Cómo elegir una consultora de IA: 10 señales buenas y 7 red flags
TL;DR
Elegir una consultora de IA se reduce a una prueba sencilla: mira si empieza por tu problema de negocio y por el estado real de tus datos —no por el modelo de moda— y si exige un piloto acotado con métricas de éxito antes de prometerte nada. Las consultoras que saben lo que hacen hablan de datos, integración, gobernanza y transferencia de conocimiento desde la primera reunión; las que no, te enseñan demos espectaculares, presupuestos sospechosamente baratos y jerga sin un solo caso medible. En este artículo desglosamos las 10 señales verdes que buscamos cuando evaluamos a cualquier proveedor de IA (incluidos nosotros), las 7 banderas rojas que deberían frenar una firma, las preguntas concretas que hacer en la primera reunión, los modelos de contratación y cuándo usar cada uno, y cómo leer una propuesta para detectar qué falta. Lo escribimos desde lo que vemos al entrar a auditar proyectos ajenos que han descarrilado, no desde un folleto comercial. Si buscas un marco honesto para no equivocarte en una decisión que compromete presupuesto plurianual, sigue leyendo.
¿Por qué elegir mal una consultora de IA sale carísimo?
Elegir mal una consultora de IA no cuesta lo que cuesta el proyecto: cuesta el proyecto, más el tiempo perdido, más la credibilidad quemada dentro de la organización, más el coste de oportunidad de no haber atacado el caso de uso correcto. Cuando un comité de dirección aprueba una inversión en IA y el resultado es un piloto que muere en la fase de prueba de concepto, el daño no es solo el dinero: es que el siguiente presupuesto de IA se aprueba con la mitad de convicción, o no se aprueba. Hemos visto organizaciones enteras enfriar su apetito por la IA durante dos años por culpa de un primer proyecto mal elegido con el partner equivocado.
Los números respaldan que esto es la norma, no la excepción. Gartner predijo que al menos el 30% de los proyectos de IA generativa se abandonarían tras la prueba de concepto a finales de 2025, por mala calidad de datos, controles de riesgo insuficientes, costes desbocados o valor de negocio poco claro. Y el informe State of AI de McKinsey es todavía más contundente: aunque el 88% de las organizaciones ya usa IA, solo alrededor de un tercio la ha escalado de verdad y apenas un 5-6% reporta retornos financieros significativos. Traducido: la mayoría de las empresas que invierten en IA se quedan atrapadas en el “purgatorio del piloto”. La elección del partner es una de las variables que más pesan en de qué lado de esa estadística acabas.
Elegir bien una consultora de IA importa porque el margen de error técnico es más estrecho que en otros proyectos tecnológicos. Un ERP mal implantado se nota rápido y se corrige; un proyecto de IA mal planteado puede parecer que funciona en la demo y fallar silenciosamente en producción, cuando los datos derivan, el coste de inferencia se dispara o el modelo empieza a producir respuestas que nadie audita. Por eso la conversación de compra no puede reducirse a comparar tres presupuestos por precio. Hay que saber leer qué hay detrás de cada uno, y para eso hace falta un marco. Este artículo es ese marco de cómo elegir una consultora de IA: no un argumentario para contratarnos, sino los mismos criterios que aplicamos cuando somos nosotros los que auditamos el trabajo de otro.
Un proyecto de IA mal elegido no falla en la factura, falla en las expectativas. Y una expectativa rota dentro de un comité de dirección tarda años en repararse, mucho más que el presupuesto que se perdió.
¿Qué es una consultora de IA y en qué se diferencian los proveedores del mercado?
Una consultora de IA es una organización que ayuda a una empresa a identificar, diseñar, construir y escalar casos de uso de inteligencia artificial que muevan una métrica de negocio, cubriendo la cadena completa que va desde el problema hasta el sistema en producción y su gobierno. Esa definición parece obvia, pero el mercado está lleno de proveedores que solo cubren un tramo de esa cadena y se presentan como si la cubrieran entera. La primera decisión al elegir una consultora de IA no es “cuál”, sino “de qué tipo”, porque cada tipo resuelve un problema distinto y cobra de forma distinta.
En la práctica conviven al menos cinco perfiles de proveedor, y confundirlos es la causa número uno de expectativas rotas. Están las grandes consultoras generalistas (las que también hacen tu auditoría o tu transformación digital), que aportan músculo, procesos y cobertura, pero cuya factura por día y cuya distancia respecto al código real las hacen caras para empresa media. Están las consultoras especializadas o pure-play en IA y datos, que suelen ser el punto dulce para el mid-market. Están las dev shops o fábricas de software que “también hacen IA” y que ejecutan bien si el problema ya viene definido, pero flojean en el descubrimiento y la estrategia. Están los fabricantes de producto SaaS con un equipo de “consultoría” cuyo objetivo real es que compres su plataforma. Y están los freelancers o boutiques de una o dos personas, excelentes para casos muy acotados y arriesgados como socio único de un programa plurianual.
La diferencia no es de calidad, es de encaje. Una gran consultora es la elección correcta para una gran cuenta que necesita coordinar veinte iniciativas y responder ante un consejo; una boutique especializada es la elección correcta para una empresa media que quiere resolver dos casos de uso bien y construir capacidad propia. El error que más vemos es contratar el tipo equivocado para el problema: pagar tarifas de gran consultora por un piloto que una boutique habría hecho por la mitad, o encargar un programa transversal crítico a un freelancer que se satura. Antes de evaluar a una consultora de IA concreta, decide qué tipo de partner necesita realmente tu problema. Sobre cuándo tiene sentido cada opción frente a construir en interno, volvemos más abajo.
| Tipo de proveedor | Mejor para | Fortaleza | Punto débil |
|---|---|---|---|
| Gran consultora generalista | Gran cuenta, programas transversales | Músculo, cobertura, gobierno | Cara, lejos del código, lenta |
| Consultora especializada en IA/datos | Empresa media con casos concretos | Foco, ejecución, buen precio/valor | Menos capacidad de escala masiva |
| Dev shop / fábrica de software | Ejecutar un caso ya definido | Rápida construyendo | Floja en estrategia y datos |
| Fabricante SaaS con “consultoría” | Casos estándar sobre su producto | Time to value, bajo riesgo inicial | Sesgo hacia vender su plataforma |
| Freelancer / boutique de 1-2 personas | Casos muy acotados, exploración | Barata, ágil, cercana | Riesgo de dependencia y saturación |
Las 10 señales de que una consultora de IA sabe lo que hace
Vamos con el núcleo del artículo. Cuando en Datalvar AI entramos a auditar el trabajo de otro proveedor —algo que hacemos con más frecuencia de la que parece, porque muchos clientes nos llaman cuando un proyecto ya va mal— aplicamos una lista mental de señales que separan a quien sabe lo que hace de quien improvisa. No son diez trucos de checklist, son diez comportamientos observables en las primeras reuniones y en la primera propuesta, antes de firmar nada. Una buena consultora de IA exhibe la mayoría de ellos de forma natural, sin que tengas que arrancárselos.
