La pregunta de si desarrollar o comprar IA tiene una respuesta breve: comprar las capacidades estándar, potenciar los modelos de proveedores con datos propios cuando ello aporte una ventaja y desarrollar solo aquello que constituya el núcleo competitivo de la empresa. Sea cual sea la vía elegida, la organización sigue siendo responsable de cómo se comporta la IA ante los clientes. Este último punto es el que omiten la mayoría de los marcos de decisión.
Esta guía aborda las tres vías, las variables de coste y riesgo que determinan la elección y el trabajo de gobernanza que sigue a la decisión.
En resumen
- La mayoría de las organizaciones compran. El análisis de KPMG indica que el 50% compra o alquila IA generativa, el 29% utiliza un enfoque híbrido y el 12% desarrolla todo internamente.
- El planteamiento binario ha quedado obsoleto. El modelo operativo consiste en comprar, potenciar o desarrollar, según la importancia estratégica, la sensibilidad de los datos y la rapidez necesaria.
- El coste total de propiedad determina la mayoría de las decisiones de desarrollo. El mantenimiento, los flujos de recuperación de información y la monitorización suelen costar más que la primera versión.
- La responsabilidad del cumplimiento normativo no se transfiere con la compra. Los responsables del despliegue siguen siendo responsables de informar al usuario, derivar los casos y garantizar la seguridad en las conversaciones en producción.
- Todas las vías necesitan una verificación independiente del comportamiento de los agentes en condiciones reales.
Índice
- Por qué ha cambiado la decisión entre desarrollar y comprar
- Las tres vías: comprar, potenciar y desarrollar
- Seis criterios que determinan la decisión
- Cuál es el coste real
- La responsabilidad del cumplimiento normativo no se transfiere con el contrato
- El punto ciego: las evidencias aportadas por el proveedor
- Nuestra perspectiva
- Cómo tomar la decisión en cinco pasos
- Cuándo suele imponerse cada vía
- Verificación independiente para cualquier vía
- Preguntas frecuentes
- Fuentes
Por qué ha cambiado la decisión entre desarrollar y comprar
En el software tradicional, la decisión entre desarrollar y comprar comparaba un coste de desarrollo único con las cuotas de licencia. La IA cambia los términos de tres maneras.
En primer lugar, desarrollar es ahora más sencillo. Los modelos fundacionales y las API permiten a un equipo pequeño entregar un prototipo funcional en cuestión de días. Sin embargo, un prototipo no es un producto. Operarlo de forma segura a escala es una tarea distinta y de mayor envergadura.
En segundo lugar, la compra se ha vuelto menos uniforme. La oferta de los proveedores abarca ahora desde herramientas para tareas específicas hasta plataformas de agentes configurables. Algunos permiten incorporar datos y modelos propios, lo que difumina la frontera entre comprar y desarrollar.
En tercer lugar, ha llegado la regulación. El EU AI Act, el Marco de Gestión de Riesgos de IA del NIST y las normas sectoriales imponen obligaciones a la organización que despliega la IA, no solo a la que la ha creado. Una compra traslada el trabajo de ingeniería a un proveedor. No traslada la responsabilidad.
Las tres vías: comprar, potenciar y desarrollar
Los profesionales se inclinan ahora por un modelo de tres vías descrito por primera vez por investigadores del MIT Sloan. La decisión depende de tres variables: hasta qué punto la capacidad es crucial para la ventaja competitiva, cuál es la sensibilidad de los datos y con qué rapidez la necesita la empresa.
| Vía | Qué implica | Más adecuada para | Riesgo principal |
|---|---|---|---|
| Comprar | Adoptar un producto de un proveedor tal como se entrega | Capacidades estándar en las que importa la rapidez | Dependencia del proveedor y control limitado sobre el comportamiento |
| Potenciar | Ajustar los modelos de un proveedor o fundamentarlos con datos propios | Capacidades en las que los datos propios aportan una ventaja | Mantenimiento continuo de los flujos y los datos |
| Desarrollar | Desarrollar sistemas y modelos propios | Capacidades que constituyen la principal barrera frente a la competencia | Coste, talento, plazos largos y toda la carga de cumplimiento normativo |
Comprar
Comprar encaja con capacidades que necesita cualquier competidor: transcripción de reuniones, resumen de documentos y automatización estándar de la atención al cliente. La adopción es rápida, el proveedor mantiene el modelo y el coste es predecible. La contrapartida es aceptar las decisiones de diseño del proveedor, incluida la forma en que el agente gestiona la derivación de casos, la información al usuario y los casos límite.
