¿Es mejor contratar una consultora de IA o formar un equipo interno?

Quick Answer

Para la mayoría de pequeñas y medianas empresas que quieren implantar un producto concreto —como un chatbot, un agente telefónico, una automatización documental o un asistente interno— suele ser más rápido, menos arriesgado y más económico contratar inicialmente a una consultora especializada que crear un equipo interno desde cero.

Contratar personal no significa únicamente pagar un salario. También implica localizar perfiles escasos, evaluar conocimientos que la empresa todavía no domina, asumir meses de aprendizaje, proporcionar herramientas e infraestructura y responsabilizarse del mantenimiento técnico posterior.

La opción más equilibrada suele ser:

• Externalizar el análisis, diseño e implantación inicial.
• Nombrar una persona responsable dentro de la empresa.
• Formar al personal que utilizará o supervisará la solución.
• Transferir progresivamente el conocimiento necesario.
• Mantener soporte externo para las partes más especializadas.

Externalizar no elimina toda la responsabilidad de la empresa, pero permite compartir el riesgo técnico y evitar que el primer proyecto se convierta en un costoso proceso interno de ensayo y error.

Resumen

Crear un producto de inteligencia artificial exige mucho más que aprender a utilizar ChatGPT o conectar una API.

Una solución preparada para trabajar con clientes o procesos reales puede necesitar integración con sistemas existentes, tratamiento de datos, controles de acceso, evaluación de respuestas, gestión de errores, revisión humana, monitorización, mantenimiento y adaptación a cambios en modelos y proveedores.

Una empresa puede desarrollar internamente esas capacidades, pero debe considerar todos los costes: contratación, formación, dedicación del equipo, retrasos, herramientas, infraestructura, seguridad y mantenimiento.

Una consultora especializada permite acelerar el proyecto, acceder desde el principio a varios perfiles técnicos y limitar el riesgo mediante un alcance, unos entregables y unas responsabilidades definidos.

Esto no significa que la empresa deba desentenderse. El conocimiento del negocio, la supervisión y la adopción deben permanecer dentro de la organización. La tecnología puede externalizarse; la responsabilidad sobre cómo se utiliza, no completamente.

El error de comparar solamente el presupuesto de la consultora con un salario

Cuando una empresa compara contratar una consultora con formar un equipo interno, suele realizar una comparación incompleta.

A un lado coloca el presupuesto completo de la consultora. Al otro, únicamente el salario mensual de una persona.

Pero contratar y desarrollar internamente un producto de IA implica muchos más costes.

Selección y contratación

Los perfiles con experiencia práctica en inteligencia artificial aplicada, integración de sistemas, datos y despliegue no siempre son fáciles de identificar.

Además, cuando la empresa todavía no dispone de conocimiento interno en esta materia, aparece un problema adicional: ¿quién evalúa técnicamente a los candidatos?

Un buen currículum o una demostración atractiva no garantizan que una persona sepa construir un sistema mantenible, controlar sus errores o integrarlo con la infraestructura existente.

Tiempo hasta alcanzar productividad

Incluso un buen desarrollador necesita tiempo para conocer:

• Los procesos de la empresa.
• Sus sistemas y bases de datos.
• Las restricciones de seguridad.
• Las herramientas de inteligencia artificial.
• Los patrones de arquitectura adecuados.
• Los errores habituales de este tipo de proyectos.
• Los criterios con los que se evaluará la solución.

Formar a una persona puede ser una excelente inversión a largo plazo. Sin embargo, no resuelve necesariamente una necesidad empresarial inmediata.

Dedicación de otros trabajadores

Un proyecto interno no consume solamente el tiempo de la persona contratada.

También necesita atención de responsables de negocio, técnicos, administración, dirección y usuarios finales. Alguien tendrá que definir requisitos, resolver dudas, proporcionar datos, probar versiones y tomar decisiones.

Ese tiempo tiene un coste de oportunidad: son horas que dejan de dedicarse a clientes, operaciones u otros proyectos.

