Respuesta corta: una consultora de IA vende humo cuando promete resultados que no puede comprobar: porcentajes de ahorro antes de ver vuestros datos, demos ensayadas que no se atreve a repetir con un documento vuestro, «agentes» que lo hacen todo solos y presupuestos en los que no queda claro qué os lleváis si os vais. Para saberlo, pedid pruebas en la primera reunión: una demo con vuestros datos, la tasa de error de un proyecto parecido, el coste mensual con vuestro volumen y, por escrito, de quién serán el código y los datos. Un proveedor serio responde a las cuatro sin incomodarse.
Qué tipos de proveedor hay y cuánto cobran lo contamos en consultor de IA para pymes: qué hace y cuánto cobra y en cómo elegir consultora de IA; esta guía va de reconocer el humo cuando lo tenéis delante.
Por qué hay tanto humo en la IA ahora mismo
Poner un chat encima de un modelo de OpenAI o de Anthropic se hace en una tarde, y eso ha llenado el mercado de ofertas de «IA para empresas» que por dentro son lo mismo con distinta etiqueta. No es solo una impresión nuestra. La consultora Gartner, en una nota de junio de 2025, calcula que de los miles de proveedores que venden «IA agéntica» solo unos 130 ofrecen agentes de verdad; al resto lo llama agent washing (lavado de agentes): asistentes, chatbots y automatizaciones de siempre con nombre nuevo. En la misma nota prevé que más del 40 % de los proyectos de agentes se cancelarán antes de que acabe 2027, por costes que se disparan, valor poco claro y falta de control de riesgos.
Ya en julio de 2024 había previsto que al menos el 30 % de los proyectos de IA generativa se abandonarían tras la prueba de concepto. Son previsiones, no recuentos. Lo útil es que el humo deja huellas, y casi todas se comprueban en la primera reunión o leyendo el presupuesto, sin saber programar.
Las 10 señales de que os están vendiendo humo
Cada señal va con cómo comprobarla y qué pedir en su lugar. Una sola no descalifica a nadie; tres o cuatro juntas, sí.
1. Os promete un porcentaje de ahorro sin haber visto vuestros números
«Reduciréis un 80 % el tiempo de administración», dicho en la primera reunión, no es un cálculo: es un eslogan. El ahorro depende de cuántos documentos, correos o pedidos movéis, de cuánto tarda hoy cada uno y de cuántos casos raros hay. Quien da la cifra sin pedir esos datos no la ha calculado. Y suele ir de la mano de otra ausencia: nadie propone medir cómo estáis hoy, así que tampoco sabréis después si ha funcionado.
Cómo comprobarlo: preguntad de dónde sale la cifra y qué datos vuestros harían falta para confirmarla. Si no pide volúmenes, tiempos ni muestras, no hay cálculo detrás.
Qué pedir en su lugar: una estimación en horas y euros con la fórmula a la vista (volumen × tiempo × coste de la hora) y un plan para medir el punto de partida antes de tocar nada y el resultado después, con fecha. Lo explicamos paso a paso en cómo calcular el retorno de un proyecto de IA.
2. No enseña nada funcionando, o solo una demo que no se puede tocar
Un vídeo o una demo con datos preparados por ellos demuestran poco. Lo difícil de la IA en una empresa no es que responda bien a la pregunta ensayada, sino que acierte con vuestros documentos: facturas escaneadas torcidas, correos con faltas, clientes que preguntan dos cosas a la vez.
Cómo comprobarlo: llevad a la reunión un documento real sin datos sensibles (una factura, un correo de cliente, un pedido) y pedid que lo prueben delante. Preguntad también por un caso parecido al vuestro: qué se midió, cuánto mejoró y en cuánto tiempo.
Qué pedir en su lugar: casos con números y contexto (tipo de empresa, volumen, qué se hizo) y, si el proyecto es grande, una prueba acotada con vuestros datos antes de comprometer el resto. «Es confidencial» no vale: con datos anonimizados, un sistema que funciona se puede enseñar.
3. Os vende la herramienta antes de entender el proceso
Si en la primera reunión ya sabe qué plataforma necesitáis, cuántas licencias y para cuántos usuarios, pero no ha preguntado quién hace hoy la tarea, cuántas veces al mes ni qué pasa cuando sale mal, el producto estaba decidido antes de conoceros.
Cómo comprobarlo: comparad cuánto pregunta sobre cómo trabajáis con cuánto habla de su producto. Y preguntad si cobra comisión del fabricante de lo que recomienda.
Qué pedir en su lugar: que describa vuestro proceso actual con sus palabras, con los pasos, los programas y las excepciones, antes de proponer nada. Sin eso, la propuesta es un catálogo.