Antes de detallarlas, una advertencia sobre cómo usarlas. Ninguna señal aislada es definitiva: hay proveedores excelentes que fallan en una y proveedores mediocres que dan bien el pego en tres. Lo que importa es el patrón. Si una consultora de IA cumple ocho de diez señales verdes, probablemente sabe lo que hace; si cumple tres o cuatro, tienes un problema aunque el equipo caiga simpático. Y si además exhibe varias de las banderas rojas que veremos después, la decisión debería ser clara. Piensa en esto como en un diagnóstico, no como en un test de aprobado o suspenso.
La otra clave sobre cómo elegir una consultora de IA es que casi todas estas señales se detectan haciendo preguntas y escuchando cómo se responden, no leyendo el dossier comercial. Cualquier consultora de IA que se precie tiene un PowerPoint impecable; lo que distingue a las buenas es cómo reaccionan cuando les preguntas por tus datos concretos, por un caso que salió mal o por el coste a 24 meses. Por eso la tabla siguiente empareja cada señal verde con su reverso, la señal de que ese comportamiento no está: es más útil ver las dos caras juntas.
| # | Señal verde (sabe lo que hace) | Reverso (señal de alarma) |
|---|---|---|
| 1 | Empieza por el problema de negocio | Empieza por la tecnología o el modelo |
| 2 | Pregunta por tus datos desde el minuto uno | Da por hecho que “los datos ya están” |
| 3 | Te enseña casos reales medibles | Solo enseña demos y logos de clientes |
| 4 | Propone un piloto acotado con métricas de éxito | Propone un “gran proyecto” sin hitos |
| 5 | Es transparente con costes recurrentes y tokens | Solo habla del precio de construcción |
| 6 | No te ata a un único proveedor ni tecnología | Te empuja a un stack propietario cerrado |
| 7 | Presenta un equipo con perfiles reales | Vende “expertos” que luego no verás |
| 8 | Incluye plan de transferencia de conocimiento | Diseña para que dependas de ella siempre |
| 9 | Habla de riesgos, gobernanza y AI Act | Ignora el riesgo y el marco regulatorio |
| 10 | Sabe decirte que no cuando un caso no encaja | Te dice a todo que sí para cerrar la venta |
¿Empieza por el problema de negocio o por la tecnología?
La primera señal, y la más importante, es dónde empieza la conversación. Una buena consultora de IA dedica la primera reunión a entender tu negocio: qué duele, qué proceso cuesta demasiado, dónde se pierde dinero o tiempo, qué decisión se toma hoy a ciegas. Solo después de eso menciona tecnología. Una consultora de IA que en los primeros diez minutos ya está hablando de qué modelo de lenguaje va a usar, de agentes, de RAG o de fine-tuning sin haberte preguntado qué problema resuelves para tu cliente, ha invertido el orden de los factores. La tecnología es un medio; si el proveedor la trata como el fin, el proyecto nacerá sin ancla de negocio.
La segunda señal, íntimamente ligada, es que pregunta por tus datos desde el minuto uno. La IA se construye sobre datos, y una consultora de IA seria quiere saber qué datos tienes, en qué estado, quién es su dueño, cómo se actualizan y si están gobernados, antes de prometer nada. En los proyectos que auditamos, el fallo más repetido es que nadie miró los datos hasta que ya se había firmado el alcance. Cuando una consultora de IA te pregunta pronto y con detalle por tus fuentes de datos —y se le nota que la respuesta cambiaría su propuesta— es una señal excelente. Cuando da por hecho que “los datos ya estarán en el ERP”, está construyendo sobre un supuesto que suele reventar el presupuesto a mitad de camino.
Estas dos señales juntas son casi un filtro suficiente por sí solas. Una consultora de IA que empieza por el problema de negocio y por el estado de tus datos está pensando como piensa alguien que ha llevado proyectos a producción y ha sufrido lo que pasa cuando el caso de uso no tenía valor o los datos no daban. Es el reflejo de la cicatriz. Si notas que el proveedor tiene prisa por hablar de su tecnología y ninguna curiosidad por tu operación concreta, no importa lo brillante que sea el equipo: te va a vender una solución en busca de un problema. Y las soluciones en busca de problema son exactamente los pilotos que engrosan la estadística de abandono. Si quieres profundizar en cómo se estructura un proyecto que sí arranca por el problema correcto, lo desarrollamos en nuestra guía sobre cómo implantar IA en una empresa paso a paso.
¿Te enseña casos reales medibles y propone un piloto acotado con métricas?
La tercera señal es qué te enseña como prueba de que sabe hacer esto. Un logo de cliente en una diapositiva no prueba nada: casi cualquiera consigue una foto con una marca conocida por un taller de dos horas. Lo que prueba capacidad es un caso real contado con números: qué problema tenía el cliente, qué se construyó, cuánto costó aproximadamente, qué métrica movió y cuánto, y —bonus de honestidad— qué salió peor de lo esperado. Cuando una consultora de IA es capaz de contarte un caso así, con cifras y con matices, está demostrando que ha estado en el barro. Cuando una consultora de IA solo enseña capturas de una demo y una pared de logos, está vendiendo la marca, no el resultado.
La cuarta señal es cómo propone empezar. Una consultora de IA que sabe lo que hace no te propone un “gran proyecto” de doce meses a precio cerrado en la primera reunión: te propone un piloto acotado, con un caso de uso concreto, un alcance limitado, unas semanas de duración y —esto es lo crítico— unas métricas de éxito acordadas de antemano. Es decir, te dice: “en ocho semanas vamos a demostrar que este sistema reduce el tiempo de resolución de tickets un X%, y si no llegamos, no escalamos”. Ese compromiso con métricas de éxito antes de empezar es la firma de un proveedor maduro. El que evita fijar métricas —“ya veremos el impacto sobre la marcha”— se está protegiendo de que le midan.
La combinación de ambas señales revela la mentalidad del proveedor: los buenos piensan en términos de evidencia y de riesgo controlado. Un piloto acotado con métricas es una forma de gastar poco para aprender mucho antes de comprometer el presupuesto grande, y una consultora de IA que lo propone está alineando sus incentivos con los tuyos: solo escaláis si funciona. Es también la mejor defensa contra la estadística de abandono, porque separa la decisión de invertir a lo grande del entusiasmo inicial. Nosotros trabajamos siempre así, y no por generosidad: es la forma de no acabar defendiendo ante un comité un proyecto que nunca tuvo métricas claras. Sobre cómo se calculan y defienden esas métricas de retorno, tenemos un análisis detallado en el ROI de la inteligencia artificial en empresas.
