Errores al contratar una empresa de desarrollo de IA y cómo evitarlos
Publicado: · Actualizado:
Por Goiko, Founder & AI Solutions CTO de GUGŌ Creative
Los errores más comunes al contratar desarrollo de IA: problema sin definir, presupuestos no comparables, elegir por la demo, firmar sin hitos y cómo evitarlos.
Los errores más comunes al contratar una empresa de desarrollo de IA se cometen antes de escribir una línea de código: buscar proveedor sin haber definido el problema ni cómo medirlo, pedir presupuestos que no se pueden comparar, elegir por la cifra final o por una demo, firmar sin hitos ni criterios de aceptación y dejar para el final la propiedad del código, las cuentas y los datos. Después llegan los de la operación: no presupuestar el uso de los modelos ni el mantenimiento y no implicar a quienes usarán el sistema.
Casi todos se evitan con tres decisiones: escribir el problema y su métrica antes de hablar con nadie, enviar a todos los proveedores la misma petición y pagar por hitos verificables con posibilidad de parar. A continuación repasamos cada error, cómo se nota y qué hacer. La lectura técnica de una propuesta —evaluación, arquitectura y coste de operación— está en cómo elegir una empresa de desarrollo de IA.
Los errores al contratar desarrollo de IA, de un vistazo
| Error | Cómo se nota | Cómo evitarlo |
|---|---|---|
| Contratar «IA» sin un problema definido | Cada propuesta resuelve algo distinto y todas hablan de tecnología | Proceso, métrica actual y resultado esperado por escrito |
| Pedir presupuesto sin una petición común | Cifras imposibles de comparar | La misma petición a entre dos y cuatro proveedores |
| Comparar solo la cifra final | La oferta más barata excluye evaluación, integraciones o despliegue | Comparar alcance y exclusiones línea a línea |
| Elegir un tipo de proveedor que no encaja | Una sola persona sosteniendo un sistema crítico, o una estructura pesada para un piloto | Decidir antes entre freelance, estudio, consultora o equipo interno |
| Decidir por la demo | Funciona con los ejemplos del proveedor y falla con los tuyos | Prototipo con tus datos y un umbral acordado |
| Firmar sin hitos ni criterios de aceptación | Nadie puede decir si el trabajo está terminado | Entregables verificables y salida tras el prototipo |
| Dejar la propiedad para el final | Repositorios, cuentas o datos a nombre del proveedor | Todo a nombre de tu empresa desde el primer día |
| No presupuestar uso ni mantenimiento | Facturas de modelo inesperadas y un sistema que se degrada | Coste mensual estimado y mantenimiento definido |
| No implicar a usuarios ni a los dueños de los datos | Nadie lo usa o responde con documentos obsoletos | Usuarios en la evaluación y un responsable por fuente |
| Dejar el cumplimiento al proveedor | Sorpresas con el RGPD o el Reglamento de IA al final | Revisar datos, papeles y obligaciones en el diagnóstico |
Error 1: buscar proveedor antes de definir el problema
«Queremos aplicar IA» no es un encargo. Sin un proceso concreto, cada proveedor propone lo que mejor sabe hacer, las propuestas no se pueden comparar y, al final, nadie sabrá si el proyecto ha funcionado.
Antes de contactar con nadie, escribe qué proceso quieres cambiar, cuánto tiempo o cuántos errores supone hoy, quién lo hace y qué resultado darías por bueno. El marco de gestión de riesgos de IA del NIST empieza por ahí: su función de mapeo documenta la finalidad prevista y los beneficios esperados antes de pasar a medir. A veces la conclusión es que basta una regla o una integración sin IA, y descubrirlo pronto es la forma más barata de acertar.
Error 2: pedir presupuesto sin una petición común
Si a cada proveedor le cuentas el proyecto de una forma, cada uno presupuesta un proyecto distinto. Una página con objetivo, usuarios, sistemas a integrar, datos disponibles, plazo y rango de inversión basta para recibir propuestas comparables. La guía cómo pedir presupuesto de desarrollo de software detalla qué incluir y cuándo conviene precio cerrado, bolsa de horas o una fase previa de análisis.
En un proyecto de IA conviene añadir dos cosas: una muestra de casos reales —preguntas, documentos o tickets— para que el proveedor vea la dificultad del problema, y qué datos personales intervienen, porque condicionan dónde puede procesarse la información.
Error 3: comparar solo la cifra final
Dos propuestas para «un asistente con RAG sobre la documentación interna» pueden diferir en todo lo que no aparece en el título: evaluación con casos reales, permisos por usuario, inicio de sesión corporativo, panel para actualizar documentos, despliegue, monitorización, documentación y formación. La más barata suele serlo por lo que deja fuera.
