---
title: "IA en un desarrollo a medida: dónde aporta y dónde sobra"
description: "Dónde aporta la IA en un software a medida, dónde sobra, una tabla de decisión y qué hay que dejar cerrado antes de meter un modelo en producción."
canonical: "https://aullando.com/blog/ia-en-desarrollo-a-medida-donde-aporta"
last-updated: "2026-08-22"
---

# IA en un desarrollo a medida: dónde aporta y dónde sobra

La IA ha cambiado el coste de construir software. No ha cambiado lo que hace que un sistema siga funcionando dentro de dos años. Conviene separar las dos cosas, porque se están vendiendo juntas.

Esto es lo que aplicamos en cada proyecto cuando alguien pregunta si conviene meter IA.

## Dónde aporta al construir

Acelera la parte mecánica: código repetitivo, pantallas a partir de un modelo de datos, pruebas, migraciones de formato, documentación. El ahorro es real y es lo que permite entregar en semanas lo que antes llevaba meses. Lo contamos en detalle en [cómo sacar la primera versión en semanas](/blog/primera-version-producto-en-semanas).

Lo que no cambia: quién decide la arquitectura, el modelo de datos, los permisos y la experiencia de uso. Esas decisiones siguen siendo caras de corregir.

## Dónde aporta dentro del producto

En todo lo que es texto libre o clasificación con matiz:

- **Documentos que llegan en formatos distintos.** Facturas, albaranes, contratos, partes de trabajo. Extraer los campos y dejarlos validados por una persona.
- **Entrada desordenada.** Clasificar y priorizar mensajes, solicitudes o contactos según lo que pide el cliente, no según una palabra clave.
- **Contexto largo.** Resumir un histórico de conversación y dejarlo listo para quien atiende la siguiente llamada.
- **Borradores.** Respuestas, descripciones o informes que después revisa alguien del equipo.

En los cuatro casos la IA sustituye lectura repetitiva. La decisión final sigue siendo de una persona.

## Dónde sobra

En cualquier paso con una regla clara. Calcular un precio, aplicar un descuento por volumen, decidir si un plazo venció, mover un registro de estado, validar un NIF. Eso se resuelve con código: más barato, más rápido y siempre con el mismo resultado.

Poner un modelo donde bastaba una condición añade coste por uso, latencia y una fuente de errores difícil de reproducir. Cuando un cliente reclama por un importe mal calculado, hay que poder señalar la línea exacta que lo decidió.

También sobra cuando se usa como maquillaje: un chat encima de un proceso que en realidad nadie ha ordenado. Antes de eso conviene [automatizar el proceso con las herramientas que ya se usan](/blog/automatizar-procesos-sin-cambiar-de-herramientas).

## Tabla de decisión

| Situación | Con código | Con IA |
| --- | --- | --- |
| La regla se puede escribir en una frase | Sí | No |
| El resultado tiene que ser idéntico siempre | Sí | No |
| Hay que interpretar texto escrito por personas | No | Sí |
| El formato de entrada cambia cada vez | No | Sí |
| Un error afecta a dinero o a un plazo legal | Sí | Solo con revisión previa |
| El volumen es alto y el error es asumible | Según el caso | Sí |

La pregunta útil no es «¿esto se puede hacer con IA?». Es «¿qué pasa el día que se equivoque?».

## Lo que hay que dejar cerrado antes

Cuatro puntos, siempre por escrito:

1. **Qué datos salen de la empresa y hacia dónde.** Proveedor, región, si se usan para entrenar y cuánto tiempo se conservan.
2. **Qué pasa cuando el modelo se equivoca.** Camino alternativo, aviso y registro del fallo.
3. **Quién revisa antes de que algo llegue a un cliente.** Persona concreta, no «el equipo».
4. **Cuánto cuesta al mes con el volumen real.** El coste por uso escala con el éxito del producto.

Y una condición técnica: todo lo que responda un modelo se guarda con su entrada, su versión y su fecha. Sin eso no se puede auditar nada. Esto entra dentro de lo que conviene fijar en [propiedad y mantenimiento del código](/blog/mantenimiento-y-propiedad-del-codigo).

## Cómo lo planteamos nosotros

Empezamos por el proceso, no por el modelo. Miramos dónde se pierde tiempo, cuánto cuesta ese tiempo y qué parte es lectura repetitiva. Si sale un caso claro, entra IA en ese punto y en ninguno más. El resto del sistema se queda determinista, que es lo que permite arreglarlo rápido cuando algo falla.

Si estás valorando un desarrollo y no tienes claro qué parte compensa automatizar, [cuéntanos el caso](/contacto) y te decimos dónde aporta y dónde no.

## Sigue por aquí

- [Software a medida: qué es y cuándo compensa](/blog/software-a-medida-que-es-cuando-compensa)
- [Cuánto cuesta un software a medida](/blog/cuanto-cuesta-software-a-medida)
- [Desarrollos a medida](/a-medida)