Informe Técnico de Desarrollo, Infraestructura y Presupuesto

Sin gobierno técnico, la velocidad de la IA se convierte en deuda

Un agente puede generar código, migraciones o scripts de despliegue en minutos. Sin revisión senior, arquitectura definida y validación en un entorno de demo, esa velocidad se traduce en errores que llegan a producción más rápido que nunca.

Con criterio senior, la IA acelera sin comprometer el producto

El mismo agente, dirigido por un equipo con arquitectura clara, entornos separados y QA activo, reduce tiempos reales en tareas mecánicas — sin trasladar la responsabilidad técnica ni de negocio a la herramienta.

Bloque A · Resumen ejecutivo

Qué cubre este informe

Metodología de estimación de costes para desarrollar una plataforma o aplicación digital a medida, con infraestructura propia, entorno de demostración separado de producción, despliegue automatizado y uso controlado de agentes de codificación IA.

El planteamiento parte de una premisa central: los agentes de codificación IA aceleran de forma real determinadas tareas de desarrollo — generación de código base, refactorización, documentación, tests, scripts de automatización —, pero no sustituyen el análisis funcional, la arquitectura, la seguridad, la revisión humana ni la responsabilidad técnica sobre lo que se despliega en producción.

El presupuesto que se presenta en este documento refleja ese equilibrio: menos horas en tareas mecánicas, las mismas horas — o más, en fases iniciales de calibración — en criterio, validación y gobierno técnico. El documento no describe funcionalidades comerciales concretas de ningún producto: es un marco de referencia para presupuestar cualquier plataforma o aplicación que siga el patrón MVP → demo → producción → evolución, y debe complementarse con el análisis de requisitos específico de cada proyecto antes de cerrar una cifra definitiva.

Bloque B · Enfoque moderno de desarrollo con IA

Qué aporta la IA al desarrollo

Los agentes de codificación se integran en el flujo de trabajo como un multiplicador de velocidad en tareas bien acotadas — no como un sustituto del ingeniero.

Producción

Generación inicial y componentes

Andamiaje de módulos y generación de componentes o endpoints repetitivos a partir de especificaciones ya definidas por el equipo.

Mantenimiento

Refactorización

Reestructuración de código existente para mejorar legibilidad y mantenibilidad una vez validado el diseño funcional.

Calidad

Generación de tests

Cobertura inicial de pruebas unitarias e integración, como punto de partida para la revisión humana.

Documentación

Soporte documental

Borradores de documentación técnica y guías internas que el equipo revisa y ajusta.

Observabilidad

Análisis de logs y errores

Detección asistida de patrones de error y apoyo en el diagnóstico de incidencias.

DevOps

Scripts y automatización

Generación asistida de scripts de despliegue y configuración de contenedores, siempre revisados antes de aplicarse.

Producto

Aceleración de prototipos

Iteración rápida sobre prototipos funcionales para validar decisiones de producto con el cliente en menos ciclos.

Revisión

Apoyo en revisión de errores

Primera pasada automatizada sobre el código para señalar problemas evidentes antes de la revisión humana definitiva.

Bloque C · Herramientas IA consideradas en el presupuesto

Suscripciones y coste por token

Comparativa de las principales opciones de agentes de codificación y su coste orientativo de suscripción o consumo.

Categoría	Plan / Modelo	Coste orientativo	Notas
Claude Code / Claude Max	Claude Pro	20 USD/mes	Uso individual básico
	Claude Max 5x	100 USD/mes	Uso intensivo individual
	Claude Max 20x	200 USD/mes	Uso muy intensivo individual
	Claude Code vía API	Variable	Según tokens, tamaño del código y uso de agentes
	Referencia empresarial (Anthropic)	∼150–250 USD/mes	Por desarrollador, en escenarios de uso activo continuado
OpenAI Codex / ChatGPT Codex	Free	0 USD/mes	Uso muy limitado
	Go	8 USD/mes	Entrada
	Plus	20 USD/mes	Uso individual estándar
	Pro	desde 100 USD/mes	Uso avanzado
	Codex API (ref. gpt-5.3-codex)	1,75 / 0,175 / 14 USD por M tokens	Input / cached input / output
APIs de modelos (producción)	Consumo de producción	Variable	Si el producto incorpora IA para el cliente, se presupuesta aparte de la suscripción del desarrollador
Herramientas complementarias	GitHub / GitLab	0–variable	Repositorio y control de versiones
	Dokploy	0 €/mes	Panel de despliegue self-hosted
	Docker	0 €/mes	Contenedores
	Monitorización	0–variable	Según herramienta elegida
	Backups	Variable	Según volumen almacenado
	Almacenamiento S3/R2	Variable	Según volumen
	Email transaccional	0–20 €/mes	Si aplica al producto

