Cada semana recibo la misma pregunta de un director general o de operaciones: ¿cuánto me va a costar meter IA en mi empresa? Y casi siempre recibe la misma respuesta de los proveedores: “depende”. Es cierto, pero no sirve para armar un presupuesto. Si usted dirige una planta, una distribuidora o una cadena con operación física, necesita números antes de sentarse con finanzas.
En este artículo le doy esos números con fuente y fecha: cuánto están gastando las empresas en México, qué rangos publica el mercado por tipo de proyecto, dónde se esconde el costo que nadie cotiza y cuánto pesan de verdad los tokens. Al final le digo cómo presupuestaría yo el primer proyecto.
¿Cuánto están gastando ya las empresas en México?
Más de lo que parece, y con una distribución que sorprende a quien solo piensa en el modelo. IDC estima que las empresas mexicanas gastarán 776 millones de dólares en software y servicios de IA durante 2026, 52 % más que el año anterior (Expansión, 24 de agosto de 2026).
La adopción también se extendió rápido. Según el Banco de México, 48.5 % de las empresas con más de 100 trabajadores ya usa al menos una tecnología de IA; en septiembre de 2025, 24.3 % decía usarla o planear usarla en 12 meses. Las preguntas de ambas encuestas difieren, así que la comparación es indicativa, pero la dirección es clara. En las empresas de 101 a 250 trabajadores la cifra es 43.7 %, y 64.8 % del total espera usarla en tres años (Banxico, Reporte sobre las Economías Regionales abril-junio 2026, 10 de septiembre de 2026).
El dato que más me importa para su presupuesto es cómo se reparte el gasto. IDC calcula que en un proyecto de IA poco más de 40 % se va a infraestructura, entre 30 y 35 % a implementación y consultoría, y alrededor de 30 % a software y plataformas. El modelo de lenguaje, el que todos cotizan primero, es una fracción de ese 30 %. A nivel mundial Gartner lo confirma: los modelos generativos representan cerca de 1 % de los 2.67 billones de dólares que se gastarán en IA en 2026 (Techstrong.ai sobre Gartner, 21 de septiembre de 2026).
Rangos de mercado 2026 por tipo de proyecto
No existe un tabulador oficial, pero sí hay rangos publicados por agencias mexicanas que sirven como referencia. Los que siguen los publicó una agencia de desarrollo en mayo de 2026 (ADD, 12 de mayo de 2026). Son precios de mercado, no de CloudMex.
| Tipo de proyecto | Implementación (MXN) | Operación mensual (MXN) | Plazo típico |
|---|---|---|---|
| Chatbot básico de WhatsApp (preguntas frecuentes y prospectos) | 80,000 – 200,000 | 5,000 – 15,000 | 4 a 8 semanas |
| Asistente con integración a CRM o ERP | 150,000 – 400,000 | 10,000 – 30,000 | 8 a 12 semanas |
| Consulta en lenguaje natural sobre documentos y datos internos (RAG) | 250,000 – 900,000 | 15,000 – 60,000 | 8 a 16 semanas |
| Modelos predictivos (pronóstico de demanda, scoring) | 300,000 – 1,200,000 | 20,000 – 70,000 | 10 a 20 semanas |
| Agente autónomo que ejecuta acciones en sistemas | 500,000 – 3,000,000 | 40,000 – 200,000 | 16 a 36 semanas |
Tres lecturas de esta tabla. Primera: el rango dentro de cada fila es de 2.5 a 6 veces; esa amplitud no la explica la IA, la explican sus datos y sus integraciones. Segunda: el contrato de mantenimiento suma entre 15 y 20 % del costo inicial al año, según la misma fuente; un proyecto de 500,000 pesos cuesta otros 75,000 a 100,000 cada año solo por mantenerlo vivo. Tercera: los plazos de 16 a 36 semanas para un agente son el promedio del mercado, no una ley; con alcance cerrado y datos listos se puede salir a producción en menos de 8 semanas.
Para una empresa de 20 a 500 empleados, el primer proyecto útil casi siempre cae en las filas dos o tres. Un asistente que responde sobre el ERP o un pronóstico de demanda para varios almacenes resuelve un problema que ya le cuesta dinero hoy.
