Desarrollo llave en mano de un agente de IA: etapas, plazos y coste
En 2026, un agente de IA no es un «chat con un botón», sino un sistema que planifica pasos, llama a APIs, trabaja con CRM, correo, base de conocimiento e informa del resultado. El desarrollo llave en mano cubre análisis, arquitectura, integraciones, seguridad, piloto y puesta en producción. A continuación: etapas realistas, plazos y rangos de presupuesto para empresas.
- Agente simple (1-3 herramientas) - $15 000 - $45 000, 4-8 semanas
- Agente corporativo con RAG y CRM - $50 000 - $150 000, 3-6 meses
- Enterprise: varios agentes, compliance, SLA - $150 000 - $450 000+, 6-12 meses
- Gastos mensuales - API, hosting, monitorización, mejoras: desde $800 hasta $25 000+
- Factor clave del precio - no el modelo (GPT-5.6, Claude Fable 5, Gemini 3.5 Flash), sino la profundidad de integraciones y la fiabilidad de acciones autónomas
Qué significa «agente de IA llave en mano»
Llave en mano significa que el cliente recibe un sistema operativo: el agente ejecuta escenarios acordados, se conecta a sus sistemas, está documentado, se entrega al equipo y se acompaña en el arranque. Una entrega típica incluye:
| Componente | Qué se hace |
|---|---|
| Discovery | Entrevistas, mapa de procesos, KPI, restricciones de datos |
| Arquitectura | Elección de modelo, orquestador, memoria, herramientas, fallback |
| Desarrollo | Backend del agente, prompts, RAG, conectores API |
| Interfaz | Widget, Slack, Teams, panel interno o API headless |
| Seguridad | RBAC, auditoría de acciones, filtros PII, sandbox de código |
| Lanzamiento | Piloto, métricas, runbook, formación de usuarios |
Un chatbot responde preguntas. Un agente actúa: crea un ticket, reserva una cita, genera un informe, ejecuta una cadena de 5-15 pasos con validación del resultado. Por eso plazos y presupuesto son mayores que en un bot FAQ.
Etapas de desarrollo
1. Análisis y especificaciones (1-3 semanas)
Se define:
- qué tareas automatiza el agente (no «todo a la vez»);
- qué sistemas toca (CRM, ERP, Jira, correo);
- nivel de autonomía: sugerir acción, ejecutar con confirmación o totalmente automático;
- métricas de éxito: tiempo de gestión, % sin escalado, precisión del retrieval.
Salida: especificaciones técnicas, user stories, matriz de riesgos (alucinaciones, fugas de datos, transacciones incorrectas).
2. Diseño de arquitectura (1-2 semanas)
Elección del stack:
- Orquestación: LangGraph, CrewAI, AutoGen, bucle custom con OpenAI Agents / Anthropic tool use
- Modelo: GPT-5.6 Sol/Terra para cadenas complejas, Claude Fable 5 para agentes de código, Gemini 3.5 Flash para alto tráfico
- Memoria: corto plazo (historial de sesión), largo plazo (BD vectorial, perfil de usuario)
- Herramientas: API HTTP, SQL solo lectura, búsqueda en Confluence/Notion, calendario, generación de documentos
Se diseña human-in-the-loop: dónde el operador debe aprobar, dónde el agente se detiene con error.
3. MVP en un escenario (3-6 semanas)
El primer release cubre un proceso medible:
- «procesar correo entrante y crear lead en CRM»;
- «buscar respuesta en base de conocimiento y redactar borrador al cliente»;
- «generar informe semanal desde tres fuentes».
El MVP incluye registro de cada paso, dashboard básico y 20-50 diálogos/ejecuciones de prueba.
4. Integraciones y RAG (4-10 semanas)
La mayor parte del trabajo en proyectos corporativos:
- conectores a APIs internas (OAuth, VPN, IP whitelist);
- RAG sobre documentos actuales: chunking, rerank, citación de fuentes;
- sincronización de catálogos (precios, estados de pedido, SLA);
- casos límite: respuesta API vacía, timeout, conflicto de datos.
Sin retrieval de calidad, el agente «se equivoca con confianza» - planifique iteraciones sobre la búsqueda.
5. Pruebas y piloto (2-4 semanas)
Comprobar no solo «demos bonitas» sino:
- regresión sobre casos reales;
- carga (sesiones paralelas, rate limits de API);
- seguridad (prompt injection, intentos de llamar tools prohibidas);
- UX de escalado a humano.
Piloto - 5-15% del tráfico real o un departamento. Recoger CSAT, task success rate, pasos medios hasta el resultado.
6. Producción y entrega (1-3 semanas)
- CI/CD, staging/prod, secretos en vault;
- alertas por subida de errores y coste de tokens;
- documentación para admins y usuarios;
- formación del equipo interno (1-2 sesiones).
7. Soporte y evolución (continuo)
Típicamente 15-30% del coste de desarrollo al año: nuevas herramientas, actualización RAG, cambio de modelo, mejoras por feedback.
Plazos por tipo de proyecto
| Tipo de agente | Plazo hasta producción | Comentario |
|---|---|---|
| Agente de tareas (un workflow, 1-3 APIs) | 4-8 semanas | Adecuado para piloto y automatización acotada |
| Asistente de departamento (RAG + CRM + correo) | 3-6 meses | Tiempo principal - integraciones y calidad |
| Plataforma de agentes (varios roles, RBAC) | 6-12 meses | Compliance, auditoría, multi-tenant |
| Añadir segundo escenario al núcleo listo | +4-8 semanas | Más barato si la arquitectura permite extensión |
Los plazos crecen no por «escribir el prompt» sino por aprobaciones, acceso a entornos de prueba del cliente y afinar la fiabilidad de acciones autónomas.