Pon todas las propuestas en una tabla con las mismas filas y marca qué incluye cada una, qué excluye y qué deja «por definir». Pide que el uso de los modelos y la infraestructura figuren aparte del desarrollo. Los apartados que permiten comparar propuestas técnicas están en cómo elegir una empresa de desarrollo de IA.
Error 4: elegir un tipo de proveedor que no encaja
Un freelance puede ser la mejor opción para un prototipo acotado y un riesgo si tiene que sostener solo un sistema conectado al ERP con datos sensibles. Una gran consultora puede encajar en un programa corporativo y añadir capas de gestión a un piloto de ocho semanas. Y un equipo interno tiene sentido cuando la IA forma parte del producto, aunque tarda en formarse.
Decide primero qué modelo te conviene según lo central que sea el sistema, su complejidad y tu capacidad para dirigirlo. La comparativa consultora, freelance o equipo interno recoge cuándo gana cada uno. Si a medio plazo quieres llevarlo dentro, pide desde el principio documentación y transferencia de conocimiento.
Error 5: decidir por la demo
Una demo bien preparada funciona con documentos limpios, preguntas previsibles y sin permisos. En tu empresa habrá versiones contradictorias, PDF escaneados, preguntas ambiguas y datos que no todo el mundo puede ver. La demo prueba que el equipo sabe montar algo, no que vaya a funcionar con tus datos.
La alternativa es un prototipo corto con una muestra de tus datos y un conjunto de casos con su respuesta esperada, definidos por tu equipo. Las buenas prácticas de evaluación de OpenAI advierten precisamente contra las evaluaciones basadas en impresiones y contra los conjuntos de prueba que no reproducen el uso real.
Error 6: firmar sin hitos ni criterios de aceptación
Un contrato que enumera funcionalidades pero no explica cómo se aceptan convierte la entrega en una discusión de opiniones. En IA es más grave, porque el sistema puede «funcionar» y aun así equivocarse demasiado para el uso previsto.
Cada hito necesita un entregable que se pueda comprobar y un criterio escrito antes de empezar, y el contrato debe permitir parar tras el prototipo pagando el trabajo hecho. Qué entregar y aceptar en cada fase de un proyecto de IA se detalla en cómo elegir una empresa de desarrollo de IA.
Error 7: dejar la propiedad del código y los datos para el final
Es habitual descubrir al cambiar de proveedor que el repositorio, la cuenta de la nube o la del modelo están a su nombre, o que el sistema depende de una plataforma propia cuya licencia termina con el contrato. En IA hay además activos menos visibles: prompts, índices, conjuntos de evaluación y registros de uso.
Pide que todo se cree a nombre de tu empresa desde el primer día, con acceso del proveedor, y que el contrato concrete qué derechos se ceden sobre el código y en qué condiciones se usan los componentes previos del proveedor. Sin conjunto de evaluación, además, no podrás comprobar que un nuevo proveedor mantiene la calidad.
Error 8: no presupuestar el uso ni el mantenimiento
El desarrollo es solo la primera factura. Después llegan el uso de los modelos, la infraestructura y el mantenimiento, que en IA hace falta aunque no se añada nada: los proveedores retiran modelos —OpenAI fija en su página de retiradas un preaviso mínimo de seis meses para sus modelos generales—, los documentos cambian y aparecen casos que la evaluación no cubría.
Pide una estimación de coste mensual para un volumen concreto, límites de gasto por usuario o por día y un mantenimiento definido: qué incluye, con qué tiempo de respuesta y cómo se prueba cada cambio de modelo antes de activarlo.
Error 9: no implicar a los usuarios ni a los dueños de los datos
La dirección contrata, el proveedor construye y quienes tienen que usarlo lo descubren el día del lanzamiento. Si el sistema no encaja en su forma de trabajar, o responde con documentos que saben desactualizados, dejan de usarlo.
Implica desde el diagnóstico a dos o tres personas que hacen hoy el trabajo: son quienes mejor conocen los casos difíciles y quienes deben definir la respuesta correcta. Y nombra un responsable para cada fuente de datos que decida qué está vigente y quién puede verlo. Cómo preparar esas fuentes está en cómo preparar los datos de tu empresa para IA.
