— 6 min de lectura
Cuando alguien nos cuenta que quiere añadir IA a su producto, la pregunta del precio llega casi siempre en la primera reunión.
Integrar IA en una aplicación consiste hoy, casi siempre, en usar un modelo que ya existe (Gemini, GPT, Claude u otro) y conectarlo bien con tus datos y tus procesos. Entrenar un modelo propio es la excepción, y eso cambia el orden de magnitud del precio.
El precio tiene dos partes: el desarrollo, que se paga una vez y depende de lo que se construye, y el uso, que se paga cada mes y crece con la gente que lo usa y con lo que consulta cada persona.
Precios de desarrollo y de uso
Desarrollo
| Tipo de integración | Desarrollo | De qué depende |
|---|---|---|
| Llamada a un modelo con respuesta estructurada (clasificar, resumir, un recomendador básico) | 2.000-3.000 € | Cuántos datos hay que pasar al modelo y cómo se integra la respuesta en tu aplicación |
| Asistente con los documentos de tu empresa (RAG) | Desde unos 10.000 € | Volumen y orden de los documentos, permisos, cómo se mantienen actualizados |
| Recomendador con embeddings y búsqueda semántica | Desde unos 10.000 € | Tamaño del catálogo, señales de usuario disponibles, medición |
| Pasar documentos a datos estructurados | Lo calculamos en cada caso | Variedad de formatos, calidad de los escaneos, validación humana |
| Catalogar y describir contenido automáticamente | Lo calculamos en cada caso | Tamaño del fondo, flujo de revisión, búsqueda |
| Entrenar un modelo propio | Rara vez compensa | Datos etiquetados, computación, equipo especializado |
Son rangos por tipo de proyecto, sacados de lo que hemos hecho, sin cifras de ningún cliente concreto.
Uso mensual
| Asistente con documentos | Consultas al día por persona | Coste del modelo por persona al mes |
|---|---|---|
| Uso ligero | 5 | Unos 2 $ |
| Uso normal | 20 | Unos 7 $ |
| Uso intenso | 50 | Unos 18 $ |
Las integraciones que funcionan por petición (un recomendador, clasificar incidencias, extraer datos de un documento) salen a unos 9 $ por cada mil peticiones.
Antes de pedir presupuesto
Antes de hablar de dinero con nadie, yo tendría claro qué decisión o tarea quieres facilitar, con todo el detalle que puedas; quién la toma al final, porque casi siempre conviene que una persona revise lo que propone la IA, y cómo vas a saber si funciona (menos tiempo por caso, menos errores, más ventas de un tipo de producto).
A veces, al contestarlo, aparece que el problema se resuelve con unos filtros mejores o una regla de las de siempre. Sale más barato y no hay que mantener un modelo. Más de una vez hemos acabado recomendando en la primera reunión no usar IA.
Tipos de integración de IA
Una llamada a un modelo con respuesta estructurada
Es la integración más sencilla y la que más se usa. Tu aplicación envía unos pocos datos a un modelo de lenguaje a través de su API y recibe una respuesta en un formato que puede procesar: una categoría, un resumen, una puntuación, una lista ordenada. Sirve para clasificar incidencias, resumir fichas, extraer el tema de un correo o hacer un primer recomendador.
En La Psicóloga en Casa el recomendador funciona así: el paciente cuenta con sus palabras qué le pasa, Gemini lo cruza con la especialidad y la disponibilidad de cada psicóloga, y la coordinadora elige entre las propuestas. En nuestro artículo sobre cómo añadir un sistema de recomendación a tu producto contamos de dónde salen los 2.000-3.000 € de este tramo.
Un asistente con los documentos de tu empresa (RAG)
RAG es la técnica que permite a un modelo responder usando tus documentos: antes de contestar, el sistema busca los fragmentos relevantes y se los pasa al modelo junto con la pregunta. Para que la búsqueda funcione, los documentos se convierten en embeddings (representaciones numéricas del significado) que se guardan en una base de datos vectorial.
Lo hemos montado para nosotros mismos con un bot interno en Google Chat que responde con la documentación del equipo. Aquí el coste sube porque hay más piezas: preparar y trocear los documentos, mantenerlos al día, respetar quién puede ver qué y medir si las respuestas son correctas. Lo explicamos con más detalle en el artículo sobre RAG corporativo.
Un sistema de recomendación con búsqueda semántica
Cuando el catálogo es grande o las relaciones entre elementos importan, el recomendador básico se queda corto y hacen falta las mismas piezas que en un RAG: embeddings del catálogo y de la información del usuario, una base vectorial, búsqueda y trazabilidad para saber por qué se recomendó cada cosa. Por eso este tramo empieza en unos 10.000 €.
Catalogar y describir automáticamente
En Carte la IA analiza un archivo de más de 7.500 carteles, propone descripciones y etiquetas y permite buscar por significado. Todo lo que genera se guarda como sugerencia hasta que una persona lo revisa. Diseñar y desarrollar ese flujo de revisión entra en el presupuesto.
Pasar documentos a datos estructurados
Contratos, facturas o informes que llegan en PDF y tienen que acabar en una base de datos. En Prisma cada empresa define plantillas para sus documentos, el sistema extrae los datos con IA y los usuarios los validan. El precio depende sobre todo de cuántos formatos distintos hay que soportar y de la calidad de lo que entra.
Entrenar un modelo propio
Tiene sentido en casos muy concretos: un problema que ningún modelo existente resuelve, muchos datos propios bien etiquetados y un volumen que justifique la inversión. Etiquetar datos, entrenar y mantener el modelo se va con facilidad a cifras de otro orden. En los proyectos que vemos, un modelo existente bien conectado con tus datos resuelve el problema por una fracción del coste.
