Elegir una consultora de inteligencia artificial en México en 2026 es una de las decisiones más caras que toma un líder de tecnología. El mercado se duplicó en 24 meses y ya hay más de 200 firmas activas que se autodenominan "consultoras de IA": desde freelancers con un curso de prompt engineering hasta los Big Four con divisiones recién creadas. La diferencia entre elegir bien y elegir mal puede ser un proyecto entregado en 4 meses con ROI medible — o uno que nunca sale de PowerPoint y consume seis meses de tu presupuesto.
Esta guía es la plantilla de evaluación que usaríamos si estuviéramos del otro lado de la mesa. Está basada en lo que vemos cuando un cliente nos llama después de un proyecto fallido con otra firma. Léela completa antes de tu próxima RFP.
Por qué importa elegir bien en 2026
Tres fuerzas convergen este año en México:
- Saturación de oferta sin saturación de calidad: muchas firmas nuevas reciclan plantillas de RAG genéricas y las venden como soluciones "a medida". El cliente paga personalización y recibe un fork.
- Presión regulatoria creciente: el AI Act europeo entró en vigor escalonado y México avanzó con el Anteproyecto de Ley Federal de IA. Implementar sin trazabilidad ni evals es deuda técnica que se paga en auditorías.
- Expectativas infladas por el hype: el board pide "IA en todo". Sin un partner que sepa decir "esto no aplica aquí", se queman millones en POCs sin demanda interna.
Los 8 criterios para evaluar una consultora de IA en México
1. Equipo senior real, no piramidal
Pregunta directa: "¿El ingeniero que escribe esta propuesta es el mismo que va a escribir el código?". Si la respuesta involucra "nuestro modelo de delivery" o "un team de Asia", es Big Four disfrazado de boutique. Las consultoras serias mantienen equipos chicos y senior porque saben que en IA en producción no hay tareas "de junior": un retrieval mal diseñado o un eval sin versionar puede costarte más que el proyecto entero.
2. Evidencia de sistemas en producción, no demos
Una demo no prueba nada en 2026 — cualquiera arma una con n8n y el modelo del mes. Pide ver: dashboards de evals históricos, traces de Langfuse o Helicone, repos públicos en GitHub, postmortems técnicos, postmortem público de un incidente. Si la firma no puede mostrar un sistema corriendo con tráfico real bajo NDA, no tiene experiencia operativa.
3. Evals versionados desde el día uno
Los modelos cambian solos. GPT-5 mini se actualiza cada 6-8 semanas; Claude lo mismo. Sin evals automáticos en CI/CD, no hay forma de detectar regresiones antes que tus usuarios. Pide ver el setup que la firma usaría — Promptfoo, DeepEval, Braintrust o equivalente. Si el equipo improvisa "lo definimos en el sprint 3", asume que nunca se hará.
4. Cumplimiento regulatorio operativo
Esto es el filtro que elimina al 70% del mercado. Necesitas:
- Documentación de gobernanza alineada al EU AI Act y al Anteproyecto de LFPIA mexicano.
- Trazabilidad completa de prompts y respuestas (logging auditable, retención política).
- Cumplimiento con GDPR y la LFPDPPP para datos personales.
- Capacidad de despliegue self-hosted (Digital Ocean, AWS Mexico, on-prem) para casos sensibles.
Si la firma improvisa al hablar de regulación, no es candidata para nada que toque datos clínicos, financieros o legales.
5. Operación multilingüe real (es / en / pt)
En LATAM trabajas en al menos dos idiomas. Tus modelos también. Pregunta: "¿Cuántos proyectos han hecho en español/portugués clínico, legal o financiero?". Una firma que solo trabajó en inglés copia patrones de retrieval en inglés y pierde ~15% de calidad en español sin darse cuenta. Las firmas serias publican benchmarks por idioma.
6. Código entregado, sin vendor lock-in
Cláusula contractual obligatoria: todo el código fuente, prompts, evals y documentación pasan a tu repo desde el primer commit. Las firmas que se reservan "su framework propietario" están construyendo dependencia en lugar de capacidad. Si algo es realmente reusable, debe ir como dependencia open-source con licencia clara, no como caja negra.
7. Investigación pública verificable
Las firmas serias publican: artículos técnicos, benchmarks, datasets bajo CC-BY, postmortems de incidentes propios. Sin output público es imposible distinguir un equipo experto de uno que repite tutoriales. Revisa: GitHub org pública, blog técnico con frecuencia mensual, presencia en conferencias regionales.
