El stack de IA en producción: 5 capas entre una demo y un sistema

Las herramientas citadas son referencias neutras del ecosistema, no una lista cerrada.

En este artículo

Las 5 capas de un sistema de IA en producción

1. 1DatosUna fuente, un responsable
2. 2Automatización de cargasSe actualiza solo y avisa si falla
3. 3IABusca, respeta permisos, se prueba
4. 4Puesta en marchaIgual en prueba y en uso real
5. 5MediciónAciertos, costo y fallas

Ejemplo: de demo a sistema

Ejemplo: una distribuidora familiar prueba un asistente que responde saldos de clientes. La demo usa un Excel exportado; en producción lee el ERP cada noche.

Ejemplo: consulta de saldo de un cliente

Demo · ejemplo 5 min por consulta

1. 1Excel exportadoCopia semanal: 20 min
2. 2Alguien lo correEn su laptop: 5 min por consulta
3. 3RespuestaNadie la revisa: el error aparece días después

Producción · ejemplo 10 s por consulta

1. 1ERPLectura cada noche: 0 min de personas
2. 2Carga automáticaReintenta y avisa: 5 min si falla
3. 3AsistenteResponde en 10 s, igual en prueba y en uso
4. 4Panel semanalAciertos y costo: 15 min por semana

Demo vs producción, capa por capa

Capa	Demo	RecomendadoProducción
Datos	Excel exportado a mano	Una sola fuente, con un responsable por dato
Automatización de cargas	Alguien corre un archivo cuando se acuerda	Corre sola cada día, reintenta y avisa si falla
IA	Una instrucción que funcionó una vez	Busca en tus datos, respeta permisos y se prueba antes de cada cambio
Puesta en marcha	Funciona en una laptop	El mismo sistema en prueba y en uso real
Medición	Nadie mide	Aciertos, costo por respuesta y fallas, cada semana

RecomendadoProducción

Datos

Demo

Excel exportado a mano

Producción

Una sola fuente, con un responsable por dato

Automatización de cargas

Demo

Alguien corre un archivo cuando se acuerda

Producción

Corre sola cada día, reintenta y avisa si falla

IA

Demo

Una instrucción que funcionó una vez

Producción

Busca en tus datos, respeta permisos y se prueba antes de cada cambio

Puesta en marcha

Demo

Funciona en una laptop

Producción

El mismo sistema en prueba y en uso real

Medición

Demo

Nadie mide

Producción

Aciertos, costo por respuesta y fallas, cada semana

Para tu equipo técnico: nombres y herramientas de cada capa

Datos = capa de datos (PostgreSQL, Snowflake). Automatización de cargas = orquestación de pipelines (Airflow). IA = recuperación, permisos y evals (LangChain). Puesta en marcha = deploy en contenedores (Docker, Kubernetes). Medición = monitoreo y observabilidad (PostHog). Son referencias neutras, no una lista cerrada.

El modelo es la pieza que más cambia

6 meses

es el aviso mínimo de OpenAI antes de retirar un modelo de uso general. Caso real: gpt-5.1 se anunció como obsoleto el 01/10/2026 y sale de la API el 01/04/2027.

Criterio: cambiar de modelo no debe tocar las otras cuatro capas; tus pruebas de calidad dicen si el nuevo responde igual. Detalle de la capa de IA: qué es RAG y qué es MCP.

Cuánto cuesta al mes y cuándo se paga

Cuánto cuesta un sistema en producción al mes

Económico: gpt-6-luna0,10 USD entrada / 0,50 USD salida por millón de tokensAvanzado: gpt-6.1-sol2,00 USD entrada / 10,00 USD salida por millón de tokens

Costos al mes

Consultas reales al mes

5.000

Corridas de pruebas de calidad (evals) al mes

4

200 preguntas por corridaServidor, base de datos y monitoreo (rango típico, ejemplo)

150 USD

Horas de mantenimiento del equipo al mes (ejemplo)

16 h

Costo por hora del equipo técnico (ejemplo)

25 USD

Lo que ahorra (ejemplo)

Minutos que ahorra cada consulta

3 min

Costo por hora de quien hoy hace el trabajo

6,95 USD

Mínimo PYGs. 12.683 la hora (MTESS) ≈ 2,23 USDMínimo EC482 USD ÷ 173,33 h (SBU 2026) ≈ 2,78 USDCosto real PY (ejemplo)mínimo × 2,5 ≈ 5,58 USDCosto real EC (ejemplo)mínimo × 2,5 ≈ 6,95 USD

Ajustar a mano

6,95 USD

Piso estimado: hora del salario mínimo. Paraguay convertido a Gs. 5.694,47 por dólar (BCP, 9/10/2026). Costo real: ×2,5, ejemplo de un sueldo de dos mínimos más aportes. Fuentes: MTESS, Ministerio del Trabajo (EC), BCP.

