Lo que cuesta darle búsqueda web a un agente de IA: la factura que nadie mira

881.076 queries, cero reservas y un sistema de aerolínea convertido en colador

Un agente de IA construido sobre Claude Code se conectó al sistema de disponibilidad de Etihad y lanzó 881.076 combinaciones de tarifas para encontrar el vuelo óptimo de un usuario. No hubo reserva. No hubo billete. Solo 881.076 peticiones que golpearon la infraestructura de la aerolínea y se fueron sin dejar un euro.

Esto no es una anécdota de laboratorio. Es el ejemplo más brutal que existe ahora mismo de lo que pasa cuando aplicas la lógica de un agente (exhaustividad, iteración, cero fricción de coste subjetivo) a una infraestructura diseñada para humanos que tienen que pensar antes de hacer clic.

En el modelo de viajes tradicional, entre 10 y 20 búsquedas de un humano real acaban en una reserva. El coste de cada consulta es marginal y el sistema lo absorbe porque la conversión es razonable. El agente tomó esa regla implícita y la dinamitó: 100.000 consultas, ninguna conversión, y la aerolínea pagando los servidores de todas ellas.

Skift documentó este caso en junio de 2026 y dejó una pregunta sin responder que vale millones: ¿quién paga esas consultas? ¿La aerolínea, el intermediario o el desarrollador que soltó el agente? Nadie lo ha decidido todavía. Y mientras no se decida, el agujero sigue abierto.

El look-to-book ratio: la métrica que los agentes rompen por diseño

El look-to-book ratio es el coeficiente entre búsquedas y reservas efectivas. En turismo, un ratio de 15:1 es manejable. Significa que por cada 15 consultas hay un cliente que paga. El sistema está calibrado para eso.

Un agente de IA no tiene vergüenza, no se cansa y no tiene ningún incentivo para no preguntar. Si la tarea es "encuentra el vuelo más barato posible para las fechas X con escala máxima de 2 horas", el agente consulta todo lo que pueda consultar. El ratio no es 15:1. Puede ser 100.000:0.

El problema se amplifica con el cambio de estándar NDC (New Distribution Capability) en aviación. Las aerolíneas están migrando desde el viejo protocolo Edifact hacia NDC, que ofrece contenido más rico, tarifas dinámicas y más opciones de personalización. Eso es bueno para el viajero humano. Para un agente, significa que cada query trae más datos, más variantes y más carga por consulta. El coste unitario sube y la posibilidad de que el agente haga aún más iteraciones también.

Los hoteles enfrentan el mismo problema en paralelo. Un agente que esté optimizando alojamiento puede hacer miles de consultas de disponibilidad y tarifa contra distintas cadenas antes de recomendar una opción. Si cobras por consulta de API y no hay estancia confirmada al final, estás financiando la investigación del agente sin ver un céntimo.

La industria viajera lleva décadas optimizando su distribución asumiendo un comportamiento humano al otro lado. Los agentes de IA no se comportan como humanos y los modelos de precios actuales no están preparados para eso.

El oligopolio del índice: Google, Bing, Brave y nadie más

Aquí hay un dato que mucha gente que construye agentes no ha procesado todavía: solo tres empresas en el mundo tienen índices web independientes a escala real. Google, Microsoft Bing y Brave. Eso es todo.

No hay cuarto. No hay quinto esperando en la puerta. Construir un índice web que cubra decenas de miles de millones de páginas con frescura razonable cuesta una cantidad de dinero y de infraestructura que está al alcance de muy pocas organizaciones. Brave tiene más de 40.000 millones de páginas indexadas y procesa más de 2.000 millones de consultas mensuales, según MediaPost. Y eso con el respaldo de años de inversión específica.

El problema estratégico para los agentes es que tanto Google como Bing están evolucionando hacia modelos donde se convierten ellos mismos en el destino final de la respuesta, no en el directorio que te manda a otro sitio. Google AI Mode responde directamente. Bing con Copilot igual. Si el agente necesita datos frescos de una web concreta y el índice decide quedarse con el tráfico, el agente se queda sin acceso real a la fuente.

Esto crea una dependencia estructural en Brave como único índice grande que sigue siendo accesible de forma programática para agentes y LLMs sin el conflicto de interés de querer retener al usuario. Brave ya procesa varios miles de millones de queries mensuales procedentes de LLMs y sistemas de IA, con clientes como Snowflake, Cohere y Mistral. Y para gestionar esa carga, Brave exige que los LLMs que se integran declaren una tasa máxima de queries por segundo. No es opcional. Es el portero que decide quién pasa y a qué ritmo, porque sin ese control la infraestructura se colapsa.

