 90 días compara la frecuencia de cada skill frente a la ventana previa equivalente. El denominador son las ofertas con skills etiquetadas sobre 41.953 activas, con una confianza estimada de 0,8 por lectura automática. La serie completa está congelada en snapshots reproducibles del análisis de mercado de Shakers (octubre de 2026).
Ninguna de esas skills existe para mejorar el modelo. RAG (generación aumentada con recuperación) sirve para que las respuestas usen los documentos de la empresa; aplicar los permisos por perfil es parte del trabajo de integración. LangChain orquesta cadenas de llamadas y herramientas. La ingeniería de prompts convierte un modelo general en un comportamiento verificable. MCP expone los sistemas internos a los agentes; el control de acceso lo diseña el equipo que lo integra. Las cuatro describen el trabajo que hay entre comprar inteligencia barata y tener un sistema funcionando con datos propios. La demanda que expresan crece justo cuando el insumo que combinan se abarata.
Por qué el precio del modelo y el coste del sistema se separan
Un sistema de IA en producción es un conjunto de piezas alrededor del modelo: conectores con el CRM y el ERP, una capa de datos con permisos por perfil, un conjunto de evaluación que mide si las respuestas sostienen el umbral acordado, límites de uso, registro de lo que hace el sistema y una operación que responde cuando algo falla. El modelo suele ser una parte pequeña de ese conjunto. Desde octubre, aún más pequeña en la factura. Las demás piezas no siguen esa curva. No son software que se factoriza: son decisiones de arquitectura y horas de integración sobre los sistemas concretos de cada empresa.
La propia capacidad de la industria exacerba el desequilibrio. Jack Clark, cofundador de Anthropic, describió el 17 de octubre de 2026 en su intervención en las reuniones anuales del FMI que los equipos de investigación de su empresa generan cerca de diez veces más código que en los primeros cuatro años de actividad. Cuando la construcción se multiplica por diez, el resto del sistema no se multiplica solo. Conectar. Revisar. Evaluar. Mantener. La guía de paso de un piloto de IA a producción recorre ese resto con ocho etapas y una puerta de decisión en cada una. Seis no compran tokens.
Hay una lectura económica sencilla. El coste marginal de una consulta adicional tiende a cero; el coste fijo de tener el sistema integrado, medido y gobernado no baja, porque depende de horas senior de ingeniería, datos y contexto de negocio. Los proyectos donde ese coste fijo ya está pagado capturan el descuento completo. Los que lo posponen pagan el modelo barato con la prima de empezar de cero.
Qué perfiles absorben el coste que no baja
Las ofertas del apartado anterior se agrupan en cuatro familias de perfiles, todas del lado de la integración. El AI engineer combina el modelo con datos y herramientas: es el perfil que más aparece en las ofertas que piden RAG y LangChain, y sus requisitos reales en España se pueden leer en el análisis de qué pide de verdad una oferta de AI engineer. El forward deployed engineer ejecuta dentro del entorno del cliente, del caso de uso al despliegue y la transferencia: encaja en esta ecuación porque el coste fijo vive donde ese rol interviene. Los perfiles de datos sostienen la capa RAG: preparación de fuentes, permisos, trazabilidad de citas. Y la plataforma, con MCP como idioma común de los conectores, expone los sistemas internos sin abrirlos de par en par; la pieza sobre qué es MCP y por qué importa en 2026 detalla ese perímetro.
El punto de entrada a estas familias no es el mismo para todas las empresas. Para decidir entre desarrollar esa capacidad dentro o activarla fuera, el roadmap del AI engineer detalla las competencias que el mercado exige al perfil; el rol del forward deployed engineer describe la variante que ejecuta el proyecto completo en el entorno real y transfiere la operación al equipo propio. Cuando el modelo era caro, el talento especializado era un lujo; con el modelo barato, es la partida que decide si el proyecto llega a producción.
Qué leer en la caída de precios antes de iniciar un proyecto
Tres errores aparecen con frecuencia en empresas que preparan presupuesto de IA después de leer titulares de descuentos:
- Esperar a que baje más antes de integrar. El descuento se captura el día que el sistema está conectado. La capa de integración no madura por esperar. Cada trimestre de retraso ahorra tokens que casi no cuestan y pospone el día en que el sistema funciona con datos propios.
- Elegir modelo solo por precio. La elección se sostiene en un conjunto de evaluación con datos propios y un umbral acordado. No en la tarifa. Cambiar de modelo cada trimestre por dos céntimos rompe contratos de integración que cuestan meses.
- Presupuestar solo el consumo. Un presupuesto realista de IA reparte el gasto entre modelo, integración, datos, evaluación y operación. Si el modelo pasa a pesar poco en la factura, las otras cuatro ganan peso relativo sin moverse un euro.
Frente a esos errores, la comprobación útil antes de aprobar un proyecto es una lista corta: qué sistemas hay que conectar, qué datos y permisos hacen falta, con qué métrica se decide que funciona y quién opera el sistema el día después del despliegue. Las respuestas cuestan horas de análisis, no tokens. En la página de casos de uso de IA aplicada a negocio hay ejemplos de esa comprobación aplicada a ventas, soporte y operaciones.
El descuento se captura integrando, no esperando
La caída de hasta el 90% en el precio del modelo es una buena noticia con letra pequeña: el ahorro solo se materializa en empresas que ya tienen la integración, los datos y la operación resueltos, y esas tres piezas se pagan en talento senior. El mercado español lo está reflejando ya: las cuatro skills de integración de la tabla crecen a doble y triple dígito en 90 días.
Si tu empresa tiene claro el caso de uso y necesita la capacidad que conecte el modelo con tus sistemas, cuéntanos el proyecto: qué sistemas hay que integrar, qué datos existen y qué falta para producción. Con ese alcance se puede concretar el perfil o el equipo, y dimensionar de una vez la partida que decide el coste del proyecto.
