De prototipo ChatGPT o Cursor a producción: qué hay que montar

El prototipo no es el producto

Una empresa de servicios —reformas, clínica, despacho, hotel— monta un asistente con ChatGPT, Cursor, un freelance o una herramienta no-code. En la demo funciona. El lunes, cuando hay que usarlo de verdad, no hay login, los documentos salen hacia una API pública y nadie quiere ser “el informático” cuando se cae.

Eso no se arregla con un prompt mejor. Se arregla montando un sistema que se pueda operar.

La ficha de servicio es desplegar IA en producción. Este artículo detalla qué hay que montar, para que la conversación no empiece en abstracto.

Qué suele haber (y qué falta)

Suele haber:

• Un flujo que en la demo acierta
• Un modelo o una API de terceros
• Alguien del equipo que “ya sabe usarlo”

Suele faltar:

• Un backend que no viva en el portátil de una persona
• Una API que el resto de sistemas (ERP, web, WhatsApp) pueda llamar
• Accesos de usuarios: quién entra, con qué permiso
• Un entorno (casi siempre Azure) con copias y costes a la vista
• Un responsable cuando deja de responder

Sin eso, el prototipo es un riesgo: dato fuera de control, dependencia de una persona, y una demo que no escala.

Qué hay que montar, en orden

1. Auditoría de lo que ya existe. Qué hace el prototipo, con qué datos, a qué API llama, qué pasa si se cae. A veces el veredicto es no tocarlo todavía.

2. El caso de producción. Una tarea concreta (un tipo de documento, un tipo de consulta), no “IA para toda la empresa”.

3. Backend y API. La lógica deja de vivir en un chat. Hay un servicio que recibe, procesa y devuelve, con registro de lo que hizo.

4. Identidad y permisos. El equipo entra con cuenta de empresa, no con un enlace compartido.

5. Dónde corre. El suelo cloud (suscripción, redes, costes) está en consultoría Azure. El go-live del prototipo está en IA en producción. Se encadenan; no son el mismo servicio.

6. Operación. Un retainer o un responsable interno. Sin eso, en tres meses volvéis al portátil.

Qué no es este trabajo

• No es un chatbot genérico de atención al cliente. Eso, si encaja, está en agentes IA.
• No es alfabetización del personal (Artículo 4). Eso está en cumplimiento IA.
• No es meter el expediente de menores o dependencia en una API pública. Si el dato no puede salir, la puerta es IA privada.

Criterio para decidir si merece la pena

Si el prototipo ahorra tiempo de verdad a una persona que no es “la de informática”, y el dato no es de categoría especial, suele merecer auditoría. Si solo impresiona en una reunión, mejor no gastarlo.

No hay un porcentaje de ROI que podamos inventar aquí. El número sale del caso: horas que se dejan de perder, errores que se dejan de copiar, y el coste de operarlo.

Siguiente paso

Desplegar IA en producción: auditoría, implementación a precio cerrado y mantenimiento. Consultoría gratuita.

Lecturas: dónde desplegar un agente de IA · mapa de puertas.