4. Todo lo resuelve con un «chatbot» o un «agente»
Un chat que contesta preguntas frecuentes y un agente que lee un pedido, lo comprueba contra el ERP y prepara el albarán son cosas muy distintas, con precios muy distintos. El humo consiste en llamar «agente» a lo primero, o en proponer un chat para un problema que no es de conversación: si el cuello de botella es teclear facturas, un chat en la web no lo arregla.
Cómo comprobarlo: pedid que os expliquen, paso a paso, qué hace el sistema desde que entra el dato hasta que termina: qué programas lee, en cuáles escribe y qué hace cuando no sabe. Si la respuesta es «la IA lo entiende y lo gestiona», no hay diseño detrás.
Qué pedir en su lugar: un esquema del flujo con las conexiones concretas (correo, ERP, CRM, hojas de cálculo) y el punto exacto en el que interviene una persona.
5. Promete una «IA que lo hace todo sola» y no habla de errores
Los modelos de lenguaje se equivocan: leen mal un importe, rellenan un dato que no encuentran o contestan con seguridad algo que no está en vuestros documentos. Un proyecto serio no lo esconde: lo mide y decide qué pasa cuando la IA duda y quién revisa qué. Quien dice que su sistema no falla no lo ha medido.
Cómo comprobarlo: preguntad qué porcentaje de casos acertó la IA en un proyecto parecido, cómo lo midieron y qué pasaba con el resto. Una respuesta con números y con un «en estos casos lo revisa una persona» es buena señal.
Qué pedir en su lugar: que la propuesta diga qué decide la IA sola, qué prepara para que lo valide una persona y cómo se revisarán las respuestas cuando esté en marcha. Automatizar el criterio en vez de la tarea es uno de los errores más caros al implantar IA.
6. No sabe deciros dónde van vuestros datos
Si el sistema va a leer datos de clientes, empleados o proveedores, alguien los procesa: un proveedor de IA, un servidor en algún país y, a veces, una herramienta intermedia. Una consultora que no sabe deciros cuál, o que contesta «es todo seguro», no lo ha pensado. Además, el Reglamento europeo de IA ya obliga a la empresa que usa IA a formar a quien la utiliza (artículo 4, desde febrero de 2025) y, desde el 2 de agosto de 2026, a avisar a las personas de que están hablando con una máquina (artículo 50).
Cómo comprobarlo: preguntad con qué proveedor de IA trabajan, en qué región se procesan los datos, si ese proveedor puede usarlos para entrenar sus modelos y si firmaréis un contrato de encargado del tratamiento, que es lo que pide el RGPD (artículo 28) cuando otra empresa trata datos personales por cuenta vuestra.
Qué pedir en su lugar: esas respuestas por escrito en la propuesta, junto con cómo se cumple el aviso de que es una IA si va a hablar con clientes.
7. El precio no tiene techo, o lleva una permanencia que os ata
Hay dos formas habituales de que un proyecto de IA salga mucho más caro de lo previsto. Una es la bolsa de horas abierta: «calculamos unas 200 horas», sin tope ni entregables por fase. La otra es la plataforma propia con licencia mensual por usuario y permanencia de uno o varios años, que pagáis la uséis o no y que no podéis dejar sin perder lo construido.
Cómo comprobarlo: preguntad cuánto pagaréis en total el primer año, con todo: implantación, licencias, consumo de IA y mantenimiento. Y qué pasa si a los seis meses queréis parar.
Qué pedir en su lugar: precio cerrado por fases, con lo que entra y lo que no por escrito, y los costes de terceros (servidores, consumo de IA) separados y estimados con vuestro volumen. Comparamos los modelos de contratación en precio cerrado o por horas.
8. El código, las instrucciones y los datos no son vuestros
Es lo que menos se mira al firmar y lo que más duele al irse. Si todo vive en la cuenta del proveedor, si las instrucciones que hacen funcionar la IA son «propiedad intelectual» suya y si vuestros datos solo salen en un formato que nadie más lee, dependéis de esa empresa para todo: para cambiar un precio, para corregir un error o para cambiar de proveedor.
Cómo comprobarlo: preguntad «si dentro de un año cambiamos de proveedor, ¿qué nos entregáis y en qué formato?» y leed la cláusula de propiedad del contrato antes de firmar, no después.
Qué pedir en su lugar: que el código, las instrucciones (los prompts), la configuración y los datos sean de vuestra empresa, en cuentas a vuestro nombre o entregados con documentación suficiente para que otro equipo pueda mantenerlo.
9. Nunca os dice que algo no compensa
En cualquier empresa hay tareas que no merece la pena automatizar: pasan pocas veces al mes, cada caso es distinto o ya se resuelven bien con una plantilla. Una consultora que dice que sí a todo lo que le proponéis está vendiendo horas, no criterio.
