El coste invisible de mantener agentes de IA: lo que tu plan a 12 meses está ignorando

Casi todas las empresas que arrancan con agentes de IA presupuestan bien la implementación y mal el mantenimiento. El error es comprensible: el primer cheque es ruidoso, el segundo es silencioso. Pero a los nueve meses, cuando el agente que iba a ahorrar veinte horas semanales lleva tres semanas devolviendo respuestas raras y nadie del equipo original sigue en la empresa, la pregunta no es si la IA funcionó. Es por qué dejó de funcionar.

Y la respuesta casi siempre es la misma: nadie había presupuestado mantenerla.

Si estás a punto de lanzar tu segundo o tercer agente, este es el artículo que tenías que haber leído antes del primero.

Por qué el mantenimiento de un agente IA no se parece al de un software clásico

Cuando contratabas un ERP hace diez años, el coste de mantenimiento era predecible. Pagabas un porcentaje anual sobre la licencia, el proveedor sacaba parches, tú no tocabas nada. Aburrido y barato.

Un agente de IA no funciona así. Su comportamiento depende de tres capas que cambian todo el tiempo: el modelo subyacente, los datos que recibe y el contexto del proceso real. Cualquiera de las tres puede degradarse sin avisar.

El modelo cambia porque el proveedor lanza nuevas versiones, retira las antiguas o ajusta el comportamiento por dentro. Los datos cambian porque tus clientes, productos y procesos cambian. El contexto cambia porque tu empresa cambia. Y el agente que daba un 92% de aciertos en febrero puede estar dando un 71% en septiembre sin que nadie haya tocado una sola línea.

Un agente de IA no es un electrodoméstico. Es un empleado nuevo cuyo rendimiento hay que revisar cada trimestre.

Los seis costes recurrentes que casi nadie cuenta

Si solo tienes en mente la cuota mensual del proveedor de IA, te falta el 70% del coste real. Estos son los conceptos que aparecen, sí o sí, durante el primer año.

Coste uno: el coste de uso del modelo. El más obvio. Tokens, llamadas, créditos, lo que tu proveedor cobre. Suele ser entre el 15% y el 30% del coste total anual. Importante, pero no el problema.

Coste dos: el coste de evaluación continua. Cada agente productivo necesita un sistema de evaluación: un conjunto de casos reales etiquetados y un proceso para revisar muestras periódicamente. Eso consume horas humanas que casi nadie presupuesta. Si no lo haces, el agente se degrada y no te enteras hasta que un cliente se queja.

Coste tres: el coste de actualización del prompt y el contexto. Tus prompts están escritos sobre un mundo que ya no existe a los seis meses. Productos nuevos, normas internas que cambian, casos que no contemplaste. Mantener el prompt y la base de conocimiento al día es trabajo continuo, no puntual.

Coste cuatro: el coste de gestión de excepciones. Todo agente productivo genera casos que no resuelve. Alguien tiene que recogerlos, decidir qué hacer y, si procede, incorporarlos al sistema. Es un proceso humano constante que pocas veces se documenta como parte del coste de operar la IA.

Coste cinco: el coste de migración de versión. Cuando el proveedor saca una versión nueva del modelo, tienes dos opciones: quedarte con la antigua, que tarde o temprano dejará de existir, o migrar. Migrar implica reprobar todo, ajustar prompts, actualizar evaluaciones y volver a poner en producción. Cada vez. Y pasa más a menudo de lo que crees.

Coste seis: el coste de seguridad y cumplimiento. Auditoría de logs, revisión de qué datos están entrando, comprobación de que los acuerdos con el proveedor siguen vigentes y que los cambios regulatorios no afectan tu uso. Esto no aparece en la primera reunión de compra, pero aparece en la primera auditoría externa.

Sumando los seis, el mantenimiento anual de un agente productivo medio cuesta entre dos y cinco veces el coste anual de la cuota del modelo. No es un detalle. Es el orden de magnitud que decide si tu plan a 12 meses es realista o ficción.

La curva real de coste durante el primer año

Si dibujas el coste mensual de un agente serio durante los primeros doce meses, no sale una línea plana. Sale una curva con picos predecibles que casi nadie planifica.

