El precio de un agente de IA a medida es la pregunta que más veces recibimos antes de una primera conversación. La respuesta honesta es que no existe un precio estándar: el coste depende de demasiados factores que solo se conocen después de entender el proceso concreto, los sistemas involucrados y los datos disponibles.
Lo que sí se puede hacer, y lo que hace este artículo, es desmontar esos factores uno a uno para que quien esté evaluando el proyecto sepa dónde se genera el coste, por qué varía tanto entre proyectos distintos y qué preguntas debe hacerse antes de solicitar un presupuesto.
Por qué los precios publicados sin contexto son poco útiles
En foros técnicos y publicaciones del sector circulan rangos muy amplios para el desarrollo de agentes de IA: desde unos pocos miles de euros para un prototipo básico hasta varios cientos de miles para sistemas complejos en producción. Ambos extremos son correctos en su contexto y completamente inútiles sin él.
Un agente que automatiza la respuesta a consultas frecuentes sobre un catálogo de productos, con una sola integración a una base de datos bien estructurada, tiene un coste de desarrollo radicalmente diferente al de un agente que orquesta la reconciliación de datos entre un ERP, tres plataformas logísticas y un sistema de facturación legacy, con requisitos de auditoría y conformidad con el RGPD.
Presentar un rango sin contexto no informa al comprador: crea una expectativa de precio que luego choca con la realidad del proyecto, o peor, lleva a elegir el proveedor más barato sin entender qué queda fuera del alcance.
Factor 1: alcance del proceso
El primer determinante del coste es qué proceso se automatiza y con qué nivel de cobertura.
Un proceso acotado —consultas de soporte de un producto específico, cualificación de leads según criterios fijos— es significativamente más barato de desarrollar y mantener que un proceso amplio o transversal a varios departamentos.
Las preguntas que definen el alcance:
- ¿Cuántas variantes del proceso existen? ¿Las excepciones son el 5% o el 40% de los casos?
- ¿El agente cubre el proceso completo o una parte de él?
- ¿Qué pasa cuando el agente no puede resolver un caso? ¿Existe un flujo de escalado definido?
- ¿Hay restricciones regulatorias sobre qué decisiones puede tomar el agente de forma autónoma?
El coste crece de forma no lineal con la amplitud del proceso. Cubrir el 80% de los casos nominales puede costar la mitad que cubrir el 95% con manejo correcto de excepciones. Esa decisión es de negocio, no técnica, y debe tomarse con datos del proceso real, no con estimaciones.
Factor 2: integraciones con sistemas existentes
Cada integración que el agente necesita para funcionar tiene un coste de desarrollo, un coste de mantenimiento y un riesgo de rotura. Las integraciones son, junto al alcance del proceso, el factor que más varía entre proyectos comparables.
Los escenarios son muy distintos:
- API REST bien documentada con autenticación estándar: días de trabajo, mantenimiento bajo.
- API de un sistema legacy sin documentación actualizada: semanas de análisis e ingeniería inversa, riesgo de cambios no comunicados.
- Sistema sin API que requiere acceso directo a base de datos: diseño de conectores específicos, coordinación con el equipo técnico del cliente, riesgo de impacto en producción.
- Integración con herramientas de terceros con rate limits o costes por llamada: el modelo económico del agente debe incorporar esos costes desde el diseño.
Un proyecto con tres integraciones bien documentadas puede costar la mitad que uno con una sola integración sobre un sistema legacy mal documentado. El número de integraciones no es el predictor correcto; la calidad y la accesibilidad de cada una sí lo son.
Factor 3: calidad y accesibilidad de los datos
Un agente de IA no crea conocimiento de la nada: lo recupera de los datos que tiene disponibles. La calidad de esos datos determina directamente la calidad del agente.
El trabajo de preparación de datos —limpieza, estructuración, indexación para RAG, mantenimiento de la fuente de verdad— es frecuentemente el capítulo más costoso del proyecto y el más subestimado en las estimaciones iniciales.
Los escenarios que aumentan el coste de datos:
- Documentación dispersa en formatos múltiples: PDFs escaneados, hojas de cálculo sin estructura consistente, wikis internas sin actualizar. Extraer y estructurar ese contenido para que el agente pueda usarlo de forma fiable requiere trabajo antes de escribir una línea de código del agente.
- Datos en silos sin acceso centralizado: si la información que el agente necesita está en cuatro sistemas distintos sin una capa de integración, hay que construirla.
- Ausencia de datos históricos para validación: para evaluar si el agente funciona correctamente, se necesitan casos de referencia con el resultado esperado. Si no existen, hay que crearlos, lo que puede requerir horas de trabajo experto del equipo del cliente.
Un proyecto con datos bien estructurados, accesibles y mantenidos puede avanzar en semanas. Un proyecto que empieza con datos dispersos y sin fuente de verdad clara puede tardar meses solo en la fase de preparación de datos.
Factor 4: gobernanza, seguridad y cumplimiento normativo
Los requisitos de gobernanza no son opcionales en proyectos empresariales: son parte del coste del proyecto y del coste operativo en producción.
