Loading…
ES/EN
El mercado de proveedores de IA para empresas medianas en LATAM está lleno de demos impresionantes y contratos ambiguos. Antes de firmar, hay preguntas técnicas y comerciales que la mayoría de compradores no hace, y que separan una solución que va a funcionar en producción de una que funciona en el pitch.
Evaluar un proveedor de software tradicional es relativamente directo: pides referencias, haces una demo, revisas el contrato, negocias el precio. El producto es estático. Lo que ves es lo que compras.
Con IA el problema es diferente. El sistema se comporta distinto en producción que en la demo. Los casos borde emergen después de los primeros meses. La calidad depende tanto del modelo como del diseño del sistema, y el cliente no siempre puede distinguir cuál falló. Y el vendor tiene más información que el comprador sobre qué tan bien va a funcionar en el contexto específico del cliente.
Esto no significa que todos los proveedores sean malos. Significa que el proceso de evaluación necesita ser más riguroso que el de un proveedor de software estándar.
¿Quién es dueño del código al terminar el proyecto?
Si la respuesta no es inmediata y clara, es una señal de alerta. Algunos proveedores entregan sistemas que solo funcionan en su infraestructura, a través de sus APIs, con sus credenciales. Cuando decides cambiar de proveedor o el proveedor desaparece, pierdes el sistema.
¿Qué pasa si mañana decides no renovar el contrato?
Pregunta concreta: ¿puedes llevarte el código y ejecutarlo en tu propia infraestructura? ¿Qué parte del sistema depende de APIs del proveedor que dejarías de poder usar?
¿El sistema usa modelos propios o APIs de terceros?
No hay respuesta correcta a esto, pero necesitas saberlo. Si el sistema usa GPT-4 o Claude via API, tu operación depende de que OpenAI o Anthropic mantengan ese servicio y ese precio. Eso no es malo en sí, pero debe estar en el contrato y en el análisis de costo.
¿Cuántas semanas tardó el último proyecto similar?
No pidas un estimado genérico. Pide el caso más reciente similar al tuyo: qué empresa, qué proceso, cuántas semanas desde el primer kick-off hasta que el sistema estaba en producción procesando datos reales.
¿Cuántos ciclos de ajuste hubo después del lanzamiento?
Todo sistema necesita ajustes después de salir a producción. Un proveedor honesto te va a decir cuántos y por qué. Un proveedor que dice "ninguno" o que no tiene datos al respecto es un proveedor que no ha llegado a producción real o que no mide.
¿Qué tan involucrado necesita estar mi equipo durante la implementación?
Si la respuesta es "muy poco", desconfía. Los sistemas que funcionan en producción se construyen con conocimiento del proceso del cliente, que solo el cliente tiene. Si el proveedor no necesita acceso profundo a tu operación para implementar, probablemente está construyendo algo genérico que no va a funcionar en tu contexto específico.
¿Qué pasa cuando el sistema no sabe qué hacer?
Todo agente de IA tiene casos que no puede resolver solo. La pregunta no es si falla, sino cómo falla. ¿Escala al humano correcto? ¿Con el contexto suficiente para que ese humano pueda actuar rápido? ¿O simplemente no hace nada y la tarea se pierde?
¿Quién monitorea el sistema después del lanzamiento?
Pide que te expliquen cómo se enteran si el sistema empieza a cometer errores. ¿Hay alertas automáticas? ¿Hay revisión humana periódica de los outputs? ¿O el cliente es responsable de detectar los problemas?
¿Cómo mejora el sistema con el tiempo?
¿Hay un proceso definido para refinar el comportamiento del agente a medida que aparecen casos nuevos? ¿Está incluido en el costo del proyecto, o es trabajo adicional?
¿Puedo hablar con alguien de una empresa similar a la mía que ya tenga el sistema en producción?
No en demo. En producción, procesando volumen real, hace más de tres meses. Si el proveedor no puede facilitar esa conversación, puede ser que no tenga ese caso, o que los clientes existentes no estén contentos.
La diferencia entre un proveedor que entrega y uno que no suele estar en si tienen un proceso de entrega documentado o si improvisan caso por caso. Pregunta por el proceso, no solo por el resultado.
No pidas una demo impresionante. Las demos siempre funcionan, por definición: están construidas para funcionar. Lo que importa es qué pasa cuando llega un caso que nadie anticipó en el diseño.
No pidas el precio más bajo. Un sistema de IA mal implementado cuesta más caro en tiempo de equipo, errores en producción y trabajo de corrección que lo que cuesta implementarlo bien desde el inicio.
Si estás evaluando un proyecto de IA y quieres una segunda opinión sobre el alcance correcto, el proveedor adecuado o el costo que tiene sentido para tu empresa, agenda una sesión de diagnóstico.