«¿Cuánto cuesta la IA?» tiene tres respuestas distintas, y casi todos los presupuestos confusos mezclan dos de ellas. Está lo que cuesta construir el sistema (un asistente, un agente, una automatización o una aplicación), lo que cobra cada mes el proveedor del modelo por usarlo y lo que cuesta mantenerlo vivo cuando cambian los datos, los procesos o los propios modelos. Esta guía separa las tres. Los precios de ROXEX salen solo de nuestra página de precios y del proceso publicados; los precios de los modelos salen de las páginas oficiales de Anthropic, OpenAI y Google, consultadas el 17 de noviembre de 2026 y enlazadas en el texto; y los cálculos de uso son ejemplos hipotéticos, con la aritmética a la vista para que la repitas con tus números. No incluimos medias de mercado: no hemos encontrado una fuente fiable que las publique. Si todavía estás decidiendo por dónde empezar, la guía para implementar IA en tu empresa cubre el método; esta cubre el dinero.
Las tres partidas del coste de un proyecto de IA
Construcción, uso del modelo y mantenimiento
La primera partida es la construcción: diseñar el flujo, conectar la IA con tus sistemas (CRM, correo, ERP, base de datos, WhatsApp), preparar la información que va a usar, probarla y ponerla en producción. Se paga una vez, por proyecto, y es la que publicamos en /precios. Depende sobre todo del alcance, no del modelo que se elija.
La segunda es el uso del modelo. Cada vez que el sistema llama a un modelo de lenguaje, el proveedor cobra por los tokens que entran (instrucciones, contexto, la pregunta) y por los que salen (la respuesta). Es un coste variable: sube con el volumen y con la longitud de los textos, y baja con decisiones de diseño como la caché o el procesamiento por lotes. No lo fija quien construye el sistema, sino la tarifa del proveedor, y por eso se estima en la propuesta según el volumen previsto, como indicamos en el servicio de aplicaciones con IA.
La tercera es el mantenimiento. Un sistema con IA no se entrega y se olvida: los proveedores retiran modelos y cambian precios, tus procesos y tus datos cambian, y hay que vigilar que las respuestas sigan siendo buenas. Puede hacerlo tu equipo o un proveedor, pero alguien tiene que hacerlo.
A estas tres se suma un coste que casi nunca aparece en el presupuesto: el tiempo de tu equipo para explicar el proceso, revisar resultados durante el piloto y validar los casos dudosos. No tiene tarifa, pero conviene reservarlo. Mezclar partidas lleva a errores de los dos lados: descartar un proyecto porque «la API es cara» cuando lo caro es la integración, o aprobar una construcción barata sin prever cuánto costará cada mes.
Las tres partidas de un proyecto de IA y cómo se paga cada una
| Partida | Qué incluye | Cómo se paga | Quién fija el precio |
|---|---|---|---|
| Construcción | Diseño, integraciones, datos, pruebas y puesta en producción | Una vez, por proyecto | Quien construye (en ROXEX, /precios) |
| Uso del modelo | Tokens de entrada y de salida de cada llamada | Cada mes, según el volumen | El proveedor del modelo (su página de precios) |
| Mantenimiento | Ajustes, cambios de modelo, vigilancia de la calidad | Cada mes o con tu equipo | Quien mantiene (en ROXEX, /precios) |
| Tiempo interno | Explicar el proceso, revisar el piloto, validar casos | Horas de tu equipo | Tu empresa |
Cuánto cuesta construirlo con ROXEX
Los rangos publicados en la página de precios
Publicamos rangos para que sepas en treinta segundos si encajamos con tu presupuesto. Para la IA aplicada, las partidas de /precios son estas. Una automatización con IA, un agente o un chatbot conectado a tus sistemas entra en «Automatización integral con IA», entre 5.000 y 15.000 €, con un plazo de 4 a 10 semanas. Una aplicación con IA (un producto o una herramienta interna con su propia interfaz, usuarios y datos) se presupuesta como «Web app / SaaS MVP», entre 8.000 y 30.000 €, con un plazo de 2 a 6 meses; el desglose de ese tipo de proyecto está en cuánto cuesta desarrollar software a medida.
