Ya tienes un sistema funcionando
Integrar IA en el software que ya tienes
Respuesta corta: no hay que rehacer nada. La IA se conecta por un lado del sistema que ya existe, normalmente contra la base de datos que ya tienes y a través de la capa de API que ya tienes. Lo caro no es el modelo. Lo caro es la integración.
Lo que vas a encontrar aquí
Los tres puntos por donde entra la IA y el modo de fallo de cada uno, qué datos hacen falta, qué cuesta por uso frente a construirlo, el detalle de facturación que solo aparece al integrar y los tres errores que dejan un piloto por el camino. Tarifas comprobadas el 26 de septiembre de 2026.
Esta es la página de cómo encaja. Qué hacemos nosotros está en la página de servicio, inteligencia artificial para empresas.
Tres puntos de conexión
Dónde encaja
Solo hay tres sitios por donde entra, y cada uno falla distinto. Elegir mal el punto de conexión es el primer error caro.
Llamada síncrona desde tu backend, con el usuario esperando
Clasificar, resumir o rellenar un campo en el momento. El comercial guarda la incidencia y el sistema le propone categoría y responsable sin salir de la pantalla.
Modo de fallo. La latencia. Si el modelo tarda treinta o cuarenta segundos, la pantalla se queda colgada. Hay que decidir antes qué se enseña mientras tanto y qué ocurre si no contesta.
Trabajo por lotes, de madrugada y sin nadie mirando
Procesar la cola del día entera: facturas, incidencias, correos. Nadie espera delante, así que la latencia deja de importar.
Modo de fallo. El límite de llamadas del proveedor, que corta a mitad de la cola y deja medio lote hecho. El proceso tiene que reanudarse donde se quedó sin duplicar nada.
Disparado por un evento o un webhook
Reaccionar a algo que pasa en el sistema: un alta, un correo entrante, un cambio de estado. El trabajo ocurre solo, cuando hay algo que hacer.
Modo de fallo. El evento llega dos veces y la acción se ejecuta dos veces. Es el fallo que peor se ve, porque el resultado duplicado parece legítimo.
Los tres usan la fontanería de siempre: API, webhooks y colas con reintento, que no cambia porque al otro lado haya un modelo. Está contada entera en integraciones y APIs. Si el sistema que quieres ampliar es tu ERP, su mapa de módulos está en ERP a medida para pymes.
La parte incómoda
Qué datos hacen falta
Normalmente los datos existen, pero no en forma utilizable. Estas tres preguntas van antes de escribir una línea de código.
Dónde vive el dato de verdad
No dónde se ve, sino dónde está: una columna, un PDF adjunto al registro o un campo de texto libre donde cada persona escribe a su manera. Los tres se resuelven distinto y cuestan distinto.
Quién tiene permiso para leerlo
El proceso que llama al modelo necesita permiso sobre ese dato, y muchas veces no lo tiene porque nadie lo había necesitado desde ahí. Se descubre tarde, con el código ya escrito.
Qué porcentaje de registros lo tiene relleno
Un campo vacío en cuatro de cada diez registros no sirve como entrada fiable. Se contesta con una consulta de treinta segundos y ahorra proyectos enteros.
El dato que mata un mito
Indexar tu documentación para que el modelo la consulte se paga por tokens de embedding, y es casi gratis. Tarifas de OpenAI por millón de tokens, comprobadas el 26 de septiembre de 2026 en su página de precios: text-embedding-3-small 0,02 dólares, text-embedding-3-large 0,13 dólares y text-embedding-ada-002 0,10 dólares.
Supuesto nuestro, y lo decimos como supuesto: 50.000 documentos de 600 tokens de media son 30 millones de tokens. Con text-embedding-3-small son 30 por 0,02, es decir 0,60 dólares por indexar el corpus entero. Sesenta céntimos. El coste está en averiguar dónde viven esos 50.000 documentos y en tener permiso para leerlos.
Números, no impresiones
Coste por uso y coste de desarrollo
Supuestos nuestros, al lado del resultado: un ERP que clasifica y enruta 200 incidencias al día, con 1.500 tokens de entrada por llamada (la incidencia y las reglas de enrutado) y 150 de salida.
Con gpt-6-luna
0,10 dólares de entrada y 0,50 de salida por millón
Entrada: 200 por 1.500 son 300.000 tokens al día, o sea 0,3 millones, que por 0,10 salen a 0,03 dólares. Salida: 200 por 150 son 30.000 tokens, 0,03 millones, que por 0,50 son 0,015 dólares.
0,045 dólares al día
Unos 1,35 dólares al mes contando 30 días.
Con gpt-6-sol
2,00 dólares de entrada y 10,00 de salida por millón
Mismo volumen con el modelo grande: 0,60 de entrada más 0,30 de salida. Veinte veces el precio por token.
0,90 dólares al día
Unos 27 dólares al mes contando 30 días.
