Contratar un Ingeniero de Prompts vs hacerlo internamente: los 4 escenarios donde cada modelo gana
"¿Contrato un Ingeniero de Prompts dedicado o entreno a alguien que ya tengo en el equipo?" Es la pregunta que todo CTO o director de operaciones se hace después del primer mes intentando que la IA "haga algo serio" en producción. La respuesta no es la misma para todas las empresas. Hay 4 escenarios distintos, cada uno con un ganador claro, y la mayor pérdida silenciosa es elegir mal — porque el costo se ve recién a los 6-12 meses, cuando ya es tarde para corregir sin perder otros 6.
- Necesidad puntual (3-5 prompts, una sola área): proyecto con agencia.
- Necesidad continua chica (10-15h/semana, equipo no técnico): Ingeniero dedicado por agencia (modalidad staffing).
- Necesidad continua grande (40h/semana, equipo técnico capable): contratar interno full-time o entrenar uno que ya tenés.
- Necesidad estratégica con conocimiento crítico que no se puede perder: mix — Ingeniero dedicado para arrancar + transferencia a interno a 6-12 meses.
El error más común: usar el mismo modelo para problemas distintos
Las empresas que vemos fracasar en sus iniciativas de IA suelen cometer uno de estos dos errores opuestos: contratar dedicated cuando solo necesitan un proyecto puntual (terminan pagando retainer por meses sin uso), o intentar entrenar interno cuando el negocio necesita resultados en 60 días (terminan perdiendo el año esperando que el interno aprenda lo suficiente).
La pregunta correcta no es "¿contrato o entreno?". La pregunta correcta es "¿qué tipo de necesidad de prompts tiene mi empresa, hoy y en los próximos 12 meses?" La respuesta a esa pregunta define el modelo correcto.
Costo real comparado a 12 meses (caso de empresa mediana)
Imaginemos una empresa B2B mediana con 4-6 áreas que se beneficiarían de prompts profesionales (atención al cliente, ventas, operaciones, marketing). Volumen de trabajo estimado: ~25 horas/semana sostenidas durante 12 meses (entre diseño nuevo, mantenimiento, casos edge, upgrades cuando salen modelos).
| Modelo | Costo año 1 | Time-to-value | Riesgo |
|---|---|---|---|
| Proyecto puntual recurrente (4 proyectos al año via agencia) | ~CLP 28-40M (4 × 25 UF promedio) | 2-4 semanas/proyecto | Sin continuidad: cada proyecto arranca de cero el contexto |
| Ingeniero dedicado via agencia (20h/sem) | ~CLP 18-24M (45 UF/mes promedio) | 1-2 semanas (arranque) | Bajo (agencia sigue después) |
| Ingeniero senior interno full-time (40h/sem) | ~CLP 38-55M (sueldo + AFP + bonos + vacaciones) | 30-60 días arranque + ramp-up | Alto: si se va, se va con el conocimiento |
| Entrenar interno técnico desde cero | ~CLP 8-12M (curso + tiempo del interno) | 6-12 meses para nivel productivo | Muy alto: tiempo perdido si no aprende, fuga si sí aprende |
El número que importa cambia según tu prioridad. Si lo crítico es velocidad, dedicado por agencia gana. Si lo crítico es costo bruto, entrenar interno parece ganador — hasta que sumás el costo del año perdido. Si lo crítico es conocimiento permanente in-house, interno full-time gana, pero asumís el riesgo de fuga.
Los 4 escenarios, con recomendación clara
Necesitás 3-5 prompts en una sola área, con fecha de entrega
Ejemplo: una clínica que quiere automatizar la clasificación de mensajes WhatsApp + auto-respuesta a las 5 preguntas más frecuentes. Una sola área (atención), 4-5 prompts, claramente delimitado. No hay continuidad esperada después de implementar.
Contratar dedicated sería overkill: pagarías retainer mensual sin uso después del mes 2. Entrenar interno sería absurdo: el interno se quedaría con el conocimiento sin tener dónde aplicarlo de nuevo.
Necesidad sostenida de 10-20h/semana, equipo no técnico
Ejemplo: una empresa B2B de servicios que ya tiene 2-3 prompts en producción y necesita: mantenerlos, agregar 1-2 nuevos por mes, hacer ajustes cuando sale un modelo nuevo, debuggear casos edge cuando aparecen. El equipo interno entiende el negocio pero no quiere convertirse en operador técnico de IA.
