Checklist para elegir consultor de IA en España: 20 preguntas clave

Contratar un consultor de IA en España exige auditar evidencias, no creer promesas de marketing. Pide una prueba de concepto acotada con tus datos, exige saber qué parte del stack depende de APIs de terceros, quién posee el código y qué métricas de éxito garantiza. Revisa cumplimiento del RGPD y de la AI Act antes de firmar.

Piensa en una gestoría de Alicante con treinta empleados que quiere automatizar la clasificación de facturas y responder dudas fiscales recurrentes. Le llegan tres propuestas. Dos prometen "inteligencia artificial a medida" con diapositivas impecables y un precio redondo. La tercera llega con un diagrama de arquitectura, un plan de piloto de seis semanas y una cláusula de propiedad del código. ¿Cuál contratas? La respuesta parece obvia escrita así. En la práctica, muchas direcciones firman con quien mejor vende, no con quien mejor construye.

Esa es la escena que se repite. Y es ilustrativa, no un caso documentado: la usamos para que veas el problema de contratación que esta guía resuelve. El objetivo es darte un checklist implacable de 20 preguntas que separe a quien construye sistemas operables de quien revende un wrapper bonito sobre un modelo público.

¿Por qué el marketing ya no basta para contratar IA?

Hay una distinción que cambia toda la conversación: una cosa es un modelo de IA y otra muy distinta es un sistema de IA completo. El modelo es el motor. El sistema incluye las interfaces, las integraciones con tu ERP o CRM, la lógica de negocio, la trazabilidad y los controles. Evaluar proveedores confundiendo ambos lleva a comprar potencia bruta sin nada que la haga útil en tu operación, según la Guía para PyMEs de IAmericas y Adigital y un análisis de CIO.

Aquí conviene separar hechos de interpretación. Es una lectura editorial nuestra, no un dato verificado en el dossier, que buena parte del mercado en 2026 esté formado por agencias que empaquetan integraciones básicas de modelos públicos y las venden como desarrollo propio. No tenemos una fuente que acredite esa saturación con cifras. Pero sí sabemos, y eso sí está soportado, que distinguir modelo de sistema es el primer filtro técnico que debe aplicar cualquier comprador.

La decisión de contratación que cambia es simple: dejas de preguntar "¿qué puede hacer la IA?" y empiezas a preguntar "¿qué me vas a entregar, cómo lo demuestras y qué pasa si falla?". El resto de este artículo convierte esa mentalidad en preguntas concretas.

¿Qué preguntas técnicas desnudan a un revendedor de wrappers?

No basta con preguntar "¿qué modelo usáis?". Un buen proveedor responde con naturalidad sobre arquitectura; uno que solo revende una API se incomoda cuando bajas al detalle. Estas son las preguntas que separan la demo vistosa del sistema operable.

Sobre el stack y la propiedad

1. ¿El modelo es propio, un fine-tuning real o una API de terceros? Pide que lo justifiquen, no solo que lo afirmen.
2. ¿Puedo tener acceso de solo lectura al repositorio durante el piloto?
3. ¿Me entregáis un diagrama de flujo de datos y de arquitectura?
4. ¿Quién posee el código, los prompts y la configuración al final del proyecto?
5. ¿Tenéis evaluaciones automatizadas (evals) de la salida del modelo?
6. ¿Qué ocurre cuando el proveedor del modelo base deprecia una versión? ¿Cómo gestionáis el versionado para que no se rompa el sistema?

Sobre integración y operación

7. ¿Cómo se integra con mi ERP/CRM concreto sin crear una isla tecnológica?
8. ¿Cómo gestionáis prompts, trazabilidad y observabilidad en producción?
9. ¿Qué pasa cuando el modelo falla o alucina? ¿Hay fallback y human-in-the-loop documentado?

Si hablamos de RAG o agentes

10. ¿Qué estrategia de recuperación usáis y cómo controláis permisos de acceso a los documentos?
11. ¿Cómo se actualiza el conocimiento del sistema sin rehacerlo entero?
12. Para agentes: ¿qué acciones puede ejecutar de forma autónoma y qué controles y límites tiene?

Si quieres entender por qué el RAG sigue siendo relevante incluso con modelos de contexto enorme, te lo explicamos en Contexto de 1M de tokens: por qué el RAG sigue vivo. Un consultor serio sabrá argumentarte cuándo tiene sentido cada enfoque, no venderte siempre lo mismo.

¿Cuánto cuesta un consultor de IA en España en 2026?

Empecemos por la advertencia honesta: no hay un precio de mercado consolidado. El dossier marca las tarifas horarias como dato no confirmado, porque las fuentes divergen según mercado y moneda. Lo que sigue son rangos orientativos de fuentes concretas, no un estándar.

EXPERTUNO · COMPARATIVA

¿Cuánto cuesta un consultor de IA en España en 2026?

