Hay una conversación que se repite con frecuencia en las empresas en crecimiento: el equipo de tecnología quiere construir algo a la medida porque "ninguna herramienta del mercado encaja del todo", y el director general quiere suscribirse a algo que funcione mañana porque "ya gastamos demasiado tiempo evaluando". Los dos tienen razón. Y por eso la decisión suele paralizarse, o peor, tomarse por el argumento que llegó más fuerte, no el más correcto.
La pregunta de fondo no es "¿IA a la medida o de catálogo?" como si fueran dos equipos de fútbol. La pregunta real es más incómoda: ¿qué tan bien entendemos el problema que queremos resolver antes de comprometernos con cómo lo vamos a resolver?
Según los Censos Económicos 2024 del INEGI, apenas 26,093 unidades económicas en México, de un total de más de 5.4 millones, reportaron usar sistemas de inteligencia artificial. Eso es el 0.5% del universo empresarial. Al mismo tiempo, según AWS, el 38% de las empresas mexicanas dice ya usar IA en sus procesos internos. La brecha entre ambas cifras no es un error estadístico: es el espacio donde viven las suscripciones activas que nadie usa de verdad, los pilotos que nunca escalaron, y los contratos de desarrollo que se cancelaron a mitad.
El problema no es la tecnología. El problema es que la mayoría de las empresas llegan a la decisión de compra sin haber respondido una pregunta más básica: ¿qué proceso concreto vamos a mejorar, con qué datos, y quién en el equipo lo va a operar?
Sin esa respuesta, tanto una solución de catálogo como un desarrollo a la medida tienen el mismo riesgo de convertirse en presupuesto mal gastado.
Las herramientas de catálogo son plataformas preconstruidas: asistentes de escritura, automatizadores de flujos, chatbots de soporte, copilots de productividad. Su gran ventaja es la velocidad y el costo inicial bajo. Una empresa puede empezar a usar una de estas herramientas en días, no meses, con una inversión de cientos o pocos miles de pesos al mes por usuario.
Según un análisis de Gartner de 2025, el 68% de las empresas medianas que desplegaron herramientas de catálogo reportó ganancias de productividad medibles en los primeros 90 días. Ese número es real y vale la pena tomarlo en serio. Para tareas generales como redacción, organización de información, respuesta a preguntas frecuentes o análisis de documentos estándar, las herramientas de catálogo resuelven bien y rápido.
El límite aparece cuando el proceso que quieres mejorar tiene características propias de tu operación: datos que viven en tu ERP y no son públicos, flujos que conectan cinco sistemas distintos, reglas de negocio que cambian según el cliente, o información que por regulación o confidencialidad no puede salir de tus servidores.
"Las soluciones de catálogo cubren entre el 30% y el 50% de lo que un flujo de trabajo empresarial real requiere. El 50% restante es precisamente donde viven las ganancias."
Esa segunda mitad no la cubre ninguna suscripción genérica, por más costosa que sea.
Una solución de IA a la medida se construye sobre los datos, los flujos y las reglas específicas de tu empresa. Su ventaja no es la velocidad de arranque, sino la precisión a largo plazo: si tu proceso es único, una solución genérica siempre producirá fricciones que deberás corregir manualmente.
Hay un cálculo que ilustra bien el costo de esa fricción. Si un equipo de 20 personas dedica 15 minutos al día a corregir outputs imprecisos de una herramienta genérica, eso equivale a 75 horas mensuales de trabajo a costo pleno. Dependiendo del costo por hora del equipo, esa "corrección invisible" puede superar los 50,000 pesos al mes en Horas Redesplegadas que nunca se contabilizaron en la evaluación inicial de la herramienta.
Los casos en que una solución a la medida claramente gana son predecibles:
El error más común no es elegir la opción equivocada: es asumir que hay que elegir solo una. Las empresas que mejor capturan valor de la IA no se preguntan "catálogo o a la medida" sino "para cada proceso específico, cuál tiene más sentido".
Una empresa distribuidora mediana, por ejemplo, puede usar una herramienta de catálogo para que su equipo de ventas redacte propuestas más rápido, y al mismo tiempo invertir en un desarrollo a la medida para el módulo de predicción de inventario que alimenta su operación central. La lógica no es técnica: es de priorización. ¿Qué proceso, si funcionara mejor, tendría el impacto más medible en los resultados del negocio?
Según McKinsey, las empresas que integran IA de forma correcta en flujos clave reportan mejoras de productividad de entre el 20% y el 30% en los primeros 12 meses. Las que despliegan herramientas sin esa integración cuidadosa se quedan por debajo del 8%. La diferencia no está en el tipo de solución que eligieron: está en si tenían claridad sobre el problema antes de elegir.
Hay algo que los proveedores de soluciones de catálogo no te dirán: su herramienta fue diseñada para el caso de uso promedio de su mercado, no para el tuyo. Y hay algo que los proveedores de desarrollo a la medida tampoco te dirán: muchos proyectos fracasan no por fallas técnicas sino porque la empresa cliente no tenía sus datos organizados ni sus procesos documentados cuando arrancó el desarrollo.