Contratar interno full-time es exagerado para 10-20h/semana de trabajo real (terminás pagando 40h por usar 15). Entrenar interno requiere un perfil técnico que la empresa no tiene o no quiere desarrollar.
Necesidad sostenida de 40h/semana, equipo técnico capable, conocimiento crítico que la empresa quiere in-house
Ejemplo: una empresa SaaS B2B con producto donde la IA es feature core (no add-on). 30-50 prompts en producción, evolución constante, casos nuevos cada semana, equipo de producto + ingeniería que necesita coordinar con el especialista IA día a día.
Para 40h/semana sostenidas, contratar dedicated por agencia se vuelve más caro que contratar interno (la agencia tiene markup razonable). Y para producto donde la IA es core, tener el conocimiento solo en una agencia externa es riesgo estratégico inaceptable.
Necesidad estratégica con velocidad de arranque + conocimiento permanente in-house
Ejemplo: empresa que quiere arrancar rápido (no puede esperar 6 meses), pero también sabe que en 12-18 meses quiere tener capacidad in-house. La mayoría de empresas medianas en LATAM caen acá: necesitan resultados ahora, pero no quieren depender de un proveedor externo a largo plazo.
El error común es elegir uno solo: si solo dedicated, en el mes 18 todavía dependés. Si solo entrenar interno, perdiste 6 meses sin valor.
Las 5 capacidades que diferencian un Ingeniero de Prompts senior
Tanto si contratás dedicated, interno, o entrenás a alguien, las capacidades que importan son las mismas. Estas son las 5 que separan un mid-level de un senior real:
1. Diseño estructural
Conoce los 7 elementos canónicos (rol, contexto, tarea, formato, restricciones, few-shot, variables) y los aplica sin pensarlo. Mid-level escribe prompts que funcionan a veces; senior escribe prompts que pasan testing antes de ir a producción.
2. Testing sistemático
No prueba con 3 inputs y declara victoria. Diseña 20-30 casos representativos cubriendo normal, edge y adversarial. Mide tasa de éxito antes de declarar el prompt listo. Tiene métricas de degradación cuando algo cambia.
3. Integración técnica
Conoce APIs de los 3-4 modelos frontier (OpenAI, Anthropic, Google), conecta con workflow tools (n8n, Zapier, Make), y entiende cuándo usar streaming vs batch, cuándo cachear, cuándo validar output con regex.
4. Conocimiento del negocio del cliente
Esta es la que diferencia senior de mid sin ambigüedad. Un Ingeniero senior se sienta con operaciones, con ventas, con el equipo de producto. Entiende el flujo donde el prompt va a vivir. Sabe qué casos edge ocurren en realidad (no en teoría). Mid-level escribe prompts en abstracto.
5. Documentación de mantenimiento
El senior entrega no solo el prompt, sino el manual: qué hace, qué inputs espera, qué outputs produce, cómo testearlo, qué cambiar si sale un modelo nuevo, qué métricas monitorear. Mid-level entrega el prompt y se va.
El riesgo silencioso de entrenar interno
Hay un riesgo del que casi nadie habla cuando recomienda "entrená a alguien interno": el interno entrenado se vuelve más mercadeable que la empresa para retenerlo.
En 2026, un Ingeniero de Prompts senior con casos B2B documentados es lo que en 2018 era un Cloud Architect: cotizado, escaso, en demanda. Si vos invertís 6-12 meses entrenando a alguien interno, ese alguien al mes 14 va a recibir ofertas de USD 5.000-8.000/mes de empresas más grandes que la tuya. Si lo retenés, le tenés que igualar. Si lo dejás ir, perdiste no solo a la persona, sino al conocimiento que le diste.
Esta no es razón para no entrenar interno — es razón para hacerlo con plan de retención claro y documentación obligatoria desde el día 1. El conocimiento no puede vivir solo en la cabeza de la persona, debe vivir también en docs operativos accesibles a más gente.
Lo que NO se ve en las decisiones tradicionales
El costo de oportunidad del tiempo perdido. Si tu negocio puede generar USD 5.000/mes adicionales con prompts profesionales en producción, cada mes de espera son USD 5.000 que no recuperás. Entrenar interno toma 6-12 meses. Eso son USD 30.000-60.000 que dejaste sobre la mesa esperando.
El costo de los prompts mediocres en producción. Mientras decidís, probablemente tenés prompts amateur en producción haciendo daño silencioso: leads mal calificados, tickets mal clasificados, copy off-brand. Ese costo no aparece en ninguna factura, pero se nota en el funnel.
