Hace dos o tres años era bastante común ver gente vendiendo servicios de «prompt engineering» como si fuera la gran profesión del futuro. Y siendo justos, durante un tiempo funcionó. Muchas empresas no entendían cómo usar herramientas como ChatGPT y pagaban simplemente porque alguien sabía escribir mejores instrucciones que ellos.
Pero en 2026 el panorama es muy distinto.
Hoy cualquier persona con curiosidad y un par de horas puede aprender a obtener resultados razonablemente buenos de cualquier modelo. Los propios modelos son más intuitivos, las interfaces están más pulidas, y hay miles de tutoriales gratuitos para casi cualquier caso de uso. Eso hizo que el valor de «saber escribir prompts» bajara muchísimo como propuesta de venta.
Lo que realmente buscan las empresas ahora no es alguien que escriba instrucciones ingeniosas. Es alguien que les resuelva un problema concreto sin tener que supervisarlo constantemente.
Y ahí es donde aparece la oportunidad real.
El problema con cobrar por horas en un mundo de automatización
Algo que noto constantemente es que muchos freelancers siguen trabajando como si nada hubiera cambiado. Siguen cobrando por tareas individuales, por reuniones, por horas invertidas.
El problema es que la IA rompió completamente esa lógica económica.
Si una automatización puede hacer en 30 segundos algo que antes llevaba varias horas, cobrar únicamente por tiempo deja de tener sentido. Peor todavía: cuanto más eficiente eres, menos ganas. El incentivo está invertido.
Por eso la gente que está construyendo ingresos reales con IA está haciendo algo diferente: construye sistemas reutilizables y los vende o licencia, en lugar de vender su tiempo.
La diferencia es enorme. Si dedicas tres semanas a construir un flujo que automatiza la clasificación y respuesta de tickets de soporte para un e-commerce, puedes venderlo a ese cliente por una cuota mensual. Y si el flujo es lo suficientemente genérico, puedes adaptarlo y vendérselo a diez clientes del mismo sector sin tener que empezar desde cero cada vez.
Ahí el modelo cambia por completo: en lugar de intercambiar tiempo por dinero, estás intercambiando un sistema que funciona solo por dinero recurrente.
La confusión sobre qué es realmente un agente
Hay bastante ruido en torno a esta palabra y vale la pena aclararlo porque afecta a cómo se vende y se cobra.
Un prompt normal genera una respuesta puntual. Le haces una pregunta y la IA contesta. Útil, pero limitado.
Un agente, en cambio, encadena varias acciones de forma autónoma. Lee un input, toma una decisión sobre qué hacer con él, ejecuta una o varias acciones, y devuelve un resultado o desencadena el siguiente paso de un proceso. No necesita que nadie esté delante aprobando cada movimiento.
La diferencia práctica es significativa. Un prompt que redacta un correo de respuesta a un cliente requiere que alguien lo revise y lo envíe manualmente. Un agente que lee el correo entrante, clasifica el tipo de consulta, redacta la respuesta apropiada, la envía si cumple ciertos criterios o la escala a un humano si no, es una herramienta diferente. Y tiene un valor de negocio diferente.
Las empresas entienden esto cuando lo ven en acción. Lo que no siempre entienden de entrada es por qué deberían pagarlo mensualmente. Ahí está el trabajo de ventas que hay que hacer.
Lo que las empresas realmente pagan
Algo que se aprende rápido es que las empresas no pagan por tecnología. Pagan por resultados. Específicamente, pagan por ahorrar tiempo, reducir errores, responder más rápido a sus clientes, o reducir costes en procesos que antes requerían personas.
Cuanto más específico y medible es el problema que resuelves, más fácil resulta justificar el precio. No es lo mismo ofrecer «automatización con IA» que ofrecer «un sistema que clasifica y responde el 70% de tus tickets de soporte sin intervención humana, con un tiempo de respuesta de menos de dos minutos».
Los nichos donde esto funciona especialmente bien son los que tienen procesos repetitivos con reglas claras: validación de documentos, generación de informes periódicos, respuesta a consultas frecuentes, extracción de datos de formularios, clasificación de leads entrantes. Todas estas tareas tienen algo en común: son aburridas, se repiten constantemente, y cualquier error tiene un coste tangible.
Cuando muestras a una empresa cuánto tiempo están gastando en una de esas tareas y cuánto costaría automatizarla, la conversación sobre precio se vuelve mucho más fácil.
El error que frena a mucha gente
Hay cuentas enteras en redes sociales publicando «prompts secretos», «comandos mágicos» o listas de instrucciones que supuestamente desbloquean capacidades ocultas de ChatGPT. Ese contenido tiene engagement porque a la gente le gusta la idea del atajo.
Pero ese no es el negocio. O más bien, ya no lo es.
Lo complicado hoy no es escribir un prompt que funcione bien una vez. Lo complicado es construir un sistema que funcione bien todos los días, con inputs variables, con errores ocasionales del modelo, con casos extremos que no estaban contemplados en el diseño inicial.
Esa es la parte donde la mayoría de proyectos fallan: no en la prueba de concepto brillante, sino en la implementación robusta que sobrevive al contacto con la realidad de una empresa real.
Y precisamente porque es difícil, es donde hay valor. Cualquiera puede montar una demo impresionante en una tarde. Muy poca gente sabe construir algo que funcione de forma fiable semana tras semana sin que nadie lo esté vigilando.
Por dónde empezar si quieres ir en esta dirección
Lo más práctico es elegir un sector que conozcas bien, o al menos que no te resulte completamente ajeno, e identificar una tarea concreta que se repita con frecuencia y que tenga un coste medible en tiempo o dinero.
No hace falta que sea sofisticado. Algunos de los flujos más rentables son sorprendentemente simples: un sistema que extrae información de facturas en PDF y la vuelca en una hoja de cálculo, o uno que genera borradores de propuestas comerciales a partir de una ficha de cliente. La sofisticación técnica no es proporcional al valor que percibe el cliente.
Lo que sí importa es que el sistema funcione de forma fiable, que el cliente no tenga que tocarlo para que haga su trabajo, y que el ahorro de tiempo o dinero sea visible y medible. Con esas tres condiciones, el precio mensual se justifica solo.
El mercado está lleno de gente que sabe usar la IA. Hay mucho menos gente que sabe construir con ella cosas que duran.