Los costos que no aparecen en la cotización
La cotización que le llega cubre el desarrollo. El costo total cubre otras cinco cosas que casi nadie escribe en la primera página. IDC y las agencias coinciden en dónde están (Expansión; ADD):
- Preparar los datos. Entre 15 y 30 % del proyecto si la información vive en Excel, correos o sistemas que permiten capturar pero no extraer. En una distribuidora con varios almacenes, este renglón suele ser el más grande y el menos cotizado.
- Integraciones. Conectar ERP, punto de venta, WhatsApp o el MES de la planta puede sumar entre 30 y 50 % al costo base. Cada sistema “custodiado” por un proveedor que cobra por abrir su API es un costo adicional.
- Seguridad y cumplimiento. En sectores regulados, auditorías y cumplimiento agregan entre 15 y 25 %. Si el proyecto toca datos personales de clientes, la LFPDPPP obliga a aviso de privacidad, medidas de seguridad y contratos con el proveedor del modelo. Eso se diseña antes, no se parcha después.
- Cambio de proceso y capacitación. Las agencias estiman entre 30,000 y 80,000 pesos en capacitación interna. El costo real es el tiempo del gerente de operaciones que debe cambiar cómo trabaja su equipo.
- Mantenimiento. Entre 15 y 20 % del costo inicial cada año, más ajustes cuando el proveedor del modelo cambia versiones o precios. Un sistema de IA sin dueño interno se degrada en meses.
Si suma los cinco, un proyecto cotizado en 400,000 pesos puede terminar entre 600,000 y 800,000 en su primer año. No es que el proveedor haya mentido; es que usted pidió el precio del desarrollo y no el costo total de operar.
¿Cuánto pesan los tokens? Menos de lo que teme
Un token es la unidad en la que los proveedores cobran el uso del modelo; mil tokens equivalen a unas 750 palabras en español. Se paga por lo que entra (su pregunta más el contexto de sus datos) y por lo que sale (la respuesta). Lo que sale cuesta entre 5 y 8 veces más que lo que entra.
Los precios públicos a inicios de noviembre de 2026, por millón de tokens, van de 0.10 dólares de entrada y 0.50 de salida en los modelos económicos (Claude Haiku 5.5) a 2 y 10 dólares en los de gama media (Claude Sonnet 5.5) y 2.50 y 15 dólares en GPT-5.4 (Morph, precios de Anthropic, 1 de noviembre de 2026; Morph, precios de OpenAI, 31 de octubre de 2026). El caché de contexto repetido baja la entrada hasta 90 % y el procesamiento por lotes descuenta 50 %.
Hagamos la cuenta para una operación real. Imagine un asistente interno sobre el ERP para 200 personas de ventas y almacén. Cada una hace 20 consultas al día, 22 días al mes: 88,000 consultas. Cada consulta carga unos 6,000 tokens de contexto (instrucciones y datos de la operación) y produce 500 de respuesta.
- Entrada: 88,000 × 6,000 = 528 millones de tokens al mes.
- Salida: 88,000 × 500 = 44 millones de tokens al mes.
- Con un modelo de gama media: 528 × 2 + 44 × 10 = cerca de 1,500 dólares al mes, sin caché.
- Con un modelo económico para las consultas simples: 528 × 0.10 + 44 × 0.50 = unos 75 dólares al mes.
Es decir, el consumo de tokens para 200 usuarios intensivos cae entre 75 y 1,500 dólares mensuales, y con caché baja más. Compárelo con los 10,000 a 60,000 pesos mensuales de operación total que publica el mercado: los tokens son una parte, no el problema.
Una advertencia: un agente autónomo que razona en varios pasos puede multiplicar ese consumo por 10 frente a un asistente de pregunta y respuesta.
Bolsa de horas o techo fijo: el modelo de contrato cambia el costo total
La misma tabla de rangos se lee distinto según cómo se contrate. Con una bolsa de horas, el rango de 150,000 a 400,000 pesos es una estimación; el costo final lo define cuánto tarde el proyecto, y el incentivo del proveedor es que tarde. Con un techo fijo por escrito, el rango se convierte en un número y el riesgo de desviación lo absorbe quien construye.
