Inteligencia delegada que Otman Mechbal ha desplegado en Claude Code, Codex, Hermes, Grok build CLI y OpenCode, con OpenClaw como predecesor retirado. Cada barra se lee en local a partir del registro de sesiones o de la base de datos de cada herramienta. Lo importante no es la cifra, sino lo que esa cifra movió.
Cada cuadrado es un día. Dorado = más delegación. Vacío = inactivo. Escala logarítmica, para que un día de casi mil millones de tokens y otro de unos pocos millones puedan compartir la misma cuadrícula. En 140 de estos días se registró actividad de tokens; los primeros días de OpenClaw son anteriores a los registros que se conservan.
Un pico solo cuenta como prueba cuando se vincula con lo que movió. Esa correspondencia está en el Build Log (registro de construcción).
Lo importante es este reparto, no el volumen. Enfrento unos modelos con otros: Claude para el razonamiento cuidadoso, Codex y Hermes para una segunda opinión y una revisión adversarial, Grok build CLI y OpenCode en la mezcla, y OpenClaw como predecesor retirado de Hermes. La mayoría de la gente trabaja con un solo modelo y acepta su respuesta. En trabajos de consecuencias graves, la seguridad con la que responde un solo modelo no es una prueba, así que triangulo. Cada barra se lee del registro local o de la base de datos de esa herramienta, no se adivina a partir del nombre de un modelo, de modo que el reparto en sí es honesto, y no solo el total. Claude Code elimina los registros de sesión antiguos, así que su cifra se mantiene en el total más alto que ccusage ha medido para cada día: su récord del 24 de junio más todo lo consumido desde entonces, nunca una cantidad que no pueda mostrar. La cifra de Grok es un mínimo leído de su registro rotativo que se conserva, no un recuento histórico completo. “Otros” es lo que queda después de las herramientas nombradas: sobre todo Gemini CLI y Droid, ambas reales pero pequeñas. Total de OpenClaw (44,3 millones): estimado a partir de los registros recuperados de OpenClaw (6,3 millones de tokens, 12 días activos, desde el 16 de abril de 2026) más el historial operativo diario confirmado desde el 3 de febrero de 2026. Actualizado el 11 de agosto de 2026: se añadieron 2.190 millones de tokens medidos directamente con ccusage del 16 de julio al 11 de agosto (Codex 1.150 millones, Claude 940 millones, Hermes 28 millones, otros modelos enrutados 75 millones), sobre la cifra anterior de 9.950 millones fechada el 15 de julio. Grok y OpenCode no se volvieron a leer en esta pasada, así que su aportación en ese periodo todavía no está reflejada; el total es un mínimo prudente, no una exageración.
Mis primeros experimentos de delegación se ejecutaron en OpenClaw, a partir de finales de enero de 2026. Me mostró lo que podía hacer un agente siempre activo y lo que costaba: pesado de mantener, memoria escasa, fácil de romper. A finales de mayo ya había pasado el trabajo diario a Hermes, que tiene una capa de memoria más sólida, mejora su propio comportamiento con el tiempo y exige mucho menos mantenimiento. OpenClaw se queda aquí como el predecesor honesto. La curva inicial, más desordenada, forma parte del registro, no es algo que yo oculte.
Un recuento de tokens es una traza, no un trofeo. Un día de mucho consumo puede significar que se resolvieron problemas difíciles, o que un agente buscó en la carpeta equivocada y reintentó un comando roto. El volumen por sí solo no prueba nada. La cifra abre la puerta. Lo que movió es la prueba, y eso está en el Build Log, no en este gráfico.
Los tokens son la caloría, no el nutriente. La pregunta de verdad para una empresa no es “cuánta IA has usado”, sino “cuánto trabajo útil y verificado por dólar, por minuto y por unidad de riesgo”. Estas son las métricas que instrumento en cada flujo de trabajo. El gráfico de volumen de arriba es el gancho. Esto es la sustancia.
| Métrica | Qué mide |
|---|---|
| Coste por flujo de trabajo completado con éxito | Economía unitaria real: coste de la IA más revisión humana más reprocesos, por resultado aceptado |
| Tiempo ahorrado por entregable verificado | Tiempo manual de referencia menos tiempo con ayuda de la IA. Productividad real, no actividad. |
| Minutos de revisión humana por resultado | El impuesto oculto. ¿La IA eliminó trabajo o solo lo trasladó a la revisión? |
| Coste en tokens por decisión útil | Si el razonamiento fue eficiente o divagó |
| Alcance del daño si el agente falla | Cuánto daño puede causar una sola acción equivocada |
| Reversibilidad | ¿Se puede deshacer la acción? La automatización más segura falla dentro de una zona contenida. |
| Calidad de la evidencia | Afirmaciones respaldadas sobre el total de afirmaciones. Un resultado pulido con evidencia débil es un daño aplazado. |
Instrumentar estas métricas en cada flujo de trabajo es lo siguiente que voy a construir. Se muestra aquí como el modelo, todavía no como cifras en vivo, para no falsear nada. La mayoría de los paneles muestran uso. Este se está construyendo para mostrar valor, desperdicio, riesgo y confianza.
La lectura de caché es alrededor del 89 % del total. Es la huella de bucles de agente sostenidos que arrastran el trabajo a lo largo de muchos pasos, es decir, trabajo de máquina, no de conversación. Siempre se muestra, nunca se esconde dentro de la cifra principal.