Antes de aprobar el siguiente tramo de presupuesto en un proyecto de IA,hay 18 puntos técnicos que deben revisarse: 5 sobre datos, 4 sobre mo‐
delo, 4 sobre integración, 3 sobre observabilidad y 2 sobre coste. Si fallan más de 5, el proyecto necesita rescate. Si fallan más de 9, conviene parar
y replantear. La auditoría se puede hacer en 10 días por un equipo externo y suele costar menos del 5% del presupuesto restante.
Cuando un proyecto de IA lleva tres o cuatro meses y se acerca el si‐ guiente tramo de presupuesto, hay un momento de duda razonable. ¿Está saliendo bien? ¿La PoC se va a poder llevar a producción? ¿Hay riesgos técnicos que nadie está mirando? La forma habitual de resolver esa duda
es preguntar al propio equipo del proyecto, lo cual es comprensible pero poco fiable. Auditar externamente con criterio técnico independiente cuesta poco y evita decisiones de mucho dinero basadas en optimismo del equipo.
Punto 1 · ¿Los datos de entrenamiento o prueba son representativos del caso real? Pide muestra del dataset utilizado y compárala con datos reales de pro‐ducción. Las desviaciones grandes predicen problemas en producción.
Punto 2 · ¿Hay un protocolo de etiquetado documentado? Sin etiquetado consistente, el modelo aprende ruido. Pide la guía de etiquetado y un análisis de acuerdo entre etiquetadores.
Punto 3 · ¿Hay datos para evaluar deriva (drift) en producción? Necesitas un set de validación distinto al de entrenamiento, actualizado periódicamente.
Punto 4 · ¿Los datos sensibles tienen tratamiento adecuado? GDPR,
anonimización, NDAs si se mandan a APIs externas. Sin esto hay riesgo
regulatorio que mata proyectos.
Punto 5 · ¿Hay flujo de retroalimentación para mejorar datos? Sin
esto, el modelo nunca mejora con uso real.
Punto 6 · ¿La elección de modelo está justificada técnicamente o por moda? Usar GPT-5 cuando un modelo más pequeño basta es desperdicio. Usar un modelo open source cuando hace falta calidad de frontier es ahorro mal entendido.
Punto 7 · ¿Hay evaluaciones automáticas (evals) que se ejecutan periódicamente? Sin evals, no se sabe si el modelo se degrada.
Punto 8 · ¿Hay guardrails contra alucinaciones, prompt injection y respuestas no deseadas? En producción es obligatorio. En PoC suele
faltar.
Punto 9 · ¿Hay benchmark contra alternativas? Comparación periódica con otros modelos para asegurar que la elección sigue siendo óptima.
Punto 10 · ¿La integración con sistemas internos es real, no mock?
Pide ver el endpoint conectado al CRM o ERP real, no a un Excel.
Punto 11 · ¿Hay plan de autenticación, permisos y trazabilidad por
usuario? Sin esto, no se puede llevar a producción en empresa seria.
Punto 12 · ¿La latencia bajo carga real está medida? Demos con un
usuario son irrelevantes. Pide pruebas con cien.
Punto 13 · ¿Hay plan de fallback cuando el modelo falla? Qué pasa si la API externa cae. Si nadie ha pensado esto, es un riesgo.
Punto 14 · ¿Hay logs estructurados con entrada, salida y contexto? Sin esto, depurar problemas en producción es ciego.
Punto 15 · ¿Hay dashboard con métricas de uso, calidad y coste? Si nadie puede decir cuántas llamadas hubo ayer y cuánto costaron, falta
observabilidad básica.
Punto 16 · ¿Hay alertas configuradas para anomalías? Caída de calidad, pico de coste, errores nuevos.
Punto 17 · ¿Hay TCO calculado a 100, 1.000 y 10.000 usuarios? Sin esto, el proyecto puede ser rentable hoy y ruinoso en seis meses.
Punto 18 · ¿Hay plan de optimización de coste? Caching, modelos más pequeños para casos simples, batching. Si todo va al modelo más
caro siempre, hay margen.
Fallan 0-3 puntos: proyecto sano, seguir.
Fallan 4-5 puntos: corregir antes del siguiente tramo de presupuesto.
Fallan 6-9 puntos: rescate técnico necesario antes de seguir.
Fallan más de 9 puntos: parar, replantear y posiblemente reiniciar.
En TCG, una cifra cerrada de cuatro dígitos altos para un informe de 10 días que cubre los 18 puntos.
Idealmente el patrocinador del proyecto en dirección, no el equipo del proyecto. Eso garantiza independencia.
Diez días en una etapa de decisión presupuestaria suele ahorrar meses de desvío posterior.
Sí, la auditoría seria mira código, datos einfraestructura, no solo entrevistas.
El checklist se adapta según tipo (RAG, agentes, NLP, visión por computador), pero los 5 bloques aplican siempre.
Auditar antes del siguiente tramo es una de las decisiones con mejor ratio de retorno en gestión de proyectos de IA. Diez días de auditoría externa
pueden ahorrar meses de inversión en un proyecto mal planteado. Si tu proyecto está en ese punto, pídela
Español Español 
English
Français
العربية
Português
Deutsch
Italiano
