Antes de contratar una consultoría de IA: lo que conviene preguntar
La etapa más barata de un proyecto de inteligencia artificial es la que ocurre antes de firmar. Las preguntas hechas a tiempo cuestan minutos; las respuestas que faltan se pagan durante meses. Una consultoría de IA se evalúa mejor con un cuestionario preparado que con una buena corazonada, y las firmas con experiencia lo saben: responden con datos, ejemplos y documentos, y agradecen al cliente que pregunta. Esta guía reúne las preguntas que conviene hacer antes de contratar una consultoría de IA, agrupadas por tema y con las señales que delatan respuestas sólidas.
La experiencia real se distingue de la experiencia declarada con tres preguntas directas.
La primera: ¿qué proyectos han llevado a producción, y en qué fecha? Muchas firmas cuentan pilotos; pocas cuentan sistemas que siguen operando meses después. Un sistema en producción enfrentó datos reales, usuarios reales y mantenimiento real, y esa trayectoria se puede verificar.
La segunda: ¿puedo hablar con dos clientes anteriores? Las referencias de viva voz revelan lo que el caso de éxito escrito omite: cómo responde la firma cuando algo se complica, cómo maneja los cambios de alcance y cómo trata al equipo interno.
La tercera: ¿qué experiencia tienen en mi sector? Cada industria tiene sus datos, sus regulaciones y sus ritmos. Una firma que conoce el sector llega con preguntas mejores y evita aprendizajes cobrados a precio de cliente.
El contexto hace estas preguntas todavía más importantes. La encuesta State of AI 2025 de McKinsey reporta que 78% de las organizaciones ya usa inteligencia artificial en alguna función, y la oferta de servicios creció al mismo ritmo. La variedad de calidad entre firmas es amplia, y la verificación de casos es el filtro principal.
El método separa a las firmas con oficio de las que improvisan. La pregunta central: ¿cómo se ve el proyecto semana a semana? Una respuesta sólida describe fases con entregables, puntos de revisión y criterios para avanzar o ajustar.
Conviene preguntar también cómo manejan el piloto. Las firmas serias proponen empezar con un caso acotado, con métricas definidas antes de construir, y decidir la expansión con los resultados en la mano. Un comunicado de Gartner de junio de 2025 estima que más de 40% de los proyectos de IA agéntica quedarán cancelados hacia 2027, y menciona el valor poco claro entre las causas. Preguntar "¿cómo se medirá el valor de este proyecto desde la semana uno?" ataca esa causa de frente.
Otra pregunta útil: ¿cómo documentan las decisiones técnicas? La elección de modelo, la arquitectura y las herramientas deberían quedar por escrito con sus razones. Esa documentación permite auditar, cambiar de proveedor si hace falta y entender el sistema dentro de dos años.
Finalmente: ¿qué necesitan de mi equipo y cuándo? Los proyectos sanos declaran desde el inicio las horas internas que requieren: entrevistas, accesos, validaciones y capacitación. Una propuesta que promete avanzar con cero carga para el equipo interno suele terminar con sistemas desconectados de la operación real.
Los datos son el insumo del proyecto, y su tratamiento merece preguntas explícitas antes de cualquier acceso.
¿Dónde se procesarán los datos de la empresa? La respuesta debería nombrar regiones, proveedores de nube y herramientas concretas. ¿Quién tendrá acceso durante el proyecto, y cómo se revoca al terminar? ¿Qué datos salen de los sistemas de la empresa y cuáles permanecen dentro?
También conviene preguntar por los modelos: ¿qué modelos de IA usarán, bajo qué términos, y esos proveedores entrenan con los datos que reciben? Los acuerdos empresariales de los grandes proveedores suelen excluir el entrenamiento con datos del cliente, y la firma consultora debería conocer esos términos al detalle.
Las preguntas de cumplimiento dependen del sector. En salud, finanzas o servicios regulados: ¿cómo manejan trazabilidad, retención y revisión humana? Pedir ejemplos de proyectos anteriores con requisitos similares muestra si la respuesta viene de la experiencia o de la teoría.
La propuesta la firma la dirección; el trabajo lo hace un equipo concreto. Preguntar quiénes serán esas personas, con qué roles y qué dedicación, cambia la conversación.
¿Quién será la persona responsable del proyecto del lado de la firma, y con cuántos proyectos simultáneos trabaja? ¿Qué perfiles técnicos participarán y en qué fases? ¿El equipo que hizo la venta es el mismo que ejecutará?
La seniority merece una pregunta directa: ¿qué proporción del trabajo harán perfiles con experiencia en producción? Los equipos mixtos son normales y sanos, y la transparencia sobre la mezcla permite evaluar el precio con justicia.