¿Es transparente con los costes recurrentes y no te ata a un único proveedor?
La quinta señal aparece cuando hablas de dinero. Una consultora de IA honesta no te da solo el precio de construcción; te explica los costes recurrentes: la infraestructura mensual, el coste de inferencia (los tokens, que parecen baratos hasta que multiplicas por uso real), el mantenimiento, la observabilidad, la evolución. Un asistente que en piloto cuesta cincuenta euros al mes en tokens puede costar varios miles al escalar a mil usuarios diarios, y quien no te avisa de eso o no lo sabe o te lo esconde. Cuando una consultora de IA te entrega una proyección de coste total de propiedad a 12 y 24 meses, con escenarios de uso, está tratándote como a un adulto. Cuando solo te da el precio del proyecto y evita el “cuánto me cuesta esto al mes durante los próximos dos años”, falta la mitad de la película. Este es uno de los puntos donde más nos extendemos en el artículo sobre cuánto cuesta implementar IA en una empresa.
La sexta señal es qué pasa con tu libertad tecnológica. Una buena consultora de IA construye de forma que puedas cambiar de proveedor de modelo, de nube o de la propia consultora sin tener que tirar todo a la basura. Usa estándares, documenta, no mete tu lógica de negocio en una caja negra propietaria de la que solo ellos tienen la llave. Cuando un proveedor te empuja con insistencia hacia su plataforma cerrada, hacia un único modelo de un único fabricante o hacia una arquitectura que solo ellos pueden mantener, está sembrando dependencia. La dependencia no es mala en sí misma —toda relación de partner la tiene en algún grado—, pero cuando es la estrategia comercial en lugar del subproducto de un buen trabajo, es una bandera.
Estas dos señales van juntas porque ambas son formas de honestidad sobre el largo plazo. La consultora de IA que te avisa de los costes recurrentes y que construye sin atarte está renunciando a dos palancas clásicas de la venta: ocultar el coste total para que el precio inicial parezca menor, y crear dependencia para asegurar ingresos futuros. Que un proveedor renuncie voluntariamente a esas dos palancas dice mucho de cómo entiende la relación. Nosotros lo vemos como pura estrategia a largo plazo: los clientes menos dependientes son, paradójicamente, los que más nos recomiendan y los que vuelven para el siguiente proyecto porque la relación se construyó sobre confianza y no sobre captura.
¿Tiene un equipo con perfiles reales y un plan de transferencia de conocimiento?
La séptima señal es quién va a hacer el trabajo de verdad. En muchas ventas de consultoría aparece el “equipo estrella” en la reunión comercial —el socio veterano, el científico de datos con doctorado— y luego el proyecto lo ejecuta gente que no conociste, a veces junior, a veces subcontratada. Una consultora de IA seria te presenta a las personas concretas que van a trabajar en tu proyecto, con nombres, roles y experiencia real, y no le importa que hables con ellas. Pregunta siempre: “¿quién va a estar en el día a día de mi proyecto y cuál es su experiencia?”. Si la respuesta es vaga o si el perfil que ejecuta no coincide con el que vende, tienes un problema de expectativas esperando a suceder.
La octava señal es que planifica su propia salida. Suena contraintuitivo, pero la mejor consultora de IA es la que diseña el proyecto para que dependas de ella lo menos posible: documenta, forma a tu equipo, transfiere conocimiento, deja las cosas de forma que tu gente pueda operar y evolucionar lo construido. Un plan de transferencia de conocimiento explícito —con formación, documentación, pairing con tu equipo interno y un calendario de reducción de la dependencia— es la marca de un partner que piensa en tu capacidad, no solo en su facturación. Si tu objetivo a medio plazo es construir músculo propio de IA, este punto es decisivo; lo desarrollamos en profundidad en la guía sobre cómo montar un centro de excelencia de IA en tu empresa.
Ambas señales revelan si el proveedor juega a corto o a largo. Un equipo real y una transferencia de conocimiento planificada son incómodas para la consultora: exponen a las personas concretas (que pueden fallar) y reducen la dependencia futura (que da ingresos). Que una consultora de IA las ofrezca de forma proactiva significa que su modelo de negocio se basa en hacer buenos proyectos y ganarse el siguiente, no en atrapar clientes. En nuestra experiencia, esta es una de las señales que mejor predice si la relación durará años o terminará en divorcio: los proveedores que capturan clientes generan resentimiento; los que los empoderan generan recompra y recomendación. Es la diferencia entre un vendedor y un partner.
¿Habla de riesgos, del AI Act y sabe decirte que no?
La novena señal es si el proveedor te habla de lo que puede salir mal. La IA tiene riesgos reales: alucinaciones, sesgos, fugas de datos, decisiones automatizadas que afectan a personas, incumplimiento regulatorio. Una consultora de IA que sabe lo que hace saca estos temas ella misma, sin que tengas que preguntar, y te explica cómo los mitiga: supervisión humana, logs auditables, evaluaciones, límites de uso. Y menciona el marco regulatorio. El Reglamento Europeo de Inteligencia Artificial (AI Act) entró en vigor en agosto de 2024 y sus obligaciones principales para sistemas de alto riesgo empiezan a aplicarse en agosto de 2026: gestión de riesgos, calidad de datos, documentación técnica, supervisión humana, robustez. Una consultora que en 2026 no menciona el AI Act cuando tu caso podría clasificarse como alto riesgo, o no sabe qué es, está desactualizada en algo que ya es ley.
La décima señal es, quizá, la más reveladora de todas: sabe decirte que no. Una buena consultora de IA te dirá que un caso de uso no encaja, que tus datos no están listos, que ese problema no se resuelve con IA sino con un proceso mejor, o que no deberías invertir todavía. Decir que no cuesta una venta a corto plazo, y precisamente por eso es una señal tan fiable: solo lo hace quien prioriza la relación y la reputación por encima del ingreso inmediato. Cuando un proveedor te dice a todo que sí —“claro que podemos”, “eso es fácil”, “sin problema”— sin haber visto tus datos ni tu operación, está optimizando para firmar, no para que tu proyecto funcione.