8. KPIs declarados antes de escribir código
Cualquier firma seria define en la propuesta: métrica de éxito (numérica), línea base actual, target a 90 días, herramienta de medición y cadencia de reporte. Si la propuesta dice "mejorar la eficiencia" sin número, descártala. Esa frase es la responsable del 64% de POCs que no llegan a producción.
Las 6 red flags que descartan automáticamente
- Propuesta sin KPIs medibles ni criterios de éxito numéricos.
- Precio "a definir" sin haber tenido una llamada de descubrimiento previa.
- Cero referencias verificables o casos de estudio que puedas validar con un cliente real.
- Demos basadas en plantillas idénticas a las que muestran en su sitio web — confirma que es producto, no consultoría.
- Compromiso de subcontratar el trabajo a un partner offshore sin nombrarlo en el contrato.
- Negativa a entregar código fuente y documentación al cierre del proyecto.
Benchmarks de precio en México (2026)
Estas son las bandas que vemos en el mercado mexicano en proyectos de IA en producción. Cualquier propuesta fuera de estas bandas necesita justificación explícita.
Bandas de precio típicas — IA en producción, México 2026
- 1 caso de uso acotado
- Equipo de 1-2 ingenieros senior
- Entregable: prototipo + evals + recomendación go/no-go
- KPIs preliminares medidos
- Sistema en producción con SLA
- Equipo de 2-4 ingenieros senior
- Evals en CI/CD + observabilidad
- Documentación + transferencia de conocimiento
- Cumplimiento AI Act / GDPR documentado
- Múltiples casos de uso
- Squad senior dedicado
- Roadmap trimestral con board
- Soporte 24/7 y SLA
- Capacitación de equipo interno
Big Four cobran 2-4× más por el mismo alcance debido a su estructura piramidal y overhead administrativo. Freelancers individuales cotizan 30-50% menos pero sin redundancia ni cobertura para incidentes.
Plantilla de RFP en 7 puntos
Cuando solicites propuestas, pide explícitamente cada punto. Una firma que no responde uno o más, se autodescarta:
- Caso de éxito comparable: industria, escala, problema, métrica de éxito, resultado real (con permiso de cliente para verificar).
- Equipo asignado nominado: nombres, LinkedIn, GitHub, años de experiencia en IA en producción.
- Stack técnico recomendado: qué modelo, qué framework, qué vector DB, por qué — no "lo definimos juntos".
- Plan de evals: qué se mide, con qué tooling, en qué frecuencia, cuál es la línea base.
- Plan de cumplimiento: AI Act, GDPR, LFPDPPP, retención de logs, derechos ARCO.
- Cronograma con hitos: hitos quincenales con criterios objetivos de aceptación.
- Estructura de precio: fijo o por sprints, qué incluye, qué se factura aparte (infra, licencias, viáticos).
Cómo evaluar la propuesta técnica
| Pregunta a hacer | Buena respuesta | Mala respuesta |
|---|---|---|
| ¿Qué embedding model usarías? | Nombra modelo + por qué + benchmark en español | "El que mejor funcione, lo decidimos en el sprint 2" |
| ¿Cómo evaluarás calidad? | Promptfoo en CI/CD + dataset de regresión + Langfuse | "Con feedback de usuarios" |
| ¿Cómo manejarás drift de modelo? | Pipeline automatizado + alertas + rollback plan | "Versionamos prompts en Git" |
| ¿Y si el modelo cambia silenciosamente? | Evals nightly + canary deployment | "El proveedor avisa" |
| ¿Self-hosted u API? | Análisis de costo, latencia y compliance por caso | "Lo más barato" / "lo más cool" |
Conclusión: qué hacer ahora
Si vas a contratar consultora de IA en México este trimestre, sigue este protocolo:
- Filtra a 5-7 candidatos usando los 8 criterios.
- Pide propuesta corta (no más de 5 páginas) con los 7 puntos del RFP.
- Descarta automáticamente a quienes muestren 2+ red flags.
- Entrevista al equipo asignado, no a los comerciales — pide ver a los ingenieros.
- Verifica al menos 2 referencias con clientes reales.
- Negocia un POC pagado de 4-6 semanas antes de firmar el proyecto grande.
- Asegura la cláusula de transferencia de código y conocimiento desde el contrato inicial.
Si quieres una llamada de descubrimiento gratuita para evaluar tu caso — sin compromiso, sin pitch — escríbenos en numoru.com/es#contacto. Si tu proyecto encaja con lo que hacemos te lo decimos. Si no, te orientamos hacia quien sí puede ayudarte. Más detalle de nuestra oferta en /es/consultoria-ia-mexico.