Automatización con IA freelance
La mayoría de los entregables de "automatización con IA" en 2026 son tableros Zapier sostenidos con rezos. Yo construyo la versión que sobrevive — workers en Python sobre infraestructura real, con reintentos, validación de esquema, topes de costo y un runbook para que puedas operarlo. Soy Ignacio (IGNAX), desarrollador full-stack solo nacido en España, basado en Paraguay, especialista SEO/AEO. La automatización con IA es la segunda razón más común por la que fundadores y agencias me contratan, después de los MVPs SaaS.
¿Para quién es este servicio?
- Fundadores ahogados en trabajo repetitivo de back-office — triage de leads entrantes, parseo de documentos, producción de contenido, etiquetado de soporte.
- Equipos de ventas y operaciones que chocaron con el techo de precios o el techo de branching de Zapier y necesitan código real.
- Empresas SaaS que quieren una capa de IA adentro de su producto — no un widget de chatbot, un flujo de trabajo que genera ingresos.
- Agencias que necesitan un subcontratista senior de IA/automatización para un proyecto de cliente, white-label.
Si todavía estás averiguando qué tarea manual vale la pena automatizar, la llamada de descubrimiento lo ordena — no voy a dejar que me pagues por automatizar algo que debería eliminarse en su lugar.
¿Qué incluye una construcción de automatización con IA?
- Descubrimiento + especificación de una página del flujo, firmada antes de escribir código.
- Workers Python (FastAPI o async puro) con reintento, timeout, idempotencia y logging estructurado.
- Capa LLM: OpenAI, Anthropic o ambos, con ruteo de modelos consciente del costo.
- Salidas validadas por esquema (Pydantic o Zod) para que las fallas silenciosas no envenenen datos downstream.
- Storage: Postgres en Supabase o Neon, más Cloudflare R2 o S3 para archivos.
- Integraciones: REST/webhook/GraphQL hacia lo que ya uses — HubSpot, Notion, Slack, Stripe, Airtable, etc.
- Dashboard de costos (gasto LLM por tarea) compartido desde la semana uno.
- Despliegue de producción en tu propia cuenta de cloud. Sos dueño del código, los datos, los logs.
- Ventana de 14 días de correcciones post-lanzamiento para bugs dentro del alcance.
¿Cómo funciona el proceso de construcción?
El flujo refleja mi construcción de MVP SaaS, solo que comprimido.
- Llamada de descubrimiento (gratis, 30 minutos). Traé un ejemplo de la tarea manual — una grabación de pantalla, una hebra de inbox de muestra, un documento de Notion. Lo mapeo a un flujo de trabajo antes de cortar.
- Especificación de una página + cotización fija dentro de 48 horas.
- Construcción. Commits diarios a tu repo, video Loom los viernes mostrando al worker corriendo end-to-end sobre datos reales.
- Corrida piloto. Corro la automatización sobre un batch de muestra (últimos 30 días de tus datos) antes de prenderla full-time. Atrapamos los edge cases antes de que toquen producción.
- Handover. Llamada de 60 minutos cubriendo despliegues, secrets, dashboard de costos y cómo leer los logs. Runbook escrito en el repo.
Lun–Vie, 8:00–17:00 hora Paraguay (GMT-3). Fines de semana libres. Solapamiento con horario laboral de US East y España por la tarde.
¿Con qué stack entregás y por qué?
- Python 3.12+ — el lenguaje con el ecosistema IA/ML más profundo. FastAPI para HTTP, asyncio para concurrencia, Pydantic para contratos de I/O.
- APIs de OpenAI y Anthropic — los modelos gestionados ganan a los auto-hospedados para casi toda automatización. Más barato de lanzar, intercambiable después. Ver la documentación de la API de Anthropic y la referencia de la API de OpenAI como referencias canónicas.
- Postgres en Supabase o Neon — el sink por defecto. pgvector maneja embeddings sin una segunda base de datos.