El contraste que cambia la conversación
Entre 1,35 y 27 dólares al mes según el modelo. A 27 dólares al mes, cinco años son 1.620 dólares. Una integración de ese tipo cuesta del orden de varios miles de euros una sola vez, y usamos como supuesto la misma cifra de 6.000 euros que ya usa la página hermana. O sea que en cinco años el coste de uso es alrededor de una cuarta parte del de construirlo, y se paga mes a mes en vez de por adelantado.
Las dos cifras van en divisas distintas (las tarifas se publican en dólares y nuestros presupuestos en euros) y no las convertimos: sería meter un tipo de cambio inventado en una comparación que solo sirve para el orden de magnitud.
El modelo no es el coste. El coste es la integración, la revisión humana y el mantenimiento.
Si alguien te cobra mucho diciendo que la IA es cara, te cobra otra cosa. Nuestras horquillas, en precios de software a medida y puedes estimarlo tú mismo con la calculadora de presupuesto de software. La tabla completa de tarifas por token de los modelos de completado y el umbral de volumen a partir del cual una automatización se paga sola están en automatización de procesos con IA.
Específico de integrar
La caché de prompt
Al integrar mandas siempre el mismo contexto: tu esquema, tu catálogo, tus reglas. Por eso este detalle, que apenas se publica en castellano, cambia la factura.
| Modelo | Entrada | Salida | Lectura de caché | Escritura de caché |
|---|---|---|---|---|
| Sonnet 5 | 2 | 10 | 0,20 | 2,50 |
| Haiku 4.5 | 1 | 5 | 0,10 | 1,25 |
| Opus 5.5 | 4 | 20 | 0,20 | 5 |
| Fable 5.1 | 10 | 50 | 0,25 | 12,50 |
Dólares por millón de tokens, comprobados el 26 de septiembre de 2026 en la página de precios de Anthropic.
La aritmética, con Sonnet 5
Supón un contexto fijo de un millón de tokens que se repite en cada llamada. Sin caché pagas 2,00 dólares cada vez. Con caché pagas 2,50 la primera vez (escritura) y 0,20 cada vez siguiente (lectura).
Con dos llamadas son 4,00 sin caché frente a 2,70 con caché, un 32,5 por ciento menos. Con diez, 20,00 frente a 4,30, un 78,5 por ciento menos. El punto de equilibrio cae por debajo de la segunda llamada, así que a partir de la segunda ya compensa.
Escribe el prompt con la parte fija delante y la parte que cambia detrás.
Si lo haces al revés, la caché no sirve de nada y pagas la tarifa completa siempre.
Residencia de datos
Dónde se ejecuta y qué pasa con tus datos
Los dos proveedores grandes cobran lo mismo por dejarte elegir dónde corre la inferencia, y ese número es útil si operas en España.
OpenAI, un 10 por ciento más
Literal de su página hoy: los endpoints de procesamiento regional con residencia de datos se cobran con un recargo del 10 por ciento para los modelos publicados a partir del 5 de marzo de 2026 que sean elegibles.
Anthropic, también un 10 por ciento
La inferencia restringida a Estados Unidos cuesta 1,1 veces la tarifa estándar. Y el modo rápido de Opus 5.5 se cobra al doble.
El lote, con un 50 por ciento de descuento
Los dos ofrecen procesamiento por lotes con un 50 por ciento de descuento. El lote es la tarifa barata, así que si necesitas residencia y lote a la vez, comprueba antes que tu modelo admite las dos.
La razón de ser de esta página
Por qué un piloto no llega a producción
Casi todas las empresas que nos preguntan ya han probado algo. Cuando se quedó por el camino, casi siempre fue por uno de estos tres.
El piloto se hace fuera del sistema
Se prueba en un chat o en una hoja de cálculo con treinta casos elegidos a mano. Funciona, y se da por validado. Pero no se ha tocado nada del trabajo real: permisos, quién puede lanzarlo, qué queda registrado para una auditoría, qué se enseña al usuario mientras el modelo tarda, qué pasa si devuelve un campo vacío, qué pasa cuando el proveedor corta por límite de llamadas. Ese trabajo es la mayor parte del proyecto, y como el piloto no lo toca, el salto a producción parece un paso más cuando es el proyecto sin empezar.
No se acuerda el criterio de aceptación antes de empezar
Sin un número pactado por escrito antes de la primera línea, el resultado siempre es que más o menos funciona, y eso no se puede aprobar ni rechazar. Un criterio de verdad se parece a esto: acierta el 95 por ciento sobre 500 casos reales de los últimos tres meses, y el 5 por ciento restante lo revisa una persona. Con ese número el proyecto se cierra en una tarde. Sin él, el piloto no fracasa: se queda en el limbo.
Se pilota con datos que en producción no existen
Los treinta casos del piloto se limpiaron a mano, casi siempre sin querer. En el sistema real ese campo está vacío en cuatro de cada diez registros, o vive dentro de un PDF adjunto, o está en una tabla sin permiso para el proceso. Ese piloto no midió la IA: midió unos datos preparados que no existen. Al repetir la prueba contra el dato sucio, el acierto cae y el proyecto se para.
La regla práctica
Haz el piloto dentro del sistema, contra datos reales sucios y con un número de aceptación firmado antes.
