Otoño de 2024, Fontana, California. Un 3PL de fulfillment de comercio electrónico me pidió que hiciera la autopsia de su proyecto de IA: despacho de AMR más verificación por visión. La junta había aprobado $380,000 al inicio. Vehículos y licencias de software, todo incluido. Cuando finanzas cerró los libros: $740,000. Un sobrecoste del 95%. El CFO hizo una sola pregunta en la reunión de cierre: ¿a dónde fueron a parar los $360,000 extra?
Nadie supo responder. Porque la hoja de presupuesto del inicio tenía exactamente dos líneas: equipamiento, software.
El presupuesto de un proyecto de IA siempre tiene cuatro partidas, nunca dos: software, hardware, mano de obra y datos. Si falta alguna, el sobrecoste es seguro. Este es el marco de presupuesto que entrego a cada proyecto de IA antes de la firma, sobre la base del TCO del primer año:
| # | Partida | Qué incluye | Parte típica del TCO del primer año |
|---|---|---|---|
| 1 | Software | Licencias o suscripciones, tokens de API, cuotas de plataforma, subidas de precio en el año dos | 20%-30% |
| 2 | Hardware | Cámaras, cajas de edge computing, mejoras de red, obra eléctrica, materiales de instalación | 25%-35% |
| 3 | Mano de obra | Horas internas (TI, operaciones, ingeniería), días de implementación del proveedor, formación | 20%-30% |
| 4 | Datos | Limpieza de datos, etiquetado de muestras, gobernanza de datos maestros, backfill | 10%-20% |
Vuélvelo a leer. El software es, en el mejor de los casos, un tercio del total. Si solo presupuestaste el software, pusiste precio a la punta del iceberg.
Partida por partida.
Partida uno, software. Las licencias y suscripciones son la parte visible. Las partes ocultas son tres. Los tokens de API facturados por llamada parecen triviales en un piloto de unos miles de llamadas al día, pero en producción se corre a decenas de miles al mes y la factura se duplica. Las cuotas de plataforma cobradas por cámara o por flujo concurrente no escalan de forma lineal: pasar de 4 cámaras a 12 te sube de escalón de precios. Y las renovaciones del año dos: el año uno es el descuento, el año dos es el precio real, con subidas del 15%-30% como algo normal. Negocia el precio del año tres antes de firmar y ponlo en un anexo.
Partida dos, hardware. Cámaras y cajas de edge computing son visibles. Las redes y la electricidad no. Los almacenes tienen zonas muertas de Wi-Fi; un AMR que entra en una pierde la conexión. Añadir puntos de acceso, tirar fibra, ajustar los traspasos de roaming: unas decenas de miles de dólares, desaparecidos. Los edificios viejos con poca potencia necesitan un nuevo circuito industrial: electricista en sitio, ventanas de corte coordinadas con operaciones, más dinero. Si el estudio del sitio fue un paseo en vez de ingeniería de verdad, esta partida es una suposición.
Partida tres, mano de obra. Y aquí viene la conclusión contraintuitiva: la línea más cara de un proyecto de IA no es el software. Es el tiempo de tu propia gente. Un proyecto mediano quema tres meses de soporte de TI, dos meses a media jornada de tu mejor gente de operaciones, un mes de ingeniería en sitio. Cientos de horas. A coste total cargado, eso supera con rutina a la propia licencia de software. Peor aún, nunca aparece en el presupuesto del proyecto: se esconde dentro del headcount departamental, donde los sobrecostes son invisibles.
Partida cuatro, datos. Esta es la partida que no se puede recortar, y la primera que se recorta. A principios de 2025, un 3PL de autopartes en Texas lanzó inspección por visión con un presupuesto de $20,000 para limpieza de datos. Al empezar el trabajo, encontraron más de 400,000 registros históricos de SKU maestros: duplicados, imágenes faltantes, unidades inconsistentes. Limpieza más etiquetado terminaron en $90,000: más de cuatro veces el presupuesto. ¿Por qué es intocable? La IA come datos. Datos sucios significan un modelo ciego. Un solo registro maestro de SKU malo puede empujar los falsos positivos de la verificación por visión del 1% al 8%, y tu equipo de planta quema cientos de horas extra al día en manejo de excepciones. Los $70,000 que "ahorraste" en datos se devuelven en mano de obra manual en tres meses. Ese dinero se desperdició.