La consultoría de IA no tiene rango publicado: se presupuesta tras la llamada inicial. Los proyectos de construcción se facturan normalmente 30% al inicio, 30% a mitad y 40% a la entrega, e incluyen 30 días de soporte después de la entrega, el traspaso completo y una sesión de formación.
El rango existe porque la complejidad real depende de la funcionalidad, las integraciones y el diseño. La cifra cerrada llega después de una llamada de 30 minutos y de una propuesta por escrito, que preparamos en 3 a 5 días y que fija alcance, hitos, plazos y pagos. Si el proyecto no encaja, te lo decimos en esa llamada.
Lo que no publicamos es una cifra media del mercado: cada proveedor incluye cosas distintas en su precio y no hemos encontrado una fuente fiable que compare lo mismo. Para comparar ofertas, pide a cada proveedor que separe las tres partidas de la sección anterior; la última sección de esta guía tiene las preguntas.
Partidas de IA en la página de precios de ROXEX (consultada el 17-11-2026)
| Qué quieres construir | Partida en /precios | Precio | Plazo |
|---|---|---|---|
| Automatización, agente o chatbot con integraciones | Automatización integral con IA | 5.000-15.000 € | 4-10 semanas |
| Aplicación con IA (interfaz, usuarios, datos) | Web app / SaaS MVP | 8.000-30.000 € | 2-6 meses |
| Mantener y ampliar la IA | Automatización IA continua | 1.500-4.000 €/mes | Mensual, sin permanencia |
| Desarrollo y operación continuos | Tech retainer (dev + ops) | 2.500-6.000 €/mes | Mensual, sin permanencia |
¿Quieres saber en qué partida entra tu caso antes de pedir una propuesta? Los rangos y lo que incluye cada plan están publicados. → Ver precios
Qué mueve el precio de la construcción
Sistemas, autonomía, datos y pruebas
Dentro de un mismo rango, cuatro cosas explican casi toda la diferencia entre la parte baja y la alta.
La primera son los sistemas que toca. Leer de una hoja de cálculo no es lo mismo que leer y escribir en un CRM, un ERP y el correo a la vez. Cada integración necesita permisos, manejo de errores y pruebas, y algunas aplicaciones no tienen una API fiable, lo que obliga a rodeos.
La segunda es la autonomía. Un asistente que propone y una persona aprueba es más barato de construir que un agente que ejecuta solo, porque lo segundo exige límites de gasto y de pasos, aprobación humana en lo irreversible y un registro de cada ejecución. La diferencia entre las dos cosas está explicada en la guía de agentes de IA para empresas, y la de cuándo basta un chatbot para empresas, en la suya.
La tercera son los datos. Si la IA tiene que responder con tu documentación, alguien tiene que reunirla, limpiarla y mantenerla al día. Cuando hace falta buscar en muchos documentos aparece una arquitectura de recuperación, que tiene sus propias piezas y costes: los explicamos en RAG para empresas.
La cuarta son las pruebas. Un sistema que responde a clientes necesita un conjunto de casos de referencia para medir si acierta antes de abrirlo y cada vez que cambia algo; cómo se monta está en la guía para evaluar y operar una app con LLM. Si el caso entra en un uso regulado por el Reglamento europeo de IA, como la selección de personal, la documentación y la supervisión humana también suman trabajo.
La herramienta también cuenta: un flujo en n8n o Make se monta antes que un agente en código propio, pero no siempre aguanta lo mismo. Lo comparamos en agentes en n8n o en código propio.
El coste de uso del modelo: cómo se cobra
Tokens de entrada, de salida, caché y lotes
Los proveedores de modelos cobran por millón de tokens, con un precio para los tokens de entrada y otro, más alto, para los de salida. Un token es un trozo de texto: a veces una palabra, a veces parte de ella. Entran como tokens las instrucciones del sistema, el contexto que le pasas (documentos, historial de la conversación, resultados de herramientas) y la pregunta; salen como tokens la respuesta y, en los modelos que razonan antes de contestar, ese razonamiento. En la página de precios de Anthropic, por ejemplo, la salida cuesta cinco veces la entrada en todos los modelos de su tabla.
