Auditoría: 64 tareas programadas, ¿cuánta frontera hay escondida?
Inventario de todas las tareas automatizadas por modelo. Resultado: 11 tareas corriendo en un modelo de frontera que probablemente no lo necesitan.
Primera tarea real del proyecto: saber qué modelo ejecuta cada tarea automatizada. Si quieres bajar de la nube, primero necesitas saber cuánta nube estás usando y para qué.
El inventario
| Modelo | Tareas | Valoración |
|---|---|---|
| GLM-5.1 (open-weight, z.ai) | 53 | OK — coste bajo |
| gpt-5.4 (frontera) | 11 | Candidatas a migrar |
Once tareas corriendo en un modelo de frontera. La pregunta honesta: ¿cuáles lo necesitan de verdad?
Clasificación por complejidad
Baja complejidad — síntesis de datos, briefs informativos, resúmenes de research. Un modelo open-weight barato debería bastar:
- Contabilidad semanal de costes por token
- Informe diario del asistente
- Scouting semanal de repositorios financieros
- Actualización diaria del warehouse de datos de mercado
Media complejidad — análisis con criterio, probar con Qwen o Llama grandes:
- Monitor semanal de ETFs
- Análisis mensual completo de ETFs
Alta complejidad — razonamiento financiero con dinero real en juego. Estas se quedan en frontera por ahora:
- Revisión post-mercado de la cartera
- Revisión diaria de cartera y opciones
El plan (que luego cambió)
El plan salido de esta auditoría era migrar gradualmente: primero las 4 de baja complejidad a un modelo barato vía API, medir calidad dos semanas, y seguir subiendo por la escalera de complejidad.
Spoiler: no hizo falta. La entrada del 3 de julio cuenta por qué.