El coste de desarrollar un agente de IA depende de lo que el agente puede hacer, no del modelo que lo mueve: sus herramientas, los sistemas que lee y modifica, las pruebas que demuestran que actúa bien, sus salvaguardas y el uso del modelo que pagas cada mes. Un primer agente acotado cuesta una fracción de un agente en producción, y un precio honesto parte de un brief breve. Esta guía recorre la arquitectura, cada partida, el MVP frente a producción, los costes del primer año, la Ley de IA y cómo se desarrolla un proyecto.
Última actualización: 21 de octubre de 2026.
¿Cuánto cuesta desarrollar un agente de IA?
Un agente de IA es software que usa un modelo de lenguaje para decidir qué pasos dar hacia un objetivo y luego los da mediante herramientas: busca, lee, rellena, envía, reserva o actualiza, y comprueba el resultado antes de seguir. Esa es la diferencia con un chatbot, que solo responde. Su coste depende de esas acciones.
En Odduel, una agencia creativa y tecnológica en Barcelona y São Paulo, presupuestamos el desarrollo de IA a partir de un brief breve: la tarea de la que se ocupa el agente, las personas a las que sirve, los sistemas que toca, lo que puede hacer sin preguntar y lo bueno que debe ser antes de que alguien confíe en él. Con ese brief damos un precio cerrado para una primera fase definida. Antes, cualquier cifra sería una suposición.
En resumen: el modelo rara vez es la partida más grande. La integración con tus sistemas, la evaluación y las salvaguardas suelen llevarse la mayor parte del desarrollo, porque un agente que puede actuar necesita demostrar que actúa bien. Los costes de funcionamiento son reales y recurrentes: el uso del modelo crece con cada paso que da el agente. Empieza por un agente acotado, mídelo y decide después si pasa a producción.
Por qué varían tanto los presupuestos de agentes
Dos presupuestos para «un agente que gestione nuestros correos de proveedores» pueden ser muy distintos y justos los dos. Uno supone que el agente lee los correos y redacta respuestas que envía una persona. El otro supone que lee los adjuntos, los coteja con el sistema de compras, actualiza pedidos, responde solo dentro de unos límites y deriva el resto. El segundo tiene más herramientas, permisos de escritura, reglas de aprobación, un conjunto de pruebas mayor y un registro de auditoría. Las partidas siguientes permiten compararlos en igualdad de condiciones.
Dónde la IA también abarata el desarrollo
La IA está dentro del producto, y también asume gran parte de la producción repetitiva del desarrollo: componentes de interfaz que siguen un sistema de diseño, código base de los conectores de herramientas, primeros casos de prueba, datos de ejemplo sintéticos. Eso acorta los proyectos y baja su coste. Las decisiones que hacen que un agente sea seguro y útil siguen siendo trabajo humano: qué puede hacer, dónde debe aprobar una persona, cómo falla, cómo se mide, cómo se tratan los datos personales. Ahí debe ir el presupuesto.
¿Cómo se construye un agente de IA?
Todo agente, por sencillo que sea, se compone de las mismas piezas. Conocerlas permite leer una propuesta y ver qué incluye y qué falta.
Las piezas de un agente
- El modelo: el modelo de lenguaje que lee la situación y decide el siguiente paso. Normalmente un modelo alojado al que se accede por API; a veces uno que alojas tú.
- Las instrucciones: el papel, las reglas y los límites escritos con los que trabaja el agente, versionados como el código.
- Las herramientas: las acciones que puede realizar, cada una una función definida con entradas, salidas y permisos (buscar en la base de conocimiento, leer un pedido, crear una incidencia, enviar un correo).
- El conocimiento: los documentos y registros que puede consultar, normalmente mediante recuperación: el agente encuentra los fragmentos relevantes y los lee antes de decidir.
- La memoria y el estado: lo que recuerda dentro de una tarea y, si se permite, entre tareas.
- La orquestación: el ciclo de planificar, actuar, comprobar y repetir, con límites de pasos, tiempo y gasto.
- Salvaguardas y aprobaciones: controles sobre lo que entra y lo que sale, y los puntos en los que una persona debe aprobar.
- Registro y supervisión: constancia de cada paso, llamada a herramienta y decisión, para depurar, controlar el coste y rendir cuentas.