Cuántos tokens produce un mismo texto depende del modelo. Anthropic indica en su documentación de conteo de tokens que sus modelos desde Claude Opus 4.7 generan aproximadamente un 30% más de tokens para el mismo texto que los anteriores, y que el endpoint de conteo es gratuito. Por eso conviene contar con tus propios textos y con el modelo concreto, en lugar de aplicar una regla de palabras por token.
Hay tres palancas de precio documentadas. La caché de prompts permite reutilizar la parte fija de las instrucciones: según la documentación de Anthropic, la caché dura 5 minutos por defecto (con opción de 1 hora) y, en Claude Opus 5.5 y Sonnet 5.5, leer de la caché cuesta 0,05 veces el precio normal de entrada. El procesamiento por lotes rebaja un 50% la entrada y la salida a cambio de no responder al momento: la API de lotes de Anthropic dice que la mayoría de los lotes terminan en menos de una hora, y Google y OpenAI publican rebajas similares en sus páginas de precios. Y la elección de modelo: entre Claude Opus 5.5 y Claude Haiku 5.5 hay un factor de 40 en el precio por token.
También hay recargos. En los modelos desde Claude 4.6, Anthropic cobra 1,1 veces la tarifa si exiges que la inferencia se haga solo en Estados Unidos, y OpenAI y Google cobran más en algunos modelos cuando el contexto supera un umbral (272.000 y 200.000 tokens, respectivamente, en las páginas consultadas).
Precios oficiales de los modelos a 17 de noviembre de 2026
Anthropic, OpenAI y Google, en dólares por millón de tokens
La tabla recoge tres modelos actuales por proveedor, de distintos niveles de precio (cada página lista más), con su precio estándar para texto, sin lotes ni caché. Las tres páginas expresan los precios en dólares ($). La fuente de cada fila es la página oficial de precios del proveedor, consultada el 17 de noviembre de 2026: la de Anthropic, la de OpenAI y la de Google.
Algunos matices que la tabla no recoge. En Claude Haiku 5.5, el precio indicado es para peticiones de hasta 100.000 tokens; por encima, Anthropic cobra 0,50 USD de entrada y 2,50 USD de salida por millón. En los modelos de OpenAI de la tabla, la entrada que se lee de la caché cuesta bastante menos (0,10 USD por millón en gpt-6.1-sol, por ejemplo). En Google, Gemini 4 Argon tiene dos precios porque cambia el 1 de diciembre de 2026, y la misma página avisa de que Gemini 2.5 Pro y Gemini 2.5 Flash están en desuso: desde esa fecha, sus peticiones pasan a otros modelos y se cobran a la tarifa del modelo de destino.
La tabla no sirve para decidir qué modelo es mejor: el precio por token no dice nada de la calidad en tu caso concreto, ni de la latencia, ni de dónde se procesan los datos. Un modelo barato que falla más puede salir caro si cada fallo acaba en una persona revisando. Lo correcto es elegir dos o tres candidatos, probarlos con tus casos de referencia y calcular el coste con el que pase la prueba. Lo que sí permite la tabla es poner un orden de magnitud al uso del modelo antes de pedir presupuestos, que es lo que hacen los dos ejemplos siguientes. Si lees esta guía meses después de la fecha, vuelve a abrir las tres páginas: es la forma más rápida de saber si los números siguen valiendo.
