¿Cuánto cuesta implementar inteligencia artificial en una empresa en México?

La pregunta llega siempre en la misma llamada, casi siempre al minuto quince: *¿esto cuánto me va a costar?*. La respuesta honesta es que un número dicho antes de ver tu proceso sería inventado. Como eso no te sirve, hagamos lo contrario. En vez de un precio, aquí está la estructura de costos completa: qué se paga una vez, qué se paga para siempre y cuál es la línea que revienta los presupuestos.

Los cuatro marcan el terreno. Hay rangos de referencia, pero son globales y medidos sobre empresas grandes. El costo dominante no es construir, es operar. Y en México la base digital de partida es más baja de lo que asumen los reportes internacionales, lo que cambia el orden de las inversiones. Cada cifra dura lleva fuente; donde no la hay, lo decimos.

Porque el dato no se produce localmente, y eso tiene raíz medible. El AI Index 2026 de Stanford HAI reporta que Estados Unidos captó 285.9 mil millones de dólares de inversión privada en IA durante 2025, 23 veces los 12.4 mil millones de China, y advierte que la cifra china probablemente subestima el gasto real por los fondos gubernamentales de orientación ¹³. Ese informe no desglosa México ni América Latina. La CEPAL sí pone la comparación incómoda: la región es 6.6% del PIB mundial y recibe apenas 1.12% de la inversión global en IA ¹¹. Sin volumen no hay analistas midiendo precios locales.

Y conviene desarmar un malentendido antes de presupuestar. Gartner pronostica que el gasto mundial en IA crecerá 47% en 2026, hasta 2.59 billones de dólares, y precisa que la infraestructura es más del 45% de ese total y que el gasto lo empujan sobre todo proveedores tecnológicos e hiperescaladores ⁵. Esos billones no son lo que gastan empresas como la tuya: son, en buena medida, lo que la industria gasta en construir la capacidad que tú vas a rentar.

La referencia pública más detallada que hemos encontrado sobre costos de IA generativa la publicó Gartner en febrero de 2024 (ID G00805323): clasifica los casos de uso en tres niveles y estima, para cada uno, inversión inicial y costo recurrente. Dos advertencias del propio Gartner antes de leer la tabla: son estimaciones aproximadas (*ballpark*) derivadas de clientes en piloto o despliegue temprano, y son cifras globales en dólares de 2024, no precios mexicanos.

Lo relevante no son los números, es el salto entre renglones: pasar de mejorar un proceso a construir uno nuevo multiplica el costo por un orden de magnitud, y esa decisión se toma en la primera semana. Ahí una consultoría de inteligencia artificial en México le ahorra o le quema el presupuesto a su cliente, antes de escribir código.

Toda propuesta seria se descompone en estas ocho líneas. Si a la que te llegó le faltan algunas, no es que sean gratis: es que no están presupuestadas y aparecerán después.

Hay un costo más, el más caro: el del proyecto que se abandona. En 2024 Gartner pronosticó que, de aquí a finales de 2025, 30% de los proyectos de IA generativa se abandonaría tras la prueba de concepto por mala calidad de los datos, controles de riesgo insuficientes, costos crecientes o valor de negocio poco claro ¹. Es un pronóstico, no una medición, pero describe el patrón: el dinero no se pierde en el piloto, sino en los meses en que nadie se atreve a cancelarlo.

El punto de partida digital es más bajo de lo que asumen los reportes internacionales, y eso reordena el presupuesto. Según los resultados oportunos de los Censos Económicos 2024 del INEGI, con datos de 2023, solo 26.2% de las unidades económicas del país usaba internet, 25.3% equipo de cómputo y 5.6% página de internet como herramienta de comunicación ¹⁰. En muchos proyectos mexicanos la primera partida real no es de IA: es de digitalizar el proceso que se quiere automatizar.

El dato oficial más cercano a la adopción de IA exige leerse con cuidado. De las 1,255,625 unidades económicas que reportaron usar tecnología digital en 2023, 5.5% señaló «otras tecnologías», categoría que, según la nota del propio INEGI, incluye impresión 3D, sistemas de inteligencia artificial y robótica avanzada ¹⁰. No es adopción de IA: la parte que corresponde solo a IA es menor, el denominador son únicamente las empresas que ya usaban tecnología digital y cada unidad económica podía reportar más de una opción.

La brecha por tamaño de empresa es persistente. En el conjunto de la OCDE, 40% de las empresas de 250 o más empleados reportaba usar IA en 2024 (o en el último año disponible), frente a 20.4% de las de 50 a 249 y 11.9% de las de 10 a 49 ⁹. Son promedios centrados en el G7, construidos sobre uso autorreportado en encuestas y limitados a empresas de 10 o más empleados, de modo que excluyen a las microempresas: no retratan a México, pero sí la asimetría con la que presupuesta una empresa mediana. El cuello de botella regional es conocido: en la encuesta de IBM levantada en noviembre de 2023 entre profesionales de TI de seis países latinoamericanos, en organizaciones de más de 1,000 empleados que ya implementaban o exploraban IA, la barrera más citada fue tener habilidades y conocimientos limitados, con 32% ⁸.