Un agente o varios
Muchas tareas necesitan un solo agente con unas pocas herramientas. Algunas se benefician de varios agentes especializados que se pasan el trabajo, por ejemplo uno que clasifica las solicitudes y otros que atienden cada tipo. Los diseños multiagente añaden orquestación, más pruebas y más uso del modelo, así que deben justificarse por la tarea y no elegirse porque suenan avanzados. Nuestra comparación IA agéntica vs IA generativa explica cuándo actuar, en lugar de responder, compensa el coste extra.
Flujo de trabajo o autonomía
La decisión de diseño más importante es cuánta libertad tiene el agente. Un flujo fijo, con el modelo tomando decisiones en puntos concretos, es más barato de construir, más fácil de probar y más predecible. Un agente abierto que planifica sus propios pasos puede con tareas más desordenadas, pero necesita más evaluación y límites más estrictos. Casi todos los buenos agentes empresariales están más cerca del flujo fijo.
¿Cuáles son las partidas de coste de un agente de IA?
Ocho partidas explican casi cualquier presupuesto de agente de IA. Cada una es una decisión en la que puedes influir antes de empezar el desarrollo.
Análisis y diseño
Esta partida define la tarea con precisión: de qué se ocupa el agente, cómo es el éxito, qué casos debe rechazar o derivar y qué verán las personas que lo rodean. Incluye mapear el proceso actual, escribir los primeros casos de prueba con ejemplos reales y diseñar las pantallas en las que las personas revisan, aprueban o corrigen al agente. Es una parte pequeña del presupuesto y la que protege todas las demás.
Uso del modelo
El uso del modelo se paga por cantidad de texto procesado, de entrada y de salida. Los agentes consumen mucho más que un chat, porque cada tarea puede tener varios pasos, cada paso vuelve a leer instrucciones, historial y documentos recuperados, y los resultados de las herramientas vuelven a la conversación. El modelo elegido importa: los grandes cuestan más por paso, los pequeños menos y a menudo bastan para los pasos rutinarios. Durante el desarrollo esta partida es modesta; en producción es el principal coste recurrente.
Herramientas e integración
La integración suele ser la mayor partida del desarrollo. Cada herramienta es una conexión con un sistema real (tu CRM, el sistema de pedidos, la herramienta de soporte, el calendario, el gestor de contenidos o la base de datos), con autenticación, permisos, gestión de errores y pruebas. Las herramientas de solo lectura son más sencillas; las que escriben o envían necesitan validación, límites y a menudo una aprobación humana. Los sistemas antiguos sin una API limpia, o varios sistemas que no coinciden, añaden trabajo.
Conocimiento y preparación de datos
Si el agente consulta documentos o registros, hay que encontrarlos, limpiarlos, dividirlos en fragmentos con sentido e indexarlos para la búsqueda, y mantenerlos al día cuando cambian las fuentes. Unas fuentes limpias y bien mantenidas hacen modesta esta partida; un conocimiento disperso, archivos escaneados y versiones contradictorias la hacen grande.
Evaluación
La evaluación es cómo sabes que el agente funciona. Consiste en un conjunto de tareas realistas con el resultado esperado, ejecutadas automáticamente con cada cambio en las instrucciones, las herramientas o el modelo, más la revisión humana de una muestra. En un agente, la prueba comprueba las acciones además de las palabras: ¿llamó a la herramienta correcta, con los datos correctos, y se detuvo cuando debía? Esta partida suele presupuestarse por debajo de lo necesario. Es también la que te permite cambiar de modelo más adelante sin miedo.
Salvaguardas y seguridad
Las salvaguardas limitan lo que puede salir mal: controles de las entradas (incluidas instrucciones ocultas en correos o documentos que lee el agente), controles de las salidas, límites sobre qué herramientas puede usar cada usuario, topes de gasto y de pasos, y aprobaciones antes de las acciones irreversibles. Cuanto más pueda hacer un agente por su cuenta, mayor es esta partida.
Interfaz y traspaso a las personas
Las personas necesitan ver qué hizo el agente, aprobar lo que propone, corregirlo y tomar el control. Puede ser un panel dentro de una herramienta existente o una pantalla propia. Un buen diseño del traspaso es lo que hace que la gente confíe en el agente y lo siga usando.