Precio estándar de texto por millón de tokens, en USD (páginas oficiales consultadas el 17-11-2026)
| Proveedor | Modelo | Entrada (USD/M) | Salida (USD/M) |
|---|---|---|---|
| Anthropic | Claude Opus 5.5 | 4,00 | 20,00 |
| Anthropic | Claude Sonnet 5.5 | 2,00 | 10,00 |
| Anthropic | Claude Haiku 5.5 (hasta 100.000 tokens) | 0,10 | 0,50 |
| OpenAI | gpt-6.1-sol | 2,00 | 10,00 |
| OpenAI | gpt-6.1-terra | 1,00 | 5,00 |
| OpenAI | gpt-6-luna | 0,10 | 0,50 |
| Gemini 4 Argon | 2,00 (4,00 desde el 1-12-2026) | 10,00 (20,00 desde el 1-12-2026) | |
| Gemini 4 Hydrogen | 1,50 | 7,50 | |
| Gemini 3.5 Flash-Lite | 0,30 | 2,50 |
Ejemplo hipotético: un asistente con 3.000 consultas al mes
La aritmética, paso a paso
Este ejemplo es hipotético: no es un cliente ni una medición nuestra, y las cifras de partida son supuestos redondos para que se vea el cálculo. Sustitúyelas por las tuyas.
Supuestos: un asistente que responde a 3.000 consultas al mes. Cada consulta envía al modelo 2.000 tokens de entrada (instrucciones, el fragmento de documentación que hace falta y la pregunta) y recibe 400 tokens de salida. Una sola llamada al modelo por consulta.
Tokens al mes: entrada, 3.000 × 2.000 = 6.000.000, es decir, 6 millones. Salida, 3.000 × 400 = 1.200.000, es decir, 1,2 millones.
Coste al mes = millones de entrada × precio de entrada + millones de salida × precio de salida. Con Claude Sonnet 5.5: 6 × 2 = 12 USD de entrada, más 1,2 × 10 = 12 USD de salida, total 24 USD al mes. La tabla aplica la misma fórmula a otros modelos con los precios de la sección anterior.
Ahora la caché. Si 1.500 de los 2.000 tokens de entrada son siempre iguales (instrucciones y documentación fija) y se leen de la caché, con Sonnet 5.5 esa parte cuesta 0,10 USD por millón en vez de 2. Entrada en caché: 3.000 × 1.500 = 4,5 millones × 0,10 = 0,45 USD. Entrada normal: 3.000 × 500 = 1,5 millones × 2 = 3 USD. Salida, igual: 12 USD. Total: 15,45 USD, más las escrituras en caché: cada vez que la caché caduca, esos 1.500 tokens se pagan como escritura, a 2,50 USD por millón en vez de 0,10, así que cada escritura cuesta unos 1.500 × (2,50 − 0,10) / 1.000.000 = 0,0036 USD más que la lectura ya contada en los 15,45. Cuántas veces caduca depende de cómo se repartan las consultas en el día.
La conclusión de este ejemplo, y solo de este, es que con este volumen el uso del modelo es una partida pequeña frente a la construcción. Con más volumen, textos más largos o varias llamadas por tarea, deja de serlo, como muestra el ejemplo siguiente.
Ejemplo hipotético: 6 M de tokens de entrada y 1,2 M de salida al mes, precios estándar del 17-11-2026
| Modelo | Entrada (6 M) | Salida (1,2 M) | Total al mes |
|---|---|---|---|
| Claude Opus 5.5 | 6 × 4 = 24 USD | 1,2 × 20 = 24 USD | 48 USD |
| Claude Sonnet 5.5 | 6 × 2 = 12 USD | 1,2 × 10 = 12 USD | 24 USD |
| Claude Haiku 5.5 | 6 × 0,10 = 0,60 USD | 1,2 × 0,50 = 0,60 USD | 1,20 USD |
| gpt-6.1-terra | 6 × 1 = 6 USD | 1,2 × 5 = 6 USD | 12 USD |
| Gemini 4 Hydrogen | 6 × 1,50 = 9 USD | 1,2 × 7,50 = 9 USD | 18 USD |
| Gemini 3.5 Flash-Lite | 6 × 0,30 = 1,80 USD | 1,2 × 2,50 = 3 USD | 4,80 USD |
Ejemplo hipotético: un agente que hace varias llamadas por tarea
Por qué un agente consume más que un asistente
También es hipotético, con supuestos redondos. Un agente no responde con una sola llamada: decide un paso, usa una herramienta, lee el resultado y vuelve a llamar al modelo con todo lo anterior. Por eso cada tarea consume varias veces más tokens que una consulta.
