Saltar al contenido principal
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.
El uso de EKB se factura en créditos, una moneda unificada que abstrae los costos subyacentes de ejecutar workflows impulsados por IA. Los créditos cubren dos tipos de actividad: Créditos de Acción de Plataforma de tarifa fija para operaciones discretas como cargar documentos, enviar mensajes e invocar herramientas; y Créditos de Tokens LLM variables basados en la cantidad de texto procesado y generado por el modelo de lenguaje. Juntos, estos dos componentes componen el costo total de cualquier operación en EKB. Esta página desglosa cómo se calcula cada tipo de crédito, presenta ejemplos reales y explica qué factores elevan o reducen el uso.

​
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. Para las tarifas de crédito de entrada y salida por modelo, consulte Modelos Predefinidos y Personalizados. 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 Las etapas 2 y 4 solo se facturan cuando están habilitadas en los Ajustes de su Proyecto. La fragmentación de documentos ocurre como parte de la ingestión y puede generar costos adicionales. Consulte la Sección B para un desglose detallado. Ejemplo – Documento de 10,000 palabras (sin etapas opcionales habilitadas) Ejemplo – Documento de 100,000 palabras (sin etapas opcionales habilitadas) Ejemplo – Documento de 100,000 palabras (todas las etapas habilitadas)
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
Por lo tanto, $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 Créditos variables de Tokens LLM Los créditos LLM se calculan como: (Input Tokens × Input Rate) + (Output Tokens × Output Rate) Precios de ejemplo (modelo de muestra Claude 4.5):
  • Entrada: $3 por 1M tokens
  • Salida: $15 por 1M tokens

​
D. Ejecuciones de Workflow

El costo es 1 crédito por ejecución, independientemente del número de pasos involucrados.

​
E. Smart Tables

Smart Tables combinan extracción impulsada por LLM con workflows dirigidos por agentes. El consumo de créditos depende de la ruta de cómputo utilizada.

​
Ejemplo Completo de Chat

Escenario El usuario pregunta: “Explain the attached document.” Créditos de plataforma Uso de tokens LLM Convertido a créditos: 17 credits Total final

​
Resumen de la Fórmula de Cálculo de Costos

Carga de Documento Créditos por Palabras = (Total de Palabras ÷ 10,000) × 10 + 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.