Orquestacion de agentes IA: cuando usar cada modelo

Por qué la elección del modelo define el éxito del proyecto

Montar un ecosistema de agentes IA exige decidir, para cada tarea, qué tan inteligente necesita ser el agente que la resuelve. Usar siempre el modelo más poderoso es caro. Usar siempre el más barato da respuestas mediocres. La clave es la orquestación.

En producción, la diferencia de costo entre modelos es real. Según la lista de precios de Anthropic, Claude Opus 4.5 cuesta 25 dólares por millón de tokens de salida y Claude Haiku 4.5 cuesta 5. La diferencia es de 5 veces. Para un agente que procesa mil conversaciones diarias, elegir mal el modelo encarece la factura cada mes sin ningún beneficio tangible.

Pero el costo no es el único factor. Un agente de voz que responde en tiempo real necesita la latencia baja de un modelo pequeño como Haiku, con calidad suficiente para la tarea. Un agente que analiza un contrato legal de 50 páginas sí necesita razonamiento profundo.

La orquestación es la disciplina de asignar el modelo correcto a cada nodo del flujo.

Qué necesitas para orquestar agentes IA bien

• Un modelo de lenguaje por tier (grande, medio, pequeño)
• Una capa de enrutamiento que clasifica la intención antes de delegar
• Memoria compartida o handoff de contexto entre agentes
• Métricas por tipo de tarea (costo, latencia, calidad)
• Un orquestador central que conoce el estado del ecosistema

Los tres niveles del ecosistema multi-agente

Nivel 1: el cerebro orquestador (Opus o Sonnet)

El agente que planifica, descompone tareas y toma decisiones críticas. Coordina a los agentes hijos y decide qué delega a quién.

Cuándo usarlo:

• Análisis de documentos complejos: contratos, informes financieros, auditorías
• Razonamiento multipaso con dependencias entre subtareas
• Generación de planes de acción para otros agentes
• Validación de resultados donde el error tiene costo real

En el sistema NexoAgents (el ecosistema interno de AgentesNexo que corre 24/7 en una Mac mini M4), BRAIN usa Claude Sonnet. Analiza el contexto global, decide qué agente activa y qué instrucciones le da. Solo escalaría a Opus para decisiones irreversibles con alta exposición.

Regla práctica: si la tarea requiere entender antes de actuar, empieza con Sonnet. Si además tiene consecuencias irreversibles (enviar un email masivo, tomar una decisión de crédito, publicar contenido externo), evalúa subir a Opus.

Nivel 2: agentes especializados (Sonnet)

Agentes con skill propio y dominio definido. El agente de contenido que redacta posts, el agente comercial que califica leads, el agente de código que escribe y revisa scripts.

Cuándo usarlo:

• Generación de texto que necesita tono, estilo y coherencia de marca
• Razonamiento de un solo paso con contexto de tamaño medio
• Respuestas conversacionales en chat de soporte o ventas
• Análisis de datos estructurados con interpretación humana

Sonnet 4.5 cuesta 3 y 15 dólares por millón de tokens de entrada y salida, un 40% menos que Opus 4.5 (5 y 25). Para la mayoría de tareas de negocio, su calidad es suficiente y el tradeoff es claro.

Nivel 3: agentes de alta frecuencia (Haiku)

Los que trabajan en loop, procesan grandes volúmenes, clasifican, enrutan o responden preguntas con variación mínima.

Cuándo usarlo:

• Clasificación de intenciones en mensajes entrantes (antes de enrutar)
• Extracción de campos de formularios, emails o documentos simples
• Respuestas a preguntas frecuentes donde la respuesta es predecible
• Monitoreo de estado de servicios y health checks
• Resumen de un párrafo a tres palabras para etiquetado automático

En NexoAgents, WATCHER usa Haiku 4.5 y corre cada 6 horas revisando la salud de los servicios, más un chequeo de seguridad diario, generando alertas y respondiendo preguntas de estado. Costo mensual: menos de dos dólares.

