¿Cuánto cuesta desarrollar una aplicación de IA?

Salario de un ingeniero de IA

Según Indeed, el salario medio de un ingeniero de aprendizaje automático en Estados Unidos es de 142.859 dólares al año. Otros puestos relacionados con la IA ganan más de $100.000 al año. Los ingenieros de algoritmos ganan $109.313 y los científicos de datos ganan una media de $126.927 al año.

Un ejemplo práctico: El equipo de IA de Netflix, responsable del motor de recomendaciones de la empresa, le cuesta a esta unos 1.500 millones de dólares anuales. El informe de accionistas de Netflix de 2022 muestra que esta inversión crea aproximadamente 1.000 millones de dólares de valor gracias a la reducción de la pérdida de abonados.

Está claro que el coste de contratar ingenieros de IA es muy elevado en comparación con otros desarrolladores de software. Estas cifras también muestran una clara tendencia en la demanda actual de ingenieros de IA. La ubicación de su equipo de desarrollo también influye en los costes. Los ingenieros de IA de Silicon Valley cobran los mejores sueldos, pero se puede encontrar talento cualificado a precios más bajos en centros tecnológicos emergentes como Austin (Texas), o a nivel internacional en países como la India o Ucrania.

Potencia de cálculo

Ejecutar un modelo de IA entrenado no suele requerir muchos recursos informáticos. Pero entrenarlo es una historia completamente distinta. Para entrenar redes neuronales con eficacia, la empresa que desarrolla la IA debe tener acceso a una enorme potencia de cálculo.

Un ejemplo práctico: OpenAI informa de que sólo el entrenamiento de su modelo GPT-3 costó 4,6 millones de dólares en potencia de cálculo. Aunque la mayoría de las aplicaciones empresariales de IA no requieren esta escala, incluso los modelos lingüísticos de tamaño medio pueden costar entre 10.000 y 50.000 dólares en recursos informáticos para entrenarlos adecuadamente.

Este reto suele resolverse realizando los cálculos en la nube, pero esto a su vez incurre en costes. Empresas como Google Cloud, AWS y Microsoft Azure ofrecen recursos informáticos especializados en IA que pueden ampliarse en función de las necesidades. Tesla utiliza una combinación de hardware personalizado y servicios de AWS para entrenar su IA para la conducción autónoma, con unos costes trimestrales de computación en la nube que rondan los 30 millones de dólares.

El tipo de IA que desarrolle marca una gran diferencia en los costes de procesamiento de datos. Los algoritmos sencillos de aprendizaje automático pueden entrenarse en hardware estándar, mientras que el aprendizaje profundo requiere recursos especializados de GPU que son significativamente más caros.

Desarrollo del MVP

Un modelo que realiza una tarea es una cosa, pero un modelo que realiza esa tarea en beneficio de una empresa es otra muy distinta. Antes de implantar una aplicación completa de IA, las empresas deben desarrollar un producto mínimo viable (MVP).

Un ejemplo práctico: Airbnb desarrolló un MVP de su IA para la optimización de precios antes de la implantación completa. Como escribe la empresa en su blog de tecnología, esto permitió identificar y rectificar varios problemas críticos, que habrían costado unos 2,5 millones de dólares si se hubieran descubierto después de la implantación completa. El MVP costó unos 120.000 dólares, pero supuso un ahorro varias veces superior.

Un MVP demuestra que todo el aprendizaje automático de la aplicación no es un mero truco, sino que tiene el potencial de aportar mejoras significativas. También es un factor de coste en el proceso de desarrollo de la IA, pero necesario.

Desarrollar una aplicación de IA sin un MVP es un claro camino al desastre, ya que pueden producirse numerosos defectos y errores durante la fase de desarrollo de la aplicación. El MVP ayuda a validar tanto la viabilidad técnica como la idoneidad para el mercado de tu solución de IA, ahorrando potencialmente importantes recursos.

Externalización frente a desarrollo interno

Un proceso típico de desarrollo de IA requiere un equipo multidisciplinar de ingenieros de IA/ML, científicos de datos, desarrolladores web y otros expertos en TI como diseñadores, gestores de proyectos, etc.