Perfil / mercado	Precio por hora (orientativo)	Fuente
Consultoría IA España (junior/freelance)	40 - 70 €	aivalencia.dev
Consultoría IA España (senior)	70 - 120 €	aivalencia.dev
Consultoría IA (global)	50$ - 250$+	innowise.com
Duración de piloto recomendada	30 días (otra fuente: 4-6 semanas)	berger.team / aivalencia.dev

Un aviso importante sobre la tabla: las cifras globales en dólares y las españolas en euros no son directamente comparables. Son mercados y monedas distintos, sin tipo de cambio ni fecha homogénea. No las mezcles para negociar.

Y aquí va la tesis que nos importa: la tarifa por hora es un indicador engañoso. Lo que decide tu rentabilidad es el coste total de propiedad. El consumo recurrente de tokens e inferencia, el mantenimiento, el reentrenamiento y, sobre todo, el coste de salida si decides cambiar de proveedor. Un consultor barato por hora puede salirte carísimo en operación. Por eso recomendamos pedir un modelo de costes proyectado a 12-24 meses y vincular los pagos a hitos y métricas verificables, no a horas facturadas. Lo desarrollamos en Cómo convertir tu gasto en IA en un activo rentable.

¿Por qué exigir un piloto antes de firmar nada?

La recomendación es clara y está bien soportada: antes de un contrato a largo plazo, exige una prueba de concepto o un piloto acotado en un entorno controlado, con datos reales. Sirve para validar viabilidad y gestionar la incertidumbre, según la Guía de IAmericas y Adigital y la guía de aivalencia.dev.

Sobre la duración, el dossier no es unánime: una fuente habla de pilotos de 30 días (berger.team) y otra de 4-6 semanas (aivalencia.dev). No te obsesiones con el número exacto. Lo que no es negociable es que el piloto tenga plazo cerrado y criterios de aceptación definidos de antemano.

Estas son las preguntas 13 a 16 del checklist:

13. ¿El piloto trabaja con mis datos y mis procesos reales, o es una demo genérica?
14. ¿Qué KPIs concretos mediremos y cuál es el umbral para pasar a producción?
15. ¿Quiénes son los responsables por ambas partes y cuál es el plazo cerrado?
16. ¿Qué pasa si el piloto no alcanza los KPIs? ¿Pago igual?

Un apunte sobre una cifra que circula mucho: se repite que "el 85% de las pruebas de concepto en IA no prosperan". Aparece en un blog de innovaciondigital360, pero no está respaldada en el dossier como hecho verificado y su origen es difuso. Tómala como alerta cultural, no como dato duro. Sí sirve para recordarte algo: diseña el piloto para probar que mejora un proceso real, no para producir una demo bonita.

¿Cómo repartir el riesgo legal y de cumplimiento antes de firmar?

Aquí es donde muchas direcciones bajan la guardia. Preguntan "¿cumplís el RGPD?", el proveedor dice "sí" y se firma. Error. Cumplimiento genérico y reparto contractual de riesgo no son lo mismo. Una cosa es que el proveedor marque la casilla; otra es que el contrato deje claro quién paga cuando algo sale mal.

Son las preguntas 17 a 20, y conviene aterrizarlas en contrato y anexo técnico, no en un correo.

17. ¿Dónde se alojan mis datos y los logs del sistema? ¿Quién actúa como encargado del tratamiento, qué subencargados intervienen y qué retención aplican? ¿Hay transferencias internacionales de datos? ¿Se usan mis datos para reentrenar modelos? Si la respuesta a esto último no es un "no" rotundo o un consentimiento explícito y limitado, enciende la alarma.

18. ¿Cómo gestionáis los derechos de los interesados (acceso, rectificación, supresión) cuando los datos pasan por el sistema de IA?

19. ¿Mi caso de uso cae en categoría de alto riesgo según la AI Act? ¿Quién es el "proveedor" y quién el "responsable del despliegue" (deployer), y cómo se reparten las obligaciones en el contrato?

20. ¿Hay cláusula de indemnización ante alucinaciones o sesgos del sistema? ¿Está documentado el human-in-the-loop? ¿Podéis acreditar la alfabetización en IA del personal implicado?

Un matiz de actualidad que no puedes ignorar: la AI Act de la UE no es "futura". El Reglamento entró en vigor en agosto de 2024, con aplicación escalonada. Las prohibiciones de prácticas de riesgo inaceptable y las obligaciones de alfabetización en IA (artículo 4) aplican desde febrero de 2025, y las obligaciones para modelos de propósito general (GPAI) desde agosto de 2025. Para un proyecto que firmas en 2026, ya hay obligaciones vigentes que te afectan como responsable del despliegue, no solo al proveedor.

La pregunta útil, por tanto, no es si alguien "cumple". Es dónde viven los datos, quién responde ante un incidente y qué ocurre si el sistema produce una salida errónea que acaba en una decisión de negocio. Mete seguridad y cumplimiento en la mesa antes de la firma, no después. Y si vas a financiar el proyecto con subvenciones, revisa los requisitos con cabeza: lo comparamos en Ayudas IA para Pymes: España frente a Europa.

