Es la primera pregunta de casi toda reunión sobre inteligencia artificial, y también la peor respondida del sector. La respuesta honesta incomoda: el costo de un proyecto de IA rara vez lo determina la IA. Lo determina el estado en el que están tus datos.
Cuando una empresa pide una cotización de IA, normalmente imagina que está comprando un modelo. En la práctica está comprando tres cosas distintas, y solo una de ellas es el modelo. Las otras dos son las que mueven el precio.
Los tres componentes reales del costo
1. El estado de tus datos (aquí se define casi todo)
Si la información que la IA necesita vive en hojas de cálculo inconsistentes, en correos o en la cabeza de tres personas, ese trabajo previo de estructuración es el proyecto. La IA viene después y suele ser la parte más corta. Si en cambio ya tienes un sistema con datos limpios y accesibles por API, te saltas la etapa más cara.
La regla que repetimos en cada discovery: la IA amplifica el orden de tus datos, no lo crea. Si el dato está sucio, el modelo produce respuestas sucias más rápido. Eso no es un proyecto de IA, es un proyecto de datos con IA al final.
2. Las integraciones
Un agente que solo conversa es barato y sirve de poco. Uno que consulta inventario real, agenda una cita o genera una cotización tiene que hablar con tus sistemas. Cada integración es trabajo: entender la API ajena, manejar sus fallos, mantenerla cuando el tercero cambia algo. Si el sistema con el que hay que integrarse es antiguo o no tiene API, el costo se multiplica.
3. El modelo y su operación
Es la parte que todo el mundo imagina y suele ser la menor. El costo por consulta de los modelos actuales es bajo y ha venido cayendo. Lo que sí hay que presupuestar es la operación continua: monitoreo, ajustes cuando el comportamiento se desvía, y el consumo mensual, que crece con el uso.
Entonces, ¿cuánto cuesta?
Cualquiera que te dé una cifra sin conocer tus datos y tus integraciones está inventando. Lo que sí podemos decir con honestidad es cómo se ordenan los escenarios de menor a mayor:
De más barato a más caro
- ✓Agente conectado a un sistema que ya tiene API y datos limpios: el escenario más económico y rápido. Semanas, no meses.
- ✓Automatización de un flujo documental acotado: costo medio, retorno normalmente rápido y fácil de medir.
- ✓IA sobre datos que hay que estructurar primero: el precio lo domina la etapa de datos, no la de IA.
- ✓Modelos predictivos con historial extenso: exige datos de calidad y volumen; sin eso, no se debería ni empezar.
Cuándo el costo no se justifica
Hay tres casos en los que decimos que no, aunque el cliente esté dispuesto a pagar. Cuando el proceso se ejecuta pocas veces al mes, el ahorro no cubre el mantenimiento. Cuando el problema se resuelve con una regla simple, una automatización tradicional es más barata, más predecible y auditable. Y cuando no hay datos, porque entonces el proyecto real es otro.
Una forma rápida de saber si tu caso tiene retorno: cuenta cuántas horas al mes dedica tu equipo a la tarea que quieres automatizar. Si no llegan a un número que te incomode, probablemente no necesitas IA todavía.
Lo que sí puedes exigir en una propuesta
Independientemente del proveedor, hay tres cosas que una propuesta seria de IA debería tener: un indicador operativo concreto contra el cual se va a medir el éxito, una evaluación explícita del estado de tus datos antes de prometer nada, y el costo de operación mensual además del de construcción. Si falta alguna, la cifra que te dieron es un deseo.
En Indicium evaluamos el caso sin costo y la propuesta llega con alcance y cifras concretas. También decimos que no cuando corresponde: en nueve años hemos rechazado proyectos donde la IA no era la herramienta correcta.
¿Listo para el siguiente paso?
Evaluemos tu caso — sin costo