Un ejemplo práctico: Al principio, Spotify subcontrató partes del desarrollo de su motor de recomendación a empresas especializadas en IA antes de crear su propio equipo. Según el blog de tecnología de la empresa, este enfoque híbrido redujo los costes iniciales de desarrollo en aproximadamente %, al tiempo que permitió a la empresa acumular gradualmente experiencia interna.

El salario y el coste total de contratar talento informático interno y formarlo pueden ser extremadamente elevados. Considere los siguientes costes anuales aproximados para un equipo básico de desarrollo de IA en Estados Unidos:

• Ingeniero AI/ML: $150.000
• Científico de datos: $130.000 
• Backend-Entwickler: $120.000
• Desarrollador frontend: $100.000
• Jefe de proyecto: $110.000

La externalización del desarrollo de aplicaciones de IA puede suponer un alivio de costes, ya que no todos los gastos deben correr de su cuenta. Empresas como Deloitte y Accenture ofrecen servicios de desarrollo a precios que suelen ser entre 30 y 50 % inferiores a los de un equipo interno, especialmente para proyectos con un alcance definido.

Muchas empresas optan por un modelo híbrido en el que mantienen la experiencia básica en IA dentro de la empresa y subcontratan el trabajo de desarrollo de apoyo.

Escalabilidad y mantenimiento

El modelo de ML no es como un frigorífico que funciona sin cambios durante años hasta que se estropea. La solución debe mantenerse y actualizarse en función de los cambios en su modelo de negocio y su entorno.

Un ejemplo práctico: Pinterest invierte alrededor de 2 a 3 millones de USD anuales en el mantenimiento de su IA de recomendaciones, según su Informe de Inversión Tecnológica 2022. Estas inversiones continuas ayudan a la empresa a mantener una ventaja de 35 % en la participación de los usuarios frente a competidores con sistemas que se actualizan con menos frecuencia.

Un buen ejemplo es el software de reconocimiento de imágenes. Con el tiempo, la calidad de las imágenes aumenta y los usuarios acceden a mejores cámaras. El sistema debe ser capaz de manejar las imágenes más grandes o recibir una actualización que cambie el tamaño si no quiere quedarse obsoleto.

Los costes de mantenimiento suelen representar anualmente entre el 15 y el 25 % de los costes de desarrollo originales. Estos costes incluyen:

• Reentrenamiento del modelo con nuevos datos
• Adaptación a los cambios de comportamiento de los usuarios
• Integración con nuevos sistemas
• Optimización del rendimiento
• Actualizaciones de seguridad

Según McKinsey, las organizaciones que destinen al menos 20 % de su presupuesto de IA al mantenimiento y las actualizaciones verán cómo sus sistemas de IA rinden una media de 35 % más en un periodo de tres años.

Conclusión

Crear una solución basada en IA no es fácil ni barato. Sin embargo, el ahorro y los ingresos que aporta a las organizaciones suelen merecer la inversión. Si se tiene una visión a largo plazo, la inversión puede amortizarse en forma de menores gastos y mayores ingresos.

Para las empresas que carecen de infraestructura de IA y talento especializado, trabajar con una agencia de desarrollo de aplicaciones con experiencia como Appleute puede reducir significativamente tanto los costes como los riesgos. Externalizar el desarrollo de IA elimina los costes de contratación, formación y creación de infraestructura, lo que puede suponer un ahorro de entre 40 y 60 % en comparación con la creación de un equipo interno desde cero.

A la hora de presupuestar el desarrollo de la IA, debe tener en cuenta lo siguiente:

• La complejidad y el número de funciones de IA necesarias
• Su estrategia de plataforma (primero centrarse, luego expandirse)
• Costes del talento y opciones de contratación
• Requisitos de la infraestructura informática
• La importancia de empezar con un MVP
• Costes de mantenimiento

Las agencias especializadas en el desarrollo de IA, como Appleute, ya cuentan con procesos establecidos, equipos experimentados y un historial probado de éxito en la implantación. Esto significa un desarrollo más rápido, menos errores costosos y acceso a las mejores prácticas sin una curva de aprendizaje pronunciada.

¿Se pregunta cómo puede desarrollar una solución de aplicación de IA rentable para su empresa? Appleute es la solución adecuada para usted. Póngase en contacto con nosotros hoy mismopara hablar de sus necesidades y descubrir cómo nuestra experiencia puede ayudarle a navegar por el complejo mundo del desarrollo de la IA optimizando su inversión.