Estas dos últimas señales son las que mejor separan a los técnicos de los vendedores. Hablar de riesgos y del AI Act requiere conocimiento real y voluntad de complicarte la vida con matices incómodos; decirte que no requiere una ética comercial que va contra el incentivo natural de cerrar. Cuando una consultora de IA hace las dos cosas, puedes confiar en que lo que sí te propone lo propone porque cree que funcionará, no porque necesite la venta. En Datalvar AI hemos perdido proyectos por decir que no —y por hablar demasiado pronto de riesgos y de gobernanza— y los hemos recuperado meses después, cuando el cliente descubrió que teníamos razón. La honestidad técnica es, a largo plazo, la mejor estrategia comercial. Sobre cómo se estructura el gobierno del riesgo en un programa serio, escribimos en detalle en gobernanza de IA en empresas.
Las 7 banderas rojas al elegir una consultora de IA
Si las diez señales verdes son lo que buscas, las siete banderas rojas son lo que debería frenarte en seco. No son simplemente la ausencia de las señales verdes: son comportamientos activos que indican que algo va mal, ya sea porque el proveedor no sabe lo que hace o porque sabe exactamente lo que hace y no te conviene. Las hemos visto todas, muchas veces, casi siempre en proyectos que después nos llegan para rescatar. Una sola bandera roja no condena a una consultora de IA; dos o tres juntas sí deberían.
La lógica de las banderas rojas es distinta a la de las señales verdes. Una señal verde ausente puede deberse a que el proveedor no la ha exhibido todavía, o a que la reunión fue corta. Una bandera roja presente es información activa: alguien hizo o dijo algo que revela un problema. Por eso pesan más. Si en una reunión con una consultora de IA aparecen dos de estas siete, mi recomendación es no avanzar sin resolverlas explícitamente, poniéndolas sobre la mesa y viendo cómo reacciona el proveedor. La reacción a que le señales una bandera roja es, en sí misma, otra señal.
Igual que con las verdes, el valor de estas banderas al elegir una consultora de IA está en el patrón y en el contexto. Un presupuesto barato no es malo si el alcance es genuinamente pequeño; una demo espectacular no es mala si además hay un caso medible detrás. Lo peligroso es cuando estos comportamientos aparecen combinados y sin contrapeso: la demo espectacular sin ROI, más el presupuesto barato que omite la integración, más la promesa de “lo integramos fácil”. Ese cóctel concreto es el retrato robot del proyecto que descarrila. Vamos a desglosar las siete.
| # | Bandera roja | Por qué es peligrosa |
|---|---|---|
| 1 | Promete “IA” sin preguntar por tus datos | Construye sobre un supuesto que revienta después |
| 2 | Demos espectaculares sin ningún ROI detrás | Vende emoción, no resultado medible |
| 3 | Presupuesto sospechosamente barato | Omite integración, datos o gobernanza |
| 4 | Todo es jerga y no hay un solo caso concreto | Esconde falta de experiencia real |
| 5 | ”Lo integramos fácil” sin ver tu stack | Subestima el 20-30% del coste real |
| 6 | Cero mención a mantenimiento u observabilidad | El sistema se degradará y se abandonará |
| 7 | Te empuja a un lock-in propietario | Convierte la dependencia en su estrategia |
¿Promete “IA” sin preguntar por tus datos ni tu ROI?
La primera bandera roja es el reverso exacto de las mejores señales verdes: una consultora de IA que promete resultados sin haber preguntado por tus datos. Si un proveedor te dice “te montamos un asistente inteligente que responderá cualquier consulta de tus clientes” sin haber querido saber dónde está tu base de conocimiento, en qué formato, cómo se actualiza y quién la mantiene, está prometiendo sobre el vacío. La IA es tan buena como los datos que la alimentan, y quien promete sin mirar los datos o no lo sabe o le da igual. En los rescates que hacemos, esta es la causa raíz más frecuente: el proyecto se vendió sobre unos datos que nadie auditó y que no daban para lo prometido.
La segunda bandera roja es la demo espectacular sin ROI detrás. Las demos de IA son peligrosamente fáciles de hacer impresionantes: con datos elegidos a mano y un caso preparado, casi cualquier cosa parece magia. El problema es que una demo demuestra que algo es posible en condiciones ideales, no que resuelva tu problema en producción con tus datos reales y tu volumen. Cuando una consultora de IA basa toda su venta en el “efecto guau” de una demo y esquiva la pregunta de “¿qué métrica de negocio mueve esto y cómo lo mediremos?”, está vendiendo emoción. La emoción cierra ventas y no sostiene proyectos.
Estas dos banderas comparten una raíz: la sustitución de la evidencia por la promesa. Preguntar por los datos y comprometerse con el ROI son incómodos porque exponen al proveedor a la realidad; prometer y deslumbrar son cómodos porque no comprometen a nada verificable. Cuando veas que una consultora de IA prefiere sistemáticamente lo cómodo sobre lo verificable, asume que la fase de venta es la parte más pulida del servicio y que la ejecución será más pobre. El contraste con un buen proveedor es brutal: el bueno casi te aburre con preguntas sobre tus datos y tus métricas; el malo te entretiene con demos. Aburrirse en la fase de venta suele ser buena señal.
¿El presupuesto es sospechosamente barato o todo es jerga sin casos?
La tercera bandera roja es un presupuesto sospechosamente barato. Suena contraintuitivo desconfiar de lo barato cuando compras, pero en IA un precio muy por debajo del mercado casi nunca significa eficiencia: significa que algo no está en el presupuesto. Normalmente falta la integración con tus sistemas (que puede ser el 20-30% del coste real), la preparación de datos, la gobernanza o el mantenimiento. El proveedor te da un número atractivo para ganar la comparativa y luego lo recupera con change requests cuando aparece “lo que no estaba contemplado”. Cuando una consultora de IA presenta un presupuesto muy inferior a los demás para el mismo alcance, la pregunta correcta no es “qué bien” sino “qué falta aquí que los otros sí han incluido”.
La cuarta bandera roja es la jerga sin casos. Hay proveedores que llenan la conversación de terminología —agentes, RAG, embeddings, fine-tuning, MLOps, orquestación multimodal— sin bajar nunca a un caso concreto de cómo eso resolvió un problema real de una empresa parecida a la tuya. La jerga cumple una función: impresionar y crear la sensación de que hay una expertise profunda que tú no puedes evaluar. Pero la expertise real se demuestra al revés, traduciendo la jerga a impacto de negocio en un lenguaje que entienda tu comité. Una consultora de IA que sabe lo que hace usa los términos técnicos cuando hacen falta y sabe explicártelos; la que se esconde detrás de la jerga suele estar tapando la falta de casos reales.
Ambas banderas son formas de manipular la percepción de valor. El presupuesto barato manipula a la baja para ganar la comparativa; la jerga manipula al alza para justificar una tarifa o disimular la inexperiencia. En los dos casos, el antídoto es el mismo: pide desglose y pide casos. Pide el presupuesto partido en bloques (descubrimiento, datos, modelado, integración, gobernanza, formación, mantenimiento) y verás enseguida qué falta en el barato. Pide un caso real contado con números y verás enseguida quién tiene experiencia detrás de la jerga. Una consultora de IA seria agradece las dos peticiones; una que se incomoda ante ellas te está diciendo algo.