Alojamiento, supervisión y registro
El agente necesita alojamiento para su orquestación, almacenamiento para sus registros y su estado, supervisión de errores, latencia y gasto, y alertas cuando algo se desvía. Los registros con datos personales deben conservarse conforme al RGPD: limitados, protegidos y borrados según un calendario.
| Partida | Qué la encarece | Peso relativo en el desarrollo |
|---|---|---|
| Análisis y diseño | Tarea poco clara, muchos casos límite | Pequeño |
| Uso del modelo (fase de desarrollo) | Ciclos de prueba largos, modelos grandes | Pequeño |
| Herramientas e integración | Permisos de escritura, sistemas antiguos, muchas herramientas | Normalmente el mayor |
| Conocimiento y datos | Fuentes dispersas o desordenadas | De pequeño a grande |
| Evaluación | Muchos tipos de tarea, mucha exigencia de precisión | Grande |
| Salvaguardas y seguridad | Más autonomía, acciones sensibles | De medio a grande |
| Interfaz y traspaso | Flujos de aprobación, pantallas nuevas | Medio |
| Alojamiento y monitorización | Volumen, requisitos de auditoría | De pequeño a medio |
¿Qué diferencia a un agente MVP de uno en producción?
La decisión más útil en el presupuesto de un agente es separar el primer agente del agente en producción. Responden a preguntas distintas y cuestan cantidades muy distintas.
Para qué sirve un agente MVP
Un agente MVP demuestra una cosa: ¿puede un agente hacer esta tarea lo bastante bien, con nuestros sistemas y nuestros datos, como para que merezca construirlo en serio? Se ocupa de una tarea acotada, usa dos o tres herramientas, a menudo de solo lectura o con una persona que aprueba cada acción, sirve a un grupo interno pequeño y se mide contra un conjunto de pruebas escrito. Deja fuera la escala, los permisos completos y el acabado. Termina con evidencias: precisión medida, coste observado por tarea, los casos de fallo y lo que necesitaría la producción.
Qué añade la producción
La producción convierte esa evidencia en algo de lo que la gente depende. Añade las herramientas que faltan y los permisos de escritura, un acceso y unos permisos correctos, reglas de aprobación por acción y por usuario, el conjunto completo de evaluación ejecutándose con cada cambio, salvaguardas contra el mal uso, supervisión y topes de gasto, registros conformes al RGPD, documentación, formación para las personas que trabajan con él y soporte. Según nuestra experiencia, supone varias veces el trabajo del agente MVP, y es donde debe ir la mayor parte del presupuesto.
| Aspecto | Agente MVP | Agente en producción |
|---|---|---|
| Pregunta que responde | ¿Puede un agente hacer esta tarea con nuestros sistemas? | ¿Puede la gente confiar en ella cada día? |
| Alcance | Una tarea acotada | La tarea completa y sus excepciones |
| Herramientas | Dos o tres, a menudo de solo lectura | Todas las necesarias, con escritura donde se justifique |
| Aprobación humana | En cada acción | Solo donde el riesgo lo exige |
| Usuarios | Un grupo interno reducido | Clientes o departamentos enteros |
| Evaluación | Un conjunto de pruebas escrito, en parte manual | Automatizada con cada cambio, más revisión |
| Salvaguardas | Límites básicos | Controles completos de entradas, salidas, permisos y gasto |
| Monitorización | Registros que lee el equipo de desarrollo | Paneles, alertas, registro de auditoría |
| Coste relativo de desarrollo | Bajo | Varias veces el MVP |
¿Cómo se desarrolla un proyecto de agente de IA?
Un proyecto de agente bien llevado avanza por fases cortas, y cada una termina con algo que puedes probar y una decisión.
- Brief. Una página: la tarea, las personas, los sistemas, lo que el agente puede hacer solo, lo que requiere aprobación y cómo se mide el éxito. En eso se basa un precio cerrado.
- Análisis. Mapear el proceso actual, reunir ejemplos reales, escribir los primeros casos de prueba, comprobar el acceso a los datos y la situación legal.
- Arquitectura. Elegir el modelo, las herramientas, el grado de autonomía, los puntos de aprobación y dónde se aloja el agente.
- Desarrollo del MVP. Construir el agente acotado, sus herramientas y una pantalla de revisión sencilla; ejecutar las pruebas a diario.