Una sola vez

Puesta en marcha (rango de ejemplo: 5.000–15.000 USD)

8.000 USD

Costo total al mes: 553 USDSe paga en: 6,8 meses

Desglose del costo mensualestimado

• Modelo (consultas)la parte más barata2,75 USD · 0,5 %
• Modelo (pruebas de calidad)0,44 USD · 0,1 %
• Servidor y monitoreo150 USD · 27 %
• Horas del equipo400 USD · 72 %

Los tokens del modelo son el 0,6 % del costo mensual.

Tokens: la unidad en que se cobra el texto que la IA lee (entrada) y escribe (salida). Según OpenAI, 100 tokens son unas 75 palabras en inglés.

Costo total al mes553 USD

Ahorro bruto al mes1.738 USD

Ahorro neto al mes1.184 USD

Se paga en6,8 meses

Precios del modelo: OpenAI API pricing, tarifa estándar, consultado el 11/10/2026. Económico gpt-6-luna: 0,10 USD de entrada y 0,50 USD de salida por millón de tokens. Avanzado gpt-6.1-sol: 2,00 y 10,00 USD.

Supuestos: 3.000 tokens de entrada y 500 de salida por consulta o pregunta de prueba; 200 preguntas por corrida de pruebas. Costo por hora de quien hoy busca la respuesta: parte de la hora del salario mínimo (Paraguay: Gs. 12.683, MTESS, ≈ 2,23 USD al cambio del BCP del 9/10/2026; Ecuador: SBU de 482 USD ÷ 173,33 h ≈ 2,78 USD, Ministerio del Trabajo). El valor inicial es el costo real de ejemplo de Ecuador: mínimo × 2,5 = 6,95 USD. Servidor, horas de equipo, minutos ahorrados y puesta en marcha son ejemplos: cámbialos por tus cifras. Con los valores iniciales: modelo 3,19 USD (incluye 0,44 USD de pruebas), total 553 USD al mes, ahorro bruto 1.738 USD (250 h × 6,95), ahorro neto 1.184 USD y se paga en 6,8 meses.

Checklist de salida a producción

Listo para producción: 10 puntos por capa

Copiar checklist

• Datos: cada dato que usa la IA tiene una fuente única y un responsable.
• Datos: está definido qué información es personal o confidencial y quién puede verla.
• Automatización de cargas: los datos se actualizan solos, reintentan y avisan si fallan.
• IA: hay un set de preguntas reales con su respuesta correcta, aprobado por el área.
• IA: si no tiene la respuesta, el sistema lo dice y deriva a una persona.
• IA: cambiar de modelo no obliga a rehacer las otras capas.
• Puesta en marcha: el mismo sistema corre en prueba y en uso real.
• Puesta en marcha: cumplimiento aprobó dónde se procesan los datos (nube, país, proveedor) según la Ley 7593/2025 (PY) o la LOPDP (EC); en bancos, también frente a la SIB del BCP (PY) o la Superintendencia de Bancos (EC).
• Medición: cada semana ves el costo por respuesta y el porcentaje de aciertos.
• Medición: hay un responsable que revisa ese panel y decide.

Dónde se procesan los datos, en Paraguay y Ecuador:

• Paraguay: Ley 7593/2025, publicada el 27/11/2025; entra en vigor el 27/11/2027 (art. 57). Datos a otro país solo con protección adecuada o garantías por contrato (art. 19).
• Ecuador: LOPDP, Registro Oficial 459 del 26/05/2021.
• Bancos: revisa también lo que pide tu supervisor: SIB del BCP (PY) o Superintendencia de Bancos (EC).
• Casos por país: IA para bancos y fintech en Paraguay · IA para banca y cooperativas en Ecuador.

Ejemplo de piloto por capas, con entregas cada 2 semanas

1. Semana 1-2Datos y caso de usoUna pregunta frecuente, una fuente de datos y permisos definidos.KPI: fuente única con responsable
2. Semana 3-4Carga automática y primera versiónEl asistente funciona en un ambiente de prueba con datos que se actualizan solos.KPI: % de aciertos sobre las preguntas de prueba
3. Semana 5-6Uso real con un equipoPanel semanal y decisión de escalar o no.KPI: tiempo y costo por consulta vs. hoy