La mejor consultora de inteligencia artificial no es la que presenta más herramientas, sino la que entiende el problema, sabe medirlo y puede explicar qué hará cuando la IA se equivoque. Para una empresa mediana en México, eso suele significar empezar con un proceso concreto, validar el valor en pocas semanas y conservar control sobre los datos, las decisiones y el conocimiento generado.
Elegir proveedor se ha vuelto difícil por una razón sencilla: casi todos pueden hacer una demostración convincente. Un asistente contesta preguntas, una automatización mueve información y un tablero se ve impecable. Lo verdaderamente complicado aparece después, cuando hay que conectarlo con la operación, respetar permisos, manejar excepciones y lograr que el equipo lo use sin depender para siempre del proveedor.
Una buena demostración prueba que la tecnología funciona. Una buena consultoría prueba que puede funcionar dentro de tu empresa.
Antes de buscar proveedores, escribe el problema en una página
No necesitas preparar un documento de cincuenta páginas. Sí necesitas llegar a la conversación con cinco respuestas:
- ¿Qué tarea o decisión queremos mejorar? “Usar IA” no es un objetivo; reducir el tiempo de revisión de contratos o clasificar solicitudes de soporte sí lo es.
- ¿Cuánto cuesta hoy? Horas, errores, esperas, retrabajo, oportunidades perdidas o riesgo.
- ¿Qué información interviene? Documentos, conversaciones, datos personales, propiedad intelectual o registros de sistemas internos.
- ¿Quién decide si el resultado es correcto? La IA puede recomendar; alguien del negocio debe definir el estándar.
- ¿Cómo sabremos que funcionó? Elige una métrica de operación y una de calidad antes de hablar de modelos.
Este ejercicio también sirve para detectar honestidad. Un proveedor serio preguntará por el proceso, los datos y el riesgo antes de prometer una solución.
Diez criterios para evaluar una consultora de IA
1. Entiende la operación antes de recomendar una herramienta
Pide que el proveedor te devuelva el problema con sus propias palabras. Debe distinguir síntomas de causas y explicar qué parte no conviene automatizar todavía. Si la propuesta ya tiene plataforma antes de conocer el flujo, probablemente estás comprando inventario, no criterio.
2. Puede convertir la idea en un caso medible
Una prueba de concepto necesita una hipótesis: “si clasificamos estas solicitudes con supervisión humana, reduciremos el tiempo de primera respuesta sin aumentar los errores”. Pregunta cuál será la línea base, qué muestra se usará y qué resultado justificaría continuar.
3. Diseña para los errores, no sólo para el caso ideal
Todo sistema de IA tendrá respuestas incompletas, entradas inesperadas o periodos de degradación. El diseño debe incluir validación, registro, límites, revisión humana y una ruta alternativa. El AI Risk Management Framework de NIST propone gestionar estos riesgos durante todo el ciclo de vida, no como una revisión al final.
4. Explica qué datos usa y dónde viajan
Necesitas saber qué información llegará al modelo, dónde se almacena, cuánto tiempo se conserva, quién puede verla y si se utiliza para entrenar servicios de terceros. En México, el tratamiento de datos personales debe considerar la Ley Federal de Protección de Datos Personales en Posesión de los Particulares. Si el proveedor responde “todo está en la nube” y no puede dibujar el recorrido de la información, todavía no hay una arquitectura defendible.
5. Integra seguridad desde el diseño
Busca controles concretos: accesos por rol, secretos fuera del código, cifrado, separación de ambientes, bitácoras, respaldo, límites de consumo y respuesta a incidentes. La seguridad no se demuestra con la frase “usamos proveedores empresariales”; se demuestra con decisiones técnicas y responsabilidades por escrito.
6. Propone una entrega por etapas
Una secuencia saludable suele ser: diagnóstico breve, prototipo acotado, piloto con usuarios reales y escalamiento. Cada etapa debe tener una decisión de continuar o detenerse. Así reduces el costo de descubrir tarde que el proceso no tenía datos suficientes o que el equipo no lo necesita.
7. Presenta al equipo que realmente hará el trabajo
Pregunta quién participará después de la venta, qué experiencia tiene y cuánto tiempo dedicará. No es lo mismo conversar con un especialista senior que recibir un equipo distinto una vez firmado el contrato. También importa que haya alguien capaz de traducir entre operación, seguridad y desarrollo.
8. Transfiere conocimiento y evita dependencias innecesarias
Al terminar, tu equipo debería entender cómo operar, medir y modificar la solución. Pide documentación, capacitación, propiedad del código acordado, exportación de datos y un procedimiento para cambiar de proveedor. La dependencia total puede parecer cómoda durante el proyecto y muy cara después.
9. Hace visibles los costos completos
La propuesta debe separar descubrimiento, construcción, licencias, consumo de modelos, infraestructura, soporte y cambios posteriores. Un precio bajo que omite operación mensual no es comparable con una propuesta que sí la incluye. Nuestra guía sobre cuánto cuesta una consultoría de IA en México explica cómo leer esas diferencias.
10. Puede decirte que no
A veces el volumen no justifica automatizar, los datos todavía no están listos o una mejora de proceso resolvería el problema con menos riesgo. Una consultora que descarta una oportunidad poco conveniente protege tu presupuesto y su reputación.