- Piloto con usuarios reales. Un grupo pequeño lo usa en trabajo real, con una persona que aprueba las acciones; medir precisión, coste por tarea y tiempo ahorrado.
- Decisión. Parar, ajustar o pasar a producción, según la evidencia y no el entusiasmo.
- Desarrollo de producción. Herramientas completas, permisos, salvaguardas, conjunto de evaluación, supervisión, documentación y formación.
- Lanzamiento y ajuste. Despliegue gradual, vigilancia de registros y gasto, y aprobaciones relajadas solo donde los datos lo respalden.
La misma lógica de fases cortas vale construya quien construya. Nuestro artículo sobre contratar una empresa de desarrollo de IA o un freelance analiza qué tipo de socio encaja en cada fase.
¿Cuánto cuesta mantener en marcha un agente de IA el primer año?
Un agente no se paga una sola vez. Planifica estas partidas recurrentes antes del desarrollo, no después del lanzamiento.
Lo que se repite cada mes
- Uso del modelo. Crece con el número de tareas y los pasos por tarea. Suele ser la mayor partida recurrente. Cachear las instrucciones repetidas, recortar lo que el agente vuelve a leer y enviar los pasos rutinarios a un modelo más pequeño lo reducen.
- Alojamiento y almacenamiento. La orquestación, los registros, el estado y cualquier índice de búsqueda.
- Servicios de terceros. API de pago a las que llaman las herramientas, búsqueda, lectura de documentos, servicios de correo o mensajería.
- Supervisión. Herramientas que siguen errores, latencia, calidad y gasto.
Lo que se repite en trabajo
- Ciclos de evaluación. Cada cambio, y cada nueva versión del modelo del proveedor, exige ejecutar y revisar el conjunto de pruebas.
- Cambios de modelo. Los proveedores retiran y sustituyen modelos; pasar a uno nuevo es trabajo, que un buen conjunto de pruebas hace seguro.
- Mantenimiento del conocimiento. Índices actualizados a medida que cambian los documentos.
- Mantenimiento de las herramientas. Los sistemas conectados cambian sus API, campos y permisos; las herramientas del agente los siguen.
- Revisión y ajuste. Una persona lee una muestra del trabajo del agente, añade nuevos casos de prueba a partir de fallos reales y ajusta las instrucciones.
Según nuestra experiencia, los costes de funcionamiento de un agente en su primer año son una parte importante del desarrollo, mayor que en un software corriente, porque el uso del modelo y la evaluación nunca se detienen. Pide a cada proveedor una estimación del coste por tarea a tu volumen previsto y las palancas que lo bajan.
¿Qué implica el EU AI Act para un agente de IA?
La Ley de IA de la UE (Reglamento (UE) 2024/1689) entró en vigor el 1 de agosto de 2024 y se aplica por fases. Las prohibiciones de ciertas prácticas y la obligación de formar al personal en IA se aplican desde el 2 de febrero de 2025; las obligaciones de los proveedores de modelos de IA de uso general, desde el 2 de agosto de 2025.
Para la mayoría de los agentes empresariales, los puntos prácticos son estos:
- Transparencia. Las personas deben saber cuándo tratan con un sistema de IA y no con una persona, salvo que sea evidente. Un agente que escribe o responde a clientes debe decirlo; es barato preverlo desde el principio.
- Categoría de riesgo. La mayoría de los agentes (soporte, clasificación, redacción, operaciones internas) no son de alto riesgo. Un agente usado para decisiones de contratación, crédito, acceso a la educación o servicios esenciales puede serlo, y los sistemas de alto riesgo conllevan obligaciones exigentes de documentación, supervisión humana y calidad. Compruébalo en el análisis: cambia el presupuesto más que cualquier decisión técnica.
- Tu papel. Si construyes o encargas el agente y lo pones en servicio con tu nombre, puedes ser su proveedor; si usas el agente de un fabricante, eres el responsable del despliegue. Las obligaciones son distintas.
- El RGPD sigue aplicándose. Un agente que lee correos, expedientes o documentos trata datos personales: necesitas una base legal, minimización de datos, un contrato de encargo con el proveedor del modelo, cuidado con las transferencias fuera de la UE y una regla de conservación de los registros.
Comprueba las fechas de las fases posteriores, en especial las normas de alto riesgo, en el texto oficial vigente cuando planifiques; esto es información general, no asesoramiento jurídico.