Infraestructura y herramientas

Dependiendo del producto, pueden ser necesarios:

• Servicios de modelos de IA.
• Bases de datos.
• Sistemas de búsqueda documental.
• Plataformas de automatización.
• Alojamiento en la nube.
• Monitorización.
• Registro de conversaciones o acciones.
• Herramientas de evaluación.
• Copias de seguridad.
• Gestión de credenciales.
• Entornos de desarrollo y pruebas.

Estas decisiones no solo generan costes. También requieren conocimientos para configurarlas correctamente.

Errores y rehacer el proyecto

El aprendizaje mediante prueba y error es normal.

El problema aparece cuando ese aprendizaje se produce directamente sobre un proyecto crítico para el negocio. Una arquitectura mal elegida puede obligar a rehacer integraciones, migrar datos o sustituir herramientas después de meses de trabajo.

Una consultora con experiencia debería conocer ya muchos de esos errores y evitarlos antes de que lleguen a producción.

Mantenimiento posterior

La implantación no termina el día del lanzamiento.

Los modelos cambian, las APIs se actualizan, las herramientas modifican sus condiciones, los procesos internos evolucionan y aparecen situaciones que no se detectaron durante las primeras pruebas.

La empresa deberá decidir quién:

• Revisa los errores.
• Ajusta instrucciones y reglas.
• Actualiza integraciones.
• Controla el gasto.
• Analiza el uso.
• Evalúa nuevas versiones.
• Responde cuando el sistema deja de funcionar.

Contratar internamente significa asumir también esta responsabilidad de forma permanente.

Por qué externalizar puede reducir el tiempo de implantación

Una consultora especializada no debería empezar desde cero en cada proyecto.

Debería disponer de:

• Un método de análisis.
• Patrones de integración.
• Componentes reutilizables.
• Criterios de seguridad.
• Sistemas de prueba.
• Experiencia con errores habituales.
• Procedimientos de despliegue y mantenimiento.

Esto permite concentrar el esfuerzo en aquello que realmente es específico de la empresa: sus procesos, datos, herramientas y necesidades.

La diferencia no consiste solo en programar más rápido. Consiste en tomar antes las decisiones correctas.

En un proyecto de IA, una parte importante del tiempo puede perderse decidiendo qué modelo utilizar, cómo estructurar la información, cómo controlar las respuestas o cómo conectar los sistemas.

Una consultora competente debería reducir esa incertidumbre y convertirla en un plan de trabajo concreto.

Compartir y delimitar el riesgo técnico

Uno de los principales argumentos a favor de la externalización es la posibilidad de delimitar responsabilidades.

En un desarrollo completamente interno, la empresa asume directamente:

• El riesgo de contratar a la persona equivocada.
• El riesgo de seleccionar una arquitectura inadecuada.
• El riesgo de que el proyecto se retrase.
• El riesgo de que la solución no alcance la calidad necesaria.
• El riesgo de depender de una única persona.
• El riesgo del mantenimiento futuro.

Con una consultora, parte de ese riesgo puede quedar recogida en un alcance contractual:

• Qué debe entregarse.
• Qué funciones estarán incluidas.
• Qué criterios deberá superar.
• Qué sistemas se conectarán.
• Qué documentación se proporcionará.
• Qué soporte existirá después del lanzamiento.
• Qué ocurre si no se alcanzan determinados resultados.

No todo el riesgo puede transferirse.

La empresa sigue siendo responsable de decidir para qué utilizará la solución, proporcionar información adecuada, cumplir sus obligaciones legales y supervisar las decisiones que afecten a clientes o trabajadores.

Pero sí puede evitar asumir en solitario todo el riesgo técnico y organizativo del desarrollo.

Un producto de IA necesita varios perfiles, no solo un “experto en prompts”

Una de las dificultades de construir un equipo interno es que muchos productos de IA requieren conocimientos diferentes.

Según el proyecto pueden intervenir:

Conocimiento de negocio

Alguien debe comprender el proceso que se quiere mejorar y distinguir las excepciones importantes.