Conviene distinguir dos partidas que suelen confundirse en la negociación de presupuestos: la suscripción o consumo de IA que usa el equipo de desarrollo para construir el producto (coste operativo del proveedor técnico) y el consumo de API de modelos en producción, si el producto final incorpora funcionalidades de IA de cara al usuario final (coste que debe presupuestarse como parte de la infraestructura del producto, no del desarrollo).

Nota visible — precios sujetos a cambio: los precios de modelos y suscripciones de IA cambian con frecuencia. Las cifras de esta sección son orientativas. Antes de cerrar un presupuesto final deben verificarse en las páginas oficiales de cada proveedor.

Bloque D · Planificación y fases de desarrollo

De MVP a producción en tres fases

Cada fase se valida en su propio entorno antes de avanzar a la siguiente — nada llega a producción sin haberse probado primero en demo.

Prototipo / MVP

Validar la base técnica y funcional del producto con el mínimo alcance viable, ya desplegado en un entorno real.

Análisis de requisitos y estructura inicial del proyecto.
Primer diseño frontend y backend/API base.
Base de datos y despliegue inicial en demo.
Configuración Docker y primera integración con Dokploy.
Uso de agentes IA para acelerar el prototipado, con revisión humana del código generado.
Pruebas básicas.

Entorno de demo e iteración

Aislar la validación funcional del entorno de producción y depurar el producto sobre uso real del cliente.

Entorno staging/demo separado, con rama develop desplegando automáticamente.
Validación con cliente e iteraciones controladas.
Revisión de logs y pruebas funcionales.
Ajustes del producto y documentación de cambios.

Producción y estabilización

Endurecer el sistema para operar de forma continuada con datos reales y responsabilidad sobre el servicio.

Rama main desplegando en producción, dominio y SSL.
Backups, seguridad básica y monitorización.
Revisión de rendimiento y prueba de restauración.
Estabilización post-lanzamiento.

Bloque E · Arquitectura de despliegue y seguridad

Infraestructura propia, sin factura variable

Un único servidor gestiona producción y demo con aislamiento real de datos. Sin coste por usuario, sin sorpresas de nube.

ServidorDedicado en Hetzner, VPS o bare metal, según tráfico y requisitos de rendimiento.
DokployPanel de gestión de despliegues, autoalojado, sin coste de licencia.
DockerContenedores para aislar cada servicio y entorno.
Entorno demoStack independiente para validación funcional, sin tocar datos de producción.
Entorno producciónStack independiente con la política de acceso propia de un entorno crítico.
Base de datosInstancia independiente por entorno, sin exposición directa a Internet.
Backups externosCloudflare R2, AWS S3 o compatible S3, fuera del propio servidor.
SSLCertificados gestionados de forma automática desde el propio entorno.
Política de Gitdevelop → demo, main → producción, con protección de rama main.
AccesoSSH con clave pública, firewall activo, base de datos nunca expuesta a Internet.
ObservabilidadLogs centralizados y alertas básicas ante fallos o comportamiento anómalo.

Servidor Hetzner
├── Dokploy
├── Stack Demo
│   ├── Frontend Demo
│   ├── API Demo
│   └── DB Demo
└── Stack Producción
    ├── Frontend Producción
    ├── API Producción
    └── DB Producción

Esta topología permite que un único servidor gestione ambos entornos con aislamiento real de datos y configuración, manteniendo el coste de infraestructura fijo e independiente del número de usuarios finales del producto.

Bloque F · Estimación de esfuerzo, tiempos y costes

Tres escenarios de presupuesto

Rangos de horas por partida y su conversión económica a tres tarifas de referencia.

