Cuánto cuesta un agente de IA (y por qué los precios varían cien veces)

Si buscas «cuanto cuesta un agente de ia», los primeros resultados son agencias con rangos que van de «25 € al mes» a «150.000 € por proyecto». La horquilla es real. También es real que casi nadie explica por qué el precio puede cambiar cien veces para algo que, en apariencia, hace lo mismo.

La respuesta corta: no estás cotizando «un agente». Estás cotizando el estado de tus datos y de tus procesos. Un proceso estable, escrito y medible con datos limpios se automatiza rápido. El mismo objetivo sobre datos duplicados y excepciones sin documentar se convierte en un proyecto largo y caro.

Lo que realmente se cotiza

Un agente no existe en el vacío. Vive dentro de tu flujo de trabajo. Toma datos, decide, acciona y registra. Si la materia prima es ruidosa o el camino operativo cambia según «quién lo hace», el agente tiene que aprender a navegar ese ruido. Eso lleva tiempo, validaciones y reintentos.

Cuando pido información para presupuestar, no pregunto por «el agente». Pregunto por entradas, salidas, formatos, reglas y excepciones. Pido muestras de datos. Reviso cómo resuelven hoy los casos especiales. Ahí se define el coste real.

Variables que multiplican el precio

Alcance funcional. Un agente que responde preguntas sobre un conjunto cerrado no cuesta lo mismo que uno que cruza sistemas, dispara acciones y se coordina con personas. Cada integración y cada acción con efectos reales sube el esfuerzo de diseño, pruebas y seguridad.

Calidad y estructura de datos. Si tienes una sola «fuente de verdad», con campos consistentes y sin duplicados, el agente aprende con pocos ejemplos. Si hay tres hojas de cálculo con columnas parecidas y valores distintos, el trabajo se mueve de «conectar» a «limpiar, reconciliar y decidir autoridad».

Excepciones y reglas tácitas. Lo que no está escrito se vuelve bug. Si el proceso depende de criterios que el equipo «sabe» pero no documenta, el modelo falla en producción, se reabre el diseño y se suman ciclos de ajuste. Poner por escrito las excepciones ahorra semanas.

Integración y seguridad. Leer y escribir en CRM, ERP, correo y repositorios implica permisos, auditoría y pruebas de regresión. Si el stack ya expone APIs estables y entornos de sandbox, el costo baja. Si hay acceso manual, conectores frágiles o cuentas compartidas, el riesgo sube y el presupuesto también.

Métricas y aceptación. Definir qué es «éxito» evita rehacer trabajo. Sin umbrales claros, el piloto se estira. Con métricas operativas (tiempo de ciclo, calidad, tasa de retrabajo) el cierre es rápido y el ajuste fino es acotado.

Gobernanza. Quién puede ver, corregir y escalar. Cómo se audita. Dónde se guarda el log. Si todo esto existe, el despliegue es directo. Si hay que diseñarlo, se suma como proyecto paralelo.

Tres escenarios comparables

Mismo objetivo: un agente que clasifica y responde correos de soporte con acceso al historial de pedidos.

Escenario A: proceso escrito y datos limpios. Hay etiquetas estándar, plantillas de respuesta, un CRM con estados claros y un histórico consistente. Ejemplo ilustrativo: el despliegue inicial lleva decenas de horas; el ajuste mensual es mínimo. La mayor parte del tiempo va a pruebas y a cerrar métricas.

Escenario B: proceso semiestructurado y duplicados. Existen categorías, pero se usan de forma irregular. Hay duplicados entre el CRM y la bandeja de entrada. El histórico tiene huecos. Ejemplo ilustrativo: el despliegue pasa a cientos de horas entre limpieza, reconciliación y definición de autoridad de datos. La sintonía fina requiere varios ciclos.

Escenario C: excepciones no escritas y datos dispersos. Cada agente humano resuelve «a su manera». No hay plantilla. Los estados del CRM no reflejan la realidad. Ejemplo ilustrativo: el esfuerzo escala a centenares o miles de horas, porque primero hay que capturar el proceso real, acordar reglas y consolidar las fuentes. El coste no lo marca el «modelo», lo marcan las decisiones previas que faltan.

Entre A y C no cambia el objetivo. Cambia la fricción del sistema. Esa fricción es la que paga la factura.

Cómo estimo un presupuesto

Trabajo con un mapa operativo. Primero, trazo el proceso tal como es hoy. Sin adornos. Quién hace qué, con qué datos, y cómo se decide avanzar. Segundo, hago un inventario de fuentes: esquema, calidad, duplicados y autoridad. Tercero, tomo una muestra real y la anoto: entradas, salida esperada, variantes y bordes.

Con eso, defino un piloto que pruebe la parte crítica en un entorno controlado. Pongo métricas de éxito y de fallo. A partir de los resultados, estimo el margen de incertidumbre. Si el margen es bajo, el proyecto es corto y predecible. Si es alto, explico qué reduce el riesgo y cuánto cambia el calendario si no se hace.

Qué puedes hacer para pagar menos

Documenta el proceso con ejemplos reales, incluidos los casos feos. Deduplica y normaliza campos básicos (cliente, pedido, estado). Declara una «fuente de verdad» por dato clave. Alinea excepciones: ¿qué se hace cuando falta información? Prepara un entorno de prueba con datos representativos. Define métricas operativas antes del piloto. Esto encaja con cómo decido qué automatización con IA compensa y cuál no.

Si haces ese trabajo previo, el agente se construye encima de una base estable. Si no, el «proyecto de agente» termina siendo un proyecto de saneamiento de datos y de proceso. Eso explica la diferencia de precios que ves en la búsqueda.

Qué entra en el coste total

Descubrimiento y diseño. Entrevistas cortas, mapa de proceso, métricas y definición de «fuente de verdad». Sin esto, el resto patina. Ingeniería de datos. Conectar, limpiar, reconciliar y versionar. Orquestación. Diseñar el flujo, los puntos de control y los fallbacks.

Integración. Lectura y escritura en sistemas. Permisos, sandbox y pruebas. Validación. Muestreo, casos límite, pruebas con usuarios. Despliegue y monitoreo. Logs, alertas, revisión de calidad y mejora continua. Formación. Guías breves y acuerdos de uso.

Criterios para comparar propuestas

Pide que los supuestos vayan por escrito: estado de datos, excepciones, integraciones disponibles y métricas. Pregunta qué parte del tiempo estimado se va en limpieza y qué parte en lógica del agente. Aclara propiedad de prompts, flujos y artefactos. Revisa límites de soporte, plan de reversión y cómo se mide el éxito. Sin eso, dos cifras no son comparables.

No hay misterio. Si tus datos están listos y el proceso está claro, el presupuesto cae en la parte baja de la horquilla. Si falta definición y sobran excepciones, sube. La diferencia no la marca «la IA». La marca tu operación.

Publico automatizaciones funcionando en @WhatsMarketing_es.

Si quieres que mire tu caso, escríbeme. Trabajo desde Buenos Aires, siendo malagueño, con clientes en Ciudad de México, Argentina, el resto de Latinoamérica y España.