El criterio que resuelve ambos riesgos es el mismo: conocer con precisión el problema antes de comprometerse con la solución. Eso implica entender qué datos tienes disponibles y en qué estado están, cuáles son los cuellos de botella reales de la operación (no los percibidos), y qué capacidad interna tienes para adoptar y sostener la herramienta.
Esa exploración previa no es trivial, y es exactamente lo que suele saltarse cuando la decisión de compra la conduce un proveedor. La tendencia en el mercado para 2026 apunta en una dirección clara: las empresas están migrando de experimentar con IA a concentrar su inversión en soluciones que demuestren retorno medible. Eso cambia la pregunta de "¿cuánto cuesta?" a "¿qué problema específico resuelve y cómo lo voy a medir?"
Para saber qué tipo de solución tiene sentido en tu operación, el punto de partida siempre es entender en qué etapa de madurez está tu empresa respecto a la IA: qué datos tienes, qué procesos son candidatos reales, y cuánta capacidad interna existe para operar lo que se implemente. Eso es lo que hace el enfoque del Método 4C® antes de recomendar cualquier herramienta o desarrollo.
Una tabla puede ser útil aquí, pero solo si aclara algo que no es obvio. Lo que suele perderse en las comparativas de "catálogo vs. medida" es el costo total de propiedad: no solo la suscripción o el desarrollo inicial, sino la integración, el mantenimiento, la capacitación del equipo y el costo de las correcciones manuales cuando la solución no encaja bien.
La columna más importante de esta tabla no es ninguna de las anteriores: es la que dice para qué tipo de proceso aplica cada opción. Y esa columna solo la puedes llenar con información de tu operación específica.
Para profundizar en cómo evaluar plataformas de automatización como Make, n8n o Zapier antes de comprometerte, puedes revisar nuestra comparativa detallada. Y si aún no tienes claro por qué muchas empresas terminan comprando herramientas que no necesitan, el artículo sobre cómo evitar esa trampa te da un marco práctico. Ambos son parte del mismo silo de decisión que estás enfrentando ahora.
Volvamos a la conversación con la que empezamos: el equipo técnico que quiere construir y el director general que quiere suscribirse. La tensión entre ellos no se resuelve con un argumento técnico. Se resuelve con claridad sobre el problema.
Si el proceso que quieres mejorar es estándar, tus datos son públicos o genéricos, y necesitas resultados en semanas, una herramienta de catálogo es la respuesta correcta. Si el proceso es propio, tus datos son sensibles o propietarios, y el impacto de hacerlo bien a largo plazo justifica la inversión y el tiempo, el desarrollo a la medida tiene sentido.
Y si no tienes certeza de cuál de esos dos escenarios describes, la respuesta no es adivinar. Es primero entender qué tienes, dónde están los cuellos de botella reales y qué nivel de madurez tiene tu operación para absorber cualquier solución que llegue. La automatización de procesos empresariales que realmente genera valor siempre empieza por ahí, no por la elección de la herramienta.
Esa claridad es, precisamente, lo que una Sesión 0 con Kynai está diseñada para darte: no una propuesta de venta, sino un diagnóstico honesto de por dónde empezar.
¿Cuándo tiene sentido empezar con una herramienta de catálogo aunque el proceso sea complejo?
Cuando el proceso complejo puede descomponerse en partes más simples. Una parte del flujo puede resolverse con una herramienta genérica mientras otra parte más crítica se desarrolla a la medida. Empezar con catálogo en las partes simples también ayuda a descubrir con datos reales qué partes realmente requieren personalización.
¿Qué tan grande debe ser una empresa para que un desarrollo a la medida sea viable?
El tamaño importa menos que el volumen del proceso. Una empresa de 50 personas con un proceso crítico que mueve el 40% de su operación puede justificar perfectamente un desarrollo específico. Una empresa de 500 personas con procesos poco definidos y datos dispersos puede no estar lista para ello, independientemente del presupuesto disponible.
¿Mis datos en un proveedor de catálogo están seguros?
Depende del proveedor y del tipo de datos. La mayoría de los proveedores globales procesan datos en sus servidores, lo que implica que información confidencial, financiera o de clientes sale de tu infraestructura. En sectores regulados o cuando hay obligaciones de privacidad bajo la LFPDPPP, eso puede ser un riesgo legal real. Para esos casos, una solución instalada en tu propia infraestructura o en nube privada es la alternativa.
¿Cuánto tiempo tarda en verse el retorno de un desarrollo a la medida?
Los proyectos bien acotados suelen mostrar resultados funcionales entre 8 y 12 semanas. El retorno sobre la inversión, calculado contra los costos del proceso anterior, típicamente se materializa entre 10 y 18 meses. Proyectos sin un proceso documentado o con datos desordenados al inicio del desarrollo tardan mucho más, y esa diferencia rara vez se anticipa en la propuesta del proveedor.
¿La Sesión 0 con Kynai incluye una recomendación de qué tipo de solución usar?
Sí. La Sesión 0 es una conversación estratégica de 30 minutos donde se escucha el contexto de tu operación, se identifican los procesos con mayor potencial y se da una orientación honesta sobre si el camino más adecuado es catálogo, desarrollo a la medida, o una combinación. Es gratuita y sin compromiso. Puedes agendarla aquí.