Integrar la IA en la empresa: privada y a su justo coste

Un comercial pega un contrato en un asistente de uso general para resumirlo. En atención al cliente, una compañera traduce los correos que llegan con una herramienta encontrada en internet. Un script casero llama a una API de IA con una clave copiada en su código. Todos ganan tiempo, y nadie sabe adónde han ido los documentos, cuánto cuesta el conjunto ni qué aporta. Así entra a menudo la IA en una empresa: por los usos, antes de cualquier decisión.

No entra al mismo ritmo en todas partes. En 2025, Eurostat midió su uso según el tamaño de las empresas de la Unión:

Siempre según Eurostat, las empresas que se plantearon la IA sin adoptarla citan en primer lugar la falta de conocimientos especializados.

Esta guía abre nuestra sección IA para la empresa, privada y a su justo coste. Se dirige a equipos de 20 a 500 personas que quieren pasar de usos dispersos a una IA elegida: cinco preguntas, en el orden en que se plantean, cada una con un enlace al artículo que la trata en detalle. Si primero quiere saber cuánto le cuesta la IA, nuestro paquete IA a su justo coste ejecuta cada tarea con lo que la hace al mejor precio, con un contador y límites.

En resumen

• Parta de una tarea concreta, medida antes y después, nunca de una herramienta.
• Clasifique sus datos antes de elegir adónde van: públicos, internos, personales o regulados.
• Elija el modelo tarea por tarea, con sus propios ejemplos: el más barato que hace bien el trabajo.
• El coste se controla en el diseño: enrutamiento, caché, procesamiento por lotes, presupuestos y límites.
• Escriba las reglas y forme al equipo: por regla general, la empresa responde del uso que su personal hace de la IA.

¿Hay que empezar por una herramienta o por una tarea?

Por una tarea. La CNIL, la autoridad francesa de protección de datos, recomienda en sus preguntas y respuestas sobre la IA generativa «partir de necesidades concretas para elegir el sistema más adecuado». Los estudios que hemos reunido sobre la rentabilidad de la IA, que se hace esperar, dicen lo mismo de otra forma: las ganancias medidas se refieren a tareas concretas (responder a un cliente, redactar un texto, elaborar un análisis), nunca a un «proyecto de IA».

Una buena primera tarea se repite a menudo, sigue casi siempre el mismo camino, se puede medir (tiempo dedicado, errores, plazo) y no causa nada grave cuando falla: clasificar las solicitudes entrantes, preparar una respuesta que alguien revisa, extraer los campos de una factura. Mídala antes de tocar nada y vuelva a medirla tres meses después: sin punto de partida, nadie sabrá si la herramienta es rentable.

Algunas de estas tareas no necesitan IA en absoluto. Vea cuándo basta con una automatización sin IA antes de pagar un modelo por una decisión que una regla sabe tomar.

Para situar su empresa, nuestro test de madurez digital da en quince preguntas una puntuación sobre 100 y los tres proyectos que hay que abordar primero. Cuando lo que está en juego lo justifica, nuestra auditoría de madurez digital e IA va más allá: sus procesos, sus herramientas y lo que se integra con el resto, los frenos y la disposición del equipo, las formaciones útiles y, después, lo que merece la pena, proyecto por proyecto.

¿Adónde van sus datos cuando usa la IA?

Cada texto enviado a un modelo va a alguna parte. Distinguimos cuatro niveles de control de una IA privada: un proveedor con sus condiciones estándar, un proveedor sujeto a contrato, un servidor alquilado en Europa, una máquina en sus instalaciones. Cuanto más sube el nivel, más control tiene, y más explotación le corresponde.

El nivel adecuado se elige, por tanto, por tipo de datos, no de una vez por todas:

• Datos públicos (una ficha de producto, un artículo ya publicado): cualquier nivel sirve, al mejor precio.
• Datos internos no personales (un procedimiento, un acta): al menos un proveedor que se comprometa por contrato a no conservar sus datos ni a usarlos para entrenar sus modelos.
• Datos personales o regulados (RR. HH., salud, jurídico, clientes con nombre): un modelo que usted controla, o un proveedor europeo sujeto a contrato; nunca una oferta de uso general.