Error 10: dejar el cumplimiento en manos del proveedor
El proveedor puede diseñar el sistema para cumplir, pero muchas obligaciones son de tu empresa. Si trata datos personales por tu cuenta, el RGPD exige un contrato de encargo con un contenido mínimo: tratar los datos solo según tus instrucciones, confidencialidad, medidas de seguridad, auditorías y devolución o supresión de los datos al terminar (artículo 28). El Reglamento europeo de IA, en su artículo 4, pide a quienes despliegan sistemas de IA medidas para la alfabetización en IA de su personal. Y si el sistema se usa para fines del anexo III, como seleccionar candidatos o evaluar la solvencia de personas, las obligaciones de alto riesgo se aplican desde el 2 de diciembre de 2027, según el artículo 113.
No hace falta convertir cada asistente en un expediente jurídico, pero sí identificar en el diagnóstico qué datos entran, qué papel tiene cada parte y si el uso es de alto riesgo. Más detalle en seguridad y privacidad en proyectos de IA. Esto es orientación general, no asesoramiento jurídico.
Ejemplos de errores al contratar IA
Los escenarios siguientes son hipotéticos e ilustrativos, no casos de clientes.
- La oferta más barata para clasificar correos. Una gestoría elige el presupuesto más bajo para clasificar los correos entrantes. No incluía evaluación ni integración con su programa de expedientes, así que el equipo copia a mano cada resultado y nadie sabe cuántas clasificaciones son correctas. Con una tabla de alcance común habría visto esas exclusiones antes de firmar.
- Un asistente aprobado por una demo. Una ingeniería contrata un asistente técnico tras ver una demo con manuales del proveedor. Con sus propios documentos, muchos escaneados y con versiones duplicadas, el asistente falla. Un prototipo corto con sus documentos lo habría mostrado antes de pagar el desarrollo completo.
- Un cambio de proveedor bloqueado. Una empresa de servicios quiere cambiar de proveedor y descubre que el repositorio y la cuenta del modelo están a nombre del anterior, y que no existe un conjunto de evaluación para comprobar que el nuevo mantiene la calidad. Empieza casi de cero.
Cuánto cuesta contratar desarrollo de IA
Para saber si un presupuesto está fuera de mercado, estos son algunos rangos de desarrollo de nuestro informe de precios 2026:
- Automatización acotada con IA, con revisión humana: 10.000-20.000 €.
- Chatbot o asistente con RAG: 10.000-25.000 €.
- Copiloto interno con permisos por rol: 20.000-50.000 €.
- Agente de IA acotado a una tarea: 20.000-35.000 €.
Los costes que más se olvidan son los recurrentes: el uso de modelos por API, desde unos 100 € al mes con poco volumen y entre 2.000 y 5.000 € al mes con volumen alto; la infraestructura cloud, entre 50 y 500 € al mes, y el mantenimiento, del 15 al 25 % del coste de desarrollo al año. Una propuesta muy por debajo de estos rangos no es necesariamente un error, pero conviene preguntar qué deja fuera. Plazos y desglose por tipo de proyecto, en cuánto cuesta desarrollar una solución de IA.
Preguntas frecuentes
¿Cuáles son los errores más comunes al contratar una empresa de desarrollo de IA?
Buscar proveedor sin haber definido el problema y su métrica, pedir presupuestos que no se pueden comparar, decidir por la cifra final o por una demo, firmar sin hitos ni criterios de aceptación, dejar la propiedad del código y de las cuentas para el final y no presupuestar el uso de los modelos ni el mantenimiento.
¿Es buena idea elegir el presupuesto más barato para un proyecto de IA?
Solo si incluye lo mismo que los demás. Dos propuestas con el mismo título pueden diferir en evaluación, permisos, integraciones, despliegue, monitorización y documentación. Compara alcance y exclusiones línea a línea y pide el coste de uso de los modelos aparte del desarrollo.
¿Qué hay que definir antes de pedir presupuesto para un proyecto de IA?
Qué proceso quieres cambiar, cómo se mide hoy, qué resultado darías por bueno, quién usará el sistema, qué datos hay y quién es su responsable, el plazo y un rango de inversión. La guía cómo pedir presupuesto de desarrollo de software recoge la lista completa.
¿Conviene contratar un freelance o una empresa para desarrollar IA?
Depende de lo central que sea el sistema y de su complejidad. Un freelance encaja en prototipos y piezas acotadas; un sistema integrado con tus datos y procesos que habrá que mantener durante años suele requerir un equipo. La comparativa consultora, freelance o equipo interno explica cuándo gana cada opción.
¿Qué pasa si el prototipo de IA no da el resultado esperado?
Si el contrato prevé una salida tras el prototipo, se para pagando el trabajo hecho o se replantea el enfoque con lo aprendido. Por eso el umbral de calidad debe fijarse antes de construir: así un mal resultado se convierte en una decisión y no en una discusión.