Cómo comprobarlo: proponed algo que sospechéis que no compensa (una tarea de diez minutos a la semana, por ejemplo) y ved qué contesta. También podéis preguntar qué proyecto rechazaron la última vez y por qué.
Qué pedir en su lugar: una lista de prioridades ordenada por ahorro, con lo que queda fuera y el motivo. Es justo lo que debe entregar un diagnóstico, como contamos en auditoría de IA para empresas: qué incluye y cuánto cuesta.
10. Quien os vende no es quien lo va a construir
Subcontratar no es malo en sí; lo malo es no saberlo: que quien entiende vuestro problema desaparezca al firmar y lo construya un equipo que no ha oído nada de lo que contasteis. Cada traspaso pierde información, y en IA los detalles (las excepciones, el caso raro) deciden si funciona o no.
Cómo comprobarlo: preguntad quién escribirá el código y quién será vuestro interlocutor técnico, y pedid conocerlo antes de firmar. Si hay subcontrata, que os digan cuál y para qué parte.
Qué pedir en su lugar: los nombres del equipo en la propuesta y una persona técnica en las reuniones de seguimiento. Lo desarrollamos en socio tecnológico o proveedor de software.
Resumen: señal, por qué es mala y qué pedir en su lugar
| Señal | Por qué es mala | Qué pedir en su lugar |
|---|---|---|
| Porcentaje de ahorro sin ver vuestros datos | No hay cálculo detrás y no habrá forma de comprobarlo | Estimación en horas y euros con la fórmula, y medición antes y después |
| Nada funcionando, solo vídeos o demos ensayadas | Lo difícil es acertar con vuestros documentos, no con los suyos | Prueba en directo con un documento vuestro y casos con cifras |
| La herramienta va antes que el proceso | El producto estaba decidido antes de conoceros | Que describa vuestro proceso, con sus excepciones, antes de proponer |
| Todo es un «chatbot» o un «agente» | Etiqueta de moda para cosas muy distintas | Esquema del flujo: qué lee, qué escribe y dónde entra una persona |
| «La IA lo hace todo sola» | Los modelos se equivocan; si no se mide, no se controla | Tasa de acierto de un caso parecido y revisión humana definida |
| Silencio sobre datos y ley | Riesgo legal con datos de clientes y obligaciones del Reglamento de IA | Proveedor de IA, región, uso para entrenar y encargo de tratamiento, por escrito |
| Horas sin tope o permanencia | El coste real aparece cuando ya no podéis salir | Precio cerrado por fases y coste total del primer año |
| Código y datos del proveedor | Dependencia para cualquier cambio o para iros | Código, instrucciones y datos a vuestro nombre, con documentación |
| Nunca dice que algo no compensa | Vende horas, no criterio | Prioridades ordenadas por ahorro, con lo que queda fuera y por qué |
| Vende uno y construye otro | Cada traspaso pierde los detalles que deciden el resultado | Nombres del equipo y una persona técnica en el seguimiento |
Las preguntas trampa de la primera reunión
No sirven para pillar a nadie, sino para ver cómo razona el proveedor: a uno serio le resultan cómodas; al que vende humo le obligan a improvisar.
- «Si solo pudierais hacer una cosa de todo lo que os hemos contado, ¿cuál sería y cuánto nos ahorraría?» Buena respuesta: elige una y pide datos para calcularlo. Mala: «lo ideal es abordarlo todo».
- «¿Podéis probarlo ahora con este documento nuestro?»
- «En el último proyecto parecido, ¿cuántas veces se equivocaba la IA y qué pasaba entonces?»
- «¿Qué parte de esto resolveríais mejor sin IA?»
- «¿Cuánto pagaremos al mes cuando esté funcionando, con nuestro volumen, contando el consumo de IA?»
- «¿Qué medimos antes de empezar y en qué fecha sabremos si ha funcionado?»
- «¿Con qué proveedor de IA y en qué región se procesan los datos? ¿Firmamos encargo de tratamiento?»
- «Si dentro de un año nos vamos, ¿qué nos lleváis y en qué formato?»
- «¿Quién escribirá el código? ¿Podemos conocerlo antes de firmar?»
- «¿Qué proyecto habéis rechazado últimamente y por qué?»
Respuestas que deberían encender la alarma
- «Depende», sin decir de qué depende ni qué dato haría falta para concretar.
- «Nuestra IA no se equivoca» o «está entrenada para no fallar».
- «Es tecnología propia, no lo podemos explicar», cuando preguntáis qué hace, no cómo está programado.
- «El precio lo vamos viendo sobre la marcha», sin estimación ni tope por fase.
- «Eso os lo explica el equipo técnico cuando firméis».