Firma boutique, consultora global o equipo interno
| Alternativa | Suele funcionar mejor cuando | Cuida especialmente |
|---|---|---|
| Firma boutique local | Necesitas acceso directo a especialistas, velocidad y una solución ajustada a la operación. | Capacidad para sostener proyectos simultáneos, documentación y cobertura posterior. |
| Consultora global | El proyecto abarca varios países, exige compras corporativas complejas o requiere equipos muy grandes. | Capas de intermediación, costo, continuidad del equipo senior y adaptación local. |
| Equipo interno | La IA será una capacidad central y permanente, tienes liderazgo técnico y puedes atraer talento. | Tiempo de contratación, curva de aprendizaje y falta de una mirada externa. |
| Modelo híbrido | Quieres avanzar con especialistas externos mientras desarrollas capacidad propia. | Definir responsables, transferencia y fecha de salida desde el inicio. |
No hay un ganador universal. Para muchas empresas medianas, el modelo híbrido ofrece un buen equilibrio: un socio externo ayuda a diseñar y construir las primeras capacidades, mientras una persona interna aprende a operarlas y a decidir qué sigue.
Las preguntas de seguridad que conviene hacer
- ¿Qué proveedores de modelos, nube y datos intervienen?
- ¿Nuestros datos se usan para entrenar modelos de terceros?
- ¿Qué información queda registrada y por cuánto tiempo?
- ¿Cómo se separan desarrollo, pruebas y producción?
- ¿Quién puede acceder a prompts, documentos y resultados?
- ¿Cómo se detectan respuestas incorrectas o comportamiento anómalo?
- ¿Qué ocurre si falla un proveedor externo o cambia sus condiciones?
- ¿Cómo recuperamos nuestros datos, configuraciones y documentación al terminar?
La guía de debida diligencia para IA responsable de la OCDE recomienda involucrar a negocio, tecnología, ciberseguridad y especialistas legales según el riesgo. ISO también plantea en ISO/IEC 42001 un ciclo continuo de planeación, operación, revisión y mejora. No necesitas exigir una certificación a todo proveedor pequeño, pero sí comprobar que su método cubre esas responsabilidades.
Señales de alerta
- Promete un porcentaje de ahorro antes de medir el proceso actual.
- Habla de reemplazar personas, pero no de rediseñar tareas ni supervisar resultados.
- No distingue una demostración de un sistema listo para producción.
- Evita explicar dónde están los datos o quién posee el trabajo entregado.
- Cotiza “IA para toda la empresa” como un solo proyecto.
- No incluye adopción, capacitación, monitoreo ni mantenimiento.
- Usa nombres de modelos como sustituto de una arquitectura.
Una matriz sencilla para comparar propuestas
Califica de 1 a 5 cada dimensión: entendimiento del problema, evidencia técnica, seguridad y datos, método de entrega, transferencia de conocimiento y soporte. Después escribe una línea que justifique cada nota. No promedies automáticamente: si seguridad o propiedad de datos obtiene 1, el proveedor no debería compensarlo con una demostración espectacular.
¿Cuándo considerar a ArchiLogic?
ArchiLogic puede ser una buena opción cuando necesitas convertir un reto operativo en una implementación compacta, segura y medible; cuando quieres trabajar directamente con un equipo técnico; o cuando el proyecto debe dejar capacidad instalada en tu organización.
No somos la alternativa natural si buscas tercerizar cientos de personas, desplegar simultáneamente en decenas de países o comprar una plataforma cerrada ya definida. En esos casos, una integradora global o un producto especializado puede encajar mejor. Preferimos decirlo antes de iniciar.
Preguntas frecuentes
¿Quiénes son los mejores proveedores de consultoría de IA en México?
No existe un ranking universal que funcione para todos los proyectos. La mejor opción depende del proceso, el nivel de riesgo, las integraciones, el presupuesto y la capacidad interna. Compara firmas boutique, consultoras globales y proveedores especializados con los mismos criterios y evidencia.
¿Una empresa mediana debería contratar una consultora o crear un equipo interno?
Si apenas está validando casos de uso, suele convenir un modelo híbrido: apoyo externo para acelerar y una persona interna responsable de aprender y operar. Si la IA se convertirá en una capacidad central y continua, tiene sentido construir gradualmente un equipo propio.
¿Las firmas boutique son menos seguras que las grandes consultoras?
No necesariamente. El tamaño no sustituye controles verificables. Revisa arquitectura, accesos, contratos, registro, respuesta a incidentes y manejo de datos. Una firma pequeña puede tener prácticas rigurosas; una marca grande puede asignar un equipo que no las ejecute bien.
¿Cuánto debería durar la selección de proveedor?
Para un proyecto acotado, dos o tres conversaciones bien preparadas suelen revelar más que un proceso de meses. Pide una propuesta comparable, conversa con quien ejecutará y valida referencias o evidencia. Los sectores regulados pueden requerir una revisión adicional de compras, legal y seguridad.
¿Qué entregable debería pedir primero?
Un diagnóstico breve que describa el proceso, línea base, riesgos, datos, arquitectura propuesta, métrica de éxito, rango de inversión y decisión recomendada. Debe poder concluir “no conviene continuar”.
Fuentes consultadas: NIST AI Risk Management Framework y su perfil para IA generativa; OECD Due Diligence Guidance for Responsible AI (2026); ISO/IEC 42001; Ley Federal de Protección de Datos Personales en Posesión de los Particulares. Consulta: 19 de octubre de 2026.
Si estás comparando alternativas y quieres una segunda opinión sobre el alcance, cuéntanos el reto. La primera conversación también puede terminar con una recomendación de no construir todavía.