Ingeniería de software

La solución debe conectarse con aplicaciones, gestionar usuarios, almacenar información y responder de forma estable.

Datos

Hay que localizar, limpiar, estructurar y proteger la información que utilizará el sistema.

Inteligencia artificial

Es necesario seleccionar modelos, diseñar instrucciones, establecer herramientas y comprender sus limitaciones.

Infraestructura y operaciones

La solución debe desplegarse, monitorizarse, actualizarse y recuperarse cuando algo falla.

Seguridad y privacidad

Hay que controlar accesos, credenciales, datos personales, registros y proveedores externos.

Experiencia de usuario

Los trabajadores o clientes deben poder utilizar la solución sin aumentar innecesariamente la complejidad de su trabajo.

Una empresa puede contratar una sola persona y esperar que cubra todas estas áreas. Sin embargo, los perfiles realmente completos son escasos y su disponibilidad puede ser limitada.

Una consultora puede proporcionar estos conocimientos de forma compartida, sin que la empresa tenga que contratar un puesto permanente para cada especialidad.

Por qué formar al equipo actual no siempre sustituye a una consultora

Formar al personal es recomendable, pero conviene definir para qué.

Una empresa debería formar a sus trabajadores para:

• Utilizar correctamente la solución.
• Detectar respuestas o comportamientos incorrectos.
• Saber cuándo debe intervenir una persona.
• Proteger la información.
• Proponer mejoras.
• Comprender las limitaciones de la IA.
• Incorporarla a los procesos diarios.

Eso es diferente de formar al equipo para que diseñe arquitecturas, despliegue modelos, mantenga integraciones y construya sistemas de evaluación.

Una formación general puede mejorar mucho la productividad. No convierte automáticamente a un trabajador en especialista en productos de inteligencia artificial.

Además, pedir a una persona que mantenga sus funciones habituales mientras aprende y lidera una implantación suele producir dos consecuencias:

• El proyecto avanza más lentamente.
• Su trabajo principal también se resiente.

La formación interna y la consultoría no son alternativas incompatibles. Pueden formar parte de la misma estrategia.

El modelo más razonable: externalización con conocimiento interno

Para muchas pymes, el mejor modelo no es externalizarlo todo indefinidamente ni construir desde el primer día un departamento de IA.

Es una colaboración en la que cada parte conserva la responsabilidad que mejor conoce.

La empresa aporta

• Conocimiento del negocio.
• Acceso a los procesos y herramientas.
• Prioridades.
• Casos reales.
• Validación de resultados.
• Una persona responsable del proyecto.

La consultora aporta

• Análisis.
• Diseño técnico.
• Desarrollo.
• Integraciones.
• Evaluación.
• Despliegue.
• Documentación.
• Formación y soporte.

La empresa debería entender qué hace la solución y conservar el control sobre sus datos, cuentas y decisiones.

La consultora debería responsabilizarse de que la parte técnica se construya correctamente y pueda mantenerse.

¿Cuándo sí merece la pena crear un equipo interno?

Externalizar no es siempre la mejor opción.

Desarrollar capacidades internas puede tener sentido cuando:

• La IA será una parte central del producto de la empresa.
• Existen muchos proyectos continuos, no una implantación concreta.
• La organización dispone de un departamento técnico maduro.
• El sistema necesita cambios constantes y muy específicos.
• El conocimiento generado constituye una ventaja competitiva.
• La escala justifica varias contrataciones especializadas.
• La empresa puede asumir el tiempo necesario para formar el equipo.

Una empresa tecnológica que vende un producto basado en IA probablemente necesitará conocimientos internos profundos.

Una pyme que quiere automatizar la atención, procesar documentos o mejorar un proceso administrativo posiblemente no necesite crear un departamento completo para conseguirlo.

La pregunta no es si la IA es importante. Es si desarrollar internamente toda la capacidad técnica aporta una ventaja proporcional al coste.

Ejemplo: implantar un chatbot para una empresa

A primera vista, construir un chatbot puede parecer sencillo.