Esto importa porque la mayoría de los proyectos de IA se desvían en la parte que nadie ve: los datos. Deloitte encontró que solo 25 % de las organizaciones ha llevado al menos 40 % de sus experimentos de IA a producción, y que 74 % espera que la IA aumente ingresos pero solo 20 % lo ha logrado (The Register sobre Deloitte, State of AI in the Enterprise 2026, 21 de enero de 2026). En una bolsa de horas, cada uno de esos pilotos que no sale a producción se cobró completo.
Tres preguntas para comparar propuestas con la misma vara:
- ¿El precio incluye preparar e integrar los datos, o eso se cotiza “cuando veamos cómo están”?
- ¿Qué pasa con el pago si el entregable no llega a producción en la fecha acordada?
- ¿El código, los datos y las cuentas de nube quedan a nombre de la empresa, o del proveedor?
Si la respuesta a la primera es “se cotiza después”, multiplique el presupuesto por 1.5 antes de llevarlo a finanzas.
Qué haría yo con el presupuesto del primer proyecto
Si yo dirigiera una empresa de 200 personas con varios almacenes, no empezaría por el modelo ni por la licencia. Empezaría por un número: cuánto me cuesta hoy el problema que quiero resolver. Horas de reporte, pedidos mal surtidos, inventario parado. Ese número es el techo de lo que vale la pena invertir.
Después partiría el presupuesto en tres partes, en este orden. Primero, una semana de diagnóstico a precio fijo para saber si los datos pueden salir de donde están y cuánto cuesta prepararlos. Segundo, un ciclo cerrado de menos de 8 semanas con un entregable en producción, no una demo, y con techo por escrito. Tercero, una reserva de 20 % del costo inicial para el primer año de operación, con un dueño interno con nombre.
Lo que no haría: firmar un agente autónomo de 36 semanas como primer proyecto, aceptar una bolsa de horas sin fecha de salida a producción, ni dejar que el proveedor sea dueño del código o de la cuenta de nube. En CloudMex trabajamos así porque aprendí que el costo que arruina un presupuesto no es el que se cotiza, sino el que se descubre a mitad del camino.
Antes de pedir cotizaciones, mida el problema
La pregunta “cuánto cuesta implementar IA” tiene respuesta cuando se sabe qué problema se resuelve, con qué datos y con qué número se va a medir. Sin eso, cualquier rango es una apuesta y cualquier proveedor tiene razón al decir “depende”.
En CloudMex empezamos cada proyecto con Scope: un diagnóstico de una semana, a precio fijo, que termina con un reporte por escrito. Le dice si sus datos están listos, cuánto costaría prepararlos, qué caso de uso conviene primero y cuál sería el techo del siguiente ciclo. Si decide no continuar, se queda con el reporte y no hay penalización.
Si quiere llegar a su próxima junta de presupuesto con un número en lugar de un “depende”, solicite su diagnóstico.
Fuentes
- Expansión, Las empresas en México deben tomar una decisión: gastar en IA o defenderse de ciberataques (cifras de IDC y AWS), 24 de agosto de 2026.
- Banco de México, Reporte sobre las Economías Regionales abril-junio 2026, Recuadro 4, “Opinión empresarial sobre la adopción de inteligencia artificial en México”, 10 de septiembre de 2026.
- Techstrong.ai, Gartner: Global AI Spending to Hit $2.7 Trillion in 2026, 21 de septiembre de 2026.
- The Register, AI hasn't delivered the profits it was hyped for, says Deloitte (Deloitte State of AI in the Enterprise 2026, 3,235 directivos), 21 de enero de 2026.
- ADD, Cuánto cuesta implementar inteligencia artificial en una empresa mexicana (Precios 2026), 12 de mayo de 2026.
- Morph, Anthropic Claude API Pricing, verificado contra la documentación de Anthropic el 1 de noviembre de 2026.
- Morph, OpenAI API Pricing (2026), actualizado el 31 de octubre de 2026.