1. Mes uno y dos. Coste alto: implementación, primeros prompts, integraciones. La empresa lo da por sentado.
2. Mes tres a cinco. Bajada aparente. Todo funciona. Falsa sensación de “ya está terminado”.
3. Mes seis. Primer pico de mantenimiento real: aparecen casos que no se contemplaron, el modelo subyacente cambia, el proceso del negocio ha evolucionado. Si no hay equipo asignado, aquí empieza la degradación silenciosa.
4. Mes nueve. Pico de gestión de excepciones acumuladas. La gente lleva meses haciendo workarounds manuales que nadie ha incorporado al agente.
5. Mes doce. Pico final: revisión anual, posible migración de versión, auditoría interna, renovación contractual. Si no se preveyó, la dirección descubre el coste real cuando ya es tarde.

La empresa que entiende esta curva presupuesta para los picos. La que no, descubre cada uno como una sorpresa desagradable.

Quién tiene que mantenerlo (y por qué casi nunca está claro)

El segundo error grave, después del de presupuesto, es no asignar dueño. La frase que mata es: “lo mantiene el equipo técnico”. Es como decir que la web la mantiene marketing. No mantiene nada nadie.

Un agente de IA productivo necesita tres roles operando, aunque en empresas medianas pueda concentrarlos una persona:

• Un dueño de negocio. El responsable del proceso al que sirve el agente. Define qué se considera respuesta correcta, prioriza qué casos atacar y firma los cambios. Sin esta figura, el agente se convierte en un experimento sin gobierno.
• Un dueño técnico. Quien actualiza prompts, integra nuevas fuentes de datos, vigila los costes de uso y gestiona la integración con los sistemas internos. Puede ser interno o externo, pero tiene que existir.
• Un evaluador. Alguien, idealmente del propio equipo de negocio, que revisa muestras semanales o mensuales y reporta degradación. Es el rol que más se ahorra y el primero que se debería contratar.

Si no puedes nombrar a las tres personas que cubren estos roles para tu agente más importante, no tienes un sistema. Tienes un piloto que está envejeciendo.

Las tres preguntas que tienes que hacer antes de firmar el siguiente proyecto IA

Antes de aprobar el próximo agente, sea de un proveedor o construido en casa, exige respuestas concretas a estas tres preguntas. No teóricas. Por escrito.

1. ¿Cuánto va a costar mantener este agente operativo y útil durante doce meses, sumando los seis conceptos anteriores? Si la respuesta no incluye al menos los seis, el presupuesto es ficticio.
2. ¿Quién es el dueño de negocio, quién el técnico y quién el evaluador, con nombre y apellido? Si la respuesta es “el equipo de IA”, no hay dueño.
3. ¿Cuál es el plan si dentro de seis meses el rendimiento del agente cae por debajo del umbral acordado? Si no hay plan, el plan será apagarlo o ignorarlo. Las dos opciones son carísimas.

Estas tres preguntas, contestadas con seriedad, eliminan la mitad de los proyectos malos antes de empezar. Y mejoran sustancialmente los que pasan el filtro.

El cambio de mentalidad que diferencia a las empresas que escalan

Las empresas que en dos años llegan a tener veinte agentes funcionando bien no son las que más invirtieron en lanzarlos. Son las que más pronto entendieron que un agente de IA no es un proyecto, es un producto vivo.

Eso cambia todo. Cambia cómo presupuestas, cómo asignas equipo, cómo mides rendimiento y cómo informas al comité. Deja de ser “implementar IA” y pasa a ser “operar una capacidad nueva”. La diferencia parece semántica y es operativa.

Si quieres una regla práctica para la próxima reunión: por cada euro que pongas en lanzar un agente, reserva al menos otros dos para mantenerlo durante los siguientes doce meses. Si el ROI sigue cuadrando con esa cifra, adelante. Si no cuadra, el problema no es el mantenimiento. Es que ese caso de uso no era tan rentable como te dijeron.

El coste de implementar IA se ve. El de no mantenerla, también. Pero solo cuando ya es demasiado tarde.