- Cloudflare Workers + R2 — edge global para receptores de webhook, tier gratuito generoso, sin cold starts.
- Inngest, Trigger.dev o RQ/Celery auto-hospedado — según si querés orquestación gestionada o control total.
- GitHub Actions para jobs agendados cuando una cola completa es excesivo.
Si estás comprometido con TypeScript end-to-end, puedo matchearlo — Node 22 con Vercel AI SDK es una alternativa limpia a Python para automatizaciones más livianas.
¿Cuánto cuesta la automatización con IA?
Banda de precios: USD 2.000–10.000 (Gs 12,3M–61,4M). La mitad inferior es una automatización de un solo flujo con una integración y una llamada LLM por ítem — digamos, enriquecimiento de leads que corre por la noche. La mitad superior es pipelines multi-paso con branching, múltiples integraciones, procesamiento en batch o UIs de revisión human-in-the-loop. Por hora fuera de esa banda: USD 30–70/hr. Valores en PYG aproximados, se recalculan trimestralmente. Tipo de cambio al 2026-05-27: Gs 6.136,82 / USD. Para fondo más profundo sobre tradeoffs de stack ver best stack for AI SaaS 2026 (en inglés — sin equivalente en español aún).
Para agencias — automatización IA white-label
La IA white-label es una de las subcontrataciones más limpias disponibles ahora mismo. La mayoría de las agencias no han contratado todavía un ingeniero de IA dedicado, y los clientes están empezando a preguntar. Tarifa diaria: USD 240–560/día (derivada de la banda horaria). Firmo tu NDA, entrego bajo tu marca y permanezco invisible para tu cliente. Cobertura bilingüe EN/ES incluida sin costo adicional — útil cuando tenés cuentas en LATAM o España pero un equipo solo en inglés.
¿Cómo se ve el lanzamiento?
Despliego en tu propia cuenta de AWS, Cloudflare, Fly.io o Render. Sos dueño del repositorio de GitHub desde el commit uno. Después del lanzamiento corro un handover de 60 minutos cubriendo despliegues, gestión de secrets, dashboard de costos, agregación de logs y el flujo de reintento/replay. Un runbook escrito vive en el repo. Siguen dos semanas de correcciones gratuitas dentro del alcance.
¿Y el mantenimiento continuo?
La mayoría de las automatizaciones deberían correr silenciosamente durante meses. Cuando no, ofrezco un bucket de 5–10 horas/mes de monitoreo con 15% de descuento sobre la tarifa horaria, cancelación rolling a 30 días, sin lock-in. Para fondo sobre cómo secuencio construcciones de IA ver construí un MVP SaaS rápido y ¿qué es AEO? — la misma disciplina de entrega aplica a las automatizaciones IA.
Casos de estudio y artículos relacionados
- Plataforma de Generación de Leads con IA — automatización IA de producción dentro de un SaaS, OpenAI + Stripe + Postgres.
- Pipeline de Video Automatizado — pipeline totalmente automatizado de noticias a video con TTS, imagen IA y FFmpeg.
- Construí un MVP SaaS rápido — el patrón de secuencia que reutilizo en construcciones de automatización.
- Best stack for AI SaaS 2026 — ruteo de modelos, controles de costo, decisiones de infra (en inglés).
¿Listo para conversar? Escribime a [email protected] con una descripción en un párrafo de la tarea manual que querés eliminar. Respondo dentro de un día hábil.
Horario laboral: Lun–Vie, 8:00–17:00 hora Paraguay (GMT-3). Fines de semana libres. Solapamiento con horario laboral de US East y España por la tarde.
Precio
Valores en PYG aproximados, se recalculan trimestralmente. Tipo de cambio al 2026-05-27: Gs 6.136,82 / USD.
Para agencias
Trabajo en modalidad white-label como subcontratista senior. NDAs estándar bienvenidas. Tarifa día disponible: USD 240–560/día según stack.