El talento es el insumo verdaderamente escaso. El Índice Latinoamericano de Inteligencia Artificial 2025, de CENIA y la CEPAL sobre 19 países de América Latina y el Caribe, reporta que Brasil y México concentran 68% de los «investigadores activos» en IA de la región (una medida bibliométrica: autores distintos que publicaron sobre IA, no un censo de puestos de trabajo) ¹². Leído al revés: México es de los dos países con más talento de una región que recibe 1.12% de la inversión mundial ¹¹, y eso presiona al alza las horas senior. La demanda tampoco ayuda: en el CIO Playbook 2026 (investigación de IDC comisionada por Lenovo entre unos 500 tomadores de decisión de seis países), 97% de las organizaciones latinoamericanas planea aumentar su presupuesto de IA en los próximos 12 meses, con un alza promedio de 14% ⁷. Son cifras regionales de un estudio patrocinado por un proveedor, no de México, pero el precio de implementar no va a ceder pronto.

Ningún paso de abajo exige saber el precio final antes de empezar. Todos exigen decidir algo por escrito.

1. 1

   Define el número que tiene que moverse

   Horas recuperadas, tiempo de primera respuesta, costo por expediente, tasa de error. Sin una métrica acordada antes de arrancar, el proyecto queda a merced de la opinión del último que habló en el comité.

2. 2

   Compra el discovery por separado

   Una o dos semanas pagadas aparte, con entregable propio: mapa del proceso, estado real de los datos y estimación del costo recurrente. Es la única compra de este artículo cuyo mejor resultado posible puede ser «no lo hagas».

3. 3

   Modela el costo por consulta antes de construir

   Supongamos, con números redondos y puramente ilustrativos, que el proceso recibe 200 solicitudes al día y cada una implica tres llamadas al modelo: son 18,000 llamadas al mes. Ese volumen define tu factura, no la licencia. El ejercicio sirve para descubrir en la hoja de cálculo, y no en producción, si la arquitectura escala.

4. 4

   Reserva el mantenimiento desde el día uno

   Gartner lo modela como porcentaje del costo inicial de despliegue: del orden de 10% en los casos sencillos y de 15% a 20% en los que extienden un proceso existente ¹. Un presupuesto que solo cubre la construcción financia un activo que empieza a degradarse el día de la entrega.

5. 5

   Pon una fecha para matar el proyecto

   Define de antemano cuándo y con qué criterio se cancela si la métrica no se mueve. Recuerda aquel pronóstico del 30% de proyectos abandonados tras la prueba de concepto ¹: lo caro no es cancelar, es tardar seis meses en aceptar que ya se canceló solo.

Aquí conviene realismo. Deloitte encuestó a 1,854 altos ejecutivos de 14 países de Europa y Medio Oriente entre agosto y septiembre de 2025: 85% de las organizaciones aumentó su inversión en IA en los 12 meses previos y 91% planea volver a aumentarla, pero solo cerca de una de cada cinco califica como verdadera líder en retorno de IA ⁶. El estudio no incluye América Latina. Lo que sí viaja es el fondo: invertir más y capturar retorno son cosas distintas, y el informe acepta que los retornos toman años y no siempre son financieros ⁶.

Del lado optimista, en el CIO Playbook 2026 de IDC y Lenovo, 92% de las organizaciones latinoamericanas anticipa un retorno positivo y espera, en promedio, unos tres dólares de valor por cada dólar invertido ⁷. Es una expectativa declarada por quien está comprando, en un estudio patrocinado por un proveedor, no un retorno medido en libros.

Hay una variable que juega a tu favor y casi nadie mete al modelo: el precio unitario de la capacidad cae rápido. Según el AI Index 2025 de Stanford HAI, consultar un modelo con desempeño equivalente a GPT-3.5 (64.8 puntos en MMLU) pasó de 20 dólares por millón de tokens en noviembre de 2022 a 0.07 en octubre de 2024: más de 280 veces menos en menos de dos años ³. Es el piso de precio para esa capacidad específica, no una caída general del costo de la IA. Aun así, la conclusión se sostiene: un presupuesto de hace dos años describe un mundo que ya no existe.

Y una recomendación que ahorra más que cualquier negociación: no entrenes tu propio modelo grande desde cero. Gartner pronostica que para 2028 más de la mitad de las empresas que lo hicieron abandonará el esfuerzo por costos, complejidad y deuda técnica ¹. Gartner no segmenta ese pronóstico por tamaño de empresa (esa lectura es nuestra), pero la conclusión operativa es directa: tu ventaja está en tus datos y tu proceso, no en tus pesos de entrenamiento.