En un post anterior, La Excusa de los Tokens, planteamos que el costo de tokens — usado como razón para frenar el acceso a IA — casi nunca sobrevive a un cálculo real. Este post hace una pregunta distinta y más acotada, que solo tiene sentido cuando ya existe una capa de datos gobernada: dada esa capa, ¿cuántos tokens hace falta realmente para responder una solicitud de negocio, y cómo cambia eso con y sin Teramot haciendo el trabajo?
El número que realmente importa
USD $100K–$300K
lo que cuesta típicamente un proyecto de Data Engineering para construir esta misma capa gobernada a mano. Los números de tokens de abajo son un redondeo al lado de esto.
Lo que este post no está midiendo. Cada número de abajo asume que la capa de datos curada y documentada ya existe — tablas etiquetadas con reglas de negocio, definiciones de columnas, linaje: la capa de conocimiento que normalmente le toma semanas o meses a un equipo de datos construir a mano, y que Teramot construye en minutos.
“Sin Teramot” acá no significa “sin esa capa.” Significa las mismas tablas subyacentes, la misma solicitud, pero el modelo trabajando sin la curación de schema de Teramot, su validación de SQL y su paso de publicación gobernada. Esta es la última milla — responder una pregunta —, no el trabajo mucho más grande de construir la base debajo de esa pregunta. Esa base es una brecha distinta y más grande, y no está en este gráfico.
Una Solicitud Real: REQ-02429
Tomemos un ticket de una demo real con un cliente, una cadena de retail grande: un usuario de negocio manda una solicitud en lenguaje natural para un informe, y el trace corre de punta a punta — desde esa solicitud hasta una vista publicada y correcta, más un dashboard. Esto es lo que cuesta ese trace en tokens, medido de las dos formas: una vez tal como corrió realmente por Teramot, y otra como reconstrucción hipotética de la misma tarea con un modelo crudo trabajando contra las mismas tablas, sin asistencia.
Con Teramot (real)
~52K tokens
≈ USD $0,15
- System prompt + tools14K
- Mensajes del usuario2K
- Tool calls (MCP)6K
- Resultados de tools12K
- Respuestas del modelo10K
- HTML dashboard8K
Sin Teramot (hipotético)
~340K tokens
≈ USD $1,02
- Schema completo por turno (×12)144K
- Reglas de negocio por turno (×12)36K
- Retries por SQL inválido (~5)60K
- Queries exploratorias extra40K
- Respuestas del modelo30K
- Prompt engineering custom18K
- HTML dashboard12K
La columna “sin Teramot” ya es la versión generosa de ese escenario. Asume un modelo inusualmente capaz que igual termina llegando a una respuesta correcta a la fuerza: el schema completo reenviado cada turno, las reglas de negocio tipeadas a mano, cinco rondas de retries después de SQL inválido, queries extra contra information_schema solo para entender qué hay ahí. En la práctica, muchos de estos intentos ni siquiera convergen — alguien termina resolviendo el trabajo a mano. Acá cotizamos la versión donde el modelo igual lo logra.
¿De Dónde Sale la Diferencia?
| Categoría | Con Teramot | Sin Teramot |
|---|---|---|
| Inyección de schema — Teramot inyecta solo las tablas relevantes; sin él, se manda el schema completo cada turno. | ~1K/turno | ~12K/turno |
| Conocimiento de dominio — Teramot tiene un knowledge layer con reglas de negocio; sin él, se inyectan a mano en cada prompt. | 0 tokens | ~3K/turno |
| Validación de SQL — Teramot valida antes de ejecutar; sin validación, el modelo alucina columnas y necesita retries. | 0 retries | ~5 retries |
Exploración de metadata — explore_tables, search_schema vs. queries manuales a information_schema. | 2 calls | 8+ queries |
Publicación de la vista — create_gold_table es un paso; sin él, DDL manual, permisos, linaje, documentación. | 1 call | No resuelto |
Lo que los tokens no cuentan. Sin Teramot no hay gobierno, linaje, versionado, ni publicación de la vista. Esas capacidades no se recuperan gastando más tokens — requieren infraestructura. La comparación de 52K vs 340K solo mide la generación del SQL y el dashboard, no el ciclo completo de datos crudos a una vista publicada que otro equipo pueda consumir con seguridad.
Construir esa capa gobernada a mano es un proyecto en sí mismo, y no es barato. Los benchmarks de la industria ubican un proyecto típico de Data Engineering — documentar las tablas de una empresa, definir reglas de negocio, armar linaje y gobierno — en algo así como USD $100.000 a $300.000 en horas de ingeniería. El costo fully-loaded de un data engineer ronda los USD $150.000 al año, y un trabajo así realmente absorbe entre seis meses y un año de eso, muchas veces repartido entre más de una persona. Ese es el número que esta comparación de tokens existe para poner en perspectiva.
A Escala: 21 Solicitudes
Proyectá esto sobre un backlog realista — 21 solicitudes similares esperando a un equipo de datos:
21 vistas, con Teramot
~1,1M tokens
≈ USD $3,15
21 vistas, sin Teramot
~7,1M tokens
≈ USD $21,42
En ambos escenarios, la factura de tokens es un redondeo en cualquier presupuesto que importe — el ahorro ahí es de unos USD $18 para todo este backlog. El número que realmente importa está una línea arriba: el proyecto de Data Engineering de USD $100.000 a $300.000 que un backlog así requeriría de otra forma. Sumá los dos y el ahorro total de resolver esto con Teramot sigue siendo, de manera abrumadora, ese rango de $100K a $300K en horas de ingeniería, no la factura de tokens. Lo relevante es si esas 21 vistas se resuelven en una tarde o quedan en un backlog de seis meses. El cuello de botella nunca fue el costo del modelo — es el tiempo del equipo que, si no, estaría escribiendo ese SQL, revisándolo y documentándolo a mano.
El Punto No Es el Precio de los Tokens
Esto no contradice el hecho de que nada de esto funciona sin Teramot — es el mismo punto desde otro ángulo. Incluso en el único lugar donde un modelo crudo puede, en teoría, forzar una respuesta sin nada de la infraestructura de Teramot — responder una sola pregunta contra tablas que ya están documentadas —, igual le toma 6,5× los tokens, cinco rondas de intentos, y no produce nada gobernado, versionado o seguro para pasarle a otro equipo. Y esa es la versión generosa. El problema más difícil — construir la capa documentada y gobernada que esas tablas necesitaban en primer lugar — ni siquiera aparece en este gráfico. Esa parte se mide en minutos con Teramot, y en meses sin él.