Coste: de qué se compone
| Bloque | Cuota | Ejemplos de trabajo |
|---|---|---|
| Discovery y especificaciones | 8-12% | Workshops, mapa de procesos, KPI |
| Arquitectura | 5-10% | Stack, esquema de tools, threat model |
| Desarrollo del núcleo | 35-45% | Orquestador, state, retry, observability |
| Integraciones | 20-35% | CRM, ERP, tickets, calendarios, API custom |
| RAG y datos | 10-20% | Indexación, ETL, eval de retrieval |
| UI y admin | 5-15% | Widget, panel operador, logs |
| Lanzamiento y piloto | 8-12% | Pruebas, formación, hypercare inicial |
Rangos por nivel de complejidad
1. Agente de tareas simple - $15 000 - $45 000
- un escenario, 1-3 herramientas (API, correo, hoja de cálculo);
- sin RAG complejo o con base lista hasta 500 páginas;
- modelo: GPT-5.6 Luna/Terra, Gemini 3.5 Flash;
- interfaz: bot Slack o webhook interno.
2. Agente corporativo - $50 000 - $150 000
- RAG sobre documentos de la empresa, citación de fuentes;
- integraciones CRM (HubSpot, Salesforce, Bitrix24), tickets, calendario;
- human-in-the-loop, roles, auditoría;
- 2-4 workflows relacionados.
3. Plataforma enterprise - $150 000 - $450 000+
- varios agentes especializados (ventas, soporte, analítica);
- SSO, on-prem o VPC, DLP, logging para compliance;
- SLA, monitorización 24/7, eval custom y red-team;
- escalado a filiales e idiomas.
Gastos mensuales (OPEX)
| Partida | Rango | Depende de |
|---|---|---|
| API LLM | $300 - $20 000+ | Pasos del agente, longitud de contexto, modelo |
| Infraestructura | $200 - $8 000 | Self-hosted vs cloud, BD vectorial, workers |
| Soporte | $1 500 - $15 000 | Retainer del estudio o 0,25-1 FTE interno |
| Actualización RAG | $500 - $5 000 | Frecuencia de cambios en productos/políticas |
En escenarios de agentes, el gasto en tokens es 3-10 veces mayor que en un chatbot simple: cada paso es una llamada al modelo más resultados de tools en contexto.
Cómo reducir presupuesto sin perder calidad
- Un escenario en el MVP - no intente automatizar todo el departamento de golpe.
- Conectores listos - MCP, Zapier, n8n para integraciones no críticas en lugar de API custom desde cero.
- Modelo según nivel de tarea - Luna/Flash para clasificación y routing, Sol/Fable 5 solo en pasos complejos.
- Caché y deduplicación - no pasar consultas repetidas a catálogos por el LLM.
- Eval desde el primer sprint - dataset de 50-100 casos reales; sin eso paga ajustes infinitos de prompt.
- MVP fijo, T&M para crecer - acuerde precio fijo del primer workflow y tarifa transparente para los siguientes.
Conclusión
El desarrollo llave en mano de un agente de IA en 2026 es un proyecto de $15 000 (agente de tareas acotado) a $450 000+ (plataforma enterprise). Plazos - de 4-8 semanas a 12 meses. Los principales drivers: número de integraciones, nivel de autonomía, requisitos de seguridad y volumen de reglas de negocio únicas. Empiece con un proceso medible, incorpore observability y human-in-the-loop, calcule TCO a 12-24 meses - así será más fácil justificar el presupuesto y no decepcionarse con la «autonomía» en papel.
Preguntas frecuentes
En qué se diferencia un agente de IA de un chatbot?
Un chatbot genera sobre todo respuestas en diálogo. Un agente de IA planifica una cadena de acciones: llama APIs, lee y escribe en sistemas, ramifica por resultado, puede esperar confirmación y reintentar ante error. Un agente cuesta más y tarda más, pero cubre procesos, no solo preguntas.
Se puede montar un agente con no-code en un par de días?
Para prototipo - sí. n8n, Make, Zapier con pasos AI, OpenAI Assistants API permiten enlazar correo y tabla rápidamente. Para producción con SLA, auditoría, RAG complejo, seguridad corporativa y lógica custom, el no-code choca pronto con el techo. Un agente de negocio llave en mano realista es desarrollo custom o híbrido: no-code para enlaces simples, código para el núcleo del agente.
Qué modelos son mejores para agentes en 2026?
Depende de la tarea. GPT-5.6 Sol y Claude Fable 5 destacan en cadenas agentic largas y trabajo con código/tools. GPT-5.6 Terra y Claude Sonnet 5 equilibran precio y calidad en escenarios corporativos. Gemini 3.5 Flash - alto tráfico y contexto largo. Es habitual el routing: modelo barato en pasos simples, flagship en planificación y decisiones difíciles.
Cuánto cuesta el soporte tras el lanzamiento?
Orientación - 15-30% del coste de desarrollo al año más OPEX de API e infraestructura. Retainer mínimo del proveedor - $1 500 - $3 000/mes (pequeños cambios, monitorización). En enterprise en evolución activa, equipo interno 0,5-1 FTE o contrato $8 000 - $15 000/mes es práctica normal.
Cómo estimar el ROI antes de empezar el desarrollo?
Calcule el ahorro de tiempo en el proceso objetivo: (horas/semana x coste hora del empleado x fracción automatizada) x 52. Añada efectos cualitativos: respuesta más rápida al cliente, menos errores al pasar datos al CRM. Compare con TCO a 18 meses: desarrollo + OPEX + soporte. Si la amortización es 12-18 meses con task success rate superior al 80% en piloto - el proyecto suele estar justificado; si es menor - acote el escenario o refuerce human-in-the-loop.