¿“Lo integramos fácil” y ni una palabra de mantenimiento ni lock-in?
La quinta bandera roja es la frase “lo integramos fácil con tu sistema”. La integración es, en casi todos los proyectos de IA que auditamos, la partida más subestimada y la que más sobrecostes genera. “Integrar con tu CRM” puede costar cinco mil euros si todo está limpio y documentado, o cuarenta mil si hay objetos personalizados sin documentar, procesos de seguridad internos que tardan semanas y un dueño de las APIs que no aparece. Cuando una consultora de IA despacha la integración con un “es fácil” sin haber visto tu stack, qué versiones, qué documentación, qué límites de rate y qué gobierno de accesos, no está siendo optimista: está siendo ignorante o comercial. Este es uno de los puntos donde más se separan las consultoras de IA que han estado en producción de las que solo han hecho demos. Ninguna integración empresarial seria es “fácil” hasta que se ha mirado.
La sexta bandera roja es la ausencia total de conversación sobre mantenimiento y observabilidad. Un sistema de IA en producción no es un entregable que se enciende y funciona para siempre: los modelos cambian de versión, los datos derivan, aparecen casos de fallo nuevos, el coste de inferencia fluctúa, los usuarios piden más. Sin observabilidad (monitorización de qué hace el sistema, cuánto cuesta, dónde falla) y sin un plan de mantenimiento, un sistema de IA se degrada en meses y termina abandonado. Si una consultora de IA no menciona por iniciativa propia cómo se va a operar, monitorizar y evolucionar lo que construye, está vendiéndote un coche sin plan de mantenimiento y sin cuadro de mandos.
La séptima y última bandera roja es el lock-in convertido en estrategia. Ya lo mencionamos como reverso de una señal verde, pero merece figurar aparte porque es la más difícil de detectar a tiempo. El lock-in no se anuncia; se construye. Se manifiesta en decisiones aparentemente técnicas —usar un formato propietario, meter la lógica de negocio en su plataforma, no documentar, hacerse indispensable para cada cambio— que solo revelan su coste cuando quieres irte y descubres que no puedes sin rehacerlo todo. Una consultora de IA que diseña activamente para atraparte es peor que una incompetente, porque la incompetente al menos te deja marchar. Pregunta siempre, antes de firmar: “si dentro de dos años queremos cambiar de proveedor o llevar esto a nuestro equipo interno, ¿qué haría falta?”. La calidad de la respuesta lo dice todo.
¿Qué preguntas hacerle a una consultora de IA en la primera reunión?
La mejor herramienta para aplicar todo lo anterior es una buena lista de preguntas. Las señales y las banderas no se leen en un dossier; se provocan preguntando y observando cómo responde el proveedor. En Datalvar AI, cuando aconsejamos a un cliente que va a evaluar a varias consultoras (a veces incluyéndonos y a veces no), le damos una batería de preguntas organizada por áreas. No es un interrogatorio: es una conversación estructurada que, bien llevada, revela en una hora más que tres propuestas escritas. Una consultora de IA que responde estas preguntas con concreción y sin ponerse a la defensiva ya ha pasado el filtro más importante.
Las preguntas se agrupan en cinco áreas, y el orden importa: empieza por negocio y datos, porque ahí es donde se cae el 80% de los proyectos. Fíjate no solo en el contenido de la respuesta sino en la reacción: ¿el proveedor se alegra de la pregunta o se incomoda? ¿Responde con un caso concreto o con generalidades? ¿Reconoce límites o promete de todo? Una buena consultora de IA disfruta estas conversaciones porque le permiten demostrar criterio; una que solo quiere firmar intentará reconducir hacia su presentación. Presta atención a quién lleva la reunión: si es un comercial puro sin nadie técnico capaz de bajar al detalle, esa ausencia ya es información.
Un consejo práctico: haz estas preguntas por escrito después de la reunión y pide respuestas por escrito. Muchas cosas que suenan bien de viva voz se desinflan cuando el proveedor tiene que comprometerlas en un correo. La respuesta escrita a “¿cuánto me costará esto al mes en el año dos?” o a “¿qué pasa si queremos cambiar de proveedor?” separa a las consultoras de IA que tienen las cosas pensadas de las que improvisan. Y te deja un rastro documental que vale oro si más adelante hay discrepancias. La tabla siguiente resume las preguntas clave por área; úsala como guion.
| Área | Preguntas clave para la consultora de IA |
|---|---|
| Negocio | ¿Qué problema resuelve esto? ¿Qué métrica moverá y cuánto? ¿Cómo lo mediremos? |
| Datos | ¿Qué datos necesita? ¿En qué estado están los míos? ¿Qué falta y quién lo prepara? |
| Técnica e integración | ¿Con qué sistemas se integra y cómo? ¿Qué habéis visto de mi stack? ¿Qué es lo más arriesgado? |
| Costes y contrato | ¿Cuánto cuesta construir y cuánto al mes en el año 1 y 2? ¿Qué modelo de contratación proponéis y por qué? |
| Riesgos y gobernanza | ¿Qué puede salir mal? ¿Aplica el AI Act a mi caso? ¿Cómo se supervisa y audita el sistema? |
| Equipo y transferencia | ¿Quién trabajará en mi proyecto y con qué experiencia? ¿Cómo transferís conocimiento a mi equipo? |
¿Qué modelos de contratación existen y cuándo conviene cada uno?
Cómo contratas a una consultora de IA afecta tanto al coste como al riesgo y a la velocidad, y no hay un modelo “mejor”: hay un modelo correcto para cada fase. Los cuatro principales son el proyecto cerrado (precio, alcance y plazo fijos), el Time & Materials (facturación por tiempo con techo y alcance flexible), el modelo performance u outcome-based (pago ligado a resultados) y el retainer o suscripción de servicio continuo. Confundirlos es uno de los errores más caros que vemos: elegir un modelo que no encaja con la naturaleza del trabajo garantiza fricción, sobrecostes o alineamiento roto entre cliente y consultora de IA.
El proyecto cerrado es el que más pide el departamento de compras y el peor adaptado a la IA en estado puro. Funciona bien para pilotos muy acotados y despliegues estándar donde el alcance se puede cerrar de verdad; falla cuando hay incertidumbre técnica alta (calidad de datos desconocida, integración compleja, comportamiento del modelo difícil de predecir), porque obliga a la consultora de IA a inflar el precio para protegerse o a entregar lo mínimo para no perder margen. El Time & Materials es el que mejor se adapta a la naturaleza iterativa de la IA, siempre que haya disciplina de gobierno: reporting semanal, techo presupuestario y revisión por hitos. Sin esa disciplina, el T&M degenera en facturación opaca; con ella, es el modelo más eficiente y el más alineado.
