Haz el cálculo antes de construir

Los salarios son la parte visible. El simulador cuenta además el cloud y las GPU para la inferencia, los tokens de las APIs de LLM, la base vectorial, la observabilidad y el CI/CD, y el equipo de mantenimiento que necesitas a partir del año 2. En el perfil mid-market, esas partidas sin salarios suman unos 36 k€ al año antes de haber tocado el modelo.

La partida que más se olvida es el mantenimiento. Los modelos LLM evolucionan cada 3 a 6 meses, así que el trabajo no termina en la puesta en marcha: monitorización, reentrenamiento, migraciones y parches de seguridad continúan mientras el asistente esté en funcionamiento.

El simulador parte de 6 meses para un build mid-market y 9 meses en enterprise, incluyendo contratación, arquitectura, MVP, pruebas y despliegue. Solo la contratación lleva de 45 a 60 días con estos perfiles. Con iAdvize, la puesta en producción llega en 15 días.

Esa diferencia no es neutra. Cada mes sin el asistente es un mes de margen incremental que no capturas, y el simulador lo muestra como coste de oportunidad. Con las hipótesis mid-market por defecto es la mayor partida de la comparativa después del propio equipo de desarrollo.

Aquí es donde más se separan los dos escenarios. Construir implica escribir un SDK móvil y adaptar la UX nativa (3 a 6 meses), adaptar la infraestructura por región incluyendo la ubicación de los datos (1 a 2 meses), y desarrollar un módulo por cada caso de uso adicional (2 a 4 meses).

En iAdvize esas extensiones forman parte de la suscripción. El SDK móvil está listo para integrar, un mercado nuevo se despliega en unas horas y los nuevos casos de uso llegan por la roadmap de producto. A 3 años, la diferencia son 180-420 k€ del lado del build.

Los costes de ingeniería usan salarios cargados de mercado para perfiles de IA/ML sénior, 90-150 k€ al año (talent.io, 2024). El riesgo de ejecución recoge el dato de MIT / Fortune 2025: el 95 % de los proyectos piloto de IA generativa fracasan en las empresas. Las hipótesis de uplift vienen de tests A/B realizados en clientes de iAdvize: +5 % en conversión de media y +3 % en ticket medio, con los mejores resultados en +11 % y +10 %.

Todos los campos son editables. Si tus bandas salariales, tu tráfico o tu margen son distintos, cámbialos y el análisis se recalcula por completo. El modelo es deliberadamente prudente del lado del build.

No, y a estas alturas la comparativa es todavía más útil, porque manejas cifras reales en lugar de estimaciones. Pon el plazo de desarrollo que te queda en lugar del proyecto completo, e introduce el coste real de tu equipo. Lo ya invertido no cuenta en la decisión: lo que importa es el coste de terminar y mantener frente al coste de cambiar.

El build sigue siendo la decisión correcta en un caso concreto: un equipo de IA dedicado que ya existe, y requisitos técnicos que la plataforma realmente no cubre.