Se crea una ventana de conversación, se conecta un modelo y se añaden algunos documentos.

Pero un chatbot empresarial útil necesita responder preguntas adicionales:

• ¿De dónde obtiene la información?
• ¿Cómo se mantiene actualizada?
• ¿Qué ocurre cuando no conoce la respuesta?
• ¿Puede inventar datos?
• ¿Cómo deriva una conversación a una persona?
• ¿Puede identificar una oportunidad comercial?
• ¿Dónde registra los datos del cliente?
• ¿Cómo solicita el consentimiento?
• ¿Qué información no debería recibir?
• ¿Quién revisa las conversaciones?
• ¿Cómo se mide si ayuda realmente?
• ¿Qué sucede cuando falla un proveedor?
• ¿Cuánto cuesta cada conversación?
• ¿Quién lo mantiene?

La interfaz visible es solamente una parte pequeña del producto.

El valor de una consultora no debería estar en colocar un chat en la página web, sino en resolver correctamente todo lo que ocurre alrededor.

Qué mirar al contratar una consultora para un chatbot o agente de IA

1. Empieza preguntando por el problema, no por el modelo

Una buena consultora querrá saber:

• Qué preguntas recibe la empresa.
• Quién las responde actualmente.
• Qué información utiliza.
• Qué sucede fuera del horario.
• Qué conversaciones deben derivarse.
• Qué objetivo tendrá el chatbot.

Si la primera conversación gira únicamente alrededor de modelos, agentes y herramientas, puede que la tecnología esté ocupando el lugar del problema.

2. Define qué significa que funcione

El proyecto debería incluir métricas como:

• Porcentaje de consultas correctamente atendidas.
• Conversaciones que requieren intervención humana.
• Contactos comerciales recogidos.
• Tiempo de respuesta.
• Errores detectados.
• Satisfacción de los usuarios.
• Coste por conversación.

No basta con que el chatbot responda. Debe ayudar a conseguir un resultado empresarial.

3. Pide una explicación de los límites

La consultora debería explicar con claridad:

• Qué preguntas podrá responder.
• Cuáles no.
• Qué información necesitará.
• Qué errores pueden producirse.
• Cómo se gestionarán.
• Qué acciones necesitarán confirmación.

Desconfía de quien prometa respuestas perfectas o autonomía total.

4. Revisa las integraciones

Un chatbot aislado tiene un valor limitado.

Puede ser necesario conectarlo con:

• Formularios.
• Correo electrónico.
• CRM.
• Calendarios.
• Sistemas de reservas.
• Bases de datos.
• Herramientas internas.
• Canales de atención.

La propuesta debería especificar qué integraciones están incluidas y qué ocurre cuando alguna deja de funcionar.

5. Comprueba cómo se evaluará

No debería probarse únicamente con preguntas preparadas.

La consultora debe contemplar:

• Variaciones en la forma de preguntar.
• Errores ortográficos.
• Preguntas ambiguas.
• Información que no aparece en los documentos.
• Intentos de obtener datos restringidos.
• Conversaciones largas.
• Cambios de tema.
• Casos que requieren intervención humana.

6. Pregunta por la privacidad y la seguridad

Debe quedar claro:

• Qué datos se envían a proveedores externos.
• Dónde se almacenan las conversaciones.
• Durante cuánto tiempo.
• Quién puede acceder.
• Cómo se gestionan las credenciales.
• Qué datos no deben procesarse.
• Cómo pueden eliminarse.

7. Exige una salida humana

Un chatbot no debería convertirse en una barrera entre la empresa y sus clientes.

Debe existir un mecanismo para:

• Solicitar ayuda.
• Dejar datos de contacto.
• Derivar la conversación.
• Registrar la solicitud.
• Avisar a la persona responsable.

8. Aclara la propiedad

La empresa debería saber quién controla:

• El dominio y la cuenta del chatbot.
• Las cuentas de los proveedores.
• Los datos.
• Los documentos.
• Las integraciones.
• El código personalizado.
• Los registros.
• La configuración.