"Providing search for AI agents requires explicit traffic management to prevent overload, unlike free human web search."

Eso implica algo importante: la búsqueda web gratuita que conocemos es un modelo diseñado para humanos que buscan de forma discreta y espaciada. Un agente que necesita datos en tiempo real y los necesita ahora, en volumen, está usando una infraestructura que no fue diseñada para él. Y alguien tiene que pagar esa diferencia.

El dinero que se está moviendo: señal de que esto va en serio

Cuando el dinero entra a esta escala, el mercado está mandando una señal bastante clara de que el problema es real y que la solución no es barata.

Exa Labs levantó 250 millones de dólares a una valoración de 2.200 millones con Andreessen Horowitz como inversor principal, según TechCrunch. Su propuesta es construir búsqueda específicamente optimizada para agentes de IA, no para humanos: relevancia semántica, respuestas estructuradas, latencia baja.

Parallel Web Systems, fundada por Parag Agrawal (el ex-CEO de Twitter), pasó de una valoración de 740 millones en su Serie A a 2.000 millones en su Serie B en un plazo de cinco meses. Cinco meses. Con Sequoia respaldando la ronda y 230 millones en total acumulados. Sus clientes incluyen Clay, Harvey, Notion, Opendoor y varios bancos y fondos de cobertura que no aparecen por nombre. Más de 100.000 desarrolladores usan su API.

Esa velocidad de valoración (de 740M a 2.000M en cinco meses) no se explica solo con optimismo. Se explica con que el coste de construir y escalar esta infraestructura es brutal y los inversores están apostando a que quien llegue primero a escala tiene una ventaja difícil de replicar.

También está Tavily, que opera en el mismo espacio aunque sus detalles financieros y modelo de precios no son públicos. Y TinyFish, otro competidor en el sector de búsqueda para agentes.

La fragmentación es llamativa: en un mercado donde solo hay tres índices reales, proliferan las capas de acceso construidas encima. Exa, Parallel, Tavily y otros no construyen nuevos índices desde cero (eso está fuera del alcance económico de casi cualquiera), sino que ofrecen inteligencia encima de los existentes: mejores interfaces para agentes, ranking semántico, gestión de contexto, APIs adaptadas a los patrones de consumo de un sistema autónomo.

La trampa del volumen: mucho query, poco margen

Brave multiplicó por cinco sus ingresos publicitarios en 2025. Suena bien hasta que lees el detalle: según el CEO JP Schmetz citado en MediaPost, el valor incremental que Brave aporta a sus anunciantes (el tráfico que no pueden conseguir por Google) es de entre el 1% y el 2%.

Los anunciantes en la plataforma de Brave en 2025 incluyen Amazon, Booking.com, eBay, Etsy, Priceline, StubHub, T-Mobile, TurboTax y Wayfair. Nombres serios. Pero el 1-2% de incrementalidad sobre lo que ya sacan de Google sigue siendo un número pequeño en términos absolutos para la mayoría de esos presupuestos.

Esto revela una tensión fundamental en el modelo de negocio de la búsqueda agentic: el volumen es enorme (miles de millones de queries mensuales), pero la monetización por query es muy baja. La publicidad funciona cuando hay un humano con intención de compra al otro lado. Un agente que está haciendo research o extrayendo datos estructurados no hace clic en anuncios. La conversión publicitaria de una query agentica puede ser prácticamente cero.

Entonces el modelo de negocio se desplaza hacia otra cosa: cobrar por acceso a la API directamente. Pero aquí aparece el mismo problema del look-to-book ratio: si el desarrollador que usa la API no tiene conversión en sus flujos agenticos, tampoco puede pagar queries indefinidamente.

OpenClaw, una plataforma de agentes de código abierto adquirida por OpenAI, tenía casi 700.000 usuarios que usaban Brave Search API como herramienta de búsqueda primaria. Eso es una base de usuarios enorme. Y es una base sensible al precio, porque son desarrolladores de código abierto, no empresas con presupuestos generosos.

La ecuación solo funciona a escala masiva con coste por query extremadamente bajo. Y el coste por query no es bajo cuando estás manteniendo un índice de 40.000 millones de páginas con frescura real.