Qué sí es normal en un proyecto serio
El extremo contrario también sale caro: descartar a un buen proveedor porque dice cosas que, al lado del humo, suenan peor. Esto es normal:
- Que haya una fase de diagnóstico, y que se pague. Analizar procesos, mirar datos reales y preparar un plan con presupuesto es trabajo: en España, de unos cientos de euros a varios miles según el tamaño. Lo raro sería un proyecto grande sin fase previa.
- Que no os garantice una cifra exacta antes de probar. «Calculamos entre 20 y 35 horas al mes, y lo confirmamos tras probar con vuestros datos» es más honesto que «un 80 %». Un rango con sus hipótesis es buena señal.
- Que la IA se equivoque a veces. Lo importante es que el error esté medido, que sea poco frecuente en lo que importa y que haya una persona revisando donde hay dinero, clientes o personas en juego.
- Que haya coste de mantenimiento y de consumo. Como orientación del mercado, el mantenimiento anual ronda el 15-20 % de lo que costó el desarrollo, y el consumo de IA, en la mayoría de proyectos de empresa, son decenas de euros al mes, no cientos.
- Que use modelos de OpenAI, Anthropic o Google. Una pyme casi nunca necesita un «modelo propio»; lo que aporta la consultora es el diseño, las conexiones con vuestros programas y la medición.
- Que tarde semanas, no días. Poner en marcha una automatización conectada suele llevar de 2 a 8 semanas. Una demo se hace en una tarde; un sistema que aguanta el día a día, no.
- Que os pida tiempo de vuestro equipo. Quien hace hoy la tarea tiene que explicar las excepciones y probar el resultado.
Cómo lo hacemos nosotros
Como referencia, no como argumento: trabajamos con precio cerrado por fases y pago por hitos; el código y los datos son de la empresa cliente; quien está en las reuniones es quien construye; y si algo no compensa, lo decimos, aunque signifique no hacer el proyecto. Cuando no está claro por dónde empezar, proponemos la Auditoría IA, de 690 a 1.750 € según el tamaño, que se descuenta entera si después hacemos el proyecto. Los casos que podemos enseñar, con sus cifras, están en proyectos. Y si al final elegís a otro proveedor, las preguntas de esta guía os sirven igual.
Si es lo que queréis resolverAuditoría IAQué compensa automatizar en vuestra empresa, cuánto ahorra y en qué orden, con un plan por fases y presupuesto.→Preguntas frecuentes
¿Cómo saber si una consultora de IA es seria?
Pedidle pruebas en la primera reunión: que pruebe la solución con un documento vuestro, que os diga cuánto se equivocaba la IA en un proyecto parecido, que estime el coste mensual con vuestro volumen y que ponga por escrito de quién serán el código y los datos. Si además os dice qué no haría con IA, es buena señal.
¿Qué preguntas hacer a una consultora de IA antes de contratarla?
Las que obligan a concretar: qué haría primero y cuánto ahorraría, cuántas veces falla la IA y qué pasa entonces, qué parte resolvería mejor sin IA, dónde se procesan los datos, qué os entregan si cambiáis de proveedor y quién escribirá el código. Las respuestas vagas o incómodas dicen más que las brillantes.
¿Puede una consultora garantizar el ahorro de un proyecto de IA?
No antes de ver vuestros datos. El ahorro depende del volumen, del tiempo que lleva hoy la tarea y de cuántas excepciones hay. Lo serio es una estimación en horas y euros con sus hipótesis, que se confirma con una prueba y se mide antes y después.
¿Qué es el agent washing o lavado de agentes?
Es llamar «agente de IA» a productos que no lo son, como chatbots, asistentes o automatizaciones de siempre. Gartner acuñó el término en 2025 y calcula que, de los miles de proveedores que venden IA agéntica, solo unos 130 ofrecen agentes de verdad. Para detectarlo, pedid que os expliquen paso a paso qué hace el sistema y con qué programas se conecta.
¿Es normal pagar por un diagnóstico de IA antes del proyecto?
Sí. Analizar procesos, revisar datos y preparar un plan con presupuesto es trabajo, y en España va de unos cientos de euros a varios miles según el tamaño de la empresa. Lo que conviene es que el diagnóstico entregue prioridades ordenadas por ahorro y un presupuesto por fases, y que se descuente si después se hace el proyecto.
¿De quién debe ser el código de un proyecto de IA?
De la empresa que lo paga, junto con las instrucciones que usa la IA, la configuración y los datos. Así podéis mantenerlo con otro proveedor si hace falta. Comprobadlo en la cláusula de propiedad del contrato antes de firmar.
¿Tenéis una propuesta de IA encima de la mesa y no sabéis si es humo? En una reunión gratuita por videollamada la repasamos con vosotros con estas diez señales y os decimos qué compensa hacer y qué no.