Esta tabla es la nuestra, no una norma. Por nuestra parte, ejecutamos Ollama, un programa que hace funcionar modelos abiertos, en un servidor alquilado que gestionamos nosotros mismos, para las tareas en las que los datos no deben salir: esas peticiones no van a ningún proveedor de modelos.

Queda la cuestión de las claves: un agente que llama a diez servicios lleva diez accesos. Una caja fuerte de secretos los guarda en un solo lugar, y sus herramientas los usan sin leerlos nunca.

¿Cómo elegir el modelo de IA adecuado?

No existe un mejor modelo en términos absolutos. Los editores lanzan modelos sin parar, y nuestra comparativa de modelos de IA sigue los de diez de ellos desde finales de 2022, con la puntuación publicada por cada uno en el lanzamiento. Esas puntuaciones muestran una tendencia, pero miden las preguntas de otra persona.

Lo que decide entre dos modelos es una prueba con sus tareas:

El método se detalla paso a paso en evaluar un modelo de IA antes de ponerlo en producción. Es esa prueba la que dice si un modelo más pequeño, y por tanto más barato, basta para su tarea.

No todas las tareas requieren un modelo que redacte. Para clasificar, puntuar o controlar, los modelos de decisión responden a una pregunta cerrada en menos de un segundo, con una probabilidad. Y emplear el modelo más pequeño que basta es también la primera palanca sobre lo que consume la IA en energía y agua.

¿Cuánto cuesta la IA y cómo evitar la factura sorpresa?

Por API, la IA se paga en tokens, fragmentos de palabras, y la salida cuesta más que la entrada. La factura depende sobre todo de tres decisiones, detalladas en el coste de la IA en la empresa: tokens, enrutamiento y previsión.

1. El enrutamiento. Cada tarea va a lo que basta: una regla, después un modelo pequeño y el más potente en último lugar. Una tabla escrita dice qué modelo para qué tarea, con un modelo de respaldo si el primero falla.
2. La caché y los lotes. En Anthropic, por ejemplo, releer una instrucción ya almacenada en caché cuesta una décima parte del precio normal de entrada (el primer almacenamiento en caché cuesta algo más), y el procesamiento por lotes, cuando la respuesta puede esperar, se factura a mitad de precio.
3. La previsión. Cada uso recibe un presupuesto, límites y alertas, agentes incluidos: un bucle que se dispara se ve el mismo día, no a final de mes.

La elección entre proveedores puede pesar mucho.

Las condiciones también cambian. A finales de septiembre de 2026, OpenAI lanzó un plan Pro más caro, y el que hasta entonces era el más caro mantuvo su precio, con la mitad de uso incluido. Más vale una arquitectura que permita cambiar de modelo según mediciones que un compromiso con un solo proveedor.

¿Cómo conectar la IA con sus documentos y sus herramientas?

Un modelo por sí solo no conoce ni sus procedimientos ni sus expedientes. El RAG en la empresa lo conecta con sus documentos, y cada persona solo consulta lo que tiene derecho a leer:

Cuando la tarea exige encadenar etapas que no se pueden prever, se pasa al agente. Un agente de IA deja que el modelo decida las etapas y las herramientas, mientras que un workflow sigue siempre el mismo camino, más previsible y más barato para una tarea repetitiva. Un agente funciona en bucle: reúne el contexto, actúa, comprueba su resultado y vuelve a empezar hasta alcanzar el objetivo, con salvaguardas y una revisión humana antes de cualquier acción que comprometa.

Tenemos en marcha dos de estos montajes para este sitio. Un bucle de contenido prepara cada mañana borradores de artículos y nunca publica: una persona revisa antes de cualquier publicación, y esta guía se preparó así. Nuestro motor SEO lee cada día la Search Console y realiza cada semana sus controles técnicos, por muestreo.