El cambio de proveedor no debería implicar perder todo el sistema.

9. Pide el coste total, no solo el desarrollo

La propuesta debe distinguir:

• Implantación inicial.
• Licencias.
• Consumo de modelos.
• Infraestructura.
• Mantenimiento.
• Soporte.
• Cambios posteriores.
• Formación.

Un presupuesto inicial muy bajo puede esconder una dependencia mensual elevada.

10. Pregunta quién estará después del lanzamiento

El lanzamiento es el comienzo de la fase real de aprendizaje.

Hay que saber:

• Cuánto soporte se incluye.
• Quién revisará las incidencias.
• Qué tiempos de respuesta existen.
• Cómo se presupuestan las mejoras.
• Qué mantenimiento preventivo se realizará.

Señales de alerta

Conviene ser prudente cuando una consultora:

• Propone un agente antes de conocer los procesos.
• Afirma que una persona puede cubrir sin apoyo todas las especialidades.
• Solo muestra una demostración preparada.
• No habla de errores ni excepciones.
• No define métricas.
• No incluye documentación.
• No explica el mantenimiento.
• Utiliza cuentas y herramientas que la empresa no podrá controlar.
• Cobra únicamente por horas sin definir entregables.
• Promete sustituir completamente al personal.
• No contempla una derivación humana.
• Presenta la IA como una instalación única que nunca necesitará ajustes.

Qué debería incluir una buena propuesta

Para un producto concreto, la propuesta debería explicar al menos:

• Problema que se resolverá.
• Usuarios de la solución.
• Procesos incluidos.
• Procesos excluidos.
• Herramientas e integraciones.
• Datos necesarios.
• Funciones principales.
• Casos que requieren revisión humana.
• Pruebas previstas.
• Métricas.
• Plazo.
• Costes iniciales y recurrentes.
• Responsabilidades de cada parte.
• Propiedad de los activos.
• Formación.
• Mantenimiento y soporte.

Cuanto más clara sea esta información, menor será el riesgo de terminar pagando por una demostración que nunca se convierte en un producto útil.

Cómo abordamos estos proyectos en elfactoria

En elfactoria combinamos conocimiento técnico y empresarial para que el proyecto no empiece con una herramienta, sino con una necesidad real.

Nuestro trabajo se organiza en cuatro etapas:

01. Análisis

Estudiamos el proceso, las herramientas disponibles, los datos y las personas que participan.

02. Detección

Priorizamos las oportunidades según impacto, viabilidad, coste y riesgo.

03. Desarrollo

Implantamos la solución adecuada, utilizando herramientas existentes, automatizaciones, integraciones o desarrollo personalizado.

04. Optimización

Probamos con casos reales, medimos los resultados y mantenemos el sistema para adaptarlo a las necesidades del negocio.

El objetivo no es que la empresa contrate varios perfiles técnicos para realizar un único proyecto. Es que pueda acceder al conocimiento necesario, implantar una solución útil y mantener el control sobre ella.

Si estás valorando incorporar un asistente a tu página web, puedes conocer nuestro servicio de chatbot con IA para empresas.

También puedes consultar el resto de nuestras soluciones de inteligencia artificial y automatización.

En conclusión

Contratar personal y formar un equipo interno puede ser una buena inversión cuando la inteligencia artificial forma parte central y permanente de la estrategia de una empresa.

Pero para implantar un primer producto concreto, crear esa capacidad desde cero suele implicar más tiempo, más coste y más riesgo del que inicialmente parece.

Una consultora especializada permite:

• Empezar antes.
• Acceder a varias especialidades.
• Evitar errores ya conocidos.
• Definir responsabilidades.
• Controlar el alcance.
• Conocer el coste del proyecto.
• Obtener soporte.
• Compartir el riesgo técnico.
• Formar al equipo sin convertirlo en un departamento de desarrollo.

La empresa debe conservar el conocimiento de su negocio, la supervisión y el control de sus datos.

No necesita, necesariamente, convertirse en una empresa tecnológica para beneficiarse de la inteligencia artificial.