El modelo performance vincula parte del pago a métricas de resultado (horas ahorradas, tickets contenidos, conversión) y es teóricamente el más alineado, pero el más difícil de cerrar: requiere métricas limpias, baseline acordado, atribución clara y un proveedor con espalda financiera. En España es minoritario y solo tiene sentido en casos muy maduros. El retainer o suscripción de servicio continuo encaja cuando ya tienes IA en producción y necesitas evolución, mantenimiento y soporte permanentes; es el modelo natural de la fase madura, cuando la relación con la consultora de IA deja de ser “proyecto” y pasa a ser “capacidad sostenida”. Nuestro consejo habitual es mezclar: piloto en T&M con techo, escalado en proyecto cerrado por bloques entregables más T&M para lo incierto, y evolución en retainer.
| Modelo de contratación | Cuándo conviene | Riesgo principal | A evitar cuando |
|---|---|---|---|
| Proyecto cerrado | Casos estándar, alcance de verdad cerrable | Change requests si hay incertidumbre | Datos o integración inciertos |
| Time & Materials (con techo) | Pilotos, descubrimiento, iteración | Facturación opaca sin gobierno | No tienes capacidad de supervisar |
| Performance / outcome | Casos maduros con métrica limpia | Disputa por atribución de resultados | Baseline o medición poco fiables |
| Retainer / suscripción | Evolución y soporte en producción | Pagar por capacidad infrautilizada | Aún no tienes nada en producción |
El control de coste con proyecto cerrado en IA es muchas veces una ilusión administrativa: el alcance que la naturaleza iterativa de la IA hace imposible cerrar reaparece como change requests. Mezclar bien los modelos a lo largo de un programa es señal de madurez compradora, no de indecisión.
¿Cómo leer una propuesta de consultora de IA y detectar qué falta?
Una propuesta bien hecha se lee por lo que incluye y por lo que omite, y lo segundo suele ser más revelador. Cuando recibimos para segunda opinión la propuesta que un cliente ha recibido de otro proveedor, no buscamos primero si el precio es alto o bajo: buscamos qué bloques de trabajo faltan. Una propuesta seria de una consultora de IA desglosa el trabajo en fases o bloques con entregables concretos, no lo presenta como un bloque monolítico de “desarrollo de solución de IA” con un número al final. El desglose es lo que permite comparar y lo que permite detectar el hueco por el que se colará el sobrecoste.
Los bloques que deben estar y que más se omiten son cuatro. El primero es el descubrimiento y la preparación de datos: si la propuesta salta directamente al modelado sin una fase seria de entender el problema y auditar los datos, falta la parte que decide si el proyecto es viable. El segundo es la integración, que debe estar cuantificada con supuestos explícitos (“asumimos acceso documentado a la API de X”), porque una integración sin supuestos es una integración sin presupuestar. El tercero es la gobernanza y el cumplimiento: control de accesos, logs, supervisión humana, evaluación frente al AI Act. El cuarto, casi siempre ausente, es el mantenimiento y la evolución post-entrega: una consultora de IA que no presupuesta el después está vendiendo un sistema que se degradará.
Además de los bloques, hay tres cosas que buscar en cómo está escrita la propuesta. Primero, métricas de éxito explícitas y medibles para el piloto, no adjetivos (“mejorar la eficiencia”). Segundo, supuestos y exclusiones claros: una buena propuesta dice qué NO incluye y bajo qué condiciones cambian los números, porque eso protege a ambas partes; la que no tiene exclusiones es la que esconde las change requests futuras. Tercero, una proyección de coste total a 12-24 meses, no solo el precio de construcción. Si una consultora de IA te entrega una propuesta con estos elementos, aunque el precio sea más alto que el de un competidor, probablemente te está diciendo la verdad. La tabla siguiente es la lista de verificación que usamos para leer cualquier propuesta de una consultora de IA.
| Elemento de la propuesta | Debe estar | Señal si falta |
|---|---|---|
| Desglose por fases/bloques con entregables | Sí | Precio monolítico = imposible comparar |
| Fase de descubrimiento y auditoría de datos | Sí | Salta al modelado sin validar viabilidad |
| Integración cuantificada con supuestos | Sí | ”Lo integramos fácil” sin números |
| Gobernanza, seguridad y AI Act | Sí | Deuda regulatoria oculta |
| Métricas de éxito medibles del piloto | Sí | No se podrá evaluar el resultado |
| Supuestos y exclusiones explícitos | Sí | Change requests garantizadas |
| Mantenimiento y coste recurrente 12-24m | Sí | El sistema se abandonará por falta de plan |
In-house vs consultora de IA vs producto SaaS: ¿cuándo elegir cada opción?
Antes de elegir qué consultora de IA contratar, conviene preguntarse si necesitas una consultora en absoluto. Hay tres caminos para incorporar IA a una empresa, y no son excluyentes: construir con equipo interno (in-house), contratar una consultora de IA que lo haga contigo o para ti, o comprar un producto SaaS que ya resuelva el caso. La mayoría de las organizaciones maduras usan una mezcla de los tres, pero para cada caso de uso concreto hay una opción que domina, y elegir la equivocada es tan caro como elegir mal al proveedor.
El equipo interno tiene sentido cuando la IA es diferencial competitivo, cuando el caso de uso es central y recurrente, cuando el conocimiento de negocio es difícil de transferir y cuando tienes o puedes atraer el talento —que es escaso y caro—. Su ventaja es el control y la acumulación de capacidad propia; su riesgo es la lentitud de arranque y la dependencia de dos o tres personas clave que, si se van, dejan el sistema huérfano. Por eso construir 100% en interno demasiado pronto, sin haber pasado por un partner que acelere la curva, suele salir caro en tiempo y en errores evitables. El camino sensato para la mayoría de la empresa media es empezar con una consultora de IA que construya y transfiera, e ir internalizando la operación a medida que el equipo propio madura.