Un piloto que cumpla las tres tarda más en empezar y es el único que llega a producción. Lo que se pierde en la salida se recupera al decidir, porque hay un número delante.
Límites honestos
Lo que no conviene integrar
Hay sitios donde meter IA no ahorra nada o crea un problema, y conviene saberlos antes de repartir el presupuesto.
El error silencioso
Si el modelo lee mal un importe y nadie lo revisa, entra en el sistema y no salta ninguna alarma. Donde el error no se detecta solo hace falta revisión humana, y entonces ahorras el tecleo, no la comprobación.
Lo irreversible
Dale permiso de escritura solo donde la acción se pueda deshacer, quede auditada y esté acotada. Si no cumple las tres, que proponga y que firme una persona. El reparto completo está en agentes de IA para empresas.
El aviso legal que casi nadie ve venir
El Reglamento (UE) 2024/1689 está en vigor desde el 1 de agosto de 2024 y es aplicable en su mayor parte desde el 2 de agosto de 2026. El punto que importa aquí: meter IA en un sistema que ya tienes puede reclasificarlo. Si tu aplicación pasa a tomar o a preparar decisiones sobre personas (selección de personal, gestión de trabajadores) entra en el alto riesgo del Anexo III, cuyas obligaciones llegan el 2 de diciembre de 2027.
Desde agosto de 2026 hay además obligación de transparencia: si pones la IA a hablar con un cliente, hay que decirle que habla con una máquina. Y la alfabetización en IA obliga desde el 2 de febrero de 2025 a quien usa la IA, no solo a quien la fabrica. Comprobado el 26 de septiembre de 2026 en la página de la Comisión Europea. Esto no es asesoramiento jurídico: si tu caso roza el alto riesgo, consúltalo con un profesional.
Preguntas frecuentes
Lo que pregunta quien ya tiene sistema
¿Hay que rehacer el ERP para meterle IA?
No. Se conecta por un lado del sistema que ya existe, contra la base de datos y la capa de API que ya tienes: de forma síncrona mientras el usuario espera, por lotes o disparada por un evento. Lo caro no es el modelo, es la integración.
¿Cuánto cuesta de verdad al mes?
Depende del volumen y del modelo. Con nuestro supuesto de un ERP que clasifica 200 incidencias al día, a 1.500 tokens de entrada y 150 de salida por llamada, salen 1,35 dólares al mes con gpt-6-luna y 27 con gpt-6-sol, tarifas comprobadas el 26 de septiembre de 2026. Es un supuesto nuestro, no tu factura. El coste que pesa es construir la integración y mantenerla.
¿Mis datos se quedan en la Unión Europea?
Se puede elegir dónde corre la inferencia, y cuesta un 10 por ciento más. OpenAI aplica ese recargo en los endpoints de procesamiento regional con residencia de datos, para los modelos publicados a partir del 5 de marzo de 2026 que sean elegibles. Anthropic cobra la inferencia restringida a Estados Unidos a 1,1 veces la tarifa estándar.
¿Cuánto tarda un piloto en llegar a producción?
Los que no llegan comparten tres cosas: se hicieron fuera del sistema, sin criterio de aceptación firmado y con datos limpiados a mano. El que se hace dentro, contra datos sucios y con un número pactado antes, es el único que acaba en producción.
¿Meter IA en mi sistema me convierte en alto riesgo?
Puede reclasificarlo, y es el punto que casi nadie ve venir. Si tu aplicación pasa a tomar o a preparar decisiones sobre personas (selección de personal, gestión de trabajadores) entra en el alto riesgo del Anexo III del Reglamento (UE) 2024/1689, cuyas obligaciones llegan el 2 de diciembre de 2027. Desde agosto de 2026 hay además obligación de transparencia.
¿Necesito una base de datos vectorial para esto?
No siempre, y no es por donde se empieza. Indexar la documentación se paga por tokens de embedding y es casi gratis: con nuestro supuesto de 50.000 documentos de 600 tokens de media, que son 30 millones de tokens, indexarlo entero con text-embedding-3-small cuesta 0,60 dólares. El coste está en averiguar dónde viven esos documentos y en tener permiso para leerlos.
Revisión del sistema, sin coste
Por dónde entra la IA
sin tocar lo que funciona
Si ya probasteis un piloto de IA y no llegó a ningún sitio, o si el miedo es que os digan que hay que rehacerlo todo, la objeción es razonable y se resuelve mirando el sistema. Revisamos gratis el que tenéis y os damos tres cosas concretas: por dónde entra la IA sin tocar lo que funciona, qué datos os faltan para que funcione de verdad y qué coste mensual tendría.
Si no encaja, también lo decimos, y la revisión os sirve aunque el proyecto no lo hagáis con nosotros. Si decidís construirlo, os saldrá más ajustado: usamos IA de vanguardia dentro de nuestro propio desarrollo, así que el mismo alcance se entrega antes y con menos fallos.
O llama al +34 611 011 519 y empezamos por qué sistema tenéis y qué proceso debería dejar de hacerse a mano.