Escribir a [email protected]Preguntas frecuentes
¿Qué tipo de automatizaciones construís realmente?
Triage y enriquecimiento de leads entrantes, parseo de documentos y extracción de datos estructurados, etiquetado y enrutamiento de tickets de soporte, drafting de reportes internos, monitoreo de noticias y redes, pipelines de imagen y video, producción de contenido en batch. El hilo común es que el LLM es el pegamento, no el producto entero. La salida cae en Slack, una tabla Postgres, una base de Notion o una hoja de Google — donde tu equipo ya vive.
¿Por qué no usar Zapier o Make?
Usá Zapier y Make para las primeras diez corridas de cualquier idea — son geniales para validar el flujo. Más allá de eso se ponen caros por paso, esconden fallas detrás de una UI y se rompen cuando necesitás branching real, reintentos o tool-use de LLM. Un worker en Python en una caja de USD 5/mes corre el mismo flujo por una fracción del costo, loguea cada paso y se debuggea como código real.
¿Cómo mantenés los costos de LLM predecibles?
Tres controles. Primero, ruteo casos fáciles a un modelo barato (Haiku, GPT-4.1 mini) y solo escalo a Sonnet o GPT-4.1 cuando el modelo barato rechaza la tarea. Segundo, cacheo prompts y embeddings — el contexto repetido nunca debe re-tokenizarse. Tercero, defino topes mensuales de gasto duros en los dashboards de OpenAI y Anthropic. Comparto un dashboard de costos con cada cliente desde la semana uno.
¿La automatización seguirá funcionando cuando cambie la API del LLM?
Sí — eso es parte del diseño. Los nombres de modelo son variables de entorno, no hard-codeados. Los prompts están versionados en git. Las salidas validadas por esquema (Pydantic o Zod) atrapan regresiones silenciosas antes de que toquen tus datos. Cuando OpenAI deprecia un modelo, cambiás una env var y redesplegás. Está documentado en el runbook.
¿Manejás el lado de datos o necesito también un data engineer?
Manejo ingesta, transformación y storage end-to-end para escala SMB típica (bajo 100 millones de filas). Postgres es el sink por defecto; Cloudflare R2 o S3 para archivos. Para trabajo de warehouse real — joins de mil millones de filas, CDC en tiempo real, modelos dbt complejos — traigo un data engineer en lugar de simularlo. Te lo digo en la llamada de descubrimiento de qué lado de esa línea está tu proyecto.
¿Podés trabajar bajo el NDA y la marca blanca de nuestra agencia?
Sí. El trabajo white-label en IA es una de mis subcontrataciones más comunes. Tarifa diaria USD 240–560/día, NDA-friendly, firmo tus papeles y permanezco invisible al cliente. Muchas agencias necesitan capacidad de automatización IA sin contratar un especialista full-time — ese es el hueco que cubro. Cobertura bilingüe EN/ES incluida sin costo adicional.
¿Cómo se conecta con mi SaaS o CRM existente?
A través de lo que expongan — REST API, webhook, GraphQL, SDK o, en el peor caso, screen-scraping con proxies rotados. HubSpot, Salesforce, Pipedrive, Notion, Airtable, Slack, Discord, Stripe y Linear son stacks que ya he cableado. La única integración que rechazo es la que viola los términos de servicio de la plataforma destino. Lo señalo en el descubrimiento antes de cotizar.
¿Qué pasa después de que se entregue la construcción?
Dos semanas de correcciones gratuitas dentro del alcance incluidas. Después de eso, las automatizaciones corren durante meses sin tocarlas (el objetivo) o necesitan un bucket de 5–10 horas/mes de monitoreo. No empujo retainers — la mayoría de las automatizaciones deberían estar silenciosas. Cuando algo se rompe, facturo por hora contra una tarifa de mantenimiento con descuento. Sin lock-in, cancelación rolling a 30 días.