El costo del knowledge silo. Si todo el conocimiento de IA vive en una persona (interno o agencia), tenés un single point of failure. Documentación obligatoria + co-trabajo con segunda persona reduce este riesgo, pero requiere disciplina explícita.
Resumen ejecutivo: cuál elegir según tu situación
| Tu situación | Modelo recomendado |
|---|---|
| Necesitás 3-5 prompts en 1 área, fecha definida, sin continuidad | Proyecto puntual con agencia |
| Necesitás 10-20h/semana sostenidas, equipo no técnico | Ingeniero dedicado via agencia (staffing) |
| Necesitás 40h/semana sostenidas, IA es core del producto | Ingeniero senior interno full-time |
| Necesitás arrancar rápido + tener conocimiento in-house en 12-18 meses | Hybrid: dedicado primero + transferencia a interno |
| Tenés ya alguien interno técnico con apetito + 6-12 meses para esperar | Entrenar interno (con docs obligatorios + plan retención) |
| No estás seguro qué necesitás | Diagnóstico de 30 min gratis para mapear → después decidís |
¿Estás evaluando si tu empresa necesita Ingeniero dedicado, proyecto, o interno?
Diagnóstico de 30 minutos gratis: mapeamos tu volumen real, identificamos qué modelo te conviene, y te decimos honestamente si necesitás proyecto, dedicado, o interno full-time.
Hablar por WhatsAppPreguntas frecuentes
¿Cuándo conviene contratar un Ingeniero de Prompts dedicado vs entrenar a alguien interno?
Contratar dedicado conviene cuando: 1) la empresa necesita resultados en menos de 60 días (entrenar interno toma 6-12 meses), 2) el volumen de trabajo de prompts justifica entre 10 y 40 horas/semana sostenidas, 3) la empresa no quiere asumir el riesgo de que el interno entrenado se vaya con el conocimiento. Entrenar interno conviene cuando hay una persona técnica con tiempo disponible, presupuesto para 6-12 meses de aprendizaje, y la empresa puede esperar resultados a partir del mes 4-6.
¿Cuánto cuesta un Ingeniero de Prompts en Chile en 2026?
Rangos reales 2026 en Chile: Junior (0-1 año experiencia con LLMs en producción): CLP 1,2-1,8M/mes. Semi-senior (1-3 años): CLP 1,8-2,8M/mes. Senior (3+ años con casos B2B documentados): CLP 2,8-4,5M/mes + bonos. Hay menos de 80 senior reales en Chile actualmente, lo que infla precios hacia el techo del rango. Modalidad freelance/contractor: USD 50-120/hora según experiencia. Modalidad dedicated via agencia: 30-60 UF/mes según horas semanales.
¿Cuáles son las 5 capacidades que debe tener un Ingeniero de Prompts senior?
1) Diseño estructural de prompts (rol, contexto, tarea, formato, restricciones, few-shot, variables), 2) Testing sistemático con casos representativos + adversariales, 3) Integración técnica con APIs (OpenAI, Anthropic, Google) y workflow tools (n8n, Zapier, Make), 4) Conocimiento del negocio del cliente — entender el flujo operativo donde el prompt vive, 5) Documentación de mantenimiento para que el equipo del cliente pueda operar y migrar entre modelos sin depender del Ingeniero. Las 3 primeras son técnicas; la 4 y 5 son las que diferencian senior de mid.
¿Cuál es la diferencia entre Ingeniero dedicado (staffing) y proyecto puntual?
El Ingeniero dedicado (modelo staffing, ingenierodeprompts.cl) trabaja para tu empresa por horas semanales (10h, 20h, 40h), conoce tu operación, mantiene los prompts existentes, agrega nuevos casos cuando surgen, y hace upgrades cuando salen modelos nuevos. Es la opción para necesidad continua. El proyecto puntual (ingenieriadeprompts.cl) tiene inicio y fin: diseñamos un set de prompts específico para procesos puntuales, los implementamos, y se entrega listo para que tu equipo opere. Es la opción para necesidad one-shot.
¿Qué pasa si después de 6 meses contratando dedicado quiero pasar a interno?
Es un escenario válido y planificable. El modelo dedicated incluye documentación operativa de cada prompt + manual de mantenimiento + sesiones de transferencia de conocimiento. Si después de 6-12 meses la empresa decide tener un interno, el Ingeniero dedicado puede co-entrenarlo durante 2-3 meses, dejar todo documentado, y hacer hand-off completo. La empresa se queda con el conocimiento, los prompts, los casos de prueba, y la infraestructura. Sin lock-in.