La Pregunta Que Hago Antes de Hablar de Precio

Un grupo de restaurantes me contactó el trimestre pasado queriendo un chatbot para responder preguntas sobre reservas, el menú e información sobre alergias. Antes de hablar de costos, hice una sola pregunta: "¿Qué pasa hoy cuando alguien llama con una pregunta que el anfitrión no puede responder?" La respuesta fue que el anfitrión consulta a un gerente, o el cliente vuelve a llamar. Esa brecha — no la tecnología — es lo que determina si un chatbot de IA para negocios vale la inversión.

La mayoría de las propuestas de chatbot que reviso se saltan esa pregunta por completo. Empiezan por el modelo, la plataforma o la demo, y nunca establecen qué volumen de interacciones y qué costo de error justifican la inversión. Quiero repasar los números que realmente uso con mis clientes, incluyendo dónde esta tecnología falla en silencio.

La Prueba de Encaje Antes de Hablar de Presupuesto

Un chatbot justifica su costo cuando se cumplen tres condiciones a la vez:

  • El volumen es real. Reciben al menos varios cientos de preguntas repetitivas al mes — estado de un pedido, horarios, disponibilidad de turnos, niveles de precio, política de devoluciones. Por debajo de ese volumen, el costo fijo de construir y mantener el bot supera el trabajo que ahorra.
  • El conocimiento está acotado y es estable. El chatbot necesita un universo definido de respuestas correctas — sus políticas, su inventario, su calendario — no decisiones de criterio abiertas. Cuanto más se parezca una pregunta a "depende", peor rinde un chatbot.
  • Ya existe una red de contención humana. Si el bot se equivoca o llega a su límite, tiene que haber un camino rápido y visible hacia una persona. Los negocios que tratan al chatbot como reemplazo del personal de soporte, en lugar de un filtro delante de ellos, son los que veo meterse en problemas.

Si falta alguna de esas tres condiciones, recomiendo resolver eso primero. Un chatbot montado sobre políticas indocumentadas e inconsistentes simplemente responde mal más rápido de lo que lo haría una persona.

Cuánto Cuesta Realmente: Construir vs. Comprar

Hay dos caminos reales, y las estructuras de costo no se parecen en nada.

Comprar una plataforma (Intercom Fin, Ada, Freshchat y similares) suele costar entre 50 y 500 dólares mensuales para el volumen típico de una pyme, aunque muchos de estos proveedores ahora cobran por resolución en lugar de una tarifa fija — comúnmente entre 0,50 y 1 dólar por conversación que el bot resuelve completamente. Con 1.500 conversaciones resueltas al mes, eso solo ya son entre 750 y 1.500 dólares, encima de la suscripción base. Este modelo premia el bajo volumen y castiga a medida que se escala, así que haga el cálculo con el volumen real esperado, no con el volumen de hoy.

Construir a medida sobre una API de LLM significa pagar por tokens directamente — normalmente unos pocos centavos hasta menos de un dólar por conversación según el modelo y el largo del contexto, más entre 20.000 y 50.000 dólares de desarrollo inicial para un bot bien delimitado con recuperación sobre el contenido real de su negocio, y entre 1.500 y 5.000 dólares mensuales de mantenimiento continuo: actualización de contenido, monitoreo, ajuste de prompts y manejo de casos límite. A mis clientes les digo que presupuesten el mantenimiento en un 15-20% del costo inicial por año, como mínimo, porque un chatbot no es un activo de "se lanza y se olvida" — sus políticas, precios e inventario cambian, y el bot tiene que mantenerse al día.

En mi experiencia, el costo total de propiedad en ambos caminos suele terminar siendo entre dos y tres veces la cifra que apareció en la propuesta original. Presupueste ese multiplicador desde el principio en lugar de descubrirlo en el cuarto mes.

