Cuánto cuesta de verdad meter IA en un proceso de negocio

La factura que ves cuando metes IA en un proceso tiene tres líneas: desarrollo, API y alguna licencia. La factura real tiene doce, y las nueve que faltan aparecen entre el mes seis y el mes dieciocho. No es que el proveedor te engañe: es que el presupuesto se hace sobre lo que cuesta construir algo, y el gasto de verdad está en mantenerlo vivo mientras tu catálogo, tus políticas de devolución y los modelos del proveedor cambian debajo.

Vamos a desmontarlo por partes, empezando por la que casi todo el mundo calcula mal en la dirección contraria: el coste por consulta.

El coste por consulta es más bajo de lo que crees (y por eso te distrae)

Cuando llamas a un modelo de lenguaje pagas por tokens: trozos de texto, más o menos tres cuartos de palabra en español. Pagas los que entran (tu pregunta, el contexto que le adjuntas, las instrucciones) y los que salen (la respuesta), y estos últimos suelen costar entre tres y cinco veces más.

Con los precios que hay a día de hoy —cambian cada pocos meses y siempre a la baja— los órdenes de magnitud son estos:

Son cifras de referencia, con un modelo de gama media, sin descuentos por volumen y sin optimizar nada. Haz la cuenta para tu caso: una tienda con 1.200 tickets al mes que genera un borrador por ticket está en el entorno de 15–40 € mensuales de API. Rehacer las descripciones de 3.000 referencias, entre 20 y 60 € de una tacada.

Dicho esto, hay tres formas de que el coste por consulta se dispare y conviene conocerlas antes de firmar:

• Contexto inflado. Meter el catálogo entero o veinte documentos en cada llamada, en vez de recuperar los tres fragmentos relevantes. Multiplica el coste por diez y suele empeorar la respuesta.
• Reintentos invisibles. Los sistemas con agentes reintentan cuando la respuesta no valida. Un caso que "cuesta 0,05 €" puede costar 0,25 € si reintenta cuatro veces, y en el panel de facturación eso no viene desglosado por caso.
• Evaluación continua. Si haces las cosas bien, cada cambio de prompt se prueba contra un juego de 100–300 casos reales. Eso también son llamadas y también se pagan.

Las licencias que nadie usa: el gasto más tonto y el más común

Es el error que más dinero quema y el más fácil de evitar. Compras asientos de una herramienta de IA para toda la plantilla —copilotos ofimáticos, asistentes de código, suites conversacionales de empresa— en el rango de 20 a 35 € por usuario y mes. Cuarenta personas son 800–1.400 € al mes, entre 10.000 y 17.000 € al año.

Tres meses después, si miras el panel de administración, el patrón se repite con una regularidad aburrida: un núcleo pequeño lo usa a diario, un grupo intermedio lo abre de vez en cuando, y una parte importante no lo ha tocado desde la semana de la formación. No es culpa de la herramienta. Es que a la mayoría de los puestos su trabajo diario no les cambia con eso.

La contrapartida honesta: retirar licencias tiene coste político y desmotiva. Y hay perfiles cuyo uso es esporádico pero muy valioso —el que la abre dos veces al mes para desatascar un pliego de 40 páginas—. Por eso el criterio no puede ser solo "número de sesiones"; pregunta también qué hicieron con ella. Pero mide. Pagar por 40 asientos y usar 14 no es una inversión en cultura digital, es una suscripción olvidada.

Lo que no aparece en el presupuesto de desarrollo

Un proveedor serio te cotiza el desarrollo. Lo que rara vez está cotizado, y siempre existe, es esto:

• Preparar los datos. Si el sistema tiene que responder sobre tus políticas de devolución, alguien tiene que escribirlas bien. Si tiene que consultar stock, ese stock tiene que estar fiable. En una tienda con 3.000 referencias y atributos incompletos, esta fase se come entre 30 y 80 horas de alguien de dentro que ya tiene su trabajo.
• El juego de pruebas. Reunir 150 casos reales con la respuesta correcta al lado, para poder saber si un cambio mejora o empeora. Sin esto no tienes forma de mantener nada; solo intuición.
• La revisión humana. Los primeros meses casi todo se supervisa. Si un agente revisa 60 borradores al día a 20 segundos cada uno, son 20 minutos diarios. Poco. Pero si el borrador es malo y hay que reescribirlo, el proceso es más lento que antes. Ese riesgo lo desarrollo en detalle en el artículo sobre hasta dónde llega hoy la IA en atención al cliente.
• Observabilidad. Guardar entradas, salidas, coste y latencia de cada llamada, y poder buscarlas. Suena a lujo hasta la primera vez que un cliente te dice que el bot le prometió un reembolso y no sabes si es verdad.
• La parte legal. Dónde se procesan los datos, qué contrato de encargado de tratamiento tienes con el proveedor del modelo, qué pasa con datos de clientes en los prompts. Suele ser barato en dinero y caro en semanas.