¿Cómo leer el presupuesto de un agente de IA?
Revisa esto en un presupuesto:
- La tarea en una frase, y lo que el agente no hará.
- Las herramientas una por una, con acceso de lectura o escritura y dónde hace falta aprobación.
- Un plan de evaluación: cuántas tareas de prueba, qué cuenta como aprobado, quién revisa.
- Salvaguardas con nombre, no sobrentendidas: controles de entrada y de salida, topes de gasto y de pasos, aprobaciones.
- Precios separados para el agente MVP y para producción, con el punto de decisión entre ambos.
- Una estimación de los costes de funcionamiento: uso del modelo por tarea a tu volumen y trabajo recurrente.
- Propiedad: de quién son las instrucciones, el código de las herramientas, el conjunto de pruebas y los registros, y si puedes cambiar de proveedor de modelo.
- La posición en la UE: transparencia, categoría de riesgo y tratamiento de datos cubiertos.
El presupuesto con un único total y sin plan de pruebas es el que hay que cuestionar. Si lo que valoras es una función de IA dentro de una app y no un agente, nuestra guía de desarrollo de apps explica cómo se construye.
Preguntas frecuentes
¿Qué diferencia hay entre un agente de IA y un chatbot?
Un chatbot responde preguntas; un agente de IA realiza acciones hacia un objetivo. El agente usa un modelo de lenguaje para decidir su siguiente paso y herramientas para actuar: leer registros, actualizar sistemas, enviar mensajes, reservar. Como actúa, necesita integración, permisos, reglas de aprobación y pruebas de sus acciones, y por eso cuesta más construirlo y mantenerlo que un chatbot.
¿Cuánto se tarda en construir un agente de IA?
Un agente MVP acotado con pocas herramientas suele llevar semanas, no meses, una vez que el acceso a los sistemas está listo. Un agente en producción tarda más, por las integraciones pendientes, los permisos, las salvaguardas, el conjunto completo de evaluación y el piloto con usuarios reales. El acceso a sistemas y datos suele ser lo más lento, así que conviene resolverlo antes de empezar.
¿Es más barato usar una plataforma de agentes que un desarrollo a medida?
Para una tarea común dentro de una sola herramienta, el agente integrado de un fabricante suele ser el comienzo más barato: poca integración y una cuota mensual. Un agente a medida compensa cuando la tarea atraviesa varios de tus sistemas, necesita tus propias reglas y aprobaciones, o cuando quieres ser dueño de las instrucciones, las pruebas y los datos y poder cambiar de proveedor de modelo.
¿Qué hace subir los costes de funcionamiento de un agente de IA?
Suben con el número de tareas, los pasos que da el agente por tarea, la cantidad de texto que vuelve a leer en cada paso y el tamaño del modelo. Los historiales largos, los documentos grandes y los reintentos se acumulan. La caché, un contexto más corto, modelos pequeños para los pasos rutinarios y límites de pasos mantienen bajo control el uso del modelo, la mayor partida recurrente.
¿Está sujeto un agente de IA a la Ley de IA de la UE?
Todo sistema de IA comercializado en la UE entra en el ámbito de la Ley de IA, pero la mayoría de los agentes empresariales no son de alto riesgo. Sus obligaciones principales son la transparencia, avisar a las personas de que tratan con una IA, y la formación del personal en IA. Los agentes usados para decisiones de contratación, crédito, educación o servicios esenciales pueden ser de alto riesgo, con obligaciones mucho mayores.
¿Cómo sabemos si el agente está listo para lanzarse?
Acordad el listón antes del desarrollo: un conjunto de tareas de prueba realistas, la proporción que debe resolver bien, los errores que nunca son aceptables y los casos que debe pasar a una persona. Ejecutad esa prueba con cada cambio y haced después un piloto con usuarios reales y las aprobaciones activadas. Lanzad cuando los resultados medidos alcancen el listón, no cuando las demos parezcan convincentes.
Si tienes en mente una tarea para un agente, escribe el brief de una página: la tarea, las personas, los sistemas, lo que puede hacer solo y cómo lo medirás. Lo convertiremos en una arquitectura, un plan para un agente MVP y un precio cerrado para esa primera fase, con una estimación de los costes de funcionamiento. Mira cómo abordamos el desarrollo de IA, o cuéntanos tu proyecto.