Supuestos: 1.000 tareas al mes. Cada tarea hace 5 llamadas al modelo. Cada llamada envía de media 6.000 tokens de entrada (instrucciones, historial de la tarea y resultados de las herramientas, que crecen en cada paso) y recibe 500 de salida.
Tokens por tarea: entrada, 5 × 6.000 = 30.000; salida, 5 × 500 = 2.500. Tokens al mes: entrada, 1.000 × 30.000 = 30 millones; salida, 1.000 × 2.500 = 2,5 millones.
Coste al mes con Claude Sonnet 5.5: 30 × 2 = 60 USD de entrada, más 2,5 × 10 = 25 USD de salida, total 85 USD. Con Claude Opus 5.5: 30 × 4 = 120 más 2,5 × 20 = 50, total 170 USD. Con Claude Haiku 5.5, cuyas llamadas de 6.000 tokens quedan por debajo del umbral de 100.000: 30 × 0,10 = 3 más 2,5 × 0,50 = 1,25, total 4,25 USD.
Compara con el ejemplo anterior: con un tercio de las tareas (1.000 frente a 3.000), el agente en Sonnet 5.5 cuesta 85 USD frente a 24, más del triple. Lo que dispara el consumo es el número de llamadas por tarea y el contexto que se arrastra entre ellas, no el número de tareas.
De ahí salen dos decisiones de diseño. La primera, poner topes: en los agentes que construimos configuramos límites de gasto y de número de pasos por ejecución, y el registro guarda cuánto costó cada una, para que un bucle no consuma presupuesto sin que nadie lo vea. La segunda, no usar el modelo más caro para todo: los pasos sencillos (clasificar, extraer un dato) pueden ir a un modelo más barato si superan las mismas pruebas, y la parte fija de las instrucciones puede leerse de la caché.
Mantenimiento: lo que cuesta después del lanzamiento
Soporte incluido, retainer o tu propio equipo
Según nuestro proceso, después del lanzamiento hay 30 días de soporte sin coste: errores, ajustes y dudas. A partir de ahí tienes dos caminos. Puedes contratar el mantenimiento, que en /precios es «Automatización IA continua», de 1.500 a 4.000 € al mes, o «Tech retainer (dev + ops)», de 2.500 a 6.000 € al mes si además hay desarrollo y operación de una aplicación. Ninguno tiene permanencia: se cancela con 30 días de antelación y se entrega la documentación, los accesos y el código. O puedes llevarlo con tu equipo, porque el repositorio, los dominios y los accesos se entregan a tu nombre.
¿Por qué hace falta mantener algo que funciona? Por razones que no dependen de quien lo construyó. Los proveedores retiran modelos: la propia página de precios de Anthropic marca como retirados varios modelos de generaciones anteriores, y la de Google avisa de que, desde el 1 de diciembre de 2026, las peticiones a dos modelos Gemini 2.5 pasan a otros modelos, con la tarifa del modelo de destino. Cuando un modelo se retira o cambia de precio, hay que probar el sustituto con los casos de referencia antes de cambiarlo. Además, tus datos cambian (catálogo, tarifas, políticas), tus procesos cambian y aparecen preguntas que el sistema no sabía resolver.
El mantenimiento razonable incluye revisar el registro de ejecuciones y de coste, repetir las pruebas cuando cambia algo, actualizar la información que usa la IA y ampliar el sistema a casos nuevos cuando el primero ya funciona. Si lo lleva tu equipo, reserva horas cada mes para esto aunque no haya incidencias: los fallos de un sistema con IA no siempre dan error, a veces solo responden peor.
La decisión entre contratarlo o hacerlo en casa depende de si tienes a alguien que entienda el código y los modelos. Para automatizaciones montadas en herramientas visuales, el coste de esas plataformas también cuenta; lo comparamos en n8n, Make o Zapier.