Potenciar
Potenciar consiste en utilizar la base de un proveedor y añadir conocimiento propio mediante ajuste fino o recuperación de información. Aporta diferenciación competitiva sin entrenar un modelo desde cero. Según un marco elaborado por profesionales, las empresas suelen empezar comprando, pasan a potenciar a medida que maduran sus activos de datos y desarrollan solo cuando existe una verdadera diferenciación estratégica.
Desarrollar
Desarrollar se reserva para capacidades que definen a la empresa: un modelo de riesgo propio, un motor de recomendaciones único o un sistema entrenado con datos a los que ningún proveedor puede acceder. Exige talento de ingeniería, infraestructura, herramientas de evaluación y un presupuesto de mantenimiento a largo plazo. Pocos casos de uso cumplen esos requisitos, por lo que solo el 12% de las organizaciones desarrolla todo internamente, según las cifras de KPMG citadas anteriormente.
Seis criterios que determinan la decisión
Utilice estos criterios como una hoja de puntuación. Valore cada uno del 1 al 5 para su caso de uso concreto y pondérelos según su sector.
- Importancia estratégica. ¿Esta capacidad le diferencia en el mercado o es un requisito básico para competir? Las capacidades diferenciadoras apuntan a potenciar o desarrollar.
- Sensibilidad de los datos. Los datos regulados, personales o de propiedad exclusiva elevan el coste de enviarlos a un tercero. Esto no siempre descarta la compra, pero condiciona las cláusulas contractuales y la arquitectura.
- Rapidez para obtener valor. Si la empresa necesita resultados este trimestre, desarrollar rara vez es realista.
- Coste total de propiedad. Contabilice todo lo que va más allá de la licencia o del primer sprint. Consulte la siguiente sección.
- Exposición regulatoria. Los agentes de atención al cliente de los sectores financiero, sanitario, asegurador, de telecomunicaciones y de servicios públicos están sujetos al mayor escrutinio.
- Capacidad operativa. ¿Cuenta con el personal necesario para monitorizar, evaluar y reentrenar un sistema de forma continua?
De las puntuaciones se deriva una regla sencilla. Si la importancia estratégica es baja y la rapidez es prioritaria, compre. Si la importancia es moderada y sus datos son distintivos, potencie. Si la importancia es alta y dispone de capacidad operativa, desarrolle.
Cuál es el coste real
La primera factura rara vez es la mayor. Un análisis profesional cita una cifra según la cual el 65% de los costes totales del software se produce después del despliegue inicial y sostiene que esto debería replantear las decisiones de inversión en IA. La misma fuente señala que los equipos que potencian o desarrollan se hacen cargo de toda la pila tecnológica, incluido el mantenimiento de los flujos de recuperación de información, la indexación y la optimización de la recuperación. Las organizaciones subestiman con frecuencia estos gastos operativos al proyectar el retorno de la inversión.
Una hoja de cálculo del coste total debe incluir:
- Costes de desarrollo: salarios de ingeniería y ciencia de datos, infraestructura, conjuntos de datos de evaluación, revisión de seguridad y revisión jurídica.
- Costes operativos: actualizaciones del modelo, ajuste de instrucciones y de la recuperación de información, respuesta a incidentes y cobertura de guardias.
- Costes del proveedor: cuotas de licencia o de uso, trabajo de integración, soporte prémium y costes de salida y migración.
- Costes de gobernanza: auditorías, monitorización, documentación, formación del personal y evidencias preparadas para su presentación al regulador.
