Guide: How-to
Cómo Elegir una Consultora de IA: Qué Preguntar Antes de Firmar Nada
NILG.AI · 25 de octubre de 2026
La respuesta corta: la mayoría de las consultoras de IA no van a decir que no
Cuando todo el mundo dice que hace IA, la pregunta deja de ser quién lo dice y pasa a ser quién puede demostrarlo. La diferencia entre una buena consultora y una mediocre rara vez aparece en la propuesta comercial. Aparece en la segunda reunión, cuando empiezan a hablar de tecnología antes de entender tu negocio.
Este artículo es una guía práctica. Preguntas concretas, señales de alerta reales y el razonamiento detrás de cada una.
La primera señal de alerta: llegan con soluciones antes de escuchar los problemas
Una consultora seria dedica la mayor parte de la primera conversación a hacer preguntas. Quiere entender cómo funciona la operación, dónde están los cuellos de botella, qué datos existen y en qué estado se encuentran. No llega con un pitch de Computer Vision o de un chatbot GPT antes de saber si eso tiene algún sentido en tu contexto.
Si en la primera reunión ya te están mostrando demos de productos, enciende una señal amarilla. Puede que estén vendiendo una solución en busca de un problema.
La IA solo debe aplicarse donde tiene sentido para el negocio. Cualquier socio que se salte esta validación está trabajando para su propio pipeline de ventas, no para tus resultados.
Las preguntas que debes hacer antes de firmar
¿Tienen casos concretos en vuestro sector?
No pidas referencias genéricas. Pide un ejemplo específico: qué problema se resolvió, cómo se midió el éxito y qué ocurrió cuando el proyecto salió del piloto y entró en producción. La respuesta a esta última parte es donde la mayoría de las consultoras falla.
Muchos proyectos de IA se quedan atascados entre el prototipo y la operación real. Una consultora que ya ha navegado esa transición sabe exactamente por qué sale mal y cómo evitarlo. Una que no tiene esa experiencia lo va a descubrir en tu proyecto.
¿Quién va a trabajar en el proyecto?
La respuesta obvia es "nuestro equipo". La pregunta que importa es otra: ¿es el equipo que cerró el contrato o un equipo júnior que nunca has visto? En consultoras pequeñas y boutiques especializadas, suele ser lo primero. En estructuras más grandes, no siempre.
Pide conocer a quienes van a ejecutar. Entiende el nivel de experiencia real, no el que aparece en el perfil de LinkedIn de la empresa.
¿Cómo miden el éxito del proyecto?
Si la respuesta es vaga, hay un problema. Una buena consultora define métricas de negocio antes de empezar a construir cualquier modelo. Reducción del tiempo de proceso, disminución de errores, aumento de conversión. Números reales, no métricas técnicas que tu CFO no va a poder interpretar.
El ROI de un proyecto de IA tiene que ser legible para quien toma decisiones de negocio, no solo para quien construye el modelo.
¿Qué pasa cuando el modelo empieza a degradarse?
Los modelos de machine learning se degradan. Los datos cambian, el comportamiento de los clientes cambia, el mercado cambia. Una consultora que entrega y desaparece te deja con un activo que va a deteriorarse sin que te des cuenta.
Una socia seria habla de monitorización, de alertas proactivas, de evolución continua. Si esta conversación nunca ocurre durante el proceso de selección, tendrás que tenerla más adelante, en peores condiciones.
Señales de alerta que debes tomar en serio
Prometen resultados sin ver tus datos. Cualquier estimación de impacto hecha antes de un análisis serio de los datos disponibles es ficción. Puede ser ficción optimista o pesimista, pero es ficción.
Hablan más de herramientas que de procesos. La tecnología es un medio. Si la conversación gira en torno a qué stack usan en lugar de cómo van a resolver tu problema, el foco está en el lugar equivocado.
No consiguen explicar lo que hacen sin jerga. Si no pueden decirte, en lenguaje sencillo, por qué un determinado enfoque tiene sentido para tu caso, difícilmente van a poder tender el puente entre su equipo técnico y tus responsables operativos. Y ese puente es crítico para la adopción interna.
No tienen opiniones. Una consultora con experiencia tiene posiciones claras: este enfoque funciona, este no. ¿Están de acuerdo con todo? Cuidado. O no tienen experiencia suficiente para disentir, o te están diciendo lo que quieres oír.
Lo que separa una consultora técnica de una socia de negocio
Hay consultoras que llegan al final del proyecto con modelos excelentes que nadie usa. Ocurre más de lo que parece. El modelo funciona técnicamente, pero no se diseñó teniendo en cuenta los procesos reales de la organización. El equipo no se involucró. El output del modelo no está integrado en los flujos de trabajo que las personas usan cada día.
Una socia de negocio trata la adopción como parte del proyecto, no como un problema que el cliente resuelve después. Eso implica trabajar con los equipos operativos desde el principio, no solo con el sponsor ejecutivo. Implica diseñar interfaces y outputs que tengan sentido para quien va a usar el sistema todos los días.
La prueba más sencilla: pregunta cómo garantizan que el proyecto es adoptado por el equipo, no solo entregado al cliente. La calidad de la respuesta dice mucho.
Prueba social: lo que vale y lo que no
Las reseñas en plataformas como Clutch o TechBehemoths son útiles como punto de partida, pero léelas prestando atención al detalle. Las reseñas que describen el proceso, la comunicación y los resultados concretos valen más que puntuaciones altas sin contexto.
Pide contactos de clientes anteriores con proyectos similares al tuyo. Una conversación de 20 minutos con alguien que ha pasado por el proceso dice más que cualquier propuesta.
Y comprueba si la consultora tiene producción pública de conocimiento: artículos, casos de estudio, contenido técnico. Quien comparte conocimiento de forma consistente está demostrando competencia, no solo afirmándola. El blog de NILG.AI es un ejemplo de ese compromiso con la transparencia, con artículos que van desde aplicaciones en salud hasta previsión de demanda en la construcción.
Una nota sobre el tamaño
Más grande no es sinónimo de mejor en consultoría de IA. Una boutique especializada con un porfolio sólido en un sector concreto casi siempre va a superar a una generalista grande que trata tu proyecto como un ticket más en el pipeline. Lo que importa es si tienen metodología estructurada, equipos con experiencia y pruebas de que llevan proyectos del piloto a la producción con impacto real.
Proyectos como la detección de errores en claims de seguros o la previsión de múltiples productos en la industria de la construcción son el tipo de evidencia que buscas: casos concretos, dominios específicos, resultados medibles.
Elegir bien al socio no elimina el riesgo de un proyecto de IA. Pero lo reduce de forma considerable. Y la manera más rápida de identificar al socio equivocado es prestar atención a lo que dicen en las dos primeras reuniones, antes de que llegue cualquier propuesta formal a la mesa.