Aviso importante: Para mantener la paridad con nuestros otros productos de Automation Anywhere, hemos aumentado la representación en la interfaz de los créditos calculados en 10x. De ahora en adelante, los créditos en la interfaz se representarán en unidades de k (miles), como 1k créditos por 1,000 créditos. Esta actualización se está implementando gradualmente, equipo por equipo. Los equipos de Ventas, Pedidos y Deal Desk pueden haberse comunicado ya para facilitar una transición más fluida, incluyendo la asignación de créditos adicionales para usuarios intensivos. Para preguntas o discusiones, contacte a support@automationanywhere.com y con gusto le asistiremos. Conceptos Centrales
¿Qué Son los Créditos?
Los créditos son la unidad de medida que EKB utiliza para rastrear y facturar el uso de la plataforma. En lugar de facturar por separado cada recurso subyacente (computación, llamadas a API, uso de LLM), los créditos proporcionan una moneda unificada que abstrae esos costos en un formato predecible.
Los créditos se consumen de dos maneras:
- Créditos de Acción de Plataforma son cargos de tarifa fija vinculados a acciones específicas del usuario — cargar un documento, enviar un mensaje de chat o invocar una herramienta. Estos son fijos y predecibles independientemente del tamaño del contenido o el modelo utilizado.
- Créditos de Tokens LLM son cargos variables basados en el uso real del modelo de lenguaje. Debido a que los costos de LLM dependen de cuánto texto entra y sale del modelo, estos créditos fluctúan según el tamaño del documento, la longitud de la respuesta y la selección del modelo.
Su consumo total de créditos para cualquier operación siempre es la suma de ambos tipos.
¿Qué Son los Tokens?
Los tokens son la unidad que los Modelos de Lenguaje de Gran Escala utilizan para procesar texto. Antes de que cualquier texto sea leído o generado por un LLM, se divide en tokens — fragmentos pequeños que corresponden aproximadamente a palabras o partes de palabras.
Como regla general:
- 1 token ≈ 4 caracteres, o aproximadamente ¾ de una palabra en inglés
- Un documento de 100,000 palabras es aproximadamente 133,000 tokens
- Una oración corta como “Explain this document” tiene alrededor de 4–5 tokens
Los proveedores de LLM cobran por separado por los tokens de entrada (el texto enviado al modelo — su prompt, fragmentos de documentos recuperados, instrucciones del sistema) y los tokens de salida (el texto que genera el modelo en respuesta). Las tarifas de entrada y salida difieren, y ambas contribuyen a su consumo de Créditos de Tokens LLM.
En EKB, el uso de tokens crece cuando se recuperan documentos grandes en el contexto, se incluyen muchos fragmentos de base de conocimiento en un prompt, o el modelo produce respuestas largas o estructuradas.
Tabla de Consumo de Créditos
A. Ingestión de Base de Conocimiento (KB)
Cargar un documento a una Base de Conocimiento activa un pipeline de ingestión de múltiples etapas. Cada etapa tiene su propia estructura de costos, y algunas etapas incurieren en Créditos de Tokens LLM adicionales según la configuración de su proyecto.
Pipeline de Ingestión
| Etapa | Descripción | Costo |
|---|
| 1. Carga de Documento | Se recibe el archivo y se calcula el conteo de palabras | 1 crédito por cada 10,000 palabras |
| 2. Extracción LLM (opcional) | Un LLM analiza y extrae contenido del documento | Tokens de entrada + salida × tarifa del modelo |
| 3. Fragmentación de Plataforma | Tokenización, división y ensamblaje de metadatos | Gratis (plataforma) |
| 4. Enriquecimiento de Fragmentos (opcional) | Un LLM genera un prefijo de contexto para cada fragmento | Tokens de entrada + salida × tarifa del modelo |
| Elemento | Créditos |
|---|
| 100,000 palabras | 10 créditos |
| Elemento | Créditos |
|---|
| 100,000 palabras (carga) | 10 créditos |
| Tokens de Extracción LLM | Varía según el modelo |
| Fragmentación de Plataforma | Gratis |
| Tokens de Enriquecimiento de Fragmentos | ~10 créditos (vea Sección B) |
| Total Estimado | ~20+ créditos |
Cuantas más etapas opcionales habilite, mayor será el costo de ingestión por documento. El costo de carga basado en palabras siempre es fijo y predecible.