De Dónde Sale Realmente el Retorno

El retorno no es "sonamos innovadores". Son horas de trabajo humano que se eliminan de tareas repetitivas, medidas contra el costo totalmente cargado de ese tiempo. Si un representante de soporte dedica 15 horas semanales a responder "cuál es su horario" y "dónde está mi pedido", y un chatbot puede resolver de forma confiable entre el 60 y el 70% de eso, ya tiene un número real para comparar contra el costo mensual descrito arriba.

Aquí es también donde los casos de uso de reservas y turnos suelen dar retorno más rápido, porque la tarea es transaccional y acotada — verificar disponibilidad, confirmar un horario, enviar un recordatorio. Profundizo en ese patrón específico en mi artículo sobre automatizar las reservas de su negocio, y vale la pena leerlo antes de definir el alcance de un chatbot para algo relacionado con turnos, porque un flujo de reservas dedicado suele superar a un chatbot general para ese caso de uso.

El retorno realista para una implementación de costo medio (entre 15.000 y 30.000 dólares todo incluido en el primer año) frente a un ahorro de mano de obra genuino suele darse entre los 8 y los 14 meses, no el milagro de 60 días que algunos proveedores insinúan. Si su retorno proyectado supera los 18 meses, yo frenaría y cuestionaría los supuestos de volumen antes de firmar nada.

Dónde Fallan los Chatbots, y Por Qué Rara Vez Es Culpa del Modelo

He visto tres patrones de falla repetirse en casi todos los proyectos que se complican:

Alucinación en preguntas de política. Cuando un chatbot no está estrictamente anclado en los documentos reales del negocio, va a inventar con total confianza una respuesta que suena creíble. Esto no es hipotético — un caso conocido de 2024 involucró a una aerolínea declarada responsable por un tribunal después de que su chatbot de soporte inventara una política de tarifa por duelo que no existía, y se le ordenó a la aerolínea honrarla. Anclar al modelo estrictamente en el contenido real y negarse a responder fuera de ese alcance reduce este riesgo drásticamente, pero no lo elimina, así que hay que planificar para respuestas incorrectas ocasionales en lugar de asumir cero errores.

Sin un camino real de escalamiento a un humano. Un chatbot que atrapa a un cliente frustrado en un bucle hace más daño a la marca que no tener chatbot. La solución es un escalamiento visible y de baja fricción — no un enlace de "contáctenos" escondido tres menús más abajo — que se active automáticamente cuando la confianza del bot baja o el cliente repite una pregunta.

Expansión de alcance después del lanzamiento. El bot que empezó como "responder preguntas frecuentes" se convierte en "también manejar reclamos, también procesar devoluciones, también ofrecer ventas adicionales" en pocos meses, porque es más fácil pedirle al bot una cosa más que construir una función nueva. Cada agregado multiplica la carga de pruebas y monitoreo. Recomiendo una v1 con alcance estrictamente definido, medida durante 60 a 90 días, antes de cualquier expansión.

Esto se conecta con un patrón más amplio que describo en por qué los proyectos de IA fallan al llegar a producción — los chatbots quedan expuestos directamente a los clientes, lo que significa que la brecha entre una buena demo y un sistema de producción confiable se nota más rápido y más públicamente que con herramientas de IA internas.

El Marco de Decisión, Simplificado

Antes de aprobar un presupuesto de chatbot, les pido a mis clientes que respondan por escrito tres preguntas:

  1. ¿Cuál es el volumen mensual real de preguntas repetitivas que esto va a manejar, y qué tan segura es esa cifra?
  2. ¿Qué nos cuesta una respuesta equivocada — un reembolso, una mala reseña, un ticket de soporte o un problema de cumplimiento?
  3. ¿Quién es responsable de esto después del lanzamiento, y cuál es el presupuesto mensual para mantenerlo preciso?

Si esas tres respuestas son sólidas, es muy probable que valga la pena construir un chatbot. Si son vagas, el proyecto necesita otro mes de descubrimiento antes de necesitar un desarrollador.

Los chatbots son una herramienta genuinamente útil para el volumen y el alcance correctos — no son una estrategia, y no son gratis después del primer mes. Si quiere una evaluación honesta de si los números funcionan específicamente para su negocio, hablemos de su situación.