¿Ya tienes una automatización o un agente funcionando y quieres que alguien lo mantenga, lo mida y lo amplíe cada mes? Lo vemos en una llamada. → Ver automatización con IA
Cómo pedir y comparar un presupuesto de IA
Con las tres partidas separadas, comparar ofertas es mucho más fácil. Estas son las preguntas que haríamos a cualquier proveedor, nosotros incluidos.
Sobre la construcción: qué incluye exactamente (integraciones, preparación de datos, pruebas, formación), qué queda fuera, en qué plazo y con qué calendario de pagos, y qué pasa si el alcance cambia a mitad de proyecto. Pide que el alcance esté por escrito antes de firmar.
Sobre el uso del modelo: qué modelo propone y por qué, con qué volumen ha hecho la estimación, cuántas llamadas hace cada tarea y cuántos tokens lleva cada una, si usa caché o lotes, en qué cuenta se factura el consumo y qué límites de gasto hay. Si la respuesta es «depende», pide el cálculo con tus números, como en los ejemplos de esta guía.
Sobre el mantenimiento: qué soporte incluye y durante cuánto tiempo, cuánto cuesta después, si hay permanencia, qué pasa cuando el proveedor retira el modelo y si el código, las cuentas y la documentación quedan a tu nombre para poder cambiar de proveedor.
Sobre el retorno: cómo se va a medir. Antes de empezar, anota cuánto tiempo y cuántos errores cuesta hoy el proceso; después, mide lo mismo. Sin esa línea base no hay forma de saber si el proyecto se paga. Cómo plantear esa medición lo explicamos en cómo medir los resultados de la IA.
Y una última comprobación: si una oferta no separa la construcción del uso del modelo, o promete un ahorro concreto sin haber visto tus datos, pide que lo justifique por escrito.
- •Construcción: alcance por escrito, plazo, pagos y qué queda fuera.
- •Uso del modelo: modelo elegido, volumen supuesto, tokens por tarea, caché, cuenta de facturación y topes de gasto.
- •Mantenimiento: soporte incluido, precio posterior, permanencia y plan ante la retirada de un modelo.
- •Propiedad: código, cuentas y documentación a tu nombre.
- •Retorno: línea base medida antes de empezar y la misma medición después.
¿Quieres una propuesta con las tres partidas separadas y el cálculo del uso del modelo hecho con tu volumen? Empezamos con una llamada de 30 minutos. → Cuéntanos tu proyecto
Preguntas frecuentes
¿Cuánto cuesta implementar IA en una pyme?
Depende de qué se construya. En ROXEX, una automatización, un agente o un chatbot conectado a tus sistemas entra en «Automatización integral con IA», entre 5.000 y 15.000 € y 4 a 10 semanas, y una aplicación con IA se presupuesta como web app, entre 8.000 y 30.000 € y 2 a 6 meses, según nuestra página de precios. A eso se suma el uso del modelo, que cobra el proveedor por tokens y se estima con tu volumen, y el mantenimiento: 30 días incluidos y después, si lo quieres, de 1.500 a 4.000 € al mes sin permanencia.
¿Cuánto cuesta al mes usar un modelo como Claude, GPT o Gemini?
Se paga por millón de tokens de entrada y de salida, y el precio cambia mucho entre modelos: a 17 de noviembre de 2026, de 0,10 USD de entrada y 0,50 de salida en Claude Haiku 5.5 o gpt-6-luna a 4 y 20 USD en Claude Opus 5.5. En el ejemplo hipotético de esta guía, un asistente con 3.000 consultas al mes cuesta entre 1,20 y 48 USD al mes según el modelo. Tu cifra sale de contar los tokens de tus mensajes y multiplicar por tu volumen.
¿El precio de la construcción incluye el consumo del modelo?
No. La construcción se paga una vez por proyecto y el consumo del modelo es un coste variable que cobra el proveedor del modelo según el uso. En nuestras propuestas lo estimamos aparte, con el volumen previsto, para que sepas cuánto costará cada mes antes de empezar. En los agentes configuramos además límites de gasto y de pasos por ejecución, y el registro guarda cuánto costó cada una, de modo que el consumo se puede revisar en cualquier momento.