Escenario 1 · MVP técnico asistido por IA

Para producto simple, de alcance acotado.

Partida	Horas
Análisis / Producto	10–20 h
Frontend	35–70 h
Backend	45–90 h
DevOps / Dokploy / Hetzner	30–55 h
QA y revisión humana	20–40 h
Documentación	6–12 h
Total aproximado	146–287 h

Escenario 2 · Producto profesional estándar asistido por IA

Para producto con panel, roles, datos, documentos, validaciones y entorno serio.

Partida	Horas
Análisis / Producto	20–40 h
UX/UI	25–50 h
Frontend	80–140 h
Backend	100–180 h
DevOps	45–80 h
QA / Seguridad / Revisión	40–80 h
Documentación	10–20 h
Total aproximado	320–590 h

Escenario 3 · Producto avanzado con IA integrada en el producto

Para sistemas con agentes, automatizaciones, IA en producción, integraciones externas y lógica compleja.

Partida	Horas
Análisis / Producto	40–80 h
Arquitectura técnica	30–60 h
UX/UI	50–90 h
Frontend	140–240 h
Backend	180–340 h
Integraciones / IA / Automatizaciones	80–200 h
DevOps / Seguridad / Backups	70–120 h
QA / Auditoría / Estabilización	70–140 h
Documentación	20–40 h
Total aproximado	680–1.310 h

Conversión económica por tarifa horaria

Escenario	Horas	40 €/h	50 €/h	60 €/h
MVP técnico	146–287 h	5.840–11.480 €	7.300–14.350 €	8.760–17.220 €
Profesional estándar	320–590 h	12.800–23.600 €	16.000–29.500 €	19.200–35.400 €
Avanzado con IA integrada	680–1.310 h	27.200–52.400 €	34.000–65.500 €	40.800–78.600 €

Estimación sujeta a alcance funcional definitivo. Los rangos de horas y coste de esta sección son de planificación, no un cierre de presupuesto. La cifra final se ajusta tras el análisis de requisitos detallado de cada proyecto.

Bloque G · Costes mensuales de infraestructura

Infraestructura y herramientas IA

Partida	Coste estimado	Uso recomendado
Hetzner VPS inicial	35–70 €/mes	MVP / producto inicial
Hetzner con más margen o bare metal	60–120 €/mes	Producción más seria, varios servicios o más tráfico
Cloudflare R2 / S3	0–10 €/mes	Proyectos pequeños; sube según volumen de backups y archivos
Dokploy	0 €/mes	Herramienta open-source self-hosted
Monitorización open-source	0 €/mes	Uptime Kuma, Beszel, Netdata o similar autogestionado
Email transaccional	0–20 €/mes	Orientativo, según proveedor y volumen

Nivel de uso IA	Referencia	Coste estimado
Uso básico	ChatGPT Plus o Claude Pro	∼20 USD/mes
Uso intensivo individual	Claude Max 5x o ChatGPT/Codex Pro	∼100 USD/mes
Uso muy intensivo	Claude Max 20x	∼200 USD/mes
Uso API/agentes intensivos	Referencia conservadora por desarrollador	150–250 USD/mes

Imputación de coste: estos costes de herramientas IA deben imputarse como coste operativo del equipo técnico, no como infraestructura del cliente, salvo que se pacte expresamente lo contrario.