Cinco trampas de sobrecoste, todas de proyectos reales:
| Trampa | Cómo ocurre | Defensa |
|---|---|---|
| Mejoras de red y electricidad no previstas | El presupuesto cubre solo dispositivos; el estudio fue un paseo | Estudio de ingeniería pagado antes del inicio, cuota del estudio en el presupuesto |
| Limpieza de datos subestimada | Carga de trabajo estimada a ojo | Limpia una muestra de 10,000 registros, mide el coste unitario, multiplica |
| Horas internas nunca presupuestadas | Solo se contaron los días de implementación del proveedor | Headcount por meses, a coste total, escrito en el TCO |
| Cuotas de integración con el WMS | Se asumió que "hay API, así que está bien" | Trabajo de interfaces cotizado por día, cerrado antes de firmar |
| Reseteo de precio en el año dos | Se firmó con el descuento del año uno | Escalera de precios a tres años en el contrato |
Un patrón más que vale la pena nombrar: el precipicio del piloto a la producción. Los pilotos corren en una esquina limpia del edificio con el mejor ingeniero del proveedor en sitio. La producción corre por toda la planta con tu turno de noche. Presupuesta la realidad de la producción, no la experiencia del piloto: duplica los días de integración, suma un 50% al trabajo de datos y asume que el primer mes corre al 80% del throughput objetivo. Cada proyecto que he visto saltarse este ajuste lo pagó en el segundo trimestre.
Tres palancas que sí ahorran dinero, cada una contrastada con los números.
Primera, corre un PoC pagado antes de firmar un acuerdo multianual. Gasta un poco para verificar dos números: si la precisión de reconocimiento llega a la línea que el negocio necesita, y si el sistema aguanta el takt time de la planta. Si el PoC falla, los cientos de miles que vienen después nunca se gastan. Es la cobertura de riesgo más barata que hay.
Segunda, haz la limpieza de datos en casa. El etiquetado encaja bien en los tiempos muertos del personal de QC, y la calidad supera a la subcontratación. La gobernanza de datos maestros hecha en conjunto por TI y operaciones limpia el maestro de SKU una vez, y cada proyecto de IA posterior se beneficia. Gástalo una vez, amortízalo entre proyectos.
Tercera, escalona el hardware. Pilota una zona, replica cuando corra limpio. Escalonas las mejoras de red con la huella del piloto. Iluminar todo el edificio el día uno maximiza tu coste de equivocarte.
Una conclusión computable para cerrar. Antes de que se apruebe cualquier proyecto de IA, corre esta fórmula:
Meses de retorno = TCO del primer año / ahorro mensual cuantificable
El ahorro mensual admite exactamente tres entradas: horas de mano de obra ahorradas por tarifa horaria, reducción de tasa de error por coste medio por error, ganancia de throughput por margen marginal. Todo lo que no puedas computar —"ganancias de eficiencia", "imagen digital"— cuenta como cero. Retorno más allá de 24 meses: archívalo. Menos de 12 meses: apruébalo. Entre 12 y 24: decide por valor estratégico.
Si el proyecto de Fontana hubiera hecho las cuentas de las cuatro partidas al inicio, la junta habría visto unos $700,000 de TCO real, no $380,000. Aprobar o rechazar, su decisión; pero nadie habría quedado a oscuras en el cierre. El trabajo de un presupuesto nunca fue hacer el número pequeño. Su trabajo es no dejarle al sobrecoste ningún lugar donde esconderse.
Por Lao Zhou, analista de costes logísticos
Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.
