Sesenta firmas de este directorio incluyen la IA generativa entre lo que hacen. Ciento treinta y tres incluyen trabajo de integración. Veintidós incluyen las dos cosas, y la distancia entre esas tres cifras explica por qué tantos proyectos de IA generativa parecen terminados meses antes de que alguien pueda usarlos.
Una agencia de integración de IA generativa vende la parte que nadie enseña en una demostración. El modelo es ya la mitad fácil. Cualquier equipo competente puede poner en pie algo que redacte un borrador aceptable, responda a una pregunta a partir de un documento o resuma una llamada, y puede tenerlo funcionando delante de un directivo en quince días. La mitad difícil es todo lo que tiene que ser cierto antes de que ese mismo sistema se entregue a cuatrocientos empleados que no asistieron a la demostración, no van a leer las instrucciones y escalarán a tu cola de soporte la primera vez que diga algo equivocado con total aplomo.
Sesenta firmas, veintidós solapamientos
Conviene leer esos recuentos del directorio como una señal de mercado y no como un dato suelto. El trabajo de IA generativa y el de integración figuran como especialidades separadas porque, para la mayoría de las firmas, lo son de verdad. Un estudio que construye cadenas de contenido tiene en nómina a redactores, ingenieros de prompts y diseñadores. Una firma que integra sistemas tiene en nómina a gente que ha pasado años con colas, proveedores de identidad, migraciones de bases de datos y la miseria particular de una API heredada que devuelve un código doscientos cuando falla. Son dos nóminas distintas.
Veintidós firmas llevan las dos etiquetas, y algunas llevan la segunda por aspiración. La consecuencia práctica para el comprador es que la agencia que construyó una prueba de concepto brillante con frecuencia no es la agencia capaz de llevarla a producción, y rara vez lo dirá durante el proceso comercial. Una agencia de integración de IA generativa es la del segundo tipo, y la palabra integración en su ficha está haciendo un trabajo real. Puedes ver cómo se listan por separado las dos especialidades abriendo la categoría de IA generativa y la categoría de integración de IA y comparando las firmas que aparecen en cada una.
La demo corrió sobre una exportación limpia
Casi todo piloto de IA generativa se construye contra una muestra ordenada. Alguien metió unos miles de documentos en una carpeta, quitó los que tenían problemas de formato e indexó lo que quedaba. El sistema resultante responde bien a las preguntas, porque las preguntas se hicieron sobre documentos elegidos por ser respondibles.
Producción tiene los otros documentos. Tiene el contrato guardado dos veces con nombres ligeramente distintos, el fax escaneado de 2011, la hoja de cálculo donde la información de verdad vive en un comentario de la celda D14 y el documento de política que quedó superado el marzo pasado por un correo que nadie indexó. También tiene permisos: la carpeta de muestra no tenía ninguno, y el sistema en vivo no puede permitir que un contratista de Ohio recupere una revisión salarial de un directorio que nunca debió abrir.
El trabajo de integración es donde esas dos realidades se reconcilian, y la reconciliación se lleva la mayor parte del presupuesto. El mismo patrón aparece en todas las categorías de entrega de este sitio, y por eso la pregunta de qué estás comprando en realidad bajo la expresión IA personalizada importa antes de la primera factura y no después.
Cuatro fallos que llegan en la tercera semana
Los fallos son lo bastante predecibles para meterlos en una tabla. Cada uno tiene una respuesta de ingeniería estándar, y una propuesta que no la menciona no la ha escrito alguien que haya operado uno de estos sistemas con usuarios reales encima.
| Qué se rompe | Qué ve el usuario | Qué debe nombrar la propuesta |
|---|---|---|
| El proveedor no está disponible | Un indicador de carga y luego un panel en blanco, durante un incidente del proveedor que no es tuyo | Una ruta de respuesta en caché, una política de reintentos con espera creciente y un estado degradado visible |
| La respuesta es errónea y suena segura | A un cliente se le cita la política ya superada y actúa en consecuencia | Citas que remiten a los documentos de origen, un umbral de confianza y una cola de revisión con un responsable con nombre |
| La recuperación cruza una frontera de permisos | Nada, hasta que llega una auditoría o una queja | Control de acceso aplicado en el momento de recuperar y contra tu proveedor de identidad, no filtrado a posteriori |
| El proveedor cambia el modelo | La calidad de la salida cambia de un día para otro sin que tú despliegues nada | Un conjunto de evaluación que sea tuyo, ejecutado con periodicidad, con una abstracción del proveedor lo bastante fina para sustituirlo |
La cuarta fila es la que los compradores infravaloran de forma sistemática. Un sistema de IA generativa tiene una dependencia que cambia sin pedirte permiso, algo que no ocurre con el software convencional para el que se diseñó tu proceso de compras. El NIST AI Risk Management Framework trata la medición continua como una función central y no como un extra opcional, y ese es el instinto correcto: un sistema que no puedes volver a medir es un sistema que no puedes mantener.
De quién es el conjunto de evaluación
Haz esta pregunta en la primera reunión y escucha con atención la forma de la respuesta.
