¿Cuánto cuesta un chatbot RAG con los documentos de tu empresa? Comprar o construir

¿Qué es RAG en IA y cómo responde un chatbot con documentos de empresa?

RAG significa generación aumentada por recuperación (retrieval-augmented generation). Cuando alguien pregunta, el sistema busca primero en tus documentos, pasa los mejores fragmentos a un modelo de lenguaje y le pide que responda solo con ellos, citando la fuente. Es un examen a libro abierto: la respuesta sale de la página encontrada.

Dos consecuencias. No se reentrena nada: tus archivos viven en un índice de búsqueda fuera del modelo. Y la respuesta nunca supera a la búsqueda, así que documentos duplicados, obsoletos o escaneados sin texto dan respuestas fluidas y erróneas.

¿Cuánto cuesta un chatbot RAG con los documentos de tu empresa?

Los presupuestos publicados en 2026 difieren en un factor de diez o más, porque cada uno describe un proyecto distinto. Ninguno es una oferta.

La fila de VITON¹³ es un alcance más estrecho, no un descuento: el paquete limita documentos, fuentes, grupos y preguntas de prueba, y deja fuera el escaneo, las integraciones y las tarifas de los proveedores.

¿Por qué dos presupuestos del mismo chatbot difieren tanto?

• Estado de los datos: según Panorama Systems, lo que más pesa no es el modelo, sino cuántos formatos hay, cuántos son escaneos, cuántos documentos se contradicen y cuál es la versión vigente. Hamza Shabbir lo cifra en un 30–40 % del presupuesto.
• Permisos por usuario: si cada persona ve documentos distintos, las reglas deben viajar del sistema de origen al buscador. MERIDIAN lo llama la parte más delicada.
• Evaluación: Hamza Shabbir valora un conjunto de 50–100 preguntas con respuesta esperada en 1.000–3.000 dólares.
• Quién lo construye: según Hamza Shabbir, las agencias piden dos o tres veces lo que un ingeniero autónomo por el mismo alcance.

¿Basta con Copilot, ChatGPT u otra herramienta lista para usar?

Si el equipo ya trabaja en una sola suite, a menudo sí. MERIDIAN lo resume así: Copilot cubre SharePoint y Office con poco esfuerzo, pero da menos control sobre fuentes, citas y calidad. La tabla recoge lo que cada proveedor publica hoy.

Los puestos se acumulan. Veinte personas en ChatGPT Business cuestan 4.800 $ al año con pago anual o 6.000 $ mensual; con la oferta de Copilot Business, 4.320 $ el primer año; en Notion Business, 4.680 € (aritmética propia). Es el rango de un piloto, así que pregunta qué no hace un puesto: funcionar dentro de tu web o de un bot de Telegram, atender al público o aplicar reglas por documento.

¿Cuánto cuesta mantener un chatbot RAG cada mes?

Tras el lanzamiento corren tres contadores: indexar los archivos, guardar el índice y los tokens de cada pregunta. Indexar casi no cuesta: 200 documentos de 20 páginas, a unos 600 tokens por página, son 2,4 millones de tokens, y text-embedding-3-small de OpenAI cuesta 0,02 $ por millón: unos cinco céntimos. Guardar el índice tampoco pesa: la búsqueda de archivos de OpenAI incluye 1 GB gratis.

Las preguntas son el contador principal. Supón 3.000 tokens de entrada (instrucciones, cinco fragmentos y la pregunta) y 400 de salida, los tamaños que usa Hamza Shabbir, y 20 personas con cinco preguntas al día durante 22 días laborables: 2.200 preguntas.

Así, el modelo de un equipo pequeño cuesta decenas de dólares. Suma 25–150 dólares al mes de alojamiento (Hamza Shabbir). El coste que importa es una persona que mantenga los documentos al día y lea las preguntas sin respuesta.

¿Puede un chatbot RAG inventarse respuestas o filtrar documentos?

• Se recupera el fragmento equivocado: una tabla o cláusula partida entre dos trozos se responde con la mitad, y un escaneo sin capa de texto no da nada que buscar.
• Versiones viejas y duplicados: MERIDIAN lo resume así: documentos desactualizados dan respuestas desactualizadas. Dale a cada documento un responsable y una fecha.
• Las invenciones no desaparecen: investigadores de Stanford hallaron que herramientas jurídicas con RAG de LexisNexis y Thomson Reuters alucinaban entre el 17 % y el 33 % de las veces, menos que un chatbot general pero lejos de la eliminación anunciada por algunos proveedores.
• Fugas de acceso: OWASP cuenta entre las debilidades principales de las aplicaciones LLM el control de acceso débil sobre los embeddings y los almacenes vectoriales compartidos que filtran contexto entre usuarios.

Una empresa responde de lo que dice su asistente. En Moffatt v. Air Canada (2024 BCCRT 149) un tribunal de Columbia Británica rechazó que el chatbot de la aerolínea fuese una entidad aparte y le ordenó pagar 812,02 dólares canadienses a un cliente por un consejo erróneo sobre tarifas. Era un bot público, pero tus empleados también actúan según las respuestas de un asistente interno.

¿Qué exige el RGPD si los documentos contienen datos personales?

Si tus documentos incluyen datos personales, el proveedor del modelo que los trata es tu encargado del tratamiento. El artículo 28 del RGPD exige un contrato escrito que lo ligue a tus instrucciones, y el artículo 32, medidas de seguridad adecuadas al riesgo. MERIDIAN añade que quien no puede ver un documento tampoco debe poder preguntárselo al asistente.

Esto no es asesoramiento jurídico. Pregunta a tu delegado de protección de datos o a un abogado dónde trata el proveedor los datos, qué conserva y si usa tus archivos para entrenar.

¿Construir, comprar o esperar? Una lista para decidir

• No hace falta RAG si toda tu biblioteca tiene menos de unas 100–200 páginas y cambia poco: Hamza Shabbir propone cargarla en un prompt con caché, y ChatGPT Business indica una ventana de razonamiento de unas 320 páginas.
• Compra un plan por puestos si todos trabajáis en Microsoft 365, Google Workspace o Notion, sois unas decenas y los permisos de la suite bastan.
• Usa un constructor de bots para web si el público son visitantes y el contenido es público.
• Construye a medida si grupos distintos leen documentos distintos, la respuesta debe enlazar al fragmento, las fuentes están en varios sistemas, necesitas tu propia interfaz o pruebas repetibles, o los datos deben quedarse en una región concreta.