¿Qué es un token y cómo calculo cuántos voy a usar?
Un token es un trozo de texto que el modelo procesa: a veces una palabra entera, a veces una parte. Cuántos tokens produce un texto depende del modelo; Anthropic indica que sus modelos desde Claude Opus 4.7 generan alrededor de un 30% más de tokens para el mismo texto que los anteriores. La forma fiable de calcularlo es contar con tus propios mensajes reales usando la herramienta de conteo del proveedor (la de Anthropic es gratuita) y multiplicar por el número de llamadas previstas al mes.
¿Cuánto cuesta mantener un sistema de IA en producción?
Con ROXEX, los primeros 30 días después de la entrega están incluidos. Después puedes contratar «Automatización IA continua», de 1.500 a 4.000 € al mes, o «Tech retainer», de 2.500 a 6.000 € al mes si también hay desarrollo y operación, ambos sin permanencia y cancelables con 30 días de antelación. También puedes llevarlo con tu equipo, porque el código y los accesos quedan a tu nombre. En cualquier caso, reserva tiempo para repetir las pruebas cuando cambie el modelo o tus datos.
¿Por qué cambian los precios de los modelos de IA?
Porque los proveedores lanzan modelos nuevos, retiran los antiguos y ajustan tarifas. En las páginas consultadas el 17 de noviembre de 2026, Google anuncia que Gemini 4 Argon duplica su precio el 1 de diciembre de 2026 y que desde ese día las peticiones a dos modelos Gemini 2.5 pasan a otros modelos, con otra tarifa, y Anthropic marca como retirados varios modelos anteriores. Por eso cualquier estimación de uso debe llevar fecha y repetirse antes de firmar, y el sistema debe poder cambiar de modelo con pruebas.
Conclusión
Cuánto cuesta implementar IA se responde partida por partida. Lo esencial, a 17 de noviembre de 2026:
- •La construcción se paga una vez: en ROXEX, de 5.000 a 15.000 € para una automatización, un agente o un chatbot con integraciones, y de 8.000 a 30.000 € para una aplicación con IA, según /precios.
- •El uso del modelo se paga cada mes por tokens, a la tarifa del proveedor; en los ejemplos hipotéticos de esta guía va de 1,20 a 170 USD al mes, y se calcula con tus números.
- •Un agente consume varias veces más que un asistente porque hace varias llamadas por tarea; los topes de gasto y de pasos lo mantienen bajo control.
- •El mantenimiento no es opcional: los modelos se retiran y cambian de precio, y los datos y procesos cambian.
- •Pide siempre las tres partidas por separado y mide la línea base antes de empezar. Si quieres saber en qué partida encaja tu caso, la guía para implementar IA te ayuda a elegir el primer proceso.
Fuentes
- •Anthropic: precios de los modelos Claude, caché, lotes, residencia de datos y contexto largo (consultada el 17-11-2026). https://platform.claude.com/docs/en/about-claude/pricing
- •Anthropic: caché de prompts (duración y funcionamiento, consultada el 17-11-2026). https://platform.claude.com/docs/en/build-with-claude/prompt-caching
- •Anthropic: procesamiento por lotes (Message Batches API, consultada el 17-11-2026). https://platform.claude.com/docs/en/build-with-claude/batch-processing
- •Anthropic: conteo de tokens (gratuito; tokenizador desde Claude Opus 4.7, consultada el 17-11-2026). https://platform.claude.com/docs/en/build-with-claude/token-counting
- •OpenAI: precios de la API (consultada el 17-11-2026). https://developers.openai.com/api/docs/pricing
- •Google: precios de la API de Gemini (consultada el 17-11-2026). https://aistudio.google.com/docs/pricing
- •ROXEX Labs: precios publicados. https://roxex.es/precios
- •ROXEX Labs: proceso de trabajo (fases, plazos y soporte). https://roxex.es/proceso