La última partida es la que más a menudo falta. La gobernanza no es una fase que termina con el lanzamiento. La investigación de Deloitte identificó el cumplimiento normativo como la principal barrera para el despliegue de IA generativa, con un 38%, un aumento de 10 puntos porcentuales respecto a encuestas anteriores. También constató que el 69% de las organizaciones afirma que implantar plenamente una estrategia sólida de gobernanza de IA requiere más de 12 meses. Presupueste ese plazo sea cual sea la vía elegida.
Una comparación práctica
Considere una aseguradora mediana que decide cómo gestionar las consultas de primera línea de sus clientes mediante un agente de IA.
- Comprar: una plataforma de agentes de un proveedor entra en producción en semanas. La aseguradora configura los guiones y las integraciones. El proveedor es responsable del modelo. La aseguradora es responsable del texto informativo para el usuario, las reglas de derivación y el resultado de cada conversación.
- Potenciar: la aseguradora fundamenta un modelo de un proveedor en sus documentos de pólizas y su historial de siniestros. Las respuestas mejoran, pero el equipo pasa a mantener la base de conocimiento, la calidad de la recuperación de información y el ciclo de actualización.
- Desarrollar: la aseguradora entrena y aloja su propio modelo. Lo controla todo y asume toda la carga: seguridad, evaluación, disponibilidad y evidencias de cumplimiento.
En los tres casos, al final se plantea la misma pregunta: ¿qué dijo realmente el agente a los clientes el mes pasado y puede la aseguradora demostrar que cumplió la normativa?
Para obtener una visión más amplia de cómo las organizaciones sopesan el desarrollo interno, los productos de proveedores y los enfoques híbridos, esta visión general de los enfoques de desarrollo de capacidades es un complemento útil sobre las personas y los procesos implicados en la decisión.
La responsabilidad del cumplimiento normativo no se transfiere con el contrato
El panorama regulatorio es la razón de mayor peso para tratar la elección entre desarrollar y comprar también como una decisión de gobernanza.
EU AI Act. Según el servicio de asistencia sobre el EU AI Act de la Comisión Europea, las obligaciones de transparencia del artículo 50 se aplican a partir del 2 de agosto de 2026. Los proveedores y los responsables del despliegue de agentes de IA conversacional deben informar a los usuarios de que están interactuando con un sistema de IA, a más tardar en la primera interacción. Los proveedores de contenido generado por IA tienen hasta el 2 de diciembre de 2026 para marcarlo en un formato legible por máquina y detectable. Una empresa estadounidense que atienda a clientes en la UE queda dentro del ámbito de aplicación como responsable del despliegue, aunque haya comprado el agente a un proveedor. Para conocer de forma práctica cómo se aplican estas obligaciones de transparencia en los despliegues de voz, esta lista de comprobación del cumplimiento normativo en llamadas aborda la vertiente operativa.
NIST AI RMF. El marco es voluntario en Estados Unidos, pero se utiliza ampliamente como referencia. Su Perfil de IA generativa (NIST AI 600-1) recomienda una evaluación dinámica y continua del riesgo de los sistemas de terceros. Esto incluye evaluaciones de adquisición que abarquen la privacidad de los datos, la seguridad y la propiedad intelectual, además de alertas inmediatas y monitorización automatizada para detectar comportamientos anómalos en los modelos suministrados por proveedores durante el despliegue.
Riesgo de terceros. El resumen del marco elaborado por Mitratech afirma que los componentes de terceros requieren el mismo rigor de gobernanza que los internos. Prioriza la monitorización continua frente a las auditorías de seguridad puntuales y señala la necesidad de mantener un inventario actualizado de las herramientas de IA adoptadas en las distintas unidades de negocio.
La implicación es directa. Un agente comprado es un sistema de terceros que debe monitorizar. Un agente desarrollado internamente es un sistema que también debe monitorizar, sin un proveedor con el que compartir la carga de aportar evidencias. Ninguna de las dos vías elimina la necesidad de supervisión.