B. Fragmentación de Documentos
La fragmentación es el paso entre la extracción del documento y la incrustación. Toma el texto limpio de un documento cargado y lo divide en piezas más pequeñas (fragmentos) que se indexan en el almacén de vectores y luego se recuperan para consultas de Chat o Agentes.
Los costos de fragmentación se dividen en dos categorías:
- Fragmentación de Plataforma: Operaciones deterministas (tokenización, división, ensamblaje de metadatos) que se ejecutan localmente en el servidor y no se facturan como uso de LLM.
- Enriquecimiento de Fragmentos (Créditos de Tokens LLM): Se factura solo cuando Enriquecimiento de Fragmentos está habilitado para el proyecto en los Ajustes de la Base de Conocimiento. El LLM genera un prefijo de contexto corto para cada fragmento; se cobran tanto los tokens de entrada como de salida.
Ejemplo: Costos de Fragmentación de Documentos
El siguiente ejemplo asume un documento de tamaño moderado con Enriquecimiento de Fragmentos habilitado:
- Tamaño del documento: 100,000 palabras (~133,000 tokens de entrada, a 4 chars/token)
- Configuración de fragmentos:
chunk_size=64 tokens, chunk_overlap=10 tokens → ~2,300 fragmentos
- Enriquecimiento de Fragmentos: Habilitado con
gpt-4o-mini
- Texto de salida (fragmentos unidos incl. prefijos de enriquecimiento): ~140,000 tokens de salida
- Precios del modelo (ejemplo): entrada
$0.15 por 1M tokens, salida $0.60 por 1M tokens
| Componente | Tokens | Costo |
|---|
| Tokens de Entrada (documento) | 133,000 | $0.01995 |
| Tokens de Salida (fragmentos) | 140,000 | $0.084 |
| Costo Total LLM | 273,000 | $0.104 |
$0.104 (costo total LLM) / $0.01 (costo por crédito) es igual a 10.4 créditos, que se muestra como ~10 créditos.
Si el mismo documento se cargara sin Enriquecimiento de Fragmentos habilitado, la fragmentación consumiría 0 Créditos de Tokens LLM.
C. Interacción de Chat / Agente
Créditos fijos de plataforma
| Acción | Créditos |
|---|
| El usuario envía un mensaje de chat | 1 crédito |
| Llamada a herramienta invocada | 1 por llamada |
-
Entrada: $3 por 1M tokens
-
Salida: $15 por 1M tokens
D. Ejecuciones de Workflow
| Acción | Créditos |
|---|
| Ejecución de workflow | 1 por ejecución |
El costo es 1 crédito por ejecución, independientemente del número de pasos involucrados.
Ejemplo Completo de Chat
Escenario
El usuario pregunta: “Explique el documento adjunto.”
Créditos de plataforma
| Componente | Créditos |
|---|
| Pregunta realizada | 1 |
| Llamadas a herramientas (recuperación de documento) | 2 |
| Subtotal | 3 |
| Tipo | Tokens | Costo |
|---|
| Entrada | ~53,634 | ~$0.161 |
| Salida | ~900 | ~$0.0135 |
| Total | — | ~$0.1745 |
| Componente | Créditos |
|---|
| Plataforma fija | 3 |
| Uso LLM | 17 |
| Total | 20 |
Resumen de la Fórmula de Cálculo de Costos
Carga de Documento
Créditos por Palabras = Total de Palabras ÷ 10,000 + Créditos de Tokens LLM (Análisis)
Mensaje de Chat
Crédito Fijo por Mensaje + Créditos de Llamadas a Herramientas + Créditos de Tokens LLM (Entrada + Salida)
¿Qué Impulsa el Uso de Créditos LLM?
El costo LLM aumenta cuando:
▶ Se recuperan documentos grandes en el contexto
▶ Se inyectan muchos fragmentos de KB en el prompt
▶ Las respuestas son largas o estructuradas
▶ Se activan múltiples llamadas a herramientas
▶ Se seleccionan modelos de mayor costo
Notas Importantes para Clientes
✓ El costo de ingestión basado en palabras es predecible.
✓ Los costos de chat varían significativamente según el tamaño del documento y la cantidad de tokens utilizados.
✓ Los precios del modelo son configurables en Super Admin.
✓ Los créditos LLM se basan en el consumo y no pueden tener tarifa fija.
✓ El total final de créditos = Créditos de Plataforma + Créditos LLM.