La consultora de IA es la mejor opción durante los primeros 12-24 meses de casi cualquier programa serio: aporta velocidad, especialización y conocimiento transversal de mercado que es muy caro construir desde cero, y absorbe los errores caros de la curva de aprendizaje. El producto SaaS, por su parte, es la opción correcta cuando el caso es estándar, no diferencial, y los volúmenes son moderados: copilotos de productividad, asistentes verticales de proveedores especializados. Es barato de empezar y de bajo riesgo, aunque a mucha escala puede salir más caro que construir. La decisión no es ideológica sino económica y estratégica, y debe tomarse a nivel de portfolio: qué áreas serán internas, cuáles apoyadas por una consultora de IA y cuáles cubiertas con SaaS. Una consultora honesta te ayudará a tomar esa decisión aunque en algún caso la respuesta sea “esto cómpralo, no lo construyas conmigo”.
| Criterio | Equipo interno | Consultora de IA | Producto SaaS |
|---|---|---|---|
| Time to value | Lento (hay que formar) | Rápido | Muy rápido |
| Diferenciación | Alta | Media-alta | Baja |
| Control y conocimiento propio | Total | Se transfiere | Bajo |
| Coste inicial | Alto (talento) | Medio | Bajo |
| Coste recurrente a escala | Bajo | Bajo-medio | Alto |
| Riesgo | Dependencia de personas clave | Elegir mal el partner | Lock-in y falta de encaje |
| Ideal para | Casos diferenciales y centrales | Arrancar y construir capacidad | Casos estándar de bajo volumen |
¿Cómo descarrila un proyecto con la consultora equivocada? Un caso real
Vamos a aterrizar todo con un caso real, anonimizado, de un proyecto que nos llegó para rescatar. Una empresa de servicios profesionales española, alrededor de 240 empleados y 60 millones de facturación, había contratado a un proveedor para construir un asistente conversacional que respondiera preguntas de sus clientes sobre sus servicios y contratos. La propuesta que aceptaron era la más barata de las tres que recibieron —45.000 euros a precio cerrado— y prometía el sistema en producción en tres meses. Nos llamaron ocho meses después, con el proyecto parado, 45.000 euros gastados y cero en producción. Nos pidieron una segunda opinión antes de tirar la toalla con la IA.
Al auditar el proyecto encontramos el patrón de libro. La consultora de IA original nunca auditó los datos: dio por hecho que la base documental del cliente estaba lista, y no lo estaba —contratos en PDF escaneados sin texto, versiones duplicadas, información contradictoria entre documentos—. La propuesta no tenía fase de preparación de datos ni de gobernanza, y la integración con el sistema de gestión del cliente se despachaba en una línea. La demo inicial, que había enamorado al comité, se había hecho con diez documentos elegidos a mano. Cuando el sistema se enfrentó a los miles de documentos reales, alucinaba respuestas, citaba cláusulas inexistentes y no había forma de auditarlo porque no se había construido observabilidad. El presupuesto barato no era eficiente: le faltaba la mitad del trabajo, y esa mitad era justo la que hacía viable el caso.
Rehacerlo bien costó más que el presupuesto original —empezamos por una fase de descubrimiento y auditoría de datos de 18.000 euros, seguida de un piloto acotado con métricas de éxito de 34.000, y solo tras validar escalamos—. El total del rescate rondó los 90.000 euros, el doble de la propuesta “barata” inicial, más los ocho meses perdidos y la desconfianza del comité, que hubo que reconstruir. La lección que el cliente se llevó, y que repetimos en cada conversación de compra, es que el presupuesto más barato fue con diferencia el más caro. Si en la primera evaluación hubieran aplicado las señales y banderas de este artículo —empezó por la tecnología, no preguntó por los datos, demo espectacular sin ROI, presupuesto sospechosamente barato, “lo integramos fácil”, cero observabilidad—, habrían frenado a tiempo. Elegir bien una consultora de IA la primera vez habría costado la mitad de dinero y ocho meses menos.
El presupuesto más barato para un proyecto de IA es, con demasiada frecuencia, el más caro: no porque el proveedor engañe, sino porque lo que falta en el número no desaparece, solo se pospone y se encarece. Comparar consultoras de IA por precio sin comparar por alcance es comparar cosas distintas con la misma etiqueta.
¿Cómo elegimos y cómo nos gusta que nos elijan en Datalvar AI?
Todo lo que llevas leído lo aplicamos a nosotros mismos, y queremos ser explícitos porque sería incoherente escribir una guía para evaluar consultoras de IA y esconder cómo trabajamos. Cuando entramos en una conversación de compra, lo primero que hacemos es desactivar la urgencia y traer la conversación al terreno correcto: qué problema, qué datos, qué madurez, qué apetito por el cambio. Eso a veces retrasa la venta, y a veces la mata, porque hay clientes que quieren un “sí” rápido y un número redondo. Preferimos perder ese cliente que empezar una relación sobre una expectativa que sabemos que no se va a cumplir. Es la misma prueba con la que te pedimos que nos midas: si no empezamos por tu negocio y tus datos, deberías desconfiar de nosotros también.
Trabajamos casi siempre en tres fases. Una fase corta de descubrimiento a precio fijo, que produce un entregable valioso por sí mismo —mapa de casos, priorización, business case por caso y auditoría de datos— de modo que, si decides seguir con otro partner, te quedas con un documento útil. Una fase de piloto en T&M con techo y métricas de éxito acordadas de antemano, donde el compromiso es explícito: si no llegamos a la métrica, no escalamos. Y una fase de escalado y evolución, en mix de proyecto cerrado por bloques y retainer, con un plan de transferencia de conocimiento hacia tu equipo desde el primer día. No es la forma más rentable de facturar a corto plazo; es la forma de sostener relaciones a tres y cinco años, que es donde de verdad está el negocio de una consultora de IA seria.
La opinión contraria al consenso del sector que defendemos es esta: la mejor consultora de IA para tu empresa es la que trabaja para volverse prescindible. El sector, en general, hace lo contrario —optimiza para la dependencia, porque la dependencia es ingreso recurrente garantizado—. Nosotros creemos que ese modelo está roto en IA, porque la tecnología cambia demasiado rápido y el cliente que depende de un único proveedor acaba atrapado en decisiones que ya no le convienen. Por eso medimos el éxito de un engagement, en parte, por cuánta capacidad propia deja instalada en el cliente. Si buscas una consultora de IA que te haga dependiente, hay muchas; nosotros preferimos que nos elijas por lo contrario, y que dentro de dos años nos necesites menos y nos recomiendes más. Ese es, para nosotros, el sentido de elegir bien una consultora de IA: no encontrar a quien más sabe, sino a quien más te hace crecer.
Preguntas frecuentes sobre cómo elegir una consultora de IA
¿Cuál es el primer criterio para elegir una consultora de IA?
El primer criterio, y el que más predice el éxito, es por dónde empieza la conversación. Una buena consultora de IA arranca por tu problema de negocio y por el estado real de tus datos, no por la tecnología ni por el modelo de moda. Si en la primera reunión el proveedor ya está hablando de agentes, modelos y arquitecturas sin haberte preguntado qué proceso te duele y qué datos tienes, ha invertido el orden y probablemente te venderá una solución en busca de un problema.