El punto ciego: las evidencias aportadas por el proveedor
La mayoría de los compradores evalúa a un proveedor de IA a partir de demostraciones, pruebas comparativas e informes aportados por el propio proveedor. Estos describen cómo funciona el producto en condiciones de prueba. No describen lo que ocurrió en las conversaciones en producción de su organización.
Tres comportamientos generan la mayor exposición al riesgo en los agentes de atención al cliente:
- Fallos en la derivación. El agente continúa cuando debería transferir al cliente a una persona. En las auditorías realizadas por Lexic, el 85% de los agentes auditados no derivó correctamente los casos a representantes humanos.
- Información ausente o tardía. Según el artículo 50, el cliente debe saber desde la primera interacción que está hablando con una IA.
- Carencias de seguridad. La inyección de instrucciones, las fugas de datos y la divulgación indebida de información afloran en el tráfico de producción y en las pruebas adversarias, no en las demostraciones comerciales.
Lo mismo se aplica a los desarrollos internos. Los equipos internos que desarrollan un agente no son los más adecuados para auditarlo por sí solos, porque la independencia es la razón de ser de una auditoría.
Nuestra perspectiva
Observamos el debate entre desarrollar y comprar desde la perspectiva de la auditoría. Lexic no desarrolla ni opera agentes conversacionales. Auditamos agentes de cualquier proveedor y de equipos internos mediante el examen de conversaciones reales. Esa posición revela un patrón que los modelos de costes pasan por alto.
La decisión de desarrollar o comprar determina el coste y la rapidez. Apenas influye en si el agente deriva correctamente los casos, se identifica debidamente como IA o resiste la manipulación. Esos resultados dependen de la configuración, los datos, las pruebas y la monitorización, y varían con el tiempo. Un agente que superó la revisión en el lanzamiento puede fallar tres meses después tras un cambio en las instrucciones, una actualización del modelo o la incorporación de un nuevo segmento de clientes.
Por ese motivo, aconsejamos a los equipos que separen dos preguntas. La primera es quién crea el agente. La segunda es quién lo verifica. Unificarlas genera un conflicto de intereses, tanto si quien lo crea es un proveedor con un objetivo de ventas como si es un equipo interno con una fecha de lanzamiento. Los equipos de cumplimiento necesitan evidencias que puedan defender ante un regulador sin depender de datos aportados por el proveedor. Esto exige una cobertura completa de las conversaciones, no muestras, y un proceso de derivación que envíe los hallazgos al equipo capaz de resolverlos.
Nuestro consejo práctico: elija la vía que encaje con su estrategia, incorpore la verificación independiente al plan desde el primer día y trate la supervisión como un coste permanente.
— Sergio Llorens
Cómo tomar la decisión en cinco pasos
- Inventaríe los casos de uso. Enumere cada capacidad de IA que desea, incluidas las que las unidades de negocio ya han adoptado de manera informal.
- Clasifique cada uno. Márquelo como estándar, diferenciador o esencial. Para los elementos estándar, la opción predeterminada es comprar.
- Puntúe los seis criterios. En los sectores regulados, dé más peso a la sensibilidad de los datos y a la exposición regulatoria.
- Modele tres años de costes. Incluya los costes operativos, de gobernanza y de salida, no solo el importe del desarrollo o de la licencia.
- Defina el plan de verificación. Decida antes de comprar o desarrollar quién auditará el comportamiento, con qué frecuencia y qué evidencias conservará.
La implicación de la dirección es importante en el quinto paso. Las conclusiones del informe de McKinsey sobre el estado de la IA de 2025, según lo publicado en la prensa económica, indican que las organizaciones cuyo consejero delegado participa directamente en la gobernanza de la IA tienen casi el doble de probabilidades de generar valor empresarial medible. El seguimiento de indicadores clave de rendimiento específicos de IA y bien definidos se describe como uno de los principales factores predictivos del éxito.