Por qué el segundo año cuesta más que el primero

Esta es la parte que descoloca a quien viene de comprar software tradicional. Un ERP el segundo año cuesta el mantenimiento y poco más. Un sistema con IA, no. Ejemplo con números de referencia, para un proyecto mediano de clasificación y respuesta asistida en una tienda que mueve unos 1.200 tickets al mes:

El desembolso total del año 2 puede quedar por debajo del año 1, pero el gasto recurrente —lo que pagas para que siga funcionando— es claramente superior, y a partir del tercer año se estabiliza en esa banda alta. Las razones son cuatro:

1. Los modelos se retiran. Los proveedores anuncian la baja de versiones con meses de aviso. Cuando migras, el comportamiento cambia: prompts que funcionaban dejan de dar el formato esperado, la longitud de las respuestas varía, algún caso límite se rompe. Es una a dos migraciones al año y cada una son entre 15 y 60 horas de trabajo, según lo bien que tengas el juego de pruebas.

2. Tu negocio se mueve. Cambias de transportista, añades 400 referencias, modificas el plazo de devolución de 14 a 30 días. Cada cambio toca el contexto del sistema. Si nadie es responsable de actualizarlo, el sistema empieza a mentir con toda la seguridad del mundo.

3. Los casos raros salen a la superficie. El primer año cubres el 80 % fácil. El segundo llegan las excepciones que nadie contó: el pedido con dos envíos parciales, la factura a nombre distinto, el cliente portugués. Cada excepción cuesta más que las primeras diez juntas.

4. La deuda de prompts. Instrucciones parcheadas veinte veces por gente distinta, con reglas contradictorias que nadie se atreve a tocar. Igual que la deuda técnica de siempre, pero más difícil de leer porque está escrita en párrafos.

Un sistema con IA no es una obra que se entrega, es un animal que hay que alimentar. Si en el presupuesto no hay una línea anual para eso, el presupuesto está incompleto.

La única cifra que importa: coste por caso resuelto

Deja de comparar "lo que cuesta la IA" con cero. Compáralo con lo que te cuesta hacerlo hoy.

Coge el proceso, cuenta el volumen mensual y el tiempo medio por caso. Un agente de atención con coste empresa de 15–20 € la hora que resuelve un ticket en cuatro minutos te está costando algo así como 1,00–1,35 € por ticket. Si el sistema con IA reduce ese tiempo a dos minutos y medio con supervisión, el coste por ticket baja a la banda de 0,65–0,90 €, más 0,02 € de API. Con 1.200 tickets al mes eso son unos 400–600 € mensuales de margen bruto contra un gasto recurrente de 500–900 € al mes en mantenimiento. Es decir: a ese volumen, empatas o pierdes.

Ojo con dos trampas al hacer esta cuenta. La primera: el tiempo ahorrado solo es dinero si se reasigna o si evita una contratación. Si el agente hace lo mismo en menos tiempo y llena el hueco con otra cosa, tienes una mejora real de capacidad, pero no un ahorro en la cuenta de resultados; dilo así en el comité. La segunda: hay casos donde el valor no es coste sino tiempo de respuesta —contestar en 2 minutos en vez de en 6 horas—, y ahí la justificación va por conversión o por retención, que es más difícil de atribuir y más fácil de exagerar.

Cuándo gana la alternativa aburrida

Muchos procesos que se plantean con IA se resuelven mejor sin ella, y más barato:

• Reglas y plantillas. Si el 70 % de tus tickets son "¿dónde está mi pedido?", un enlace de seguimiento bien puesto en el email de confirmación te quita más volumen que cualquier modelo. Coste: unas horas.
• Un buscador decente. Para encontrar entre 3.000 referencias, un buscador con sinónimos y filtros bien montado suele batir a un chat, cuesta una vez y no se degrada.
• Automatización clásica. Conectar tienda, ERP y transportista sin ningún modelo por medio. Es lo primero que hay que hacer, y sobre eso escribí por dónde empezar a automatizar sin liarla: si los datos no fluyen entre sistemas, la IA solo va a redactar bonito encima de información mala.

La IA gana cuando hay lenguaje natural desordenado en la entrada (texto libre de clientes, proveedores o proveedores logísticos), volumen alto y tolerancia a un porcentaje de error gestionable con revisión. Fuera de esas tres condiciones a la vez, casi siempre hay algo más barato.

Cinco preguntas antes de firmar el presupuesto

1. ¿Cuál es el coste estimado por caso, con reintentos y evaluación incluidos? Si no te lo saben calcular, no han medido nada.
2. ¿Qué línea de mantenimiento anual hay para el año 2 y qué incluye? Exige que diga expresamente si cubre migraciones de modelo.
3. ¿Quién es el dueño interno del sistema? Un nombre y unas horas al mes. Sin eso, el proyecto se degrada en seis meses aunque el proveedor sea bueno.
4. ¿Dónde están los logs y puedo consultarlos yo? Si la trazabilidad vive solo en casa del proveedor, tu poder de negociación al renovar es cero.
5. ¿Cuál es el plan si esto no funciona? Que el proceso manual siga documentado y operativo durante los primeros seis meses. Cuesta un poco de duplicidad y evita un problema serio.

Meter IA en un proceso no es caro por la tecnología. Es caro por todo lo que la rodea, y ese coste no baja con el tiempo como bajan los tokens: sube con la complejidad de tu propio negocio. Presupuestar tres años en vez de uno cambia bastante qué proyectos parecen buena idea.