Los aspectos que añaden complejidad y coste:
- Cumplimiento con el RGPD o normativas sectoriales: si el agente accede a datos personales o sensibles, el diseño debe incluir minimización de datos, registros de acceso, mecanismos de derecho al olvido y revisión legal del tratamiento. Esto no es trabajo técnico menor.
- Auditoría y explicabilidad: en algunos contextos regulatorios o de riesgo, el agente debe poder explicar por qué tomó una decisión. Diseñar esa trazabilidad desde el inicio es más barato que añadirla después.
- Gestión de accesos y permisos: definir qué puede leer el agente, qué puede escribir y quién puede modificar esas reglas es trabajo de diseño que tiene impacto en la arquitectura.
- Validación humana en bucle: para procesos de alto impacto (decisiones financieras, comunicaciones externas en nombre de la empresa, modificaciones en sistemas críticos), el diseño debe incluir puntos de confirmación humana. Esos puntos tienen un coste de diseño y a veces de interfaz de usuario.
Los proyectos que eluden la gobernanza para reducir el coste inicial suelen pagarla más cara después, en forma de rediseño, incidentes o falta de adopción interna.
Factor 5: mantenimiento en producción
El coste de desarrollo es solo una parte del coste total de un agente. El coste de operarlo en producción —durante meses o años— puede superar el coste inicial si no se planifica correctamente.
Los componentes del coste operativo:
- Inferencia con el LLM: el coste por token de los modelos de lenguaje es real y escala con el volumen. Para un proceso de alto volumen, este coste debe calcularse con datos reales antes de elegir la arquitectura. El precio por token cambia con frecuencia: conviene consultarlo en las páginas de pricing de cada proveedor (OpenAI, Anthropic, Google) antes de fijar la arquitectura.
- Monitorización y evals continuos: un agente que no se monitoriza se degrada sin que nadie lo note. El coste de mantener un conjunto de evals activos y revisar las métricas regularmente es trabajo técnico recurrente.
- Actualizaciones por cambios en sistemas externos: cuando una API de la que depende el agente cambia su schema o sus endpoints, el agente puede fallar. Mantenerlo actualizado es parte del coste operativo.
- Mejoras incrementales: en la mayoría de los proyectos, la primera versión del agente cubre los casos nominales. Los meses siguientes se trabaja en ampliar la cobertura, reducir los casos de escalado y mejorar la calidad. Ese trabajo tiene coste.
Una forma de estimar el coste operativo anual es calcularlo como un porcentaje del coste de desarrollo inicial. En proyectos de software a medida, un rango orientativo habitual es entre el 15% y el 25% anual según la complejidad y el volumen de cambios esperados. Para agentes de IA, ese porcentaje puede ser mayor si el modelo de LLM utilizado tiene actualizaciones frecuentes o si el volumen de inferencia es alto. Inferencia: estos porcentajes son orientativos de la industria de software a medida; el caso concreto puede desviarse significativamente.
Rangos orientativos del mercado y sus condiciones
Con todos los factores anteriores sobre la mesa, los rangos que circulan en el mercado europeo para proyectos de agentes de IA tienen más sentido:
-
Proyectos de menor alcance (un proceso acotado, una o dos integraciones bien documentadas, datos estructurados, sin requisitos regulatorios especiales): el desarrollo se sitúa en el rango de decenas de miles de euros. El prototipo puede estar en semanas; la producción robusta, en uno o dos meses adicionales.
-
Proyectos de alcance medio (proceso con variabilidad moderada, tres a cinco integraciones, trabajo de preparación de datos, gobernanza básica): el rango de desarrollo se amplía y el tiempo al valor crece. Los proyectos en este rango suelen requerir entre dos y cuatro meses para llegar a una versión de producción sostenible.
-
Proyectos de alto alcance (orquestación de múltiples procesos, muchas integraciones incluidas algunas legacy, requisitos regulatorios, múltiples equipos involucrados): los rangos pueden ser varios órdenes de magnitud mayores y los plazos, de seis a dieciocho meses.
Inferencia: estos rangos se basan en referencia de mercado europeo de proyectos de IA a medida y en conversaciones con clientes, no en datos propios publicados o encuestas verificadas. El caso de cada empresa puede estar fuera de estos rangos en cualquier dirección.
Cómo se define el coste en LichiroLabs
La postura de LichiroLabs ante esta pregunta es directa: el coste de un agente de IA a medida se define en el diagnóstico, no antes.
El diagnóstico es el paso donde se entiende el proceso real, se evalúan los datos disponibles, se mapean las integraciones necesarias y se definen los criterios de éxito medibles. Sin ese paso, cualquier cifra que se ponga sobre la mesa es especulación. Con ese paso, la estimación tiene fundamento real.
Si estás en la fase de evaluar si un agente de IA tiene sentido para un proceso concreto, el servicio de consultoría de IA incluye ese diagnóstico estructurado. Si ya tienes claro que el agente es la pieza correcta, el servicio de agentes de IA para empresas es el punto de partida para una conversación técnica. En ambos casos, puedes escribirnos desde /contacto para empezar.