Un conjunto de evaluación es una colección de entradas reales de tu negocio emparejadas con la salida que una persona con criterio aceptaría. Doscientas bastan para que sirva de algo. Es el único instrumento que te dice si un cambio de prompt, una nueva estrategia de recuperación o una actualización del proveedor han mejorado o empeorado tu sistema, y es el activo que más tarda en construirse, porque alguien con conocimiento del dominio tiene que sentarse a escribir las respuestas aceptables.
Es también el activo que con más frecuencia se queda en la cuenta de un proveedor. Los pesos del modelo importan menos de lo que la gente espera, dado que los proveedores los retiran y los reemplazan de todos modos. El conjunto de evaluación es lo que sobrevive, y una firma que se lo queda es una firma que no puedes abandonar sin empezar el trabajo de medición desde cero. Lleva su propiedad al contrato en palabras claras, junto con dónde se guarda y en qué formato puedes exportarlo.
Lo que la propuesta tiene que responder
Cinco cosas, y una propuesta a la que le falte cualquiera de ellas es una propuesta de piloto y no de sistema:
- La ruta de fallo. Qué ve un usuario cuando el proveedor está caído, cuando la recuperación no devuelve nada relevante y cuando la confianza del modelo cae por debajo del umbral. Tres respuestas separadas, no una.
- El modelo de permisos. Qué sistema de identidad decide lo que puede recuperar un usuario concreto, y si esa comprobación ocurre antes de que los documentos lleguen al modelo o después de generar la respuesta. Solo lo primero es defendible.
- La cola de revisión. Quién lee las salidas marcadas, con qué frecuencia y qué está autorizado a cambiar cuando aparece un patrón. Una cola sin responsable con nombre es un fichero de registro.
- El plan de medición. Cómo se construye el conjunto de evaluación, quién escribe las respuestas aceptables, cada cuánto se ejecuta y qué pasa cuando baja una puntuación.
- La salida. Qué tienes en tus manos si el encargo termina el mes que viene, y si tu propio equipo puede operarlo y cambiarlo sin la agencia en la sala.
Esas cinco también funcionan como filtro de firmas. Una agencia que responde a las cinco con precisión ya ha hecho esto antes. Una agencia que responde a la primera y trata el resto como una fase dos ha hecho antes una demostración. Una agencia de integración de IA generativa debería superar las cinco sin que haya que pedírselo. Los dos son negocios legítimos y cuestan cantidades distintas, que es la distinción que desarrollamos con más detalle en nuestra guía sobre lo que entregan de verdad las agencias de integración.
Cómo encargar el trabajo a una agencia de integración de IA generativa
El enfoque práctico para la mayoría de los compradores consiste en dejar de buscar una firma que lo haga todo y empezar a ser explícito sobre cuál de las dos mitades del trabajo se está comprando. Tres patrones se sostienen en la práctica:
- Una firma, las dos mitades. Viable cuando la firma tiene de verdad en nómina los dos perfiles, que las veintidós fichas solapadas sugieren es la minoría. Compruébalo pidiendo hablar con el ingeniero que llevó el despliegue en producción, no con el que construyó el piloto.
- Un estudio para la construcción y tu propio equipo para la integración. Sensato cuando ya tienes ingenieros de plataforma. El estudio necesita un contrato de interfaz por escrito, y tu equipo necesita estar en la sala desde la primera semana en lugar de recibir un repositorio al final.
- Una firma de integración al frente, con un especialista subcontratado. El patrón que falla menos a menudo en sistemas que deben sobrevivir a una auditoría, porque la firma responsable del resultado es la que entiende tu infraestructura.
Elijas el patrón que elijas, escribe las cinco respuestas anteriores en el pliego de trabajo antes de que se mueva el dinero. La investigación publicada a través de MIT Sloan Management Review ha encontrado de forma constante que los factores organizativos y de proceso, más que la capacidad del modelo, separan a las empresas que obtienen valor de la IA de las que siguen pilotando, y las cinco preguntas son preguntas de proceso.
Si quieres comparar firmas contra tu propio pliego en lugar de leer páginas de ventas, describe tu proyecto en la página de emparejamiento y el directorio ordenará las fichas más cercanas según los servicios que nombra cada firma y los lugares donde trabaja. Si llevas una agencia que hace este trabajo y tu firma no aparece, añade tu ficha, y nombra la integración de forma explícita si la haces, porque los compradores están filtrando justo por esa palabra.
Fuentes
- Los recuentos de fichas de las categorías de IA generativa e integración de IA se leyeron de la base de datos de este directorio el 5 de octubre de 2026, y los totales por categoría se pueden comprobar en el directorio.
- NIST AI Risk Management Framework, sobre medición continua y gobernanza de los sistemas de IA en producción.
- OWASP Top 10 for Large Language Model Applications, sobre los riesgos de recuperación y de frontera de permisos.
- MIT Sloan Management Review, sobre los factores organizativos que separan la IA desplegada de la IA en piloto.
- Stanford HAI AI Index, como contexto sobre adopción y ritmo de lanzamiento de modelos.
Lecturas relacionadas en este sitio: cómo elegir entre empresas de IA generativa, qué comprar dentro de las categorías de servicios de IA y la lista de comprobación de quien contrata por primera vez.