Cómo diseñar el flujo de orquestación

El punto de entrada es siempre un enrutador Haiku. Clasifica la intención del usuario en una fracción de segundo y decide a qué nivel del ecosistema escalar la solicitud. Si la pregunta es simple o conocida, responde directamente. Si requiere razonamiento, sube a un agente Sonnet especializado. Si el problema es complejo o multidominio, el orquestador Sonnet lo descompone en subtareas y las delega a los agentes correspondientes, cada uno con el modelo correcto.

El resultado se consolida, se valida si es necesario y se entrega al usuario. Todo el flujo queda registrado por tarea para poder medir costo y calidad por tipo de solicitud.

Tabla de asignación por tipo de tarea

La siguiente lista resume cómo asignamos modelos en producción:

• Responder preguntas frecuentes: Haiku. Respuesta predefinida, alta frecuencia.
• Redactar propuesta comercial: Sonnet. Tono, estructura, persuasión.
• Revisar contrato de alto valor: Opus. El error tiene costo legal real.
• Etiquetar y clasificar 10.000 leads: Haiku. Alta frecuencia, baja complejidad.
• Generar reporte financiero mensual: Sonnet. Interpretación más formato narrativo.
• Detectar anomalía en datos de ventas: Sonnet. Análisis multivariable con contexto.
• Enviar recordatorio de cita: Haiku. Template con variable simple.
• Analizar churn de clientes B2B: Opus. Decisión estratégica con datos complejos.

Arquitectura del sistema en producción

El ecosistema NexoAgents corre en una Mac mini M4 como servidor principal:

• BRAIN con Sonnet actúa como planificador y coordinador central
• CODER con Opus solo para código crítico o revisión profunda
• CONTENT con Sonnet para posts, blog y copy de marca
• OUTREACH con Sonnet para calificación de leads y mensajes personalizados
• OPS con Haiku para tareas rutinarias y administración
• WATCHER con Haiku para monitoreo periódico

Cada agente recibe solo el contexto que necesita. BRAIN no le pasa a WATCHER los logs de OUTREACH. Eso reduce tokens, mantiene cada modelo enfocado y evita filtraciones de información entre dominios.

Lo que aprendimos implementando esto en producción

El enrutador es la inversión que más retorna. Un Haiku bien calibrado clasifica intenciones con buena precisión, y esa decisión define el costo de todo lo que sigue.

Mide antes de escalar. Empieza con Sonnet para todo, identifica dónde la calidad no es suficiente y ahí sube a Opus.

Los modelos pequeños necesitan prompts cortos. Haiku rinde mejor con instrucciones breves y precisas que con prompts largos.

Pasa resúmenes de contexto. BRAIN le pasa a cada agente hijo solo el resumen de contexto relevante. Esto solo redujo un 40% el costo de tokens en nuestro sistema.

Monitorea por tarea. El costo y la calidad se miden por tipo de tarea, más que por sesión o por agente. Eso te dice dónde optimizar el modelo asignado.

La trampa del modelo único

El error más común en implementaciones nuevas: usar Opus para todo porque es el mejor. Resultado: facturas de API varias veces más altas de lo necesario, latencias altas en respuestas simples y ninguna ventaja real, porque buena parte de las tareas no requiere ese nivel de razonamiento.

La orquestación inteligente está al alcance de equipos chicos y marca la diferencia entre un proyecto de agentes IA que escala y uno que se abandona por costo.

En resumen

• Haiku para clasificación, alta frecuencia y respuestas predecibles
• Sonnet para la mayoría de tareas de negocio: texto, análisis, razonamiento de profundidad media
• Opus solo cuando el costo del error supera el costo del token
• Un enrutador Haiku al inicio del flujo baja el costo de API de todo lo que viene después
• Empieza con Sonnet, sube a Opus donde la calidad no alcanza, baja a Haiku donde sobra
• Pasa entre agentes un resumen del contexto relevante

Si quieres implementar un ecosistema multi-agente IA en tu empresa sin construirlo desde cero, en AgentesNexo lo hacemos por ti. Escríbenos en agentesnexo.com o por WhatsApp al +591 67564218.