Google cobra por el agente que nunca duerme

En junio de 2026, Google lanzó sus Information agents dentro de Search AI Mode, y los puso detrás del paywall de Google AI Ultra (su suscripción de pago premium). Los agentes monitorizan blogs, noticias, redes sociales y datos en tiempo real sobre finanzas, compras y deportes, y mandan actualizaciones al usuario aunque esté offline.

El modelo push es fundamentalmente diferente al modelo pull de búsqueda tradicional. En el pull, el usuario pregunta y el sistema responde. El coste está acotado por la frecuencia de preguntas humanas. En el push, el agente está sondeando continuamente la web en segundo plano, buscando cambios relevantes para activar una alerta. No espera a que el usuario pregunte. Está rastreando sin parar.

Eso consume recursos de servidor de forma continua. No hay pico y valle según la actividad del usuario: hay consumo constante. Por eso Google lo metió detrás de una suscripción de pago. No es una decisión arbitraria; es la consecuencia directa de que el modelo de búsqueda agentica 24/7 tiene un coste estructuralmente diferente al de la búsqueda bajo demanda.

Este movimiento de Google también revela algo sobre la dirección del mercado: la búsqueda agentica de calidad no va a ser gratuita. Los modelos que hemos normalizado (búsqueda web sin coste, indexación libre, acceso sin fricción) estaban subvencionados por la publicidad de usuarios humanos con intención de compra. Los agentes no generan esa intención de la misma forma. El subsidio se rompe y el coste tiene que aparecer en algún sitio.

Quién acaba pagando: la pregunta sin responder

La tensión central de todo este mercado es una pregunta de distribución de costes que nadie ha resuelto todavía.

En un flujo agentic típico: hay un desarrollador que construye el agente, una empresa que lo despliega, un proveedor de búsqueda que sirve las queries y una fuente de datos (aerolínea, hotel, tienda) que absorbe el tráfico. Cuando el agente hace 881.076 queries sin conversión, ¿quién asume ese coste?

La aerolínea ha servido datos. El proveedor de búsqueda ha procesado peticiones. El desarrollador no ha pagado por query individual si usa un tier de tarifa plana. Y el usuario final no ha comprado nada.

Las respuestas que están emergiendo en la industria viajera son tres: imponer límites de queries por agente, desarrollar filtros más inteligentes que descarten queries sin intención real de reserva, e introducir precios dinámicos para el acceso a API según el comportamiento de conversión. Ninguna está implementada de forma universal. Ninguna tiene transparencia de precios clara.

La arquitectura de distribución de costes en la búsqueda agentica está todavía por escribir. Mientras tanto, quien despliega agentes con acceso a internet está corriendo con una factura cuya línea de fondo no conoce del todo. Y eso, cuando los volúmenes escalan, deja de ser un problema técnico y se convierte en un problema de cuenta de resultados.

Preguntas frecuentes

¿Qué es el look-to-book ratio y por qué importa en búsqueda agentic?

El look-to-book ratio mide cuántas consultas hacen falta para cerrar una transacción. En viajes humanos ronda 10-20:1, lo que hace sostenible cobrar poco por query. Un agente puede lanzar 100.000 consultas sin ninguna reserva, haciendo el ratio económicamente devastador: el coste de servir esas queries no tiene ninguna venta que lo compense.

¿Por qué solo hay tres índices web reales a escala?

Construir y mantener un índice que cubra decenas de miles de millones de páginas con frescura requiere una inversión de infraestructura que está al alcance de muy pocos. Google y Microsoft llevan décadas haciéndolo. Brave es el único tercero independiente con un índice comparable: más de 40.000 millones de páginas y más de 2.000 millones de consultas mensuales, según MediaPost.

¿Por qué Google puso sus Information agents detrás de un paywall?

Porque el modelo push (rastrear la web continuamente en segundo plano para mandar alertas al usuario aunque esté offline) consume recursos de servidor de forma permanente, no solo cuando el usuario pregunta. Ese consumo constante tiene un coste estructuralmente mayor que la búsqueda bajo demanda y no puede sostenerse con publicidad estándar.

¿Cuánto han invertido los grandes en infraestructura de búsqueda para agentes?

Exa Labs levantó 250 millones a una valoración de 2.200 millones (Andreessen Horowitz). Parallel Web Systems acumuló 230 millones en total, pasando de 740 millones a 2.000 millones de valoración en cinco meses (Sequoia). Esas cifras reflejan tanto el tamaño percibido de la oportunidad como el coste real de construir búsqueda a escala para sistemas autónomos.