# Modelos Claude Opus, Sonnet y Haiku: el mapa de modelos y coste para usar IA sin disparar la factura
A David la factura no le dolía por el número. Le dolía porque no sabía por qué.
David dirige una agencia de eventos con doce empleados. No es especialmente técnico, pero entiende bien una cosa: si algo sube cinco veces de coste en tres meses, tiene que haber una razón.
La había. No era que la IA «se hubiera encarecido». Era algo más incómodo: el equipo estaba usando el modelo equivocado para casi todo. Resúmenes de emails con el modelo más caro. Textos rutinarios con modo de pensamiento profundo. Decisiones pequeñas tratadas como si fueran estratégicas.
Nadie lo había hecho de mala fe. Simplemente nadie había decidido qué modelo se usa para qué. Ese día, David entendió algo clave: el problema no era la factura. Era la ausencia de un mapa.
El error invisible: usar el mismo modelo para todo
Cuando una herramienta funciona bien, tendemos a abusar de ella. Con los modelos de IA pasa lo mismo. Si Opus te dio una respuesta brillante una vez, la tentación es usarlo siempre.
El problema es que no todo el trabajo necesita inteligencia profunda. Usar el mismo modelo para todo es como pagar siempre con tarjeta corporate sin mirar el ticket. Funciona… hasta que duele.
Los modelos Claude Opus, Sonnet y Haiku no son versiones mejores o peores. Son herramientas diseñadas para tareas distintas. Usar Opus para un resumen de email es como contratar un arquitecto senior para medir una habitación. Se puede hacer. No es eficiente.
Tres preguntas que evitan el 80% del desperdicio
Antes de elegir modelo, David obligó al equipo a responder siempre a esto:
1. ¿Esta tarea implica una decisión crítica o solo ejecución? Si es ejecución, no necesitas el modelo más caro.
2. Si la respuesta es mediocre, ¿cuánto cuesta el error? Si el coste del error es bajo, un modelo más simple basta.
3. ¿Esto se va a repetir muchas veces? Lo que se repite merece optimizarse. Lo puntual, quizá no.
Con solo esas tres preguntas, la mitad de los casos se resolvían solos. No hace falta ser experto en IA para elegir bien. Hace falta ser honesto sobre la complejidad real de cada tarea.
El mapa práctico de modelos: Opus, Sonnet y Haiku
Piénsalo así:
### Opus: pensar cuando equivocarte es caro
Opus se justifica cuando hay muchas fuentes contradictorias, ambigüedad real o impacto económico alto si fallas. Decidir mal aquí cuesta más que el modelo. Es tu estratega: lo llamas cuando la decisión tiene peso real.
Ejemplos: análisis de contratos complejos, decisiones estratégicas con múltiples variables, resolución de conflictos en datos contradictorios.
### Sonnet: el trabajador base
Sonnet cubre el 70–80% del trabajo diario: análisis razonado, redacción cuidada, toma de decisiones normales. Si dudas entre Opus y Haiku, casi siempre es Sonnet. Es tu profesional fiable: competente, eficiente, suficiente para casi todo.
Ejemplos: redacción de informes, análisis de datos moderados, respuestas a clientes, planificación de proyectos.
### Haiku: ejecución mecánica
Haiku es rápido y barato. Perfecto para aplicar una plantilla ya definida, producir volumen o tareas repetitivas sin criterio. Usarlo no es bajar nivel. Es usar el empleado correcto para el trabajo correcto.
Ejemplos: resúmenes de emails, formateo de datos, aplicación de plantillas, clasificación simple de documentos.
Pensar una vez, ejecutar sin pagar criterio
Este fue el cambio que más bajó la factura de David.
Primero: Sonnet u Opus definen el criterio. Se ajusta el prompt. Se valida la calidad.
Después: Haiku u otra IA con plan plano ejecuta el volumen.
La decisión se paga una vez. La ejecución no.
Es el equivalente a que el chef senior defina la receta y los cocineros de línea la ejecuten cien veces. No necesitas al chef senior para cada plato. Lo necesitas para la receta.
Esta estrategia —pensar caro una vez, ejecutar barato muchas— es la que mayor impacto tiene en la factura sin sacrificar calidad. La receta bien definida por Opus o Sonnet, ejecutada por Haiku a escala, produce resultados consistentes a una fracción del coste.
Cuándo salir de Claude
Claude no tiene por qué hacerlo todo. Tiene que decidir.
Hay tareas donde conviene mover el volumen fuera: redacciones masivas, traducciones largas, brainstorming extensivo. Ahí entran IAs con plan de uso ilimitado. Claude sigue mandando. Otros pican piedra.
No es traición a Claude. Es buen uso de recursos. Cada herramienta en su lugar. Claude como cerebro, otras IAs como músculo.
Modelos locales: coste cero, criterio distinto
Los modelos locales no se usan para ahorrar pensando. Se usan para datos sensibles, volumen estable o trabajo sin conexión. No sustituyen a Opus ni a Sonnet. Cubren otro hueco.
Si trabajas con información confidencial que no puede salir de tus servidores, un modelo local es la opción correcta. Si necesitas procesar miles de documentos idénticos sin depender de conexión, también. Pero no esperes el mismo nivel de razonamiento que Opus. Cada herramienta tiene su sitio.
El ejercicio práctico: tu mapa de modelos
Lista las diez tareas de IA que más usas en una semana. Para cada una, responde a las tres preguntas del capítulo. Asigna modelo y plataforma. Señala las tres donde estás pagando de más.
Ese ajuste suele bajar la factura más del 50%.
No necesitas ser experto en modelos para hacer esto. Solo necesitas ser honesto sobre la complejidad real de cada tarea. La mayoría de las veces, el modelo caro se usa por costumbre, no por necesidad.
El mapa de modelos y coste no es optimización barata. Es usar cada recurso para lo que está diseñado. Los modelos Claude Opus, Sonnet y Haiku son tres herramientas complementarias, no tres niveles de calidad. Elegir bien entre ellos es la diferencia entre una factura que duele y una que se justifica.
📖 El Empleado Digital — La guía práctica para automatizar tu trabajo y multiplicar tu productividad con IA.
👉 Disponible en Amazon