Bloque H · Comparativa

Desarrollo tradicional vs. desarrollo asistido por IA

Concepto	Desarrollo tradicional	Desarrollo asistido por IA	Impacto real en presupuesto
Prototipado	Semanas de andamiaje manual	Andamiaje inicial generado y ajustado en días	Reduce horas de arranque; no reduce horas de validación
Generación de componentes	Escritura manual componente a componente	Generación asistida a partir de patrones definidos	Ahorro moderado en tareas repetitivas
Refactorización	Revisión y reescritura manual	Propuestas de refactor asistidas, revisadas por el equipo	Ahorro en tiempo de ejecución, no en tiempo de revisión
Documentación	Redacción manual, a menudo pospuesta	Borradores generados y editados por el equipo	Mejora la cobertura documental sin coste adicional relevante
Tests	Escritura manual caso a caso	Generación de cobertura inicial, ampliada por el equipo	Ahorro en cobertura base; el diseño de casos críticos sigue siendo manual
DevOps	Scripts y configuración escritos a mano	Generación asistida de scripts y configuración	Ahorro moderado; la validación de despliegue sigue siendo humana
Seguridad	Revisión y hardening manual	Apoyo en detección de patrones inseguros conocidos	Sin impacto significativo; la responsabilidad sigue siendo humana
QA	Pruebas funcionales manuales	Apoyo en generación de casos de prueba	Reduce tiempo de preparación, no de ejecución y validación final
Arquitectura	Diseño y decisiones por el equipo senior	Sin sustitución; la IA no toma estas decisiones	Sin impacto en el presupuesto de esta partida
Gestión de producto	Análisis, priorización y comunicación con cliente	Sin sustitución; tarea íntegramente humana	Sin impacto en el presupuesto de esta partida

Mensaje clave: la IA puede reducir tiempo en tareas mecánicas y acelerar iteraciones, pero no elimina el coste de diseño, validación, seguridad, arquitectura ni responsabilidad técnica.

Bloque I · Matriz de riesgos

Lo que hay que vigilar

Creer que la IA elimina el coste de desarrollo

Impacto: Alto · Probabilidad: Alta. Mitigación: comunicar el desglose de costes de este informe de forma explícita al cliente.

Código generado sin revisión

Impacto: Alto · Probabilidad: Media. Mitigación: revisión humana obligatoria de todo código generado antes de fusionarse.

Costes variables por tokens/API

Impacto: Medio · Probabilidad: Media. Mitigación: presupuestar un margen de consumo variable y monitorizar el gasto mensual.

Límites de suscripción de agentes

Impacto: Medio · Probabilidad: Media. Mitigación: planificar la carga de trabajo según cuotas reales del plan contratado.

Pérdida de contexto en agentes

Impacto: Medio · Probabilidad: Alta. Mitigación: documentar decisiones de arquitectura fuera del agente (repositorio, wiki técnica).

Mala arquitectura por iterar demasiado rápido

Impacto: Alto · Probabilidad: Media. Mitigación: revisión de arquitectura como hito explícito de cada fase.

Despliegues automáticos rompiendo producción

Impacto: Alto · Probabilidad: Media. Mitigación: validación obligatoria en demo antes de desplegar a main.

Backups mal configurados

Impacto: Alto · Probabilidad: Baja. Mitigación: prueba de restauración periódica documentada.

Demo y producción mezclados

Impacto: Alto · Probabilidad: Baja. Mitigación: separación estricta de bases de datos y credenciales entre entornos desde la Fase 1.

R10

Datos sensibles enviados a proveedores IA sin control

Impacto: Alto · Probabilidad: Media. Mitigación: política interna de qué datos pueden compartirse con agentes IA externos.

R11

Dependencia de herramientas externas

Impacto: Medio · Probabilidad: Media. Mitigación: priorizar herramientas open-source o autoalojadas donde sea razonable.

R12

Cambios de precios de modelos IA

Impacto: Medio · Probabilidad: Alta. Mitigación: revisar precios oficiales antes de cerrar presupuestos que dependan de consumo de API.

Bloque J · Veredicto técnico

Conclusión y estrategia recomendada

✓El uso de IA es recomendable para acelerar el desarrollo, especialmente en tareas mecánicas y de prototipado.
✓El presupuesto debe contemplar explícitamente el coste de las herramientas IA como partida operativa propia, separada de la infraestructura.
✓La IA no sustituye el criterio senior: análisis, arquitectura, seguridad y responsabilidad técnica siguen siendo humanas.
✓La arquitectura Hetzner + Dokploy + Docker + almacenamiento S3/R2 es adecuada para una primera versión profesional, con coste fijo y predecible.

Estrategia de fases recomendada:

MVP — validar la base técnica y funcional con el mínimo alcance viable.
Demo — iterar con el cliente en un entorno aislado de producción.
Producción — estabilizar, asegurar y lanzar con garantías.
Evolución — ampliar el producto sobre una base ya validada y estable.