El enrutamiento de modelos de IA se está imponiendo frente a la estrategia de elegir un único frontier model para todo.

Microsoft hizo una admisión inusual esta semana al lanzar MAI-Cyber-1-Flash: el modelo maneja aproximadamente el 90% de su carga de seguridad internamente y solo envía el 10% más difícil de las tareas a GPT-5.4 de OpenAI. Esa división reduce el costo de ejecutar el sistema completo a la mitad. Es un pequeño detalle técnico enterrado en un lanzamiento de producto, pero apunta a un cambio mucho mayor en cómo funcionan realmente las implementaciones serias de IA en 2026 — y no tiene nada que ver con perseguir el modelo más inteligente disponible.

La tesis es simple: pagar precios de frontier model por cada solicitud es un desperdicio de dinero que no mejora la calidad del output para la mayoría de lo que las empresas realmente le piden a la IA. Un router ubicado entre la aplicación y los proveedores de modelos evalúa cada solicitud entrante y la envía al modelo que pueda manejarla competentemente al menor costo. Los frontier models se reservan para las solicitudes que realmente los necesitan.

Por qué esto no es solo teatro de reducción de costos

Los ahorros no son marginales. Trabajo revisado por pares en sistemas de routing estilo RouteLLM ha demostrado una reducción de costos de aproximadamente el 85% mientras retiene el 95% de la calidad de output de un frontier model en evaluaciones benchmark. Esa brecha — 85% más barato, 5% de pérdida de calidad — es el argumento completo a favor del routing. La mayoría de las cargas de trabajo empresariales están muy por debajo del techo de lo que un frontier model puede hacer: clasificación, extracción, preguntas y respuestas básicas, formato, respuestas rutinarias de atención al cliente. Nada de eso necesita el razonamiento de nivel GPT-5.4.

Las empresas de IA de consumo descubrieron esto primero, por necesidad. Wishroll, una startup de IA de consumo, usó descomposición de tareas y routing para reducir los costos de inferencia en un 95% mientras escalaba a 1 millón de usuarios en 19 días — una tasa de crecimiento que habría sido financieramente imposible con precios planos de frontier model. Las empresas ahora están aplicando la misma lógica a ciberseguridad, atención al cliente y herramientas internas, donde el volumen de solicitudes es alto y la mayoría de las consultas individuales son genuinamente simples.

Dónde el routing realmente tiene sentido

El routing no es sabiduría universal — tiene un piso. Por debajo de aproximadamente 100,000 usuarios activos diarios, un solo modelo de gama media manejando todo suele ser más barato de construir y mantener que una capa de routing. El gasto mensual en IA en ese rango suele estar entre $10,000 y $100,000, y la complejidad de ingeniería de ejecutar un router, monitorear sus decisiones de routing y detectar clasificaciones erróneas puede exceder fácilmente los ahorros que produce.

El cálculo cambia cuando tanto el volumen como la complejidad aumentan. La división de MAI-Cyber-1-Flash de Microsoft es instructiva aquí: el triaje de vulnerabilidades de seguridad tiene un enorme volumen de solicitudes (cada commit, cada actualización de dependencia, cada alerta) pero una distribución de dificultad muy sesgada — la mayoría de los problemas marcados son rutinarios, una pequeña fracción requiere razonamiento realmente difícil. Esa es precisamente la forma de carga de trabajo donde el routing se paga por sí mismo de inmediato.

Lo que realmente necesita una capa de routing

Tres componentes hacen que el routing funcione en la práctica, y saltarse cualquiera de ellos es donde la mayoría de los intentos fallan:

• Un clasificador rápido y barato. El router mismo debe ser casi gratuito de ejecutar, o de lo contrario contradice su propósito. Esto suele ser un modelo pequeño o una heurística basada en reglas, no otra llamada de nivel frontier.
• Un piso de calidad con fallback. Cuando la confianza del modelo barato es baja o su output no pasa una verificación de cordura, la solicitud debe escalar automáticamente a un modelo más fuerte — no enviar silenciosamente una respuesta débil.
• Evaluación continua contra tráfico real. Las decisiones de routing se desvían a medida que cambian los patrones de uso. Sin un bucle de retroalimentación que recalifique la precisión del routing frente a los resultados reales, el sistema lentamente desvía más tráfico al nivel barato sin que nadie se dé cuenta hasta que aparecen quejas de calidad.

El contexto de precios de los modelos

La economía solo funciona porque ahora hay una diferencia real en los precios por token entre modelos capaces. Los flagship models equilibrados — con precios aproximadamente en el rango de $1.25 a $3 por millón de tokens de entrada, $10 a $15 por millón de tokens de salida — ahora manejan competentemente la gran mayoría de las cargas de trabajo empresariales. Ese nivel de precio no existía con calidad significativa hace dos años; es lo que hace que el routing valga la inversión en ingeniería, no solo un error de redondeo.

Conclusiones prácticas

Si estás ejecutando cargas de trabajo de IA con volumen significativo, no uses por defecto un solo frontier model para cada tipo de solicitud. Audita