Una pregunta que revela cultura de trabajo: ¿cómo transfieren conocimiento al equipo interno? Las firmas que forman a su cliente aseguran la operación futura; las que concentran todo el conocimiento crean dependencia. Pedir sesiones de transferencia documentadas como entregable convierte esa diferencia en compromiso.
El precio se entiende con su desglose: ¿cuánto corresponde a diagnóstico, a construcción y a operación? ¿Qué supuestos sostienen la cifra, y qué pasaría si los datos llegaran en peor estado del esperado o si una integración resultara más compleja?
Los tiempos merecen la misma precisión: ¿qué duración estima cada fase, y qué factores podrían alargarla? Las estimaciones con rangos y razones denotan experiencia; las promesas exactas y cerradas, con cero margen, denotan optimismo comercial.
También conviene preguntar qué queda incluido y qué queda fuera: licencias de herramientas, costos de nube, consumo de modelos, capacitación adicional y ajustes posteriores al lanzamiento. Los costos acompañantes bien declarados evitan sorpresas en la segunda factura. El detalle completo de entregables y componentes de precio se desarrolla en qué te entregan y de qué depende el precio, la pieza complementaria de esta guía.
Una pregunta de cierre muy útil: ¿qué pasaría si al final del diagnóstico la recomendación fuera esperar? Las firmas que ganan confianza aceptan esa posibilidad por escrito; las que necesitan vender el proyecto grande la evitan.
El lanzamiento es el punto medio del proyecto, y la operación posterior decide el retorno. ¿Quién atenderá el sistema cuando algo cambie: un modelo se actualiza, un proceso se modifica, aparece un comportamiento inesperado? ¿Con qué acuerdos de nivel de servicio y a qué costo?
El monitoreo merece su pregunta propia: ¿qué indicadores vigilarán la calidad del sistema en producción, y quién recibe las alertas? Los sistemas de IA cambian de comportamiento con los datos nuevos, y la vigilancia continua mantiene la calidad que el piloto demostró.
La adopción también se pregunta: ¿cómo acompañan al equipo durante las primeras semanas de uso? La capacitación del lanzamiento cubre el arranque; el acompañamiento posterior convierte el sistema en hábito.
Y la pregunta de largo plazo: ¿cómo se ve la salida? Si dentro de dos años la empresa decide operar con otro proveedor o con su equipo interno, ¿la documentación, los accesos y el conocimiento quedan del lado de la empresa? La respuesta define si la inversión construye capacidad propia o renta capacidad ajena. Para entender qué son estas tecnologías antes de evaluar propuestas, la guía de agentes de IA para empresas ofrece los conceptos base.
Más allá de las respuestas, el comportamiento de la firma durante la venta anticipa el proyecto. Tres señales positivas se repiten: preguntas específicas sobre procesos y datos antes de cotizar, propuestas con entregables y fechas, y transparencia sobre lo que el proyecto exigirá al equipo interno.
En sentido contrario, conviene observar la velocidad excesiva: cotizaciones en la primera llamada, alcances que caben en una frase y calendarios que prometen producción en días. La prisa comercial se paga después con retrasos técnicos.
También pesa el trato durante la negociación. La firma que escucha una objeción y ajusta la propuesta con criterio mostrará la misma actitud cuando el proyecto se complique. La que responde con presión o con descuentos relámpago está vendiendo otra cosa.
Un comprobante sencillo: pedir que la primera fase sea un diagnóstico pequeño y cerrado. Quien acepta con gusto demuestra confianza en su método; quien empuja el contrato grande desde el día uno revela prioridades.
El cuestionario funciona mejor enviado por escrito antes de la primera reunión. Las respuestas escritas permiten comparar firmas con la misma regla, y la calidad de las respuestas ya dice mucho: precisión contra generalidades, ejemplos contra promesas, documentos contra adjetivos.
Una recomendación final: involucrar en las entrevistas a quienes operarán el sistema. Las áreas detectan preguntas que la dirección desconoce, y su lectura de las respuestas anticipa la adopción futura.
Un hábito adicional multiplica el valor del cuestionario: guardar las respuestas de cada firma y revisarlas al final del proyecto. Lo prometido contra lo entregado es la medida más honesta de un proveedor, y esa comparación alimenta la siguiente decisión de compra.
Contratar una consultoría de IA con buenas preguntas convierte la selección en un proceso con evidencia. La firma correcta se reconoce porque sus respuestas se pueden verificar.
Fuentes
¿Te fue útil este artículo?