Hace un año, elegir IA era elegir marca: Claude, ChatGPT o Gemini. Hoy la decisión tiene un segundo piso, y es el que de verdad mueve la factura: dentro de la marca que elegiste, hay tres o cuatro modelos con precios que varían hasta diez veces entre sí.
La mayoría de las empresas resuelve esto de la peor forma posible: usa el modelo más grande para todo, porque "es el mejor". Es como mandar un tráiler a comprar el pan. Esta es la guía para hacerlo bien, en seis pasos y con una tarde de trabajo.
Antes de empezar: qué necesitas
- Una cuenta de paga en el asistente que uses (la gratuita no te da acceso a los modelos superiores).
- Una hoja de cálculo.
- Cinco a diez tareas reales de tu operación, con ejemplos verdaderos. Este es el insumo crítico: sin casos reales, el ejercicio se convierte en opinión.
Paso 1: el inventario (30 minutos)
Abre la hoja de cálculo y lista tus tareas con IA. Una fila por tarea, con tres columnas: qué es, quién la hace y cuántas veces al mes.
Ejemplo de un inventario real de una distribuidora mediana:
| Tarea | Frecuencia mensual |
|---|---|
| Redactar respuestas a cotizaciones | 200 |
| Resumir minutas de juntas | 12 |
| Clasificar correos de soporte | 1,500 |
| Revisar contratos con proveedores | 4 |
| Generar descripciones de producto | 80 |
| Analizar el reporte mensual de ventas | 1 |
Fíjate en algo: las tareas de más volumen suelen ser las más simples, y las más difíciles son las de menos volumen. Esa asimetría es justo lo que hace que la asignación por modelo funcione tan bien.
Paso 2: clasifica por dificultad y riesgo
Agrega dos columnas y responde con una palabra cada una:
- Dificultad: ¿rutina o criterio? Rutina es cuando la respuesta correcta es más o menos evidente. Criterio es cuando hay que ponderar, interpretar o conectar información dispersa.
- Riesgo: ¿reversible o caro? Reversible es que alguien lo corrige en un minuto. Caro es que si sale mal, hay una consecuencia legal, financiera o de reputación.
Paso 3: asigna el modelo tentativo
Con la familia de Claude como ejemplo, el mapa de 2026 queda así:
| Perfil de tarea | Modelo | Precio orientativo (millón de tokens, entrada/salida) |
|---|---|---|
| Volumen enorme, trivial (clasificar, etiquetar, filtrar) | Haiku 4.5 | 1 / 5 USD |
| Volumen diario, dificultad media (redactar, resumir, extraer) | Sonnet 5 | 3 / 15 USD |
| Criterio, riesgo alto, análisis profundo | Opus 5 | 5 / 25 USD |
| Lo más duro: software complejo, trabajos autónomos de horas | Fable 5 | 10 / 50 USD |
El mismo mapa existe en las otras familias con nombres distintos. Lo que cambia son las etiquetas; la lógica de escalera es idéntica.
Paso 4: arma el banco de pruebas
Este es el paso que casi todos se saltan y el único que convierte la opinión en decisión.
Para cada tarea, junta tres casos reales con su respuesta correcta ya conocida. Si es clasificación de correos, tres correos y su categoría verdadera. Si es análisis de contrato, tres contratos y los riesgos que un abogado ya identificó. Si es redacción, tres solicitudes y la respuesta que sí enviaste.
Incluye siempre un caso atípico: el correo ambiguo, el contrato con la cláusula rara, el reporte con datos faltantes. En los casos fáciles todos los modelos empatan; la diferencia siempre aparece en los bordes.
Paso 5: corre la comparación
Mismo prompt, mismos casos, dos modelos. Si no sabes cómo escribir un buen prompt para la prueba, empieza por cómo escribir tu primer prompt efectivo — un prompt malo hace que los dos modelos se vean igual de mal y arruina la medición.
Califica cada respuesta en tres cosas, del 1 al 5:
- Exactitud — ¿los datos y conclusiones son correctos?
- Completitud — ¿faltó algo relevante?
- Corrección necesaria — ¿cuánto tendrías que editarla antes de usarla?
Y anota cuánto tardó. En tareas interactivas, un modelo que tarda tres minutos frente a uno que tarda veinte segundos pierde aunque su respuesta sea marginalmente mejor.
La regla de decisión: si el modelo económico saca 4 o más y el caro saca 5, quédate con el económico. La diferencia entre "muy bien" y "perfecto" casi nunca vale el doble de precio. Si el económico saca 3 o menos en una tarea de riesgo alto, sube sin dudarlo.
Paso 6: escribe la regla
Una página. Qué modelo para qué tarea, con la calificación que lo respalda. Ponla donde tu equipo la vea — en el manual interno, en el canal de trabajo, pegada junto a la política de uso de IA que (esperemos) ya tienes.
Y agenda una revisión trimestral. En 2026 esto no es formalismo: entre junio y julio los precios y capacidades de los modelos se movieron dos veces, y en una de esas el modelo tope bajó a la mitad de precio. Una regla de hace seis meses muy probablemente te está costando dinero hoy.
El error más caro (y más común)
Usar el modelo más potente "por si acaso". Suena prudente y es carísimo: multiplica la factura por cinco o diez a cambio de una mejora que en el 80% de las tareas nadie percibe. Y tiene un costo oculto peor — el modelo grande tarda más, así que tu equipo espera más frente a la pantalla en tareas que no lo necesitaban.
El criterio correcto es el mismo que aplicas al contratar gente y al comprar equipo: la herramienta adecuada para el trabajo, no la más cara disponible. Si quieres ver cómo se traduce esto a decisiones concretas entre modelos de una misma familia, lo desglosamos en la comparativa de Opus 5 contra Sonnet 5 y en la de Fable 5 contra Opus 5.
Cada tarea con su modelo
Te armamos el mapa de modelos de tu operación
Inventario, banco de pruebas con tus casos reales, comparación medida y la regla escrita para tu equipo. Resultados en días.
