Cuánto cuesta implementar inteligencia artificial en una pyme (y de qué depende)

Cuando una pyme pregunta cuánto cuesta implementar inteligencia artificial, casi siempre espera una cifra de proyecto: lo que cuesta construirlo. Esa cifra existe y la damos cerrada, pero es la menos importante de las dos. La que decide si el proyecto tiene sentido es la otra: lo que cuesta cada vez que el sistema trabaja.

Las dos partidas

El proyecto es el trabajo de construir: entender el proceso, preparar los datos, elegir el modelo, medirlo sobre una muestra real, integrarlo con lo que ya usas y ponerle un humano en el bucle donde el error cuesta dinero. Depende de cuántos procesos toca y de si los datos están ordenados. Un asistente sobre un catálogo de cuatrocientas fichas bien estructuradas es un proyecto pequeño; el mismo asistente sobre diez años de PDF escaneados sin nombre es otro proyecto, y la mayor parte no es IA, es digitalizar.

El coste por consulta es lo que cobra el proveedor del modelo cada vez que el sistema lee o escribe algo, más la infraestructura que lo rodea. Se paga por volumen de texto procesado. Un correo clasificado con un modelo pequeño cuesta una fracción de céntimo; una respuesta larga con un modelo grande que además ha leído cinco documentos para contestar, varios céntimos. Multiplicado por el volumen mensual real, esa es la cifra que hay que comparar con las horas que hoy dedica una persona.

Cómo se mide antes de encender nada

En el diagnóstico tomamos una muestra real del trabajo: cien correos, cincuenta facturas, doscientas reseñas. Pasamos la muestra por dos o tres modelos, medimos la precisión contra lo que habría hecho la persona y anotamos el coste exacto de procesarla. De ahí salen dos cifras: cuánto acierta y cuánto cuesta cada unidad. Sin esas dos cifras no se enciende nada, porque sin ellas no hay forma de saber si el proyecto se paga.

• Precisión sobre la muestra: qué porcentaje habría aprobado la persona sin tocar.
• Coste por unidad: correo, factura, reseña o consulta, con el modelo elegido.
• Volumen mensual real, no estimado: lo que dice el buzón o el sistema, no lo que se recuerda.
• Horas que hoy se dedican, con el coste hora de quien las dedica.

Qué encarece y qué abarata

Encarece que los datos no existan en formato utilizable, que haya que actuar sobre otros sistemas (crear una cita, mover un pedido) y no solo leer, y que el error tenga coste alto, porque entonces hace falta más medición y más aprobación humana. Abarata que exista un histórico de ejemplos de cómo se hacía bien, que el proceso tenga entrada y salida claras y que se pueda empezar por una parte del volumen.

Combinar modelos es la palanca que más abarata. Un modelo pequeño y barato clasifica y descarta; uno mejor y más caro se reserva para lo que de verdad hay que redactar. En un buzón de soporte típico, más de la mitad del volumen no llega nunca al modelo caro.

Cuándo no compensa

Cuando el problema es de datos que no se hablan entre sí o de reglas claras. Copiar pedidos de un ERP a una hoja cada lunes no necesita un modelo: necesita una sincronización con vigilancia. Un chatbot en la web sin una pregunta que hoy cueste dinero responder es una cuota mensual. Lo decimos en el diagnóstico aunque nos cueste el proyecto, porque un proyecto de IA que no se paga vuelve como reclamación en seis meses.

Se empieza por la pregunta que hoy cuesta dinero, no por el modelo. El modelo es lo último que se elige y lo primero que se cambia.

Qué pedir a quien te lo presupueste

• Un presupuesto cerrado del proyecto, no una horquilla ni una bolsa de horas.
• El coste por consulta estimado con tu volumen, por escrito, antes de firmar.
• Qué pasa con tus datos: qué sale, a dónde, con qué contrato de encargado.
• Dónde hay una aprobación humana y por qué ahí.
• De quién es el código y las cuentas al terminar. La respuesta correcta es: tuyos.