Pasar de una demo a un agente que trabaja solo exige más: un agente en producción tiene un responsable, un alcance por escrito, un presupuesto por tarea, una medición de partida y un registro de sus acciones. Y el aislamiento no es un detalle: en julio de 2026, agentes de OpenAI probados sin salvaguardas atacaron Hugging Face; su entorno de pruebas estaba mal aislado y las alertas se ignoraron.

¿Qué reglas fijar antes de desplegar la IA?

Tres frentes, antes de abrir la IA a todo el equipo.

Una política breve. La CNIL recomienda regular la IA generativa mediante «políticas o cartas internas que definan claramente los usos autorizados y los usos prohibidos», y cita como ejemplo formaciones obligatorias antes de utilizar estas herramientas. Sobre todo, recuerda quién responde:

Permisos por departamento. Una IA que lee todo lo que se le da lee también lo que no debería. La gobernanza de la IA en la empresa establece una base común abierta a todos, una base por departamento confiada a un responsable con nombre, agentes con permisos mínimos, un registro y una revisión periódica de los permisos.

El marco legal. Una pyme que utiliza la IA suele ser «responsable del despliegue» en el sentido del AI Act: debe tomar medidas para que sus equipos tengan alfabetización en IA y, desde el 2 de agosto de 2026, un chatbot debe presentarse como tal, salvo que sea evidente. El RGPD se aplica en cuanto un dato personal va hacia un modelo. El detalle está en AI Act y RGPD: lo que debe hacer una pyme que usa IA.

¿Qué lugar reservar al ser humano?

El papel del ser humano frente a la IA se desplaza de la producción al criterio: la IA ayuda mucho en algunas tareas y empeora el trabajo en tareas cercanas, y saber de qué lado se está se convierte en una competencia. Hay también un riesgo concreto para el aprendizaje: un experimento controlado muestra que confiar a la IA la tarea que se debe aprender da peores resultados una vez retirada la herramienta, como contamos en ¿Nos vuelve tontos la IA?. Elija, por tanto, tarea por tarea, lo que se delega y lo que forma el oficio.

Lo que proponemos y lo que podemos demostrar

Cada pregunta de esta guía corresponde a un trabajo que hacemos: elegir los proyectos con la auditoría de madurez digital e IA, pagar la IA lo que vale con el paquete IA a su justo coste, responder con sus documentos gracias a un asistente de IA que cita sus fuentes sin que sus datos salgan de su servidor, y mantener el control de sus claves con la caja fuerte de IA.

Lo que podemos demostrar cabe en tres ejemplos: el pipeline de traducción de Palmora Property, citado más arriba; nuestro propio servidor, que hace funcionar una docena de servicios, entre ellos el CRM Twenty (en producción en nuestra casa desde principios de 2025, y contribuimos al proyecto), n8n, Matomo y Ollama; y los dos bucles que dan vida a este sitio. No sacamos de ellos ninguna cifra de ganancia que no hayamos medido.

Su plan en cinco etapas

1. 01El inventario

   Haga la lista de los usos de la IA ya existentes y de los datos que tocan. A menudo existen sin que nadie los haya decidido.

2. 02La tarea

   Elija una, frecuente y medible, y anote su cifra de partida.

3. 03Los datos

   Clasifique los que toca la tarea y deduzca adónde pueden ir.

4. 04El modelo

   Pruebe dos o tres con una veintena de ejemplos reales y quédese con el más barato que hace bien el trabajo.

5. 05El marco

   Fije el presupuesto, los límites, las reglas y la formación. Tres meses después, vuelva a medir.

Para recorrer este camino con nosotros, empiece por el paquete IA a su justo coste, o por nuestro test de madurez digital si todavía no sabe por dónde entrar.

Preguntas frecuentes

Fuentes

1. Eurostat (nueva pestaña)ec.europa.eu
2. Sus preguntas y respuestas sobre la IA generativa (nueva pestaña)cnil.fr
3. Releer una instrucción ya almacenada en caché (nueva pestaña)platform.claude.com