Sistema RAG sobre documentos corporativos: qué incluye el proyecto y cuánto cuesta
Un sistema RAG (Retrieval-Augmented Generation) corporativo no es «subir un PDF a ChatGPT», sino infraestructura que indexa reglamentos, contratos, instrucciones y bases de conocimiento, encuentra fragmentos relevantes y genera respuestas con citas a fuentes. En 2026 es el estándar para asistentes internos, soporte y consultas de compliance. Abajo: alcance del proyecto, etapas, plazos y rangos de presupuesto realistas.
- MVP en una fuente (Confluence, SharePoint, carpeta PDF) - $8 000 - $25 000, 4-8 semanas
- Plataforma RAG corporativa (varias fuentes, RBAC, auditoría) - $35 000 - $120 000, 3-5 meses
- Enterprise: on-prem, DLP, SLA, multilingüe - $120 000 - $350 000+, 6-10 meses
- Costes mensuales - embeddings, API LLM, BD vectorial, reindexación: de $300 a $12 000+
- Factor clave de precio - no el modelo (GPT-5.6 Terra, Claude Sonnet 5, Gemini 3.5 Flash), sino la calidad del retrieval y la profundidad de integraciones documentales
Qué es RAG sobre documentos corporativos
RAG complementa un LLM con búsqueda en sus datos: el modelo no «recuerda» el reglamento de vacaciones, recibe párrafos relevantes del índice vectorial y construye la respuesta. Para el negocio reduce alucinaciones y da enlaces verificables a la fuente.
Escenarios típicos:
- un empleado pregunta por el procedimiento de aprobación de contratos - el sistema cita la cláusula en Confluence;
- soporte recibe borrador desde la base Zendesk actualizada;
- legal busca precedentes en archivo de contratos con filtros por tipo de contraparte y fecha.
Sin RAG, el chatbot responde en generalidades o «inventa» reglas internas. Con RAG, la respuesta está ligada a documentos verificables.
De qué consta el proyecto
Ocho bloques influyen en plazo y presupuesto.
| Bloque | Qué se hace | Parte típica |
|---|---|---|
| Discovery | Fuentes, roles, KPIs de calidad, restricciones de datos | 8-12% |
| Ingestion (ETL) | Confluence, SharePoint, Drive, CRM, tickets, ERP | 15-25% |
| Chunking y preprocessing | Fragmentación, limpieza, metadatos, OCR | 10-15% |
| Embeddings e índice | Modelo embedding, BD vectorial, búsqueda híbrida | 10-15% |
| Pipeline retrieval | Reranking, filtros por rol, deduplicación | 15-20% |
| Capa generation | Prompts, citas, guardrails, fallback | 10-15% |
| Interfaz y API | Widget, Slack/Teams, portal, API headless | 10-20% |
| Observabilidad y eval | Métricas retrieval, dataset de prueba, alertas | 8-12% |
Llave en mano: fuentes indexadas, respuestas en canales objetivo, logs, piloto, documentación de reindexación.
Etapas de desarrollo
1. Auditoría de datos y especificaciones (1-2 semanas)
Fuentes, volumen, acceso (SSO, RBAC), métricas. Entregable: mapa de fuentes, matriz de derechos, 50-200 preguntas eval.
2. Prototipo de ingestion (2-4 semanas)
Primera fuente, ciclo completo: webhook/export, parsing, chunking, escritura en BD vectorial. Stack: LangChain / LlamaIndex, Unstructured, conectores SharePoint/Confluence.
3. Retrieval y calidad (3-6 semanas)
Modelo embedding, pgvector/Qdrant/Weaviate, búsqueda híbrida, reranker (+15-30% precisión), filtros por departamento.
4. Generation y guardrails (2-4 semanas)
Prompt «responder solo desde contexto», citas, «no sé», protección injection, enrutamiento de modelos.
5. Integraciones e interfaz (2-6 semanas)
Widget intranet, bot Slack/Teams, SSO, panel admin, API CRM.
6. Piloto y producción (2-4 semanas)
Regresión eval, piloto 50-200 usuarios, monitorización, runbook.
Rangos de coste por tipo
MVP - una fuente
| Parámetro | Valor |
|---|---|
| Presupuesto | $8 000 - $25 000 |
| Plazo | 4-8 semanas |
| Fuentes | 1 |
| Usuarios | hasta 100 |
Plataforma corporativa
| Parámetro | Valor |
|---|---|
| Presupuesto | $35 000 - $120 000 |
| Plazo | 3-5 meses |
| Fuentes | 3-8 |
| Usuarios | 200-5 000, RBAC, SSO |
Enterprise
| Parámetro | Valor |
|---|---|
| Presupuesto | $120 000 - $350 000+ |
| Plazo | 6-10 meses |
| Requisitos | on-prem/VPC, DLP, GDPR/HIPAA, SLA 99,9% |
Costes mensuales (OPEX)
| Partida | Rango/mes |
|---|---|
| Embeddings | $50 - $800 |
| API LLM | $200 - $8 000 |
| BD vectorial | $70 - $600 |
| Rerank | $30 - $400 |
| Hosting | $100 - $1 500 |
| Soporte | $1 000 - $8 000 |
Ejemplo: 5 000 documentos, 3 000 consultas/mes - ~$250-400/mes. Con 50 000 consultas: $3 000 - $12 000/mes.
Plazos y equipo
| Tipo | Equipo | Plazo |
|---|---|---|
| MVP | 1 backend + ML (parcial) | 4-8 semanas |
| Plataforma | 2 backend, 1 ML, 1 frontend, PM | 3-5 meses |
| Enterprise | 4-7 + DevOps, QA, seguridad | 6-10 meses |
Tarifas 2026 (remoto, Europa del Este/CIS): ML/RAG $60-100/h. EE.UU./Europa occidental: x2-3.
Qué encarece el proyecto
Formatos legacy, RBAC a nivel documento (+20-35%), multilingüe (+25-40%), actualizaciones en tiempo real, on-prem con GPU.
Cómo no pagar de más
- Un departamento, una fuente, 30-50 preguntas de referencia.
- Eval desde la semana 1.
- Búsqueda híbrida + rerank antes que fine-tuning.
- Enrutamiento de modelos.
- Caché semántico (-20-40% API).
- MVP fijo, T&M para nuevas fuentes.
Conclusión
RAG sobre documentos corporativos en 2026: de $8 000 (MVP) a $350 000+ (enterprise). 4-8 semanas a 10 meses. Drivers: fuentes, derechos, calidad retrieval, tráfico. Ingestion y búsqueda determinan la utilidad real.
Preguntas frecuentes
¿RAG vs fine-tuning?
Fine-tuning mete conocimiento en pesos - actualizaciones caras. RAG reindexa rápido y cita fuentes. Para documentos corporativos cambiantes, RAG primero.
¿RAG sin desarrollo con ChatGPT Enterprise o Copilot?
Parcialmente para piloto (cientos de docs). Producción con SSO y auditoría: plataforma custom desde ~$35 000.
¿Cuántos documentos?
MVP: 500-5 000. Plataforma: 100 000+. Archivos OCR masivos: +30-50% presupuesto.
¿Cómo medir calidad?
Dataset eval 50-200 preguntas. Métricas: recall@k, faithfulness, citation accuracy. Objetivo: recall@5 > 85%, faithfulness > 90%.
¿Soporte post-lanzamiento?
Retainer $1 000 - $5 000/mes o 15-25%/año del desarrollo: monitorización, eval, conectores, prompts. Sin soporte, degradación en 3-6 meses.