Cuándo suele imponerse cada vía
Comprar es la mejor opción cuando el caso de uso es habitual, los datos no son muy sensibles y el equipo carece de capacidad de ingeniería de IA. Acompañe la compra de cláusulas contractuales sobre registros, acceso a datos y derechos de auditoría para poder verificar el comportamiento más adelante.
Potenciar es la mejor opción cuando los datos propios son el factor diferenciador y el modelo de un proveedor ya funciona bien en la tarea de base. Prevea el mantenimiento de los flujos de recuperación de información y de conocimiento.
Desarrollar es la mejor opción cuando la capacidad constituye el producto, los datos no pueden salir de su entorno o ningún proveedor satisface el requisito. Prevea una función permanente de evaluación y monitorización.
Lo habitual es el enfoque híbrido. Con un 29% de organizaciones que ya utilizan una estrategia híbrida, según KPMG, la mayoría de las carteras combina las tres vías. Esto aumenta el valor de una capa única de verificación independiente del proveedor: un mismo estándar para evaluar a todos los agentes, sea cual sea su origen.
Verificación independiente para cualquier vía
Lexic ofrece auditoría independiente y gobernanza para agentes de IA conversacional de cualquier proveedor. Lexic Compass verifica el comportamiento en condiciones reales en materia de cumplimiento normativo, seguridad, gestión de derivaciones e información al cliente. Puede empezar con una Flash Preview, un Audit Sprint o Enterprise Continuous Trust, según necesite una visión rápida, una auditoría de alcance definido o monitorización continua. Encontrará los detalles del enfoque de auditoría en la página de Lexic Compass.
Para los equipos que desean aprender de cada conversación con los clientes, Lexic Pulse analiza llamadas, chats, correos electrónicos y tickets, y genera información sobre sentimiento, abandono y oportunidades para los equipos de experiencia del cliente, producto, ventas y operaciones.
Preguntas frecuentes
¿Qué significa desarrollar frente a comprar en IA?
Es la elección entre desarrollar un sistema de IA internamente y adquirirlo a un proveedor. Una tercera opción, potenciar, adapta el modelo de un proveedor con datos propios. La mayoría de las organizaciones compra o combina enfoques en lugar de desarrollarlo todo.
¿Cuánto cuesta desarrollar IA?
No existe una cifra única, porque el coste depende del alcance, los datos, el talento y el modelo operativo. Los costes recurrentes, como el mantenimiento, los flujos de recuperación de información, la monitorización y el cumplimiento normativo, pueden superar el desarrollo inicial. Modele tres años de coste total, no solo la primera versión.
¿Comprar un agente de IA hace al proveedor responsable del cumplimiento normativo?
No por completo. Según el EU AI Act, los responsables del despliegue de agentes conversacionales comparten las obligaciones de transparencia con los proveedores. Una empresa que utiliza un agente comprado sigue teniendo que confirmar que se informa a los clientes de que hablan con una IA y que los casos llegan a una persona cuando es necesario.
¿Podemos auditar un agente de IA que hemos desarrollado nosotros mismos?
Puede someterlo a pruebas internas, pero una revisión independiente aporta evidencias más sólidas para los reguladores, los consejos de administración y los clientes. El equipo que ha desarrollado un agente tiene un interés inherente en sus resultados. Los auditores independientes examinan conversaciones reales sin ese conflicto.
Fuentes
- La evolución de la decisión entre desarrollar y comprar, KPMG UK
- Comprar, potenciar o desarrollar: elija su camino hacia la IA generativa, MIT Sloan
- El cálculo de desarrollar frente a comprar, Plan para una empresa centrada en la IA
- El cálculo de desarrollar frente a comprar, Plan para una empresa centrada en la IA (capítulo del libro)
- El estado de la IA generativa, Deloitte US
- Preguntas frecuentes, servicio de asistencia sobre el EU AI Act
- Perfil de IA generativa del AI RMF, NIST
- NIST AI RMF y riesgo de terceros, Mitratech
- Cómo la inteligencia artificial está transformando el mundo, Business Live