El segundo criterio, muy ligado al primero, es si exige un piloto acotado con métricas de éxito antes de comprometerte a un gran proyecto. Una consultora de IA que sabe lo que hace prefiere demostrarte valor con una inversión pequeña y medible antes de pedirte un presupuesto grande. Esa combinación —empezar por el negocio y los datos, y validar con un piloto medible— es el filtro más eficiente que existe para separar a los proveedores serios de los vendedores de humo.
¿Cuánto cuesta contratar una consultora de IA en España?
Depende del alcance, pero como brújula: una fase de descubrimiento seria ronda los 10.000-25.000 euros, un piloto acotado con datos reales y métricas se mueve entre 25.000 y 80.000 euros en empresa media, y un programa de escalado a 12-24 meses va desde 250.000 hasta más de un millón. Desconfía tanto de lo sospechosamente barato como de lo inexplicablemente caro: en ambos extremos suele faltar transparencia sobre qué incluye realmente el número.
Lo importante no es el precio absoluto sino el desglose y el coste total a 12-24 meses, incluyendo integración, gobernanza, mantenimiento y coste de inferencia. Una consultora de IA honesta te entrega esa proyección completa; una que solo te da el precio de construcción te está ocultando la mitad de la película. Desarrollamos los rangos por fase y los costes ocultos en nuestra guía sobre cuánto cuesta implementar IA en una empresa.
¿Qué preguntas debo hacer en la primera reunión con una consultora de IA?
Empieza por negocio y datos, que es donde se caen la mayoría de los proyectos: ¿qué problema resuelve esto?, ¿qué métrica moverá y cómo la mediremos?, ¿qué datos necesita y en qué estado están los míos? Sigue con técnica e integración: ¿con qué sistemas se integra?, ¿qué habéis visto ya de mi stack?, ¿qué es lo más arriesgado del proyecto? Y cierra con costes, riesgos y equipo: ¿cuánto cuesta al mes en el año dos?, ¿aplica el AI Act a mi caso?, ¿quién trabajará realmente en mi proyecto?
Fíjate no solo en las respuestas sino en la reacción del proveedor. Una consultora de IA que sabe lo que hace se alegra de estas preguntas porque le permiten demostrar criterio; una que solo quiere firmar intentará reconducir hacia su presentación o responderá con generalidades. Un truco útil es pedir las respuestas por escrito después de la reunión: muchas promesas que suenan bien de viva voz se desinflan cuando hay que comprometerlas en un correo.
¿Cómo sé si el presupuesto de una consultora de IA es realista?
Un presupuesto realista viene desglosado por bloques —descubrimiento, preparación de datos, modelado, integración, gobernanza, formación y mantenimiento— y cada bloque tiene un entregable y un coste. Si recibes un número único y monolítico, no puedes evaluar si es realista ni compararlo con otros. La señal de alarma más fiable es un presupuesto muy por debajo del mercado para el mismo alcance: casi siempre significa que falta la integración, los datos o la gobernanza, que reaparecerán como sobrecoste a mitad de proyecto.
También es realista un presupuesto que incluye el coste recurrente: infraestructura, inferencia (tokens) y mantenimiento a 12-24 meses, no solo el precio de construir. Una consultora de IA que omite el coste recurrente te está dando una foto incompleta que parece más barata de lo que es. Pide siempre el desglose y la proyección total; la disposición del proveedor a dártelos es en sí misma una prueba de honestidad.
¿Es mejor contratar una consultora de IA grande o una especializada?
Depende del tamaño de tu empresa y del problema. Una gran consultora generalista aporta músculo, cobertura y capacidad de gobierno, y tiene sentido para gran cuenta que necesita coordinar muchas iniciativas y responder ante un consejo; su punto débil es que es cara, está lejos del código y suele ser lenta. Una consultora de IA especializada o boutique suele ser el punto dulce para la empresa media: más foco, mejor relación precio-valor, más cerca de la ejecución real y con incentivos más alineados para resolver bien dos o tres casos concretos.
El error frecuente es contratar el tamaño equivocado para el problema: pagar tarifas de gran consultora por un piloto que una boutique habría hecho por la mitad, o encargar un programa transversal crítico a un freelancer que se satura. Antes de elegir una consultora de IA concreta, decide qué tipo de partner necesita de verdad tu problema, y compara dentro de esa categoría, no entre categorías distintas.
¿Qué debe incluir el contrato con una consultora de IA sobre datos y AI Act?
El contrato debe dejar claro quién es el propietario de los datos, de los modelos entrenados y del código resultante, y qué pasa con todo ello si la relación termina —evita cláusulas que te aten a la consultora de IA para poder seguir usando lo que has pagado—. Debe incluir garantías de tratamiento de datos personales conforme al RGPD, medidas de seguridad, y, si tu caso de uso puede clasificarse como de alto riesgo, referencia explícita a las obligaciones del AI Act: gestión de riesgos, documentación técnica, supervisión humana y trazabilidad.
Diseñar cumpliendo el marco regulatorio desde el inicio es mucho más barato que adaptar después, así que una consultora de IA seria incluirá el análisis de riesgo regulatorio en la fase de descubrimiento aunque parezca prematuro. Las obligaciones principales del AI Act para sistemas de alto riesgo empiezan a aplicarse en agosto de 2026, de modo que en 2026 ignorarlas no es una opción. Tratamos el tema en profundidad en nuestra guía sobre gobernanza de IA en empresas.
¿Cuándo NO necesito una consultora de IA?
No necesitas una consultora de IA cuando el caso de uso es estándar, no es diferencial competitivo y existe un producto SaaS maduro que ya lo resuelve —copilotos de productividad, asistentes verticales de proveedores especializados—. En esos casos, comprar y configurar es más rápido y barato que contratar consultoría. Tampoco tiene sentido cuando tus datos están en estado inicial sin ningún gobierno: entonces la inversión prioritaria no es IA, es poner orden en los datos, y una buena consultora de IA te lo dirá antes de venderte nada.
Sí necesitas una consultora de IA cuando el caso es diferencial o complejo, cuando cruza varios sistemas, cuando hay incertidumbre técnica o regulatoria relevante, o cuando quieres construir capacidad propia y necesitas a alguien que acelere la curva y transfiera conocimiento. La regla práctica: para casos estándar de bajo volumen, SaaS; para casos diferenciales o para arrancar un programa serio, consultora que construya y transfiera; para lo central y recurrente a largo plazo, equipo interno apoyado por la consultora hasta que madure.
¿Quieres aplicar esto en tu negocio?
30 minutos. Sin compromiso. Salimos con un mapa de oportunidades concreto.