Qué sube el precio del desarrollo
El algoritmo suele ser la parte pequeña de la factura. El coste se va sobre todo en:
- La calidad de los datos. Si la información está repartida en hojas de cálculo, correos y carpetas sin orden, hay que ordenarla antes.
- Las integraciones. Conectar con tu CRM, tu ERP o tu aplicación actual cuesta más que la llamada al modelo.
- La revisión humana en el flujo. Diseñar pantallas para que alguien valide lo que propone la IA lleva su tiempo, y casi siempre compensa.
- Los datos sensibles. Datos de salud y otras categorías especiales del RGPD exigen minimizar lo que se envía al modelo, decidir cuánto se guarda y documentarlo.
- Procesar en Europa. Elegir un servidor europeo es solo una parte: hay que revisar cada proveedor de la cadena (modelo, base de datos, registros, correo) y dónde trata los datos.
- La medición. Un conjunto de pruebas con casos reales para saber si el sistema acierta y si un cambio lo mejora o lo empeora.
- La transparencia del AI Act. Desde el 2 de agosto de 2026, si una persona habla con una IA o recibe contenido generado, hay que avisarla o marcarlo. Lo contamos en el artículo sobre el artículo 50 del AI Act.
Cuánto cuesta usarlo cada mes
Los modelos de lenguaje se pagan por volumen de texto procesado, medido en tokens. Un token son unos 4 caracteres, y se cobran por separado los que envías al modelo (entrada) y los que genera (salida). La cuenta mensual sale de multiplicar 3 cosas: cuántas personas lo usan, cuántas consultas hace cada una y cuántos tokens gasta cada consulta.
Por eso damos el uso por persona. Un asistente que usan 5 personas y otro que usan 500 pueden salir del mismo desarrollo y tener facturas mensuales 100 veces distintas. Con la tabla de arriba, un equipo de 50 personas con uso normal estaría en unos 360 $ al mes en uso del modelo.
De dónde salen las cifras
Hemos hecho la cuenta con Gemini 3.8 Flash en Google Cloud, al precio que tendrá desde el 1 de enero de 2027: 1,50 $ por millón de tokens de entrada y 7,50 $ por millón de salida. Hasta el 31 de diciembre de 2026 Google lo ofrece a mitad de precio como lanzamiento. Si se procesa en servidores europeos sale alrededor de un 10 % más caro. Los precios cambian a menudo, así que conviene mirar la página oficial de precios y quedarse con el orden de magnitud.
Para el asistente con documentos hemos supuesto unos 6.000 tokens de entrada y 1.000 de salida por consulta, que salen a unos 0,017 $, y 22 días laborables al mes. Para las integraciones por petición, unos 2.000 tokens de entrada y 800 de salida. Si tu caso se parece poco a esto, puedes rehacer la cuenta con tus números.
Qué hace que una consulta gaste más
En un asistente con documentos, la pregunta es lo que menos pesa. Con cada consulta viajan al modelo las instrucciones, los fragmentos de documentos que ha encontrado la búsqueda y, si hay conversación, el historial de mensajes anteriores. Una conversación larga reenvía todo lo anterior en cada mensaje.
Los modelos que razonan antes de contestar generan tokens que no ves y que se cobran como salida. Y cambiar a un modelo más potente puede multiplicar el precio por 2 o por 3. Para muchas tareas, un modelo de la gama rápida da resultados suficientes; se comprueba con el conjunto de pruebas del que hablábamos antes.
Otros costes mensuales
La infraestructura: la base de datos vectorial, el almacenamiento de documentos y los registros de lo que hace el sistema. Crece con el volumen de documentos y con cuánta gente lo usa a la vez. Un asistente para un equipo de 4 personas con unos cientos de documentos cabe en una base de datos PostgreSQL normal con la extensión pgvector, y la infraestructura sale por entre 30 y 100 € al mes. Uno para una gran empresa, con millones de documentos y miles de personas, necesita una base vectorial dedicada, más almacenamiento y servidores con alta disponibilidad, y ahí hablamos de miles de euros al mes o más.
El mantenimiento: los proveedores retiran versiones de sus modelos y hay que migrar y comprobar que todo sigue funcionando igual. Si se planifica con tiempo, la migración se hace sin prisas.
La revisión periódica de resultados: mirar cada cierto tiempo una muestra de lo que propone el sistema y ajustar lo que haga falta.
Montamos la infraestructura a nombre de cada cliente, así que el uso del modelo y los servidores los paga directamente al proveedor y los ve en su propia factura.
Dónde se suelen desviar estos proyectos
Los proyectos de IA se desvían por los mismos motivos que cualquier software a medida, y además es fácil subestimar el tiempo de preparar los datos y de ajustar el sistema las primeras semanas. Hablamos de las causas habituales en por qué se desvían los presupuestos en software a medida.
Ordenar los procesos antes de añadir IA
Hace unos años, cuando escribimos la primera versión de este artículo, ya decíamos que el motivo de fondo para innovar en un proyecto rara vez es tecnológico. Muchas veces compensa más ordenar un proceso que vive en 4 hojas de cálculo que añadir una capa de IA encima, y a veces un árbol de decisión de toda la vida resuelve el problema mejor y por menos.
Por dónde empezaríamos nosotros
Empezaríamos por un caso de uso pequeño y medible, con datos que ya tengas, y con una persona revisando lo que propone el sistema. Una primera versión del tramo más sencillo, usada por unas pocas personas, da información real sobre si merece la pena ir a más y sobre cuánto costará el uso cuando lo abras a todo el equipo.
Si estás valorando integrar IA en tu aplicación, cuéntanos qué quieres resolver y te diremos en qué tramo estarías, o si te basta con algo más sencillo.