Qué significa para tu empresa

Un checklist de 20 preguntas no sirve de nada si lo usas como charla informal. Conviértelo en una matriz de evaluación con cuatro columnas por pregunta: respuesta del proveedor, prueba documental aportada, riesgo si no responde y semáforo de decisión (verde, ámbar, rojo). Así dos propuestas que parecen iguales en precio dejan de parecerlo. Sin pruebas documentales homogéneas, no estás comparando; estás adivinando.

Por tipo de empresa

Pyme de servicios (gestoría, clínica, despacho). Tu riesgo principal es el dato sensible: fiscal, sanitario, personal. Prioriza las preguntas de cumplimiento (17-20) y la localización de datos. Exige que el piloto trabaje sobre tu flujo real (clasificar facturas, responder consultas recurrentes) y no sobre un ejemplo de demo. Si el proveedor no puede conectarse a tu gestor documental o a tu software de citas, el riesgo de "wrapper bonito" sube.

Ecommerce. Aquí manda la integración y el coste recurrente. Un agente de atención o un recomendador que no se integra con tu plataforma y tu CRM es una isla inútil. Pon el foco en las preguntas 7, 8 y 12 (acciones autónomas del agente) y modela el coste total: cada conversación consume tokens, y a volumen eso es dinero real. Pide el modelo de costes a 12-24 meses.

Industria y pyme manufacturera. Integración con ERP y sistemas existentes, trazabilidad y fallback. Si el sistema decide o sugiere sobre producción o calidad, el human-in-the-loop documentado y el reparto de responsabilidad dejan de ser opcionales.

Lo innegociable para todos

• Demo sobre tu caso, no genérica. Pide una prueba conectada a tu realidad operativa.
• Cláusula de salida. Acceso al código, prompts, configuraciones, documentación, credenciales, exportación de datos y plan de transición a otro proveedor. Sin esto, te casas sin divorcio posible.
• Pago vinculado a hitos y métricas, no a horas.
• Seguridad y cumplimiento antes de la firma: mapa de datos, localización, subprocesadores, logs y responsabilidades ante incidencias.

Si no tienes un perfil técnico interno que te ayude a sostener estas preguntas, apóyate en alguien que sí lo tenga. En nuestro directorio puedes filtrar especialistas en estrategia e implementación de IA con perfiles verificados, para que la primera conversación ya parta de evidencias y no de folletos.

La opinión de Expertuno

Creemos que la diferenciación real en IA no está en el modelo que uses, sino en el sistema que construyes a su alrededor: auditable, integrado en tu lógica de negocio y operable cuando el modelo falla. Que buena parte del mercado venda integraciones básicas como desarrollo propio es una interpretación editorial nuestra, no un dato cerrado del dossier. Pero la consecuencia práctica es verificable: si no puedes auditar el stack, la propiedad del código y las métricas, estás comprando marketing.

Recomendamos tres cosas sin medias tintas. Primero, exige pruebas documentales homogéneas a todos los candidatos para poder compararlos de verdad. Segundo, vincula el pago a métricas de éxito verificables, no a horas facturadas ni a promesas. Tercero, blinda la propiedad del código, los prompts y la configuración, y mete una cláusula de salida desde el minuto uno.

Y recomendamos con la misma firmeza lo que no debes hacer. No compares proveedores por tarifa aislada: la hora más barata puede esconder el coste total más caro. No firmes un contrato a largo plazo sin un piloto acotado, con KPIs y criterio explícito de pasar o no a producción. Y no dejes el cumplimiento para después de la firma, porque entonces ya no negocias, obedeces.

La buena noticia es que hay profesionales serios en España que responden a estas 20 preguntas sin incomodarse, porque construyen sistemas, no demos. Esos son los que buscas. Compara perfiles, pide evidencias y elige con criterio: en nuestro directorio de especialistas verificados tienes el punto de partida para que la decisión la tomes tú con datos, y no el mejor comercial.

Metodología y fuentes

El laboratorio de expertuno ha triangulado esta guía con al menos tres fuentes independientes por afirmación, separando hechos verificados de interpretaciones de mercado y marcando como "no confirmado" todo rango de precios o cifra con origen difuso. Cada dato cuantitativo pasó una segunda verificación; donde las fuentes divergían (duración del piloto, tarifas horarias) lo indicamos como rango y no como estándar. La referencia a la AI Act se revisó contra su calendario de aplicación vigente.

• Guía para PyMEs de selección de proveedores de sistemas de IA (IAmericas / Adigital)
• Principales consultoras de IA 2026 (Innowise)
• Cómo elegir una consultoría de IA para tu empresa: guía 2026 (aivalencia.dev)
• Cómo elegir una agencia de IA: 10 criterios para pymes (berger.team)
• Por qué el 85% de las pruebas de concepto en IA no prosperan (innovaciondigital360)
• Pruebas